基于相關(guān)分析法的出租車資源配置研究

汪小力，汪　欣，于東焱

(1.安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030；2.安徽財經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

?

基于相關(guān)分析法的出租車資源配置研究

汪小力1，汪欣1，于東焱2

(1.安徽財經(jīng)大學(xué)統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030；2.安徽財經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

目的研究“互聯(lián)網(wǎng)+”時代的出租車資源配置問題。方法選取8個與出租車資源配置程度相關(guān)的指標(biāo)，收集不同城市關(guān)于這些指標(biāo)的數(shù)據(jù)，使用向后逐次回歸分析法，利用EVIEWS得到回歸方程，通過公式計算得到各城市的空載率，對“打車難”現(xiàn)狀進(jìn)行深入分析，得出影響打車?yán)щy程度的因素，用數(shù)理統(tǒng)計方法對出租車補貼價格數(shù)據(jù)進(jìn)行處理，使用SPSS、Excel軟件,得到補貼價格對各個影響因素的相關(guān)性，針對上述影響因素設(shè)計一個新的打車軟件服務(wù)平臺和合適的補貼方案，將其應(yīng)用于北京市。結(jié)果得到北京各年的空載率和不同時空出租車資源的“供求匹配”程度。補貼價格與各個影響因素的相關(guān)性，進(jìn)而得出補貼可以緩解“打車難”。該方案使得設(shè)計的打車平臺市場占有率達(dá)到10%，即表明方案能達(dá)到司機、乘客、公司三方平衡，說明了該方案是合理的。結(jié)論就目前而言，國內(nèi)出租車資源利用率較低，而補貼方案對緩解“打車難”有緩解作用，但是不能徹底解決“打車難”。

向后逐步回歸法；空駛率；相關(guān)分析法；SPSS；EVIEWS；定量分析

隨著國內(nèi)經(jīng)濟的快速發(fā)展和人民生活水平的提高，居民對出行方便與舒適的要求也在不斷提高。出租車交通有著相對固定的消費群體和市場需求量。出租車作為市民出行的重要交通工具，在城市交通市場中所占份額不斷提高。近年來，國內(nèi)大中型城市的出租車行業(yè)在經(jīng)歷了一段時間的發(fā)展后，都不同程度出現(xiàn)出租車總量過剩的現(xiàn)象。出租車供求失衡是“打車難”的根本原因。經(jīng)營管理體制落后、經(jīng)濟效益遞減等原因增大了“打車難”的供求不匹配程度，直接表現(xiàn)為出租車空駛率高，大量空駛的出租車不僅浪費道路資源，而且導(dǎo)致城市交通擁堵，出租車運營效率不高，形成“車找不到人，人找不到車”的尷尬局面。因此建立合理指標(biāo)分析出租車資源匹配程度與打車軟件補貼方案對緩解“打車難”問題具有現(xiàn)實意義。

1　影響因素分析

1.1研究思路

通過查閱參考文獻(xiàn)選取出租車資源“供求匹配”與社會經(jīng)濟發(fā)展相關(guān)的因素，收集了2013年一線、二線、三線主要城市出租車的相關(guān)數(shù)據(jù)，通過對影響因素之間的相關(guān)性分析,采用逐次回歸分析法,對一段時期內(nèi)城市出租車總量進(jìn)行控制,測定其出租車需求的合理規(guī)模[1]。

1.2數(shù)據(jù)處理

在統(tǒng)計年鑒中查到相關(guān)數(shù)據(jù)見表1。

表1　2013年代表城市主要交通與社會經(jīng)濟發(fā)展相關(guān)指標(biāo)

針對表1的數(shù)據(jù)，對9個城市采用向后逐步回歸法，利用EVIEWS軟件進(jìn)行分析求解，結(jié)果如表2所示。

表2　輸出結(jié)果

利用EVIEWS分析結(jié)果可以看出，7個變量均對出租車數(shù)量具有顯著影響，相關(guān)系數(shù)達(dá)到0.95。此時，回歸方程如下：

C=64 655.52-0.08x1-9.283x2+3.635x3+1.189x4-1 998.559x5-2 114.667x6+16 148.08x7

其中各個字母所代表的意思為：C—出租車數(shù)量，x1—道路面積，x2—地區(qū)人口數(shù)，x3—國內(nèi)生產(chǎn)總值，x4—公共交通運行車輛，x5—滿載率，x6—出租車萬人擁有量，x7—交通運行指數(shù)。

1.3討論

由回歸方程可知，影響出租車數(shù)量的主要因素為：道路面積、地區(qū)人口數(shù)、國內(nèi)生產(chǎn)總值、公共交通運行車輛、滿載率、出租車萬人擁有量、交通運行指數(shù)[2]，其中國內(nèi)生產(chǎn)總值、公共交通運行車輛與交通運行指數(shù)與出租車數(shù)量呈正相關(guān)，其它因素呈負(fù)相關(guān)。

2　判斷指標(biāo)的建立

2.1研究思路

供需平衡法是使用出租車完成的城市居民出行和流動人口出行周轉(zhuǎn)量，并結(jié)合出租車空駛率，從而得到出租車資源的“供求匹配”程度[3]，以廣州為例，選取其出租車總量數(shù)據(jù)計算空駛率。

2.2數(shù)據(jù)處理

出租車承擔(dān)的城市居民出行周轉(zhuǎn)量計算公式為：

F=αβγθ

其中α——城市居民人口總量(萬人)；

β——城市居民人均日出行次數(shù)；

γ——城市居民出行方式結(jié)構(gòu)中出租車所占的比例；

θ——城市居民以出租車方式出行的平均距離(km)。

考慮到出租車每次有效行駛所運載的乘客數(shù)不同，為完成相應(yīng)的客運需求，全市出租車所必須的總行駛里程計算公式為：

式中M有——全市出租車總有效行駛里程(10 000 km)；

A——居民乘坐出租車時的平均有效車次載客人數(shù)(人)。

根據(jù)空駛率的定義，其計算公式為：

其中t——天當(dāng)中出租車平均運營時間(h)；

v——出租車平均運營速度(km·h-1)；

n——城市出租車總量(輛)。

計算其空駛率：

表3　9個城市出租車總量

查閱資料可知，廣州的α值為832.31，即城市居民人口總量為832.31萬人；β值為2.35，即城市居民人均日出行次數(shù)為2.35次；γ值為10.3%，即城市居民出行方式結(jié)構(gòu)中出租車所占的比例為10.3%；θ值為6.40，即城市居民以出租車方式出行的平均距離為6.4 km。A值為2，而根據(jù)上述所求，F(xiàn)=1 289.348，M有=644.674，R=49.07%。

據(jù)此可求出9個城市的空駛率，結(jié)果見表4。

為了更加客觀地比較不同地區(qū)、不同時間段空駛率的不同，本文以北京市為例求出不同地區(qū)不同時間段的空駛率，如圖1所示。

表4　城市空載率表

圖1　不同地區(qū)在1天不同時間段的空駛率變化趨勢圖

2.3討論

求出的空載率表明北京、廣州、南京等城市的空載率比較高，說明這些城市的出租車資源匹配程度較低[4]；拉薩、洛陽的空駛率較低，說明出租車資源匹配程度較高。各因素通過影響空駛率繼而影響出租車資源匹配程度，如國內(nèi)生產(chǎn)總值提高可以增加城市出租車數(shù)量，使得空駛率降低，從而提高資源利用率。

3　打車軟件補貼政策的效用

3.1研究思路

參考滴滴打車與快滴打車對出租車的補貼方案，考慮經(jīng)濟效益選取補貼方案與交通堵塞度、信息不對稱、出租車經(jīng)營管理體制、出租車供給量、經(jīng)濟效益5個影響因素，通過SPSS軟件求出補貼方案與影響因素之間的相關(guān)性。通過相關(guān)性分析可以得出補貼政策影響的因素，從而得出影響出租車資源匹配的程度[5]。

3.2影響因素

①交通堵塞程度：城市交通堵塞程度越大，空駛的出租車隨之也越多，不僅增加了道路交通的負(fù)荷，而且出租車運營效率下降，在早、晚上下班、節(jié)假日、雨雪冰凍天等需求高峰時期，“一車難求”的現(xiàn)象更為普遍[6]。

②信息不對稱：司機與顧客之間信息不對稱，司機找不到乘客集中地，乘客打不到車，出租車不能被有效利用，出租車空駛率上升，打車難度增加。

③出租車經(jīng)營管理體制落后：出租車公司兼顧經(jīng)營管理，不會下調(diào)管理費用，造成收益減少，積極性降低，出租車供給量下降，打車難度增加[7]。

④出租車供給量：面對龐大的需求量，出租車供求關(guān)系緊張，居民的等待時間增加，打車難度增加。

⑤經(jīng)濟效益：很多司機選擇在下班高峰期時間交班，因為這一時段的環(huán)路和主干道都發(fā)生擁堵。面對較長的堵車時間，不出車掙不到錢，出車還有可能賠錢[8]。

3.3數(shù)據(jù)處理

滴滴打車與快滴打車的補貼方案見表5。

表5補貼方案

3.4補貼相關(guān)性

選取北京市2014年1月到8月出租車補貼價格和交通指數(shù)，分析其相關(guān)性，具體數(shù)據(jù)見表6:

表6　2014年1月到8月出租車補貼價格和交通指數(shù)

利用SPSS相關(guān)性分析，結(jié)果見表7：

圖2　交通指數(shù)圖

Correlations補貼價格交通指數(shù)補貼價格PearsonCorrelation1-.463Sig.(2-tailed).248N88交通指數(shù)PearsonCorrelation-.4631Sig.(2-tailed).248N88

選取北京市2013年6月～2014年6月的交通指數(shù)繪制折線圖，如圖2。

北京出租車補貼政策從2014年起實行，由圖2可知，北京交通指數(shù)呈下降的趨勢，且總體數(shù)值小于2013年后半年的數(shù)值，數(shù)值下降不明顯。由表7可知，出租車補貼政策與交通指數(shù)有相關(guān)性，為0.463，相關(guān)性不強。同理，根據(jù)北京統(tǒng)計年鑒中的相關(guān)數(shù)據(jù)，求出出租出補貼與其他5個“打車難”影響因素之間的相關(guān)性，由于出租車供給輛、經(jīng)營管理體制由政府控制，改變范圍較小，假設(shè)其與補貼之間相關(guān)性數(shù)值為0。補貼與信息不對稱、經(jīng)濟效益和信譽的相關(guān)性指數(shù)分別為0.251、0.750和0.102。所以實行出租車補貼政策，通過影響其經(jīng)濟效益，進(jìn)而緩解“打車難”問題[9]。

3.5討論

由數(shù)據(jù)分析可得出租車補貼政策與交通指數(shù)、信息不對稱、經(jīng)濟效益等影響因素之間的相關(guān)性，通過求出影響因素與補貼政策之間的相關(guān)性，可以發(fā)現(xiàn)補貼政策可以從降低空駛率、提升出租車司機的積極性、降低交通堵塞率等方面緩解“打車難”問題[10]。

4　結(jié)　論

從本文的研究結(jié)果可以看出，許多城市的出租車資源利用率較低，如北京、南京、廣州、武漢等。在影響資源利用率的因素中出租車數(shù)量、道路面積、地區(qū)人口數(shù)、國內(nèi)生產(chǎn)總值、公共交通運行車輛、滿載率、出租車萬人擁有量、交通運行指數(shù)為主要影響因素[11]?！盎ヂ?lián)網(wǎng)+”時代，打車軟件可以緩解“打車難”問題，不過應(yīng)當(dāng)注意打車軟件不能完全解決該問題，在推行打車軟件的同時要注意軟件帶來的問題。

[1]車嵐.城市出租車發(fā)展現(xiàn)狀及需求預(yù)測[J].山西科技，2006，(06)：89-91.

[2]馮小梅.供需平衡狀態(tài)下的出租車發(fā)展規(guī)模研究[D].成都：西南交通大學(xué)，2010.

[3]吉波.大城市出租車需求對策及經(jīng)營管理模式研究[D].廣州：華南理工大學(xué)，2014.

[4]王宇.對城市“打的難”現(xiàn)象的剖析基于西安市出租車市場供求失衡問題的分析[J].價格理論與實踐，2011，(11)：15-16.

[5]廖豐.快的滴滴調(diào)低補貼打車軟件補貼后時代的轉(zhuǎn)型戰(zhàn)[N].企業(yè)家日報，2014-03-10(007).

[6]何建平.基于燃油價格變化的城市客運出租車補貼研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[7]李繼學(xué)，張柱庭.關(guān)于促進(jìn)打車軟件發(fā)展的思考[J].交通運輸部管理干部學(xué)院學(xué)報，2015，(01)：24-27.

[8]張文全.影響城市出租車供求關(guān)系的因素分析[J].河北交通職業(yè)技術(shù)學(xué)院學(xué)報，2011，(01)：51-52.

[9]李明捷.基于供需平衡的出租汽車合理規(guī)模研究[D].西安：長安大學(xué)，2007.

[10]張爽.城市出租車擁有量的確定方法研究[D].成都：西南交通大學(xué)，2009.

[11]李明捷.基于供需平衡的出租汽車合理規(guī)模研究[D].西安：長安大學(xué)，2007.

[12]錢勇生,?；菝瘢懿?城市出租車容量控制集合模型及應(yīng)用[J].武漢理工大學(xué)學(xué)報：交通科學(xué)與工程版，2007，31(02):367-369.

[責(zé)任編輯：關(guān)金玉英文編輯：劉彥哲]

Correlation Analysis of Taxi Resource Allocation

WANG Xiao-li1，WANG Xin1，YU Dong-yan2

(1.School of Statistics and Applied Mathematics,Anhui University of Finance and Economics,Bengbu,Anhui 233030,China;2.School of Finance,Anhui University of Finance and Economics,Bengbu,Anhui 233030,China)

ObjectiveTo research resource allocation problem taxi in the age of “Internet+”.MethodsBy taking Beijing city as example,eight taxi resource configuration-related indicators were selected to collect data in different cities.Then backward stepwise regression analysis and EVIEWS regression were used to get the equation.The formula was used to calculate the empty loading rate of each city,and then in-depth analysis was conducted about the present situation of“difficult to take a taxi”.The factors affecting a taxi-taking difficulty were obtained by using mathematical statistics methods to process taxi subsidized prices data.SPSS and excel were used to determine the correlation between subsidized prices and various factors.Finally based on the above factors a new taxi software service platform and appropriate subsidy scheme was designed for Beijing.ResultsWe obtained Beijing empty loading rate and“the matching of supply and demand”of the taxi resources at different time and space.Subsidies had a correlation with various factors affecting the price,and could reduce the difficulty in taking a taxi.The scheme enabled the taxi platform to achieve 10% market share.And the scheme could make the three of drivers,passengers and the company balanced,showing that the scheme was reasonable.ConclusionThe results show that the present utilization rate of domestic taxi resources is low,and the subsidy plan can ease the difficulty to take a taxi,but cannot completely solve it.

backward stepwise regression；empty drive rate；correlation analysis；SPSS；EVIEWS;quantitative analysis.

10.3969/j.issn.1673-1492.2016.05.010

國家自然科學(xué)研究項目(11301001)；安徽財經(jīng)大學(xué)教研項目(acjyzd201429)

汪小力(1995-)，男，安徽安慶人，安徽財經(jīng)大學(xué)在讀學(xué)生，研究方向：經(jīng)濟數(shù)學(xué)。

朱家明(1973-)，男，安徽泗縣人，碩士，副教授，研究方向：應(yīng)用數(shù)學(xué)與數(shù)學(xué)建模。

F 572

A

來稿日期：2016-02-28