劉陽++張雪亞++楊宗月++龔佃選

摘 要：隨著“互聯(lián)網(wǎng)+”時(shí)代的到來，傳統(tǒng)出租車行業(yè)依托互聯(lián)網(wǎng)建立打車軟件服務(wù)平臺(tái)，推出系列打車補(bǔ)貼方案，為乘客和出租車司機(jī)之間構(gòu)建交流平臺(tái)，降低了信息的不對(duì)稱程度，對(duì)緩解“打車難”提供幫助。該文以北京市為例，結(jié)合滴滴快車補(bǔ)貼政策，建立了基于目標(biāo)規(guī)劃的出租車補(bǔ)貼方案模型，研究其對(duì)緩解“打車難”的影響。將打車難轉(zhuǎn)化為乘客總等待時(shí)長的量化指標(biāo)，通過定量分析，得到滴滴快車對(duì)緩解“打車難”有所幫助的結(jié)論。

關(guān)鍵詞：互聯(lián)網(wǎng)+ 拼車補(bǔ)貼方案 最短路徑 孟德爾遺傳定律

中圖分類號(hào)：F540.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2016）09（a）-0083-03

伴隨著我國城市化進(jìn)程的不斷推進(jìn)，城市人口的日益增長，以及出行需求的顯著提高，“打車難”成為人民生活中的熱點(diǎn)問題。然而，居高不下的出租車空載率卻與之形成鮮明對(duì)比，這即為居民生活增添了不便，又造成了出租車資源的浪費(fèi)。究其原因，一方面由于出租車供應(yīng)量不足，難以滿足乘客的出行需求；另一方面，由于出租車的供給與乘客的用車需求之間存在信息不對(duì)稱，無法同有形商品一樣進(jìn)行雙方信息的充分交流。隨著“互聯(lián)網(wǎng)+”時(shí)代的到來，傳統(tǒng)的出租車行業(yè)與互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等現(xiàn)代新型產(chǎn)業(yè)結(jié)合，創(chuàng)造了新的商業(yè)模式——打車軟件。通過此應(yīng)用程序的使用，乘客可以及時(shí)地發(fā)布自己的打車信息，出租車司機(jī)可以立即給予回應(yīng)，節(jié)省了雙方時(shí)間，提高了打車效率。

1 補(bǔ)貼方案

據(jù)人民網(wǎng)訊，北京時(shí)間2016年3月6日滴滴快車宣布，旗下快車業(yè)務(wù)推出“閃惠行動(dòng)”，用戶可享受最高5折優(yōu)惠[1]。同時(shí)滴滴拼車也推出補(bǔ)貼政策：兩個(gè)乘客拼車可以享受到6折優(yōu)惠，3個(gè)人拼車為5折優(yōu)惠，4個(gè)人最低可以享受4折優(yōu)惠。據(jù)新快報(bào)記者對(duì)滴滴快的司機(jī)的采訪可知其面向司機(jī)的補(bǔ)貼政策為：一天做滿25單，可拿150元補(bǔ)貼且在早高峰和晚高峰時(shí)，做一單獎(jiǎng)勵(lì)一單。文章主要研究滴滴拼車的補(bǔ)貼政策對(duì)“緩解打車難”是否有作用。

2 指標(biāo)的選取

“打車難”的根本原因在于“人多車少”，即供應(yīng)量遠(yuǎn)小于需求量。基于此，可將打車難轉(zhuǎn)化為乘客總等待時(shí)長的量化指標(biāo)，為從根源緩解“打車難”應(yīng)從減少打車需求量與增加供應(yīng)量兩方面著手。故判斷打車軟件的出租車補(bǔ)貼方案對(duì)“緩解打車難”有無幫助是指該補(bǔ)貼政策下，打車需求量與出租車供應(yīng)數(shù)量的改變對(duì)乘客總等待時(shí)長的影響。

3 模型的建立與求解

3.1 無補(bǔ)貼下等車時(shí)長模型的建立與求解

在同一時(shí)間段，客戶等待時(shí)長為客戶下單后到上車之間總時(shí)長，分為兩部分：下單后司機(jī)接單時(shí)長和接單后去接客的時(shí)長。平均司機(jī)接單時(shí)長通過查閱數(shù)據(jù)得出，而接客時(shí)長可轉(zhuǎn)化為最短路徑問題，因?yàn)樗緳C(jī)對(duì)路況較熟悉，必定選擇最短路徑去接客。

設(shè)圖（V，E），表示邊（vi，vj）上的權(quán)（即道路的長度），用表示頂點(diǎn)vi和頂點(diǎn)vj的距離，使用Floyd算法來計(jì)算最短距離。假設(shè)出租車在該城區(qū)的行駛速度固定為（單位：km/h），則可計(jì)算司機(jī)從起始點(diǎn)到客戶所在地的時(shí)長。設(shè)從起始點(diǎn)到客戶所在地的車的數(shù)量為，則總等待時(shí)長為：

（1）

其中，為平均接單時(shí)間，為總等待時(shí)長，為在該時(shí)間段的總接單數(shù)，為總接客時(shí)間。

以北京市為例，在滴滴智能出行平臺(tái)中截取北京市部分地區(qū)地圖，并將各個(gè)主要的交通路段進(jìn)行標(biāo)點(diǎn)，如圖1所示。

由圖1可得，其主要交通路口為60處，標(biāo)記為點(diǎn)1至點(diǎn)60。根據(jù)所繪圖形的比例尺（1 mm：100 m），計(jì)算得各個(gè)連通路段的路程，并使用所建模型中的Floyd算法，求得所有兩點(diǎn)間的最短路矩陣。查閱該地區(qū)的日基本行車路徑，整理成為司機(jī)從路口到乘客所在地的行車頻率矩陣[2]，假設(shè)車輛行駛為40 km/h，求得接客時(shí)長：

s （2）

根據(jù)所查資料，整理高峰期、低谷期和平穩(wěn)期3個(gè)時(shí)段的接單時(shí)間（如圖2所示）。

經(jīng)計(jì)算可求得3個(gè)時(shí)段的平均接單時(shí)間分別為：39.167 s、21.85 s、28.467 s，司機(jī)的接單時(shí)間為：

s

由此可得在無補(bǔ)貼政策情況下，乘客的平均等待時(shí)長為：

（3）

3.2 補(bǔ)貼下等車時(shí)長模型的建立與求解

假設(shè)在未實(shí)行補(bǔ)貼政策打車模式下的打車需求人口量為，出租車供應(yīng)量為，此時(shí)每名乘客的平均等待時(shí)長為。在某種補(bǔ)貼政策下，打車需求人口量變?yōu)椋鲎廛嚬?yīng)量為，每名乘客的平均等待時(shí)長，則可根據(jù)映射求得實(shí)行政策前后各個(gè)變量之間的關(guān)系，運(yùn)用同樣的方法求得：

將與進(jìn)行比較，得出，當(dāng)為負(fù)值時(shí)，即對(duì)“緩解打車難”有幫助；當(dāng)為正值時(shí)，即對(duì)“緩解打車難”沒有幫助。

由此，所建模型將拼車補(bǔ)貼政策是否對(duì)“緩解打車難”有幫助的問題轉(zhuǎn)化為合乘模式下的乘客平均時(shí)間計(jì)算。

2016年3月28日《北京商報(bào)》數(shù)據(jù)顯示，由于滴滴快車對(duì)拼車政策的補(bǔ)貼：兩個(gè)乘客拼車享受到6折優(yōu)惠，3個(gè)人拼車大約是5折優(yōu)惠，4個(gè)人最低可以享受4折優(yōu)惠。在此政策下成功拼車的概率達(dá)41.87%[3]，將該部分的需求量變?yōu)橥蝗舜?，即減半成20.94%，則打車訂單減少20.94%，則映射為：

由于行車路徑的穩(wěn)定性，在人口按比例縮小時(shí)，司機(jī)從路口到乘客所在點(diǎn)的趟數(shù)也按比例縮小[4]，即映射為

但由于拼車政策并未使出租車的供應(yīng)量產(chǎn)生明顯變化，即可視為映射：=，又由于供應(yīng)量維持不變，則在打車軟件上發(fā)布的訂單的平均接單時(shí)間也不會(huì)發(fā)生明顯變化[5]，即可視為：=。

其中，為40 km/h，為vi、vj之間的最短路。

此時(shí)計(jì)算得 s，相比于較小，則為負(fù)值，說明滴滴快車對(duì)拼車乘客和司機(jī)進(jìn)行補(bǔ)貼的政策對(duì)“緩解打車難”有所幫助。

4 結(jié)語

滴滴快車將出租車與互聯(lián)網(wǎng)資源有機(jī)結(jié)合，改善了出租車司機(jī)與乘客之間信息不對(duì)稱的弊端。同時(shí)利用補(bǔ)貼政策，合理推進(jìn)拼車方案的進(jìn)行，提高了出租車的運(yùn)營效率，給“打車難”帶來了顯著的緩解。此外，滴滴快車根據(jù)實(shí)時(shí)路況信息，實(shí)現(xiàn)了及時(shí)調(diào)整供求匹配程度。在一定程度上緩解了城市交通壓力，完善了城市道路交通系統(tǒng)，實(shí)現(xiàn)了出租車資源的最優(yōu)配置。

參考文獻(xiàn)

[1] 人民網(wǎng)新聞.滴滴快車啟動(dòng)“閃惠行動(dòng)”最高五折助推分享經(jīng)濟(jì)[EB/OL].http：//it.people.com.cn/n1/2016/0306/c1009-28175563.html.

[2] GB50220-95，城市道路交通規(guī)劃設(shè)計(jì)規(guī)范[S].

[3] 網(wǎng)易新聞.滴滴快車拼車日均訂單破157萬[EB/OL].http：//news.163.com/16/0328/00/BJ72718K00014AED.html.

[4] Han-ru Li.Taxi Positioning in the New Age of Internet and Industrial Development Research[J].Procedia Engineering，2016（137）：811-816.

[5] Michal Kümmel，F(xiàn)ritzBusch，David Z.W. Wang. Taxi Dispatching and Stable Marriage[J]. Procedia Computer Science，2016（83）：163-170.