“互联网+”时代的出租车资源配置毕业设计.docx

“互联网+”时代的出租车资源配置摘要本文主要针对“互联网+”时代的出租车资源配置过程中的不同时空出租车资源的“供求匹配”程度、不同城市出租车资源的“供求匹配”程度、出租车补贴方案的比较、补贴方案对缓解“打车难”是否有帮助、创建新的打车软件服务平台及设计新的补贴方案并论证合理性等六个过程进行探讨，建立最优化模型，分析每个过程中“打车难”的原因，及最优解决方案，并对其进行模型分析，建立合理指标，对出租车进行合理资源配置，以达到最佳供求匹配；分析各公司补贴方案是否对缓解“打车难”有所帮助；利用spss和matlab软件求解相应的问题。关键词： 互联网“+” 打车软件 补贴 汽车合乘供求匹配 相关分析一、问题重述1.1问题背景出租车是市民出行的重要交通工具之一，“打车难”是人们关注的一个社会热点问题。随着“互联网+”时代的到来，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案。1.2问题提出请你们搜集相关数据，建立数学模型研究如下问题： (1) 试建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。 (2) 分析各公司的出租车补贴方案是否对“缓解打车难”有帮助？ (3) 如果要创建一个新的打车软件服务平台，你们将设计什么样的补贴方案，并论证其合理性。二、问题一的分析首先，建立合理指标，并通过指标利用spss软件进行分析，由结果知道出租车资源配置需要的最合理指标。其次，对某一特定时空出租车与人的匹配进行建模分析。最后，对不同时空的出租车与人的匹配进行分析。2.1建立合理指标，并进行分析由于在中国不存在两个完全相同的交通路线，而且两个城市不可能存在相同的人口，不同城市经济环境有一定的差异性，所以各个城黄淮学院周扬组作品市间的出租车资源配置不同。我们以不同城市的出租车车辆拥有量（万人）、里程利用率、车辆空载率为指标，利用spss软件进行线性回归分析、相关分析及其分布。得出线性回归分析结果：由此项结果可知满载率和出租车万人拥有量、里程利用率与出租车资源“供求匹配程度”不存在线性关系，是离散关系，所以进一步进行相关分析。相关分析结果：由此项结果可知：里程利用率、满载率与出租车万人拥有量存在负相关，里程利用率和满载率存在正相关，所以满载率越高，里程利用率越大，出租车万人拥有量越少，出租车资源配置的供求匹配程度越大；反之则小。正态分布分析结果：由此项结果可知：出租车万人拥有量、里程利用率、满载率都符合正态分布，从而可知当三者正态分布达到某一特定值时，相关关系最大，此时出租车资源配置“供求匹配程度”最大。2.2一定时空出租车与人的匹配设在某一特定的时空中，由于个人打车的需求不同，目的地不同，现有辆空出租车和个需要乘坐出租车的人需要匹配，任何一辆出租车与一个人都有匹配成功与不成功的可能性，所谓的“供求匹配程度”，就是人最终搭乘某一辆出租车成功的概率，一对一匹配的最大概率。（1）要使总的匹配成功率尽可能高，就是给出一种搭乘方案，使得车与人的匹配成功的概率之和最高。（2）要使对车与人都能匹配成功的方案，使得这种概率最大就是每一对车与人成功匹配概率之积最大。2.3模型假设假设第个需要搭乘出租车的人和第辆空出租车的匹配成功的概率为，当第个需要搭乘出租车的人和第辆空出租车能够配对时。2.4模型建立第（1）中情况：将对出租车与需要搭乘出租车的人组成的集合x和y作为二部集，即作为二分图g=(v,e)的顶点集，当一对出租车与人能够搭配时，两者之间连接一条线作为二分图的边，相互之间的搭配成功的概率为对应边的权重。于是问题就是在求赋权二分图的最大匹配问题，如图1-1二分图的示意图：总匹配成功的概率为第（2）种情况：类似的，求上述的赋权二分图的最优匹配问题，对出租车与需要搭乘出租车的人搭配成功的成功率为。2.5模型求解第（1）种情况可以用“匈牙利算法”直接求解；第（2）种情况首先对目标函数做线性处理，利用概率论中最大似然法求极值的方法，令，其次，利用目标函数,同样利用匈牙利算法求解，所得的最优解就是出租车资源配置的“供求匹配程度”。2.6不同时空的出租车与人的匹配时空数据是同时记录对象的空间和时间属性，数据量较大，而本题中考虑的出租车资源问题，出租车是相对某个地方移动的物体，出租车运动具有一定的运动轨迹，轨迹是动态属性与时间变量的函数，而轨迹进行是他们的相对位置。时间和空间的关系是密不可分的，如1-2所示，假设是个出租车组成的一组空间实体，表示出租车行驶的空间位置，是时间，可以得到：l 一辆出租车在某一时刻不在不同的空间位置（图1-2a）l 一辆出租车在不同时刻但在同一空间位置（图1-2b）由上图可以观察出一辆出租车在以时间和空间位置建立的二维坐标系中相对移动的轨迹。类似地，某一个人也好比一个相对移动的物体，假设是个需要乘出租车的人组成的一组空间实体，表示人移动的空间位置，是时间，可以得到：l 一个要乘出租车的人在某一时刻不在不同的空间位置（图1-2c）l 一个要乘出租车的人在不同时刻但在同一空间位置（图1-2d）由（图1-2a）（图1-2b）（图1-2c）（图1-2d）之间的关系可以知：假设在一定时间内不同的出租车和不同的人可以建立一个三维坐标系，某两个面相交的线最后人与出租车在某一空间位置内的供求匹配。三、问题二的分析第一，应首先分析为什么会出现“打车难”这一现象，知道了原因，才更能有针对性的实行补贴方案，才会更好的缓解“打车难”；第二，若把补贴看作自变量，使用打车软件的人数就可视为因变量。出租车公司的补贴越多，使用打车软件的乘客和司机数就相应越多，故二者可建立一个正比例函数关系式y=f(x)；第三，选取两个具有代表性的打车软件，对补贴前、后公司的运营状况进行对比分析。通过查找数据，对营业额、载客率、里程利用率等关键量利用spss软件进行描述统计和回归分析，通过比较补贴前、后的回归数据，得出是否缓解了这一问题；第四，看是否缓解“打车难”，关键还要看顾客对此次服务的“满意度”当然，这就要看顾客的等待时间，等待时间越长，顾客的满意成都就越低，这样一来，顾客的“满意度”与“等待时间”就成负相关。现在的打车软件都有互评功能，顾客对打车软件的满意度越高，就对缓解“打车难”有帮助。第五，得出结论：各公司的补贴方案对缓解“打车难”有一定帮助这是必然的，但也伴随一定的新问题，如安全隐患，削弱了对老弱病残照顾，作假行为等。3.1“打车难”现象产生的根本原因随着社会的发展，人口的增长，出租车和人口二者之前供求产生了不平衡，究其原因，就是乘客与出租车司机之间信息不对称。人们通过传统的招手拦车的方式进行打车，这必定是有限的。还有好多出租车司机漫无目的的在路上乱转悠，等待着乘客的招手拦截；而乘客有打车需要时，也无法将自己的需求传达给出租车司机，二者之间信息的不通，最终导致乘客打不到车，车载不到人。既耽误乘客宝贵的时间，又使出租车司机的“空驶”现象较严重。这样一来，人们的需求得不到满足，特别是在北上广这些一线发达城市，“打车难”更是一个棘手的问题。针对这一问题，虽然各出租车公司在2011年推出了打车软件，但在没有补贴的情况之下，功能比较单一，使用的客户也比较少。直到2014年“滴滴”与微信合作，推出返现的补贴政策，使用的人数越来越多。“快的”看到了补贴政策对打车软件带来的利益，也迅速迎战，推出乘客和司机每单奖励政策。两家公司推出补贴政策后，订单量明显增加，“滴滴”70万单，“快的”128万单。根据图4.2可知，2014年以后打车软件的累计注册用户有极大程度的提升，出租车公司的补贴政策瞬间吸引了人们的眼球，补贴政策不论乘客还是司机，都能获益，司机通过打车软件，每月能多挣3000到5000元。图4.23.3 确定补贴与软件使用人数之间函数关系补贴越高，打车软件使用人数就越高。假设补贴为x，使用人数为y，首先应找出各出租车公司打车软件的补贴政策。滴滴打车：2014年1月10日，乘客减10元、司机奖10元2014年2月17日，乘客返10-15元，新司机首单奖50元2014年2月18日，乘客返12至20元2014年3月7日，乘客每单随机减免“6-15元”2014年3月23日，乘客返现3-5元2014年5月17日，乘客补贴“归零”2014年7月9日，司机端补贴降为2元/单2014年8月12日，取消对司机接单的常规补贴快的打车：2014年1月20日，乘客返现10元，司机奖励10元2014年2月17日，乘客返现11元，司机返5-11元2014年2月18日，乘客返现13元2014年3月4日，乘客返现10元/单，司机端补贴不变2014年3月5日，乘客补贴金额变为5元2014年3月22日，乘客返现35元2014年5月17日，乘客补贴“归零”2014年7月9日，司机端补贴降为2元/单。由数据可知，出租车公司的补贴增加时，由图4.2可以看出，使用打车软件的客户也呈上升趋势，故二者应是正比例函数关系。 2014年8月9日，两大打车软件再出新规，全面取消司机端现金补贴。即使取消补贴，一部分用户也会沉淀下来，市场仍然还在，人们的思维惯性还是会促使他们拿起手机使用打车软件打车。3.4spss软件进行描述统计分析、回归分析实行补贴方案以后，以2013年为例各主要代表城市出租车相关数据如下：各城市出租车相关数据统计表城市主城区人口（万）2013年gdp（亿）主城区出租车拥有量亿元gdp出租车拥有量出租车万人拥有量出租车月营业额（元）出租车单车净月营业额（元）驾驶员单班月营收（元）里程利用率大连360.00 7650.80 129291.73622451.19557.74778.850.66 沈阳510.00 7223.70 172002.73422500172682362.270.57 北京1972.00 19500.60 666463.4341720511020.1540000.68 广州625.33 15123.00 203001.332273501950045000.74 哈尔滨495.00 5141.50 143002.7829225001050045000.84 西安484.60 4884.10 121152.4825190001200040000.70 武汉660.00 9000.00 156371.724215001890032000.69 南京451.49 8286.00 107321.323.7721094.5908450930.65 成都533.96 9108.89 148981.6423.5236101022546010.68 厦门195.87 3018.16 44621.4822.7834211.914998.797499.390.72 青岛458.00 8006.60 100181.6222294314478.34302.750.65 宁波227.60 7128.90 46270.6520260001200060000.68 杭州455.43 8343.52 89231.119.6298341441154530.69 济南518.90 5230.19 80431.5415.515000700045000.72 深圳1052.76 14500.23 114330.7910.8636636.314800.827400.410.69 表4.2针对以上数据，利用spss软件先对2013年各代表城市相关数据进行描述统计分析：descriptive statisticsnmeanstd. deviationstatisticstatisticstd. errorstatistic出租车万人拥有量1524.80071.839317.12363出租车月营业额152.4122e41.52444e35904.14476出租车单车净月营业额151.3050e49.50459e23681.11268驾驶员单班月营入154.8127e33.54149e21371.61288里程利用率15.6907.01475.05713valid n (listwise)15图4.2对上图进行分析，图中显示了其中六个指标的均值和标准差，由里程利用率的标准差数值可以看出，里程利用率数值较为稳定，波动不是很大，易知人们对打车软件的依赖性。再对出租车的月营业额和里程利用率进行双变量回归分析：descriptive statisticsmeanstd. deviationn出租车月营业额2.4122e45904.1447615里程利用率.6907.0571315correlations出租车月营业额里程利用率出租车月营业额pearson correlation1.077sig. (2-tailed).785n1515里程利用率pearson correlation.0771sig. (2-tailed).785n1515图4.3由上图线性回归系数sig可知，均大于0.05，故二者之间没有很强的线性关系。3.5乘客“满意度”与“等车时间”关系乘客等车时间越短，越节省时间，乘客满意度也就越高，反之，则越低。故满意度与等待时间成负相关。其关系大致为s=100-k*t,下图为各等车时间段人数所占比例:图4.4由图形可知，等车时间在10分钟内的几乎占了四分之三的比例，而半小时以上更是少之又少。有调查显示，对打车软件满意的占47.5%，一半占25%，非常满意占24%，不满意占3%，非常不满意占0.5%，故乘客对打车软件的满意度之高。3.6得出结论通过以上分析，各公司补贴方案对缓解“打车难”有帮助。对于乘客，不仅节省了时间，而且得到补贴；对于司机，不仅减少了“空载率”，而且能挣到更多的钱。但是，任何事物都有其两面性，打车软件在对人进行补贴的同时也引发了一系列现实问题：首先，司机边开车边接单，存在一定的安全隐患；其次，打车软件在方便大学生们和年轻人群的同时，却削弱了对老弱病残群体的照顾；最后，司机和乘客为了获取高额补贴，会引发一系列作假行为，目前比较多的就是“现场叫车”和“指定叫车”。四、问题三的分析通过建立合理的指标，分析了同一城市不同时间段和不同等级城市同一时间出租车资源“供求匹配”程度问题。同时也分析了什么样的出租车补贴方案对“缓解打车难”有帮助，什么样的补贴方案对“缓解打车难无帮助”。在创建一个新的打车软件服务平台的基础上，应该选择能够保证自身长远利益的补贴方案，摒弃盲目性的补贴方案。让广大消费者真正体验到互联网时代信息技术革命带给大家的方便与实惠。创建一个新的打车软件服务平台，必须从根本上解决出租车自身弊端，降低空驶率，增加载客量。打车软件在一定程度上缓解了出租车司机拉客的盲目性，对于降低出租车空载率非常有用。而对于增加载客量，除了司机不停开车拉客外，增加每次车载人数才是真正缓解“打车难”的最好途径。据调查出租车每天24小时有15个小时甚至以上都属于“寻客”状态，再加上“一人一车”的服务模式，更是使得出租车资源浪费严重、城市交通更加拥堵、大气环境污染、石油能源消耗等一系列的问题。“出租车合乘”的概念也应运而生，这也是改善出租车运营问题的最佳途径之一。接下来以出租车智能分配问题作为研究对象，对相关理论方法展开系统的分析，从乘客的实际需求出发，设计完成了出租车智能匹配公共服务系统。该系统运用一种分段求解的智能匹配算法，将整个问题分为两部分，先通过乘客分配，将多辆出租车合乘匹配问题简化为单辆出租车合乘匹配问题，再经过车辆路线优化，最终得到合乘匹配问题的最优解。4.1对问题三进行以下几个方面的工作1.对乘客进行分配，确定每辆出租车搭乘的乘客。根据出租车初始路径中各站点周围的情况，运用粒子群优化算法，以匹配率作为优化目标函数，假如约束条件和乘客的个性化需求。将半径范围内的乘客划分到某辆特定的出租车上，为进行下一步的优化过程做基础。2.对车辆路线进一步优化，得到花费最少的行驶路线。将已经划分到同一辆出租车上的乘客，运用遗传算法进行优化求解。以总花费作为目标优化函数，对个体进行遗传选择，通过反复地进行循环地进行选择、交叉、变异操作，对每辆车上的乘客内部上下车顺序进行排序，剔除适应度低的个体，留下适应度高的个体，最后得到优化的行驶路线，满足总花费最少的目标。3在算法研究的基础上设计完成了出租车智能匹配公共服务系统。该系统是为满足乘客的个性化需求而设计，集成了乘客合乘平台、出租车车载平台、智能匹配平台和智能监管平台四大服务平台。通过分段匹配算法，为出租车司机和乘客提供便捷的车辆合乘匹配服务，以最少的花费和代价，满足尽可能多的乘客出行需求。4.2出租车合乘问题的分类1.按照出发地和目的地的情况划分，将乘客与出租车司机的行驶路线分为出发地和目的地完全相同、出发地和目的地部分相同、出发地和目的地完全不同几种匹配方式，具体有以下几种：（1）出发地和目的地完全相同。这种出行类型是最容易匹配的，但在现实生活中很少出现。图2-1是出发地和目的地完全相同的示意图，a、b分别表示出租车司机和合乘乘客的出发地，da表示合乘乘客的目的地，db表示出租车司机的目的地。直线箭头表示车辆行驶过程中的路线。da/dba/b321图 2-1出发地和目的地完全相同（2）出发地相同、目的地不同。这种出行方式是出租车司机和合乘乘客从同一起点出发，而合乘乘客的目的地包含在车主的出行线中，如图2-2所示，或合乘乘客的目的地在司机的行驶路线的附近范围内，出租车要搭上乘客必须改变行车路线，如图2-3所示，其中黑实线为原始的行车路线，红实线为出租车调整后的行车路线。a/b12dadb图2-2出发地相同、目的地不同，不需要调整路线db312a/bda图2-3出发地相同、目的地相同，需要调整路线（3）出发地不同、目的地相同。这种出行方式是出租车司机和合乘乘客的目的地相同，而合乘乘客的出发地在出租车司机的行驶路线中，如图2-4所示，或合乘乘客的出发地在司机行驶路线的附近范围内，出租车要搭上乘客必须改变行车路线，图2-5所示。da/db21ba图2-4出发地不同、目的地相同，不需要调整路线da/db1b23a图2-5出发地不同、目的地不同，需要调整路线（4）出发地不同，目的地也不同。其实，在现实生活中大部分的合乘需求，出租车司机和乘客的出发地和目的地一般都不相同。较好的情况是合乘乘客的出发地和目的地都包含在司机的行驶路线中，司机在行进过程中不需要做任何的调整，如图2-6所示。dadb1ba图2-6出发地不同、目的地也不同，不需要调整路线db另外一部分情况是合乘乘客的出发地和目的地与行驶路线有一定程度的偏离，出租车司机需要调整行车路线，才能满足每一位乘客的需求。图2-7时这种情况的示意图。321bada图2-7出发地不同、目的地也不同，需要调整路线3出租车合乘问题形式化建模1. 符号定义（1） ：出租车的数量，为所有出租车的集合。（2） :乘客的数量，为所有需要搭乘的乘客集合。:所有上、下车站点的数量，包括所有乘客的出发地和目的地站点，为所有站点的集合。（3） ：所研究区域内所有点的集合。（4） :出租车在行驶过程中的固定花费，包括车辆各种保养、保险、维修、折旧耗损等费用。:出租车在行驶过程中，每增加一名乘客，单位距离需要增加的费用。（5） :出租车在行驶过程中最大的载客容量。（6） :乘客上、下车的时间窗口。其中对应要求窗口的最早时间，对应要求时间窗口的的最晚时间，乘客和司机都必须在这个时间范围内到达乘车站点。（7） ：具体的时刻变量，表示出租车到达站点的精确时刻。（8） :取值0或1.若，则说明车辆有由站驶向站点的过程；若，则说明车辆没有由站点驶向站点的过程。（9） :为车辆在行驶过程中所有的费用。分为固定费用和动态费用两部分，其中动态费用是根据运行过程中搭载的乘客数量和距离动态计算的。 式式中，表示站点到站点之间的距离，表示车辆在站点时车上的乘客数量。2. 模型建立出租车智能合乘匹配问题的要达到以下2个目标：第一个目标：搭乘成功率最高。公式的含义是计算所研究区域内，