基于加權(quán)灰靶決策的出租車司機決策研究

夏勁彪 王新政 韓燁陽 郭家容

（1、桂林理工大學(xué)信息科學(xué)與工程學(xué)院，廣西 桂林541004 2、桂林理工大學(xué)理學(xué)院，廣西 桂林541004）

1 研究背景

伴隨著我國經(jīng)濟的發(fā)展，城市居民收入水平也在逐步提高，人們對出行的方便與舒適程度的要求也在不斷提高，因而出租車的份額在城市交通市場中不斷上升[1]。伴隨的是競爭越來越大，而有經(jīng)驗的司機通常選擇去城市人口基數(shù)大的場合進行拉客以保證他們的收益。機場就是一個人口聚集地。有些出租車司機選擇直接去機場拉乘客，而有些出租車司機在市區(qū)內(nèi)接單，送乘客去機場。到了機場之后，他們面臨著兩種選擇[2]：一是留著排隊等待乘客返回市區(qū)，二是直接空客返回市區(qū)。選擇何種方式的行程將直接決定他們收益的多少。如何做出獲取更大收益的選擇，往往是出租車司機根據(jù)實際情況與自身的經(jīng)驗來進行做決策的。

2 基于加權(quán)灰靶決策的出租車司機決策模型

多目標(biāo)加權(quán)灰靶決策模型可以幫助決策者在少信息、貧數(shù)據(jù)情境下，從多個決策目標(biāo)中選擇最優(yōu)決策目標(biāo)。該模型在數(shù)據(jù)稀少的情況下，幫助決策者在多個決策目標(biāo)中選擇最優(yōu)決策目標(biāo),并且對于各個決策目標(biāo)，它也有自己的獨有的屬性權(quán)重，因此也顯示了多個決策目標(biāo)對于最終決策的影響重要程度不同.最后，它也使用了綜合效果測度來確認最好的決策。該模型的步驟主要分為確定事件集、確定決策目標(biāo)、計算決策權(quán)數(shù)以及確定最終對策這四個部分。

步驟1：將送客到機場的出租車司機面臨的選擇記為事件集S={s1，s2}。s1為前往到達區(qū)排隊等候載客返回市區(qū)，s2為直接放空返回市區(qū)拉客。

步驟2：確定影響決策的決策目標(biāo)。根據(jù)數(shù)據(jù)分析和經(jīng)驗分析，將“飛機的到達時間”，“乘客乘車時間”，“車輛擁堵情況”，“蓄車池車輛數(shù)量”作為司機選擇不同對策的決策目標(biāo)。

步驟3：根據(jù)已有的4 個決策目標(biāo)確定影響決策目標(biāo)的具體步驟劃分細則。

（1）決策目標(biāo)1 的劃分依據(jù)：①已經(jīng)到達的飛機到達時間按照30mins 劃分為兩部分。而30mins 是由一般情況下一架飛機到達之后出來的人數(shù)會在多長時間內(nèi)通過各種交通方式走光的時間來決定的。②未到達的飛機到達時間則是由出租車司機從機場返回市區(qū)所用的時間所決定的（在不堵車，一路暢通的前提下）。

（2）決策目標(biāo)2 的劃分依據(jù)：地鐵在一天中不會24 小時運營，并且在夜晚時，機場巴士等交通方式會比較少，因此人們在晚上乘車的幾率會比白天大。根據(jù)出租車司機對于夜晚行車時間（22：00-6：00）以及白天行車時間（6：00-22：00）為標(biāo)準(zhǔn)，整體分數(shù)為10 分，根據(jù)資料得，乘客乘車時間為白天的均值大致為2.8，晚上的均值為7.2。

3 模型求解

在第一種情況下，下一批飛機將在30mins 內(nèi)到達（我們在這里設(shè)飛機已經(jīng)到達的時間為均值15mins）；乘客的乘車時間為白天；車輛不擁堵；蓄車池車輛數(shù)量少（35 輛）。

標(biāo)準(zhǔn)決策矩陣的構(gòu)建：在該問題中飛機的到達時間X1和蓄車池車輛數(shù)量X4為費用型屬性，乘客乘車時間X2和車輛擁堵情況X3則屬于效益型屬性。決策目標(biāo)存在費用型屬性，因此在標(biāo)準(zhǔn)化時，應(yīng)先對費用型屬性值做變換：

經(jīng)過歸一化、最大化、模一化之后，記屬性X1，X2，…，Xn的權(quán)重為w1，w2，…，wn，滿足∑nj=1wj=1，w=（w1，w2，…，wn）T成為權(quán)向量。而屬性權(quán)重的確定有偏于客觀與主觀這兩種方式。信息熵法為偏向于客觀的確定方式，本研究即選取該種方式。

根據(jù)熵的定義可以得到關(guān)于屬性Xj的熵為

經(jīng)計算得，該問題中各屬性Xj的熵Ej分別為：

E1=0.881 E2=0.856 E3=0.996 E4=0.918

由Fj=1-Ej，0≤Fj≤1 得到屬性Xj的區(qū)分度，將歸一化的區(qū)分度取作屬性Xj的權(quán)重wj，依據(jù)相關(guān)數(shù)據(jù)，計算出權(quán)重Xj分別為：

w1=0.341 w2=0.414 w3=0.011 w4=0.234

通過rij=∑wijrij得，綜合效果測度矩陣R=[0.517，0.483]。

4 基于加權(quán)灰靶決策的出租車司機決策模型

近年來深圳寶安機場的機場吞吐量穩(wěn)居前十，因此收集該機場及其所在城市出租車的相關(guān)數(shù)據(jù)具有一定的代表性。深圳寶 安 機 場 的 經(jīng) 緯 度 分 別 為 22.656226～113.794727 22.626273～113.843882，將在網(wǎng)上抓取到的數(shù)據(jù)進行處理。將出租車的位置經(jīng)緯度出現(xiàn)在機場內(nèi)的出租車篩選出來，之后我們將出租車在機場停留時間長并且其出租車載客人數(shù)發(fā)生0 到1 或者發(fā)生1 到0 到1 變化的出租車篩選出來，認為是前往到達區(qū)排隊載客返回市區(qū)的車輛；其余出現(xiàn)在機場的出租車的載客量發(fā)生1到0 的變化則視為直接放空返回市區(qū)拉客。在判斷出該出租車司機在機場載客后，觀察該司機拉到客人的時間點以及當(dāng)時從機場回市區(qū)汽車的擁堵情況。反之，當(dāng)判斷出出租車司機選擇直接放空返回市區(qū)拉客時，觀察相應(yīng)的情況。分別判斷這些情況是否與我們所建立的模型一致。

對數(shù)據(jù)進行一一判斷，如下表所示。

對數(shù)據(jù)判斷結(jié)果

在整體中，實際到達區(qū)排隊與通過模型預(yù)測到達區(qū)排隊的事件有859 個，即正確預(yù)測的有概率為84.29%，而對于通過模型正確預(yù)測回市區(qū)的出租車司機的概率為93.85%。因此，該模型建立合理。

從第一問中，我們可以得到在該模型中，飛機的到達時間X1、乘客乘車時間X2、車輛擁堵情況X3 以及蓄車池車輛數(shù)量X4 這 4 個決策目標(biāo)所確定的決策權(quán)數(shù)分別為0.419，0.148，0.014，0.419。從中，我們可以看到在這幾個因素中，最能影響出租車司機做決策的是乘客乘車時間，飛機的到達時間次之，而車輛的擁堵情況對出租車司機做出決策的影響因素最小。

5 結(jié)論

為了滿足出租車司機更公平且最大程度的獲益，提出了如下問題：（1）分析研究影響出租車司機進行選擇的相關(guān)因素，將考慮機場乘客數(shù)量變化和司機的收益結(jié)合起來，建立司機選擇決策模型，并給出司機的選擇。（2）收集國內(nèi)某一機場及其所在城市出租車相關(guān)數(shù)據(jù)，驗證決策模型的合理性和出租車司機進行決策時對相關(guān)因素的依賴性。研究表明：乘客坐出租車為白天、從機場到市區(qū)的路途交通情況擁堵或者蓄車池車輛數(shù)量少的情況下，顧客更容易選擇前往到達區(qū)排隊等待載客返回市區(qū)。而在飛機到達時間較長、距離飛機到達還有一段時間、乘客飛機的航班為晚上、從機場到市區(qū)的路途交通狀況暢通或者飛機剛到達但蓄車池車輛數(shù)量較多的情況下，顧客更容易選擇直接放空返回市區(qū)拉客。影響出租車司機做決策的重要程度為：乘車時間>飛機到達時間>車輛擁堵情況。