大數(shù)據(jù)平臺(tái)下出租車資源配置的分析及優(yōu)化

張定川 何旭東 王欣婷

摘要：隨著人民生活水平的提高，出租車已經(jīng)成為城市居民重要的交通工具，但出租車資源供求匹配矛盾也日益突出。大數(shù)據(jù)時(shí)代的到來(lái)為解決出租車資源配置問(wèn)題提供了新思路。本文選取蒼穹滴滴快的智能出行平臺(tái)、高德LBS開放平臺(tái)、易觀智庫(kù)等大數(shù)據(jù)平臺(tái)，結(jié)合一些大數(shù)據(jù)研究機(jī)構(gòu)對(duì)當(dāng)今出租車資源配置問(wèn)題的判斷，對(duì)出租車資源配置情況進(jìn)行了分析，并提出優(yōu)化方案。

關(guān)鍵詞：大數(shù)據(jù)平臺(tái)；出租車行業(yè)；資源配置優(yōu)化

隨著我國(guó)城鄉(xiāng)居民整體生活水平的提升，出租車在城市交通中所占份額不斷提高，呈現(xiàn)與公共汽車等其他交通工具競(jìng)爭(zhēng)的趨勢(shì)。此外，隨著科技的不斷進(jìn)步，打車軟件如滴滴打車、Uber等已被大范圍推廣與接受，移動(dòng)互聯(lián)網(wǎng)實(shí)現(xiàn)了司機(jī)與乘客的信息互通。然而，由于出租車行業(yè)面臨著巨大的資源配置問(wèn)題，“打車難”的現(xiàn)象隨處可見(jiàn)，諸如司機(jī)拒載、惡意抬價(jià)、出租車調(diào)配系統(tǒng)落后等問(wèn)題更是惡化了供需矛盾。

大數(shù)據(jù)時(shí)代的到來(lái)為解決出租車資源配置問(wèn)題提供了新思路。通過(guò)分析大數(shù)據(jù)，構(gòu)建出租車資源配置模型，平衡資源配置，可以緩解人們“打車難”的問(wèn)題。根據(jù)比達(dá)（BDR）數(shù)據(jù)中心數(shù)據(jù)，滴滴和快的公司占據(jù)互聯(lián)網(wǎng)軟件服務(wù)平臺(tái)90%以上的市場(chǎng)，故此我們選取蒼穹滴滴快的智能出行平臺(tái)、高德LBS開放平臺(tái)、易觀智庫(kù)等大數(shù)據(jù)平臺(tái)，結(jié)合一些大數(shù)據(jù)研究機(jī)構(gòu)對(duì)當(dāng)今出租車資源配置問(wèn)題的判斷，對(duì)出租車資源配置情況進(jìn)行了分析，并提出優(yōu)化方案。

蒼穹滴滴快的智能出行平臺(tái)含有全國(guó)用車情況和重要城市情況兩大部分，每部分又可以查詢相關(guān)城市的打車難易度、打車需求量和被搶單時(shí)間。除此之外，它還提供了十大重要城市的車費(fèi)及出租車出行軌跡。平臺(tái)下方展示了近一周來(lái)城市的打車情況，時(shí)間精確到小時(shí)。由于僅從網(wǎng)頁(yè)只能看到平臺(tái)所展示的眾多表象，我們無(wú)法直觀地看到原始數(shù)據(jù)并進(jìn)行更多研究。

為了滿足對(duì)時(shí)間和空間分布的需求，我們選取北京、上海和西安三個(gè)主要城市2015年9月5日～9月11日且每個(gè)城市每天均選取100、800、1200、1800、2200這五個(gè)時(shí)間段進(jìn)行分析。

對(duì)散點(diǎn)數(shù)據(jù)進(jìn)行面差值并匯出熱力圖，我們可以得出以下結(jié)論：

1.1：00和22：00這兩個(gè)時(shí)間段的匹配度明顯高于8：00、12：00和18：00這三個(gè)時(shí)間段的匹配度。由此可以看出，早中晚的上下班高峰時(shí)間由于乘客需求量變大，出租車的資源匹配程度往往低于一般的時(shí)間段。

2.2015年9月5日和9月6日的出租車匹配程度略低于其余時(shí)間。由此可見(jiàn)，由于假期出行人員數(shù)量增多，雙休日出租車的供求匹配度低于工作日。

3.北京、上海的出租車匹配程度相當(dāng)，而西安的匹配度明顯高于前兩個(gè)城市。這說(shuō)明了即使北京上海經(jīng)濟(jì)發(fā)展比西安更迅速，但是伴隨而來(lái)的商業(yè)繁華地區(qū)出租車供不應(yīng)求的問(wèn)題卻困擾著這類大型都市。

為解決現(xiàn)實(shí)生活中“打車難”的問(wèn)題，各大公司紛紛推出打車服務(wù)軟件，致力于解決司機(jī)與乘客之間關(guān)聯(lián)匹配的問(wèn)題。下面通過(guò)蒙特卡洛模擬實(shí)驗(yàn)來(lái)說(shuō)明打車軟件對(duì)出租車資源配置的影響。

該模擬滿足如下幾個(gè)條件：

1.在未使用打車軟件時(shí)，由于司機(jī)無(wú)法判斷乘客所在地，只能采取隨機(jī)游走路線。

2.使用打車軟件后，司機(jī)能夠采取最佳路線駛向乘客。

3.假設(shè)出租車速度基本一致，出租車每小時(shí)能行駛的最大路程為R。

下面闡述試驗(yàn)步驟：

1.不使用打車軟件時(shí)，在以乘客所在點(diǎn)為圓心的單位圓內(nèi)隨機(jī)取10個(gè)點(diǎn)，即為出租車的分布點(diǎn)。

2.以上述步驟中每個(gè)點(diǎn)為圓心，做半徑為R的圓，即為出租車單位時(shí)間后所在位置。

3.計(jì)算以乘客為圓心，半徑為r的圓內(nèi)出租車數(shù)量，記為d1。

4.在使用打車軟件時(shí)，在以乘客所在點(diǎn)為圓心的單位圓內(nèi)隨機(jī)取1個(gè)點(diǎn)，重復(fù)步驟2-3的內(nèi)容。并計(jì)算以乘客為圓心，半徑為r的圓內(nèi)出租車數(shù)量為d2。

5.統(tǒng)計(jì)d2>d1的次數(shù)，對(duì)比其與d1

通過(guò)求解模型后我們可以發(fā)現(xiàn)：

由于d1>d2的次數(shù)占全部情況的大半部分且?guī)缀鯖](méi)有d1

除去我們分別采用傳統(tǒng)研究方法和大數(shù)據(jù)平臺(tái)挖掘方法得到的結(jié)論，一些大型研究機(jī)構(gòu)也對(duì)當(dāng)今出租車資源配置做出了如下的判斷：

自打車軟件出現(xiàn)以來(lái)，社會(huì)上存在的一個(gè)普遍問(wèn)題是：司機(jī)都不愿意接受打車距離過(guò)近、打車路段偏遠(yuǎn)或者是易堵車路段的訂單，這給處于最差處境的乘客們帶來(lái)了很多困擾，“打車難”問(wèn)題沒(méi)有得到解決。因此，2014年12月滴滴打車推出滴米調(diào)度系統(tǒng)，該系統(tǒng)可以補(bǔ)償司機(jī)接受的這類被認(rèn)為是“差”的訂單所帶來(lái)的損失，該措施一定程度上緩解了此類社會(huì)問(wèn)題。

參考文獻(xiàn)：

[1]K.I.Wong、S.C.Wong、Hai Yang， Modeling urban taxi services in congested road networks with elastic demand， Transportation Research Part B：Methodological，第35卷，第9期，819-842頁(yè)，2001（11）

[2]趙延剛.建模的數(shù)學(xué)方法與數(shù)學(xué)模型.北京：科學(xué)出版社，2011.

[3]傅新平，胡伶俐.基于物元分析法的綜合交通系統(tǒng)服務(wù)水平評(píng)價(jià).武漢理工大學(xué)學(xué)報(bào)，交通科學(xué)與工程版，2007年第4期，580-583頁(yè).

[4]《中國(guó)主要城市交通的分析報(bào)告》.http：//www.analysys.cn/report/detail/9957.html

[5]帥朝暉.城市出租車資源配置研究.