“互联网+”时代的出租车资源配置

1“互联网+”时代的出租车资源配置摘要我们以“互联网+”时代下的打车软件服务平台为背景，通过建立合理的指标体系来分析不同时空出租车资源的“供求匹配”程度，分析各公司的出租车补贴方案是否对“缓解打车难”有帮助，进而为打车软件服务平台设计一个合理的补贴方案。我们首先做了大量的文献阅读与数据收集工作，结合文献及实际调查数据，从时间和空间两大方面分析影响出租车供求匹配的因素，并由此建立了指标体系。影响出租车供求匹配的因素主要涉及出租车需求量、出租车供给量、费用、空车率、等候时间等，我们以这些变量为主要函数变量，通过建立模型、分析数据、定量分析与定性分析相结合等方法具体分析了不同时空出租车资源的“供求匹配”程度的问题。通过学习相关文献，我们建立了分时段出租车供需关系模型，并利用其分析了高峰时期出租车交通需求的特点；通过运用MATLAB、SPSS等数据分析软件，我们将实际数据进行量化分析，得出供需平衡模型，并详细分析了实际供需影响因素的具体体现；通过广义RBF神经网络模型建立出租车发展规模预测模型；最后，为更全面的研究不同时空出租车资源的“供求匹配”程度，我们一是利用ArcGIS软件对北京市某一天的出租车需求量、供给量进行了数据分析，得到了更为直观的供求匹配情况的地图，二是对北京市某地区出租车的供求情况通过高斯拟合、回归分析等进行了图表比较，更为实际的印证了我们的研究结果。其次，我们通过阅读文献，搜集不同公司的出租车补贴方案，试图分析其合理性与否；基于博弈模型建立了公共交通出行的支付函数模型，为后续分析建立基础。利用此模型，结合收集的数据分析出居民选择交通工具更倾向于经济性和快速性，由此进一步分析不同经济程度的乘客对出租车补贴前后的效益性和效率性，进而引入“空驶搜索半径”这个概念，利用出租车网络平衡模型分析出租车规模与各交通区域内的搜索时间之间的关系，对模型中的变量进行相应改变，可得出补贴前后经济性和快速性之间差距明显增大，出租车补贴不仅有利于缓解交通拥堵更有利于缓解“打车难”现象。最后，通过阅读文献，我们首先对影响补贴的因素进行了分析，根据不同的因素做出解释，参考已有补贴方案，应用换乘优惠模型，并且写出了补贴的合理性，最后我们根据实际情况分析设计出了补贴方案模型，并在VB程序中设计了运行界面，使模型得到优化。关键词：“供求匹配”程度、分时段出租车供需关系模型、RBF神经网络、出租车网络平衡模型、换乘优惠模型、博弈模型、补贴方案