張肇耕

摘 要：“互聯(lián)網(wǎng)+”與打車軟件服務(wù)平臺的應(yīng)運而生，實現(xiàn)了各種數(shù)據(jù)信息的互通、給我們在出租車領(lǐng)域提供了很大的研究空間，但“打車難”的問題依然沒有得到徹底解決。對此，本文從打車軟件服務(wù)平臺入手，利用MATLAB進行數(shù)據(jù)挖掘，綜合經(jīng)濟學(xué)供求理論常識與各種外部客觀社會因素，運用相對精確、有效的綜合權(quán)值法建立合理的出租車“供求匹配”程度模型、并對北京20個區(qū)域進行全天候的宏觀分析、微觀分析以及相關(guān)系數(shù)分析。

同時，為深入探討“打車難”的問題，我們也對當(dāng)今打車軟件服務(wù)平臺提出的補貼方案進行了定性與定量研究，并在運用Douglas改進模型進一步對補貼方案進行綜合量化的基礎(chǔ)之上，構(gòu)建百分比定量分析模型，以此來細致探討現(xiàn)有補貼方案對“緩解打車難”問題的幫助。最后，在對現(xiàn)有方案的分析與總結(jié)的基礎(chǔ)上，通過建立古諾模型、突破乘客與司機間的局限、引入競爭公司，全面考察三者的效益，最終得到新的補貼政策。

關(guān)鍵詞：供求匹配程度模型；Douglas改進模型；百分比定量分析模型；古諾模型；LISER；滴滴快的智能出行平臺

一、問題引入

社會科學(xué)的研究無處不在，我們可以運用類似世界銀行中的大量直觀數(shù)據(jù)進行量化分析和合理預(yù)測，我們也可以像金融學(xué)中那樣，將時間維度和面板維度的不同的內(nèi)容同時融入到間接得到的收益率數(shù)據(jù)中進行深入探究。但是當(dāng)最基礎(chǔ)的數(shù)據(jù)獲取出現(xiàn)困難時，我們不免會覺得有些手足無措。

所以，此文從一個普通網(wǎng)絡(luò)數(shù)據(jù)獲取者的角度入手（即：假設(shè)公司內(nèi)部數(shù)據(jù)是沒有能力獲取到的），在“互聯(lián)網(wǎng)+”與打車軟件服務(wù)平臺應(yīng)運而生的背景下，聚焦當(dāng)下在北京出現(xiàn)的各類打車軟件和優(yōu)惠補貼政策，以及仍然沒有得到徹底解決的“打車難”的問題。

二、出租車“供求匹配”程度模型

面對此種困難，我們只能從僅有的打車軟件服務(wù)平臺入手，通過編碼MATLAB程序進行數(shù)據(jù)挖掘和處理，綜合經(jīng)濟學(xué)供求理論常識與各種外部客觀社會因素，運用相對精確、有效的綜合權(quán)值法建立出合理的出租車“供求匹配”程度模型，其擬合結(jié)果展示如下：

Z=0.522167127A+0.284630542B+0.193202331C

（其中Z表示衡量“供求匹配”程度的綜合性指標(biāo)，而A，B，C分別為租車供求比、乘客被搶單時間以及由客觀因素導(dǎo)致的打車難易度指數(shù)）

同時，為了驗證上述模型的合理性，更加細致、精確地分析出不同時空間的相互影響和相互聯(lián)系，我還將北京劃分為20個區(qū)域，對其進行全天候的宏觀分析、微觀分析以及相關(guān)系數(shù)分析，并運用LISERL軟件構(gòu)建結(jié)構(gòu)方程論證該模型的合理性。最終發(fā)現(xiàn)，模型通過檢驗、并且結(jié)果與已知的實際情況基本完全吻合，故具有一定的參考價值。同時我們還對數(shù)據(jù)進行了深入的處理，構(gòu)建了相應(yīng)的打車難度匹配程度評價指標(biāo)，其結(jié)果展示如下圖2.1：

三、數(shù)據(jù)分析

（一）宏觀分析

首先考慮相同地點不同時間的數(shù)據(jù)變化，為此我們每次選取三個時間段進行作圖，以使結(jié)果更加清晰，由于篇幅有限，僅以其中一幅圖3.1為例進行分析。從圖中我們可以清晰的看出，三條曲線不僅整體走勢相同，而且在相同地點對應(yīng)的“供求匹配”程度指數(shù)也幾乎相同，這表明人們開始了一天的忙碌工作，而且我們還不難發(fā)現(xiàn)圖中的1、2、5、6、9、10、13、14、17、18區(qū)域均有相對周圍數(shù)據(jù)較高的“供求匹配”程度指數(shù)，而這正是北京的朝陽區(qū)和東城區(qū)，即北京的繁華區(qū)域，這說明在繁華區(qū)域供求匹配程度還是相當(dāng)可觀的。

（二）微觀分析

我們同樣可以對上述數(shù)據(jù)進行具體的量化分析，計算出其平均值為410.64055（剔除異常數(shù)據(jù)2011.1738后的），于是我們不難發(fā)現(xiàn)，在時間上，夜間的“供求匹配”程度指數(shù)相當(dāng)?shù)牡陀谝话闼?；在空間上，西南部地區(qū)，從二環(huán)到六環(huán)，都呈現(xiàn)出較低水平的“供求匹配”程度指數(shù)，這樣的實時數(shù)據(jù)有助于我們在今后政策上提出更明確、更好的方案。

（三）相關(guān)系數(shù)分析法

除了對相同地點不同時間的分析外，我們還可以對相同時間不同地點的數(shù)據(jù)利用相關(guān)系數(shù)法進行考察，但由于二十個區(qū)域較多，所以在此不再羅列。

四、各公司主要出租車補貼方案分析

為深入探討“打車難”的問題，我們也對當(dāng)今打車軟件服務(wù)平臺提出的補貼方案進行了定性與定量研究。

在運用Douglas模型的改進模型的基礎(chǔ)之上，構(gòu)建了自己的百分比定量分析模型，將不同種補貼方案合理地量化為司機日增加收入，按不同因素受不同方案的影響難易程度，分級刻畫各種潛在因素的變化量，以此來細致探討現(xiàn)有的補貼方案對“緩解打車難”問題的幫助。我們不難發(fā)現(xiàn)各方案都在一定程度上緩解了打車難的問題，但是仍然存在著各自的弊端，尤其在雨雪天氣、道路交通擁堵、夜間和高峰期等特殊時段，問題凸顯的尤為明顯。

五、新方案的提出

（一）基于古諾模型的利潤分析

一款打車軟件獲得利潤的基本原理可表示為：

R=Rad-Ad -AP-D①

（R表示公司獲得的利潤，Rad表示公司獲得的廣告銷售收入，Ad表示公司對司機的補貼，AP 表示公司對乘客的補貼，D表示公司的軟件開發(fā)及運營成本）

假設(shè)各個公司的運營成本銷售收入以及對于顧客的補貼相近，只討論公司給予司機的補貼對公司利潤的影響，即公司支付給司機的補貼較少時，公司自身獲利較大。故引入古諾模型考慮市場中有兩家公司占據(jù)了大部分市場份額的情況。

針對兩家公司A、S，由于他們?yōu)槭估麧欁畲蠡?，都將不斷調(diào)整各自在市場中的產(chǎn)量。理論上每次調(diào)整，都會將產(chǎn)量定為對方產(chǎn)量確定后剩下的市場容量的 。由此可以得到兩家公司的均衡產(chǎn)銷量為：

A的均衡產(chǎn)銷量=S）=S②

S的均衡產(chǎn)銷量= S=S③

通過計算公式②③，我們得到 A、S兩家公司最終的市場占有率均為33.3%。并且通過如上結(jié)果可以計算出兩個公司對應(yīng)的價格。

按照求利潤最大化的條件，可以導(dǎo)出古諾均衡解。以公司1為例，其利潤函數(shù)為：

R=P1Q1-C=a1P1-SP12+c1P1P2-C⑥

（Q表示產(chǎn)出水平；P表示收取的價格。）

求利潤最大化的條件就是對公司1產(chǎn)品的價格P1求一階導(dǎo)，并令一階導(dǎo)數(shù)值等于0。所以，可以得到寡頭1和寡頭2的反應(yīng)函數(shù)并聯(lián)立得到使兩個公司利潤最大化的均衡價格：

P1=P2=

（二）最終方案的確立

在對現(xiàn)有方案的分析與總結(jié)的基礎(chǔ)之上，通過建立古諾模型、突破乘客與司機間的局限、引入競爭公司，全面考察三者的效益，最終得到了新補貼政策的基礎(chǔ)雛形：

“在早高峰時段鼓勵到西南五環(huán)至西南六環(huán)載客，并提供每行駛五十公里獎勵4.38元的補貼政策?！?/p>

針對該方案，通過計算并分析達到市場均衡時的兩公司的產(chǎn)量與相應(yīng)的價格，并通過百分比定量分析模型，檢測新政策方案的合理性，綜合兩模型的結(jié)果可以得到我們提出的政策方案不僅可以大大緩解出租車供求矛盾，使供需關(guān)系達到較優(yōu)，并且降低了公司的成本，增加了利潤。

六、模型的推廣

由于在現(xiàn)實生活中，獲取公司內(nèi)部的消息十分困難，因此，我們可以進一步在信息不對稱的條件下論證雙寡頭模型的均衡，可以得到在出租車行業(yè)中，信息占有量大的公司會在競爭中掌握主動權(quán)的結(jié)論。（作者單位：首都經(jīng)濟貿(mào)易大學(xué)）

參考文獻：

[1] 高德地圖，滴滴快的智能出行平臺，http：//v.kuaidadi.com/

[2] 胡振華，胡東濱，寡頭壟斷市場古諾模型的研討，中南工業(yè)大學(xué)學(xué)報1997年01期

[3] 顧秀林，經(jīng)濟學(xué)數(shù)量模型的選擇與科布-道格拉斯生產(chǎn)函數(shù)，中國農(nóng)村觀察，2007年01期

[4] 李傳志，楊光，不完全信息的古諾模型分析，山西財經(jīng)大學(xué)學(xué)報，2007年S2期