丁斯昊

本文基于專車市場迅速發(fā)展的背景，通過建立綜合評價(jià)模型對專車、出租車以及專車內(nèi)部各種平臺進(jìn)行了評分與比較，并建立了司機(jī)盈利效率的優(yōu)化模型，給出加入專車行業(yè)的合理建議。最后，通過灰度預(yù)測GM（1，1）模型和BP神經(jīng)網(wǎng)絡(luò)模型對專車產(chǎn)業(yè)的發(fā)展前景做出綜合預(yù)測。

綜合評價(jià)熵值法定權(quán)系數(shù)優(yōu)化模型灰度預(yù)測神經(jīng)網(wǎng)絡(luò)模型

一、引言

隨著“打出租車難”成為人們關(guān)注的一個(gè)社會熱點(diǎn)問題，由于各種原因，近幾年來越來越多的私家車加入了專車行列，專車已經(jīng)逐步成為市民出行的重要交通工具之一。特別是隨著“互聯(lián)網(wǎng)+”時(shí)代的到來，有多家公司依托移動(dòng)互聯(lián)網(wǎng)建立了打車軟件服務(wù)平臺，實(shí)現(xiàn)了乘客與專車司機(jī)之間的信息互通。那么網(wǎng)約車平臺到底比傳統(tǒng)的出租車好在哪些地方，各網(wǎng)約車平臺之間又有什么優(yōu)劣之分？網(wǎng)約車平臺未來的發(fā)展前景又在何處？這些問題就成為了當(dāng)下的焦點(diǎn)。

二、搭建從顧客角度分析的評價(jià)模型

（一）模型參數(shù)確定與求解

從顧客角度，本文選取了安全性、打車成功率、乘車費(fèi)用、平均等待時(shí)間、顧客評價(jià)滿意度五個(gè)指標(biāo)因素，通過查詢資料并通過相關(guān)計(jì)算得到北京市的相關(guān)數(shù)據(jù)，如下表（表1）：

對于各指標(biāo)的權(quán)重，本文采用多指標(biāo)綜合評價(jià)的權(quán)重的綜合分析方法，分別采用主觀賦權(quán)法和客觀賦權(quán)法進(jìn)行分析。

（二）客觀賦權(quán)法：熵值法

三、搭建灰度預(yù)測模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測網(wǎng)約車平臺的未來發(fā)展

從公共交通與專車行業(yè)的合作發(fā)展角度來說，我國對于大城市出租車數(shù)量的要求是萬人出租車擁有量不宜少于20輛。由統(tǒng)計(jì)數(shù)據(jù)作圖可知，在中國境內(nèi)僅北京和上海兩個(gè)城市達(dá)到標(biāo)準(zhǔn)，其余城市有很大差距。所以中國境內(nèi)的出租車市場還存在很大的缺口，而專車行業(yè)的發(fā)展和壯大可以很好的填補(bǔ)這一空白，和現(xiàn)有的公共交通形成互補(bǔ)，專車市場的潛力巨大。

從專車行業(yè)與軌道交通可能存在的競爭關(guān)系角度分析，建立了一種競爭分析模型：若專車的起點(diǎn)和終點(diǎn)都在軌道交通站點(diǎn)500m服務(wù)區(qū)范圍內(nèi)，則視為競爭，否則視為互補(bǔ)；根據(jù)該假設(shè)和上海市九月份某工作日滴滴出行早高峰訂單數(shù)據(jù)，分析出專車和軌道交通的關(guān)系主體呈“互補(bǔ)”狀態(tài)，結(jié)果如圖11所示。本文對存在的約20%的競爭關(guān)系做進(jìn)一步分析得到：在不足20%的競爭關(guān)系中，有72%的人因軌道交通需換乘，而選擇專車，另外28%因主觀選擇的原因（比如更舒適，商務(wù)需要，報(bào)銷等）選擇了專車。結(jié)果如圖12所示。由以上分析可知專車和公共交通主要呈現(xiàn)的是互補(bǔ)關(guān)系。因此專車的發(fā)展前景比較廣闊。

為有效地對專車未來的發(fā)展做預(yù)測，選取專車日均訂單成交量為參考變量，并分別采用灰度預(yù)測模型GM（1，1）和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測，并對比兩種預(yù)測模型所得到的結(jié)果。

（一）網(wǎng)約車平臺發(fā)展灰度預(yù)測模型的建立與求解

通過查閱相關(guān)資料本文得到從2015年8月到2015年12月全國專車市場日均訂單成交量的統(tǒng)計(jì)數(shù)據(jù)，整理如下表（見表4）：

（二）網(wǎng)約車平臺發(fā)展神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立與求解

通過查閱相關(guān)資料得到從2014年8月到2015年12月全國專車市場日均訂單成交量的統(tǒng)計(jì)數(shù)據(jù)，整理如下表（見表5）：

采用神經(jīng)網(wǎng)絡(luò)模型中的BP算法，將該17組樣本數(shù)據(jù)代入程序。進(jìn)行100次模擬，預(yù)測未來12組數(shù)據(jù)，見下圖：

（三）結(jié)果分析

對于專車未來的發(fā)展趨勢，本文通過選取專車日均訂單成交量為參考指標(biāo)變量，分別采用灰度預(yù)測和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測，灰度預(yù)測適合于小樣本數(shù)據(jù)的預(yù)測，側(cè)重于對象未來發(fā)展總體趨勢的刻畫；神經(jīng)網(wǎng)絡(luò)模型適合多樣本數(shù)據(jù)的預(yù)測，側(cè)重于涵蓋樣本數(shù)據(jù)中的細(xì)節(jié)處理，對數(shù)據(jù)走勢的波動(dòng)性刻畫較為清晰。之所以采用兩種模型，一方面是更加全面地進(jìn)行專車未來發(fā)展的趨勢；另一方面，對比兩種模型所預(yù)測的結(jié)果，可以檢驗(yàn)我們的模型是否合理，兩者結(jié)果的一致性或差異對模型的改進(jìn)和預(yù)測結(jié)果的綜合評價(jià)具有指導(dǎo)性意義。

對于灰度預(yù)測，見圖13，通過GM（1，1）模型很好地預(yù)測了專車未來的發(fā)展前景?？梢钥闯?，專車日均訂單成交量在未來12個(gè)月內(nèi)呈上升趨勢，平穩(wěn)增長；而對于神經(jīng)網(wǎng)絡(luò)模型，見圖15，可以得到：在未來12個(gè)月內(nèi)，專車日均訂單成交量在2015年12月到2016年3月時(shí)間段呈平穩(wěn)增長趨勢，而在2016年3月后達(dá)到平衡狀態(tài)，基本不再繼續(xù)增長。

對于兩種預(yù)測結(jié)果的微小差異，是由于兩種預(yù)測模型各自的特點(diǎn)所引起的?；叶阮A(yù)測模型側(cè)重函數(shù)整體趨勢的刻畫，若函數(shù)先增長一定時(shí)間，然后達(dá)到平穩(wěn)，則灰度預(yù)測的結(jié)果會呈現(xiàn)一直增長的態(tài)勢，若函數(shù)先下降再平穩(wěn)，那么同理預(yù)測結(jié)果會呈現(xiàn)出一直下降的趨勢，這是由GM（1，1）模型中白微分方程的特點(diǎn)所決定的。

綜合兩種預(yù)測模型，得到結(jié)論：在2016年3月之前，專車的發(fā)展呈良好的增長趨勢，大約在2016年3月之后，專車發(fā)展將達(dá)到一種平衡穩(wěn)定的狀態(tài)。

四、結(jié)語

本文基于專車市場迅速發(fā)展的背景下，從顧客的角度分別對專車與出租車、專車內(nèi)部各種平臺進(jìn)行了綜合評價(jià)，并建立了專車發(fā)展的預(yù)測模型。在使用綜合評價(jià)模型時(shí)，對于權(quán)系數(shù)的確定，本文只采用了客觀賦權(quán)法中的熵值法，可以在此基礎(chǔ)上再選擇一種主觀賦權(quán)法，將兩種模型的權(quán)重綜合計(jì)算；另外，熵值法要求大量數(shù)據(jù)，這是該模型需要改進(jìn)的地方。本文在第三部分使用的灰度預(yù)測模型和bp神經(jīng)網(wǎng)絡(luò)模型，不僅可以預(yù)測專車市場的未來發(fā)展趨勢，還可預(yù)測出租車的發(fā)展前景。另外，也可把該預(yù)測模型推廣到其他新興產(chǎn)業(yè)的發(fā)展預(yù)測問題上。

參考文獻(xiàn)：

[1]CNNIC.專車市場發(fā)展研究專題報(bào)告 [R].北京：中國互聯(lián)網(wǎng)信息中心，2015.

[2]滴滴媒體研究院和第一財(cái)經(jīng)商業(yè)數(shù)據(jù)中心[EB/OL].http：//mt.sohu.com/20160226/n438608627.shtml.

[3]中國專車市場分析報(bào)告[R].上海：羅蘭貝格管理咨詢公司，2016

[4]周品.MATLAB數(shù)值分析應(yīng)用教程.北京：電子工業(yè)出版社，2014.

[5]宋葉志，賈東永.MATLAB數(shù)值分析與應(yīng)用.北京：機(jī)械工業(yè)出版社，2009.