基于“互聯(lián)網(wǎng)+”時代下的出租車資源優(yōu)化配置研究

姜寶勝 張建建 喬亞娟

【摘要】 基于“互聯(lián)網(wǎng)+”的融合，對出租車資源配置進行了優(yōu)化研究. 通過建立改進的多邊匹配因素分析模型，將出租車與乘客供求匹配因素分為必須要滿足的硬度因素和可協(xié)調(diào)的軟度因素，得到不同時空出租車匹配程度. 將優(yōu)勢補貼方案和公司資本相結(jié)合，確定打車軟件公司、司機和乘客三者之間的利益平衡點，借助整數(shù)規(guī)劃實現(xiàn)模型的優(yōu)化.

【關(guān)鍵詞】 多邊匹配；滿意度；整數(shù)規(guī)劃

引 言

隨著我國城市化進程的加速，城市交通問題已經(jīng)成為許多城市面臨的難題，而作為主要交通工具的出租車，“打車難”問題日益突出. 在“互聯(lián)網(wǎng)+”時代的大背景下，運用互聯(lián)網(wǎng)技術(shù)解決打車難問題尤為重要.

一、雙邊匹配模型的建立與求解

在日常生活中，很多市場都存在一項重要功能，即把市場一方與另一方匹配起來，在經(jīng)濟體系中，一方與另一方之間會形成“集團”或“對”.

如果將乘車供求關(guān)系看成是“商品”交換的話，則可以將影響出租車供求信息匹配程度的因素分為兩大類：硬性因素和軟性因素.

對于乘客硬性因素：必須在規(guī)定的時間內(nèi)到達目的地D 軟性因素：等待時間C 費用較小D

對于司機硬性因素：收益最大D 軟性因素：乘客所在的區(qū)間D 打車時的時間D

圖1 屬性因素分類分級圖

為了能夠得到匹配過程中的每對供求信息之間的相對評價信息，也就是說在搜尋匹配供求信息時，一方需要對對方信息進行評價，那么評價指標如何描述和量化，這時可以用“滿意度值”來表示，通過滿意度的量化，從而得到“供求匹配”程度的高低. 把供應(yīng)信息對需求信息的滿意度用G表示，需求信息對供應(yīng)信息的滿意度用X來表示.確定這個滿意度值實際上是一個多目標決策過程，要考慮多種因素，只有當一條供應(yīng)信息滿足了另一條需求信息的硬性期望值，那么，這條供應(yīng)信息才有可能與需求信息進一步匹配，否則，就會破壞其匹配的穩(wěn)定性，即“供求匹配”程度低.

現(xiàn)有假設(shè)：乘客需求信息集合R={r1，r2，r1，rn}，其中ri表示集合中R第i個信息. 司機供應(yīng)信息集合S = {s1，s2，…，si，…，sn}（j，m？哿N），其中sj表示集合S中第i個信息.

乘客需求信息的影響因素個數(shù)為pr；乘客需求信息ri對司機供應(yīng)信息sj的總體滿意度為Dij；乘客需求信息ri對司機供應(yīng)信息sj的第k個因素的滿意度為D ；乘客需求信息ri對司機供應(yīng)信息sj的第k個因素的期望值為E ，司機供應(yīng)信息給出的相應(yīng)值C .

司機需求信息的影響因素個數(shù)為ps；司機供應(yīng)信息sj對乘客需求信息ri的總體滿意度為Dji；司機供應(yīng)信息sj對乘客需求信息ri的第k個因素的滿意度為D ；司機供應(yīng)信息sj對乘客需求信息ri的第k個因素的期望值為E ，乘客需求信息給出的相應(yīng)值為C . 討論乘客需求信息對司機供應(yīng)信息的滿意度值X表示方法：

（1）對于硬度因素D 的滿意度值表示方法：

D = 1，滿足硬度因素0，否則

（2）對乘車區(qū)間因素D 的滿意度值表示：

D = ，E ≥C 1，E ≤C

（3）對打車時間因素D 的滿意度值表示：

D = ，E ≥C 1，E ≤C

根據(jù)雙邊匹配理論的要求，司機在搶單之前，需要對顧客整體信息集合進行滿意度值排序，在這個集合中，排序越靠前，說明與其匹配的可能性就越大. 本文將供應(yīng)信息sj對需求信息ri的總體滿意度值表示為Dji，需求信息ri對供應(yīng)信息sj的總體滿意度表示為Dij，則有：

Dij = ViD ，Dji = VjD .

其中Vi表示需求信息給出的權(quán)重 Vi = 1，Vi > 0，表示需求信息屬性因素的個數(shù)，Vj表示供應(yīng)信息給出的權(quán)重 Vj = 1，Vj > 0，ps表示供應(yīng)信息屬性因素的個數(shù).

二、多邊匹配模型的建立與求解

在互聯(lián)網(wǎng)的背景下，打車軟件與傳統(tǒng)的招手打車有很大差別. 乘客通過在網(wǎng)絡(luò)發(fā)布自己的乘車信息，司機尋找適合自己的乘客. 這實際上是多對多的關(guān)系，彼此雙向選擇如圖2.

對城市繁華程度數(shù)據(jù)進行分析，通過Matlab軟件對數(shù)據(jù)進行三維坐標處理，得到圖3.

結(jié) 論

分析選取的清晨0點到12點數(shù)據(jù)，結(jié)果顯示出租車匹配數(shù)據(jù)三維圖中，區(qū)間繁華程度一定時，上班高峰期（8點到9點）的出租車供求匹配程度為求大于供，且匹配程度低，而7點則相對持平. 其他時段匹配程度為供大于求，且匹配程度高. 時間一定時，繁華地段求大于供且匹配程度高，而較荒涼地區(qū)匹配程度低.

結(jié)合北上廣深四大城市打車難衡量標準，對主流打車軟件“滴滴、快的”服務(wù)平臺進行對比，最終得到緩解打車難的影響值，從而確定打車補貼方案對“緩解打車難”有幫助，但并不長遠.