“互联网+”时代的出租车资源配置论文.docx

PAGE 1 B题 “互联网+”时代的出租车资源配置 摘 要 现在，我国许多城市上下班高峰时段、拥挤路段，打车难问题普遍存在。建立模型分析造成打车难的内在原因，以此通过合理的补贴政策优化出租车供求资源配置，具有重要的理论意义和实际价值。 针对问题一， 本文从两方面入手，一是利用滴滴快的大数据爬取的深圳市2015年9月4日出租车分布数据，根据文献[1]中对深圳市交通小区的划分，用聚类分析方法以12个交通小区的中心坐标为初始聚类中心，进行一次迭代k-均值距离聚类，将离散的经纬度分布数据分类汇总，得到12个交通小区出租车供应数，提供地段划分依据。再利用泊松分布和极大似然思想预测出深圳市每天出租车需求数。二是从宏观上考虑影响出租车“供”和“求”的各指标因素并搜集相关数据，建立因子分析模型将多个错综复杂的变量归结为少数几个综合指标因子，并通过因子旋转对公因子做出命名和解释。 针对问题二， 了解各出租车公司针对司机的补贴方案，看其是否对缓解“打车难”，搜集2000年到2013年出租车拥有量来反映出租车的供给量，对数据进行拟合预测，可以从公司开始实施补贴方案时，看深圳市出租车的拥有量与预测值的关系，来体现实施补贴方案对出租车供给量的影响效果，结果显示补贴方案对缓解“打车难”有一定的帮助。 针对问题三， 创建一个新的打车软件服务平台，设计一个补贴方案，规定：顾客在高峰期返现要比在正常的时期返现少，司机在高峰期少用甚至不用打车软件，若用打车软件的话，可以对司机的奖励减少。说明其流程，通过收集有关数据和科研成果进行论证，应征新的补贴方案是合理的。 关键词：出租车；聚类分析；泊松分布；因子分析；补贴政策 问题重述 如今，各大城市普遍存在“打车难”现象，尤其是上下班的高峰时段。是出租车公司车辆供应不足，还是出租车资源没有得到有效的合理配置，导致部分城区出租车难打，而另一部分城区出租车空驶。考虑解决如下问题： （1）搜集影响出租车供求的指标数据，建立合理的综合指标，分析和描述不同时段、不同地域出租车供求匹配的程度。 （2）各出租车公司也在不断出台一些针对司机的补贴方案，以缓解打车难的问题，分析这些补贴方案是否有效。 （3）滴滴、快的等打车软件通过打车软件服务平台，在解决客户和司机信息不对称造成的出租车资源浪费方面，效果显著。同时，他们也给司机和客户提供补贴，但这种补贴更像是恶性竞争，对出租车资源更优化配置作用不明显。如果依托这类软件平台，应该怎么设计更优的补贴方案。 问题分析 对于问题一，我们从两方面考虑：一方面是搜集某个城市（本文选择深圳市）出租车的GPS数据，找到不同时段、不同区域的出租车分布数据，以及打车数据。通过网络爬虫从滴滴快的大数据平台查到按日期的出租车分布数据（经纬度点出现的出租车数）和需求（经纬度点的叫车数）。分布数据相对较全，我们选取一天根据文献[1]中用出租车对深圳市做交通小区划分的数据，也对这些经纬度点进行归类，考虑用固定初始聚类中心为那些交通小区的中心的聚类分析实现。由于出租车需求数的数据不齐全不能和分布数据结合来用，为了得到需求数据，我们考虑到固定时段能来打车的人数服从泊松分布，用极大似然思想和泊松分布来对出租车需求做出预测。再比较供应数和需求数，从总体供求上做出判断。另一方面，由于微观数据的缺乏，我们从宏观上考虑影响出租车“供”和“求”的各指标因素并搜集相关数据，对这些因素作因子分析，从而将多个错综复杂的变量归结为少数几个综合指标因子，并通过因子旋转对公因子做出命名和解释。 问题二对各个公司的补贴方案进行了解，通过了解这些补贴方案，研究这些方案对“缓解打车难”问题有没有帮助。研究各公司对员工的补贴，实施时间，查找深圳市在一时间先后的出租车拥有量用实施前的的数据预测实施后的数据，将实际值与预测值相比较，来判断出租车的供给量是否比预测的大，间接说明这些补贴方案对“缓解打车难”帮助性。 问题三根据滴滴，快的等打车软件，要求创建一个新的打车软件服务平台，设立一个更好的补贴方案，并判断其合理性。根据前面的问题一、二的结果，提出一个补贴方案，通过收集信息判断其合理性。 三、模型假设 1. 假设长期来看，深圳各交通小区每天高峰时段、非高峰时段的打车需求是稳定的； 2. 由假设1，可以进一步假设本文抓取的9月4日出租车分布的原始数据能够代表深圳市每天出租车分布数； 3．假设9月4日出租车分布的数据中，每个经纬度点统计的出租车数，是该经纬度点每天平均出租车数（如果有更多天的数据，分别用文中方法处理，用均值即可）； 4. 假设一段时间内（一天），来某个经纬度点的打车人数近似服从泊松分布； 5.假设深圳市一年出租车的拥有量可以反映一年出租车的供给量； 6.假设搜集到的出租车数据是真实可靠的。 符号说明 符号 说明 Col 经度 Lat