新时代的出行方式——打车软件对出租车供需关系影响
朱俊鸿 20132201036 罗 睿 20132201072 杨英梦 20132201156
摘要
本文针对“打车难”的问题，寻找影响出租车供求关系的因素，并通过供求关系与这些因素的关系建立模型。为了分析补贴方案，我们建立了一个补贴方案的判断模型，并用该模型来判断补贴方案改善后的可行性。
针对问题一，我们先对一个城市进行区域划分，用K-Means算法求出该城市的K个局部中心点，为后两问分析补贴方案做准备。我们还找到除了时空因素，影响出租车供求关系的其它因素，并将这些因素量化为参数，用多项式拟合来建立供求关系与这些因素的关系，从而得到“供求匹配”程度的量化，即供求关系指数。
针对问题二，为了分析补贴方案对“打车难”的缓解程度，我们利用“引力模型”建立一套判断模型，对于一个地区的司机，他受到来自两种引力的作用：一种引力来自地区内部，驱使司机停留在该区域接客；另一种引力来自除本地区外的其他所有地区，驱使司机离开该地区，到其他地区拉客。我们引入供求波动指数
，这个指数越接近0，即各个区域的供求关系指数趋于一致，那么补贴方
案解决打车难问题的能力越强。为了说明补贴方案是否能缓解“打车难”，我们使用补贴前和补贴后的的比值H来说明，即城市出租车供求波动变化比。
针对问题三，我们提出了对不同城市不同时间段的动态补贴方式，并以北京、上海、广州、杭州四个代表城市进行举例。
综上所述，我们通过建立匹配模型，缓解程度的判断模型，对出租车的资源的供求匹配程度和补贴方案进行了分析。
关键词：出租车供求关系、k-means聚类、引力模型、动态补贴
1.问题重述
出租车行业因为其车辆数量受政府控制、运费由政府定价的特点，长期处于“低费用，大众化”的运作状态。这样强行的介入干扰了价格和供求关系的正常联系，使消费者市场产生了出租车服务供不应求的问题，让人受到了“打车难”的困扰。但是随着互联网技术的普及，利用网络平台优化供求关系的方案应运而生。
但如果要解决供求关系的问题，我们就必须清楚地了解到是什么因素影响了不同时空条件下的供求关系，找到这些因素，并将进行数据压缩，量化为一些参数，得出供求关系与这些参数函数关系，再以网络平台补贴司机与乘客的方式改变上述参数，平衡整个城市的供求关系，优化资源分配，从而改善供求关系，使得“打车难”的问题得到缓解。找到影响供求关系的因素并将他们量化和说明补贴对“供求匹配”程度的影响是本问题的核心关键。
2.模型假设与变量声明
2.1 模型假设 （1）因为打车难问题主要出现在大城市中，所以我们认为绝大多数的人的人使用打车软件，且使用人数相对稳定，我们对补贴问题的考虑只在使用打车软件的乘客人群中。（因为只有这个人群才可以通过补贴改善供求关系，同时我们只考虑供小于求的情况，因为在许多城市中，出租车行业基本都是供小于求） （2）只考虑一个城市内的情况，即我们考虑的最大范围是一个城市，在这个城市中，出租车的计价规则各处相同。
（3）需求量不会因为补贴方案的存在或改变而发生变化。 （4）考虑到补贴乘客并不能对改善供求关系有直接影响，只是为了让更多人使用打车软件，因而不考虑补贴乘客的方案对供求关系产生的影响，只对补贴司机的情况进行考虑，并且默认补贴对司机必然有鼓励作用。 2.2 变量声明
变量字母 I Z F T
变量含义
人均出租车拥有数量 某时空条件下的出租车数量 某时空条件下的出租车需求量 某时空条件下的载客出租车数量 载客率 平均车费 平均等待时间
Y M P Q R D
供求关系指数
出租车承担城市居民出行周转量 城市居民总量 居民出行率
出租车在居民出行方式的分担率 居民采用出租车出行的平均出行距离
C m
出租车起步里程 出租车起步费 出租车每公里运营费用 M*Q*R*C
O A K
出租车每日载客总行驶里程 出租车每次平均乘客数 出租车空载率
每辆出租车每日平均运营时间
V a
城市出租车供求波动指数 为出租车平均运营速度 城市中车辆运行的平均速度 出租车交通拥堵饱和量
相关推荐：
loading