出租车公司管理效率评价分析

白 竹，李 雯

（黑龙江工程学院 汽车与交通工程学院，黑龙江 哈尔滨150050）

出租车是城市的重要辅助客运交通方式，近年来，随着城市化进程速度的加快，出租车逐渐受到人们的重视，主要是由于它能够提供全天候的方便快捷和舒适的出行服务。然而，在实际的运营过程中，不可避免地出现许多问题，比如常见的空驶率过高、燃油消耗无法得到有效利用等，因此，提高出租车行业的整体效率是一个有待于解决的关键问题。而提高出租车行业整体效率可以有多种解决途径，比如改善并提高出租车经营者的管理效率就是其中的一种方法。本文尝试从这个角度出发，研究出租车公司当前的管理效率情况，旨在为出租车经营者制定相应的改善措施提供理论依据。

常用于效率评价的方法是前沿测量法，可以分为有参数和无参数两类。这两类方法的主流思想都是以效率概念为基础，其中影响和应用都较为广泛的是数据包络分析方法（Data Envelopment A－nalysis，DEA）。目前，DEA已经成为实现模拟系统的运营过程、评价系统性能效率功能的强有力工具，并且在交通系统中的应用越来越广泛，尤其是在公共交通系统效率评价中的应用日渐广泛。然而，运用DEA评价出租车效率的文献却仍然较少，因此，本文选用DEA方法来评价出租车公司的管理效率问题。

1 效率评价方法

在城市公共交通系统的政策制定和运营决策制定方面，效率一直以来都是一个关键因素。效率一般是指能从社会的稀缺资源中获取最多的东西，效率可以分为综合效率、技术效率和分配效率。综合效率又叫做成本效率，是技术效率和分配效率的乘积。由于获得数据的条件受限制，本文仅研究技术效率，下文不再说明。技术效率一般是指投入资源来得到最大化的产出。技术效率一般可分为综合效率和纯技术效率两种类型。前者反映了评价系统中评价效率的最终结果，除受到技术因素影响外还受到有关环境因素的影响。后者则表明评价系统中评价效率的结果仅受到各种技术因素的影响。

微观经济学中，若利用系统投入资源得到最大产出，系统就是有效的。DEA是由著名的运筹学家A.Charnes和W.W.Cooper等人，以相对效率为基础发展而来的效率评价方法。DEA是通过建立数学规划模型来构建模型，这种方法能够构建一个经验的生产前沿面来监控每个决策单元的投入转换为产出，从而测量多个决策单元的相对效率。该方法是一种非参数估计方法，可以用来处理具有多个输入输出指标的问题，测量多个决策单元的相对效率，并实现效率分值的排序。目前，DEA方法在许多领域的研究都得到了广泛关注，并且逐渐成为交通领域的研究热点。

1.1 CCR模型

DEA基本思想是将决策单元作为DMU，确定有效生产前沿面，通过模型值来确定决策单元是否DEA有效以及非有效DEA的改进方向和程度。其中，CCR模型主要用于确定决策单元的综合效率。

CCR模型的线性规划模型

式（1）的最优解E0为DMU0的效率值，又称为DMU0的自我评价值（应用于交叉效率模型）。在DEA中，如果E0达到最大值1，则称DMU0是有效的；若E0＜1，则称DMU0为非有效。

1.2 交叉效率模型

CCR模型的结果一般无法给出决策单元相对效率的优劣排序情况。鉴于此，本文选用交叉效率模型研究决策单元效率排序问题。该模型不仅做到“自评”，还考虑了“他评”。本文采用对抗型交叉效率评价方法。该方法在确定权重时尽可能最大化自身的效率，与此同时尽可能使其他决策单元的效率最小化。

交叉效率评价矩阵为

1.3 BCC模型

文献［7］指出:BCC模型可以表示如下

此矩阵中，主对角线元素Eii是CCR模型的结果，非主对角线上元素为交叉效率评价值。第i列是每个决策单元对DMUi的评价值；第i行是DMUi对其他决策单元的评价值。最终的评价结果可以用ei值比较，即第i列的平均值（DMUi的效率评价值）

这里，模型变量的解释和效率的确定方法都和CCR的模型相同。与CCR模型不同的是该模型中第3个约束是为了确保DEA模型具有可变规模的收益特征。

2 评价指标选取

投入是指出租车公司在管理中消耗的资源，最常用的三个指标是:劳动力、油耗和运营出租车数。针对效率评价而言，产出是指运营中生产者所获得的经济效益，包括三个指标:服务产生的里程、服务产生的收入和服务次数。根据文献［7］和［8］提出的经验法则，本文确定了DEA方法的决策单元构成并确定了DEA模型使用的变量指标。本文以某市来自不同出租车公司的出租车GPS数据为基础，运用统计分析方法，确定了10个决策单元作为研究对象，分别是LY、DZ、SY、LYQC、ZS、BH、FX、FY、CY和TE等10个出租车公司。所用数据的时间间隔是2012－05～2013－04期间。也就是说，每个出租车公司都包含12组数据。表1给出了DEA模型所用的输入和输出指标。指标的具体含义如表1所示。

表1 DEA模型输入输出指标及其含义

表2给出了每个出租车公司在2012－05～2013－04共12个月期间对应不同输入、输出变量所得到的统计指标描述结果。统计分析采用了均值、方差、最大值和最小值4个指标来描述各个出租车公司的统计描述特征情况。

表2 所研究的出租车公司指标变量的统计描述特征

3 管理效率评价实证分析

3.1 模型结果分析

本文采用CCR和BCC模型来研究了某市出租车公司的管理效率问题。表3给出了在12个月期间所选择的10个出租车公司经过效率评价计算后所得结果。表3中所给出的数据包括用CCR和BCC模型计算得到的效率分值的均值和方差结果。所研究的时间段包括2012－05～2013－04。要指出的是所有出租车公司中，LY和CY两个公司效率相对最佳，它们的综合效率与纯技术效率接近，并且规模效率接近1。表3指出了LYQC出租车公司是综合效率和纯技术效率都是无效的，它的规模效率也是所有出租车公司中最小的。而且，当考虑纯技术效率与综合效率之间的偏差时，LYQC出租车公司的偏离程度是其中最大的；也就是说，LYQC出租车公司纯技术效率较高但综合效率较低。这意味着需要采取一些关键措施来改善综合效率，在此基础上，每个出租车公司12个月的效率分值的方差计算结果也显示在表3中。值得一提的是，ZS出租车公司的方差最大，分值为0.107，表明在BCC模型中，ZS出租车公司12个月份的效率分值集合与其均值之间变化最大，即ZS出租车公司的效率分值可能存在着最大的不确定性。

由表3可知，所有出租车公司都是纯技术效率分值高于综合效率分值，这可以通过图1进一步体现出来。图1给出了某市在12个月期间10个出租车公司CCR分值和BCC分值之间的关系。在图1中，那些位于右上角的数据点包括LY和CY出租车公司，他们相对来讲管理效果最佳。其余的数据点几乎都是无效单元。对于这些单元而言，一些改善措施，如公司合理管理策略的实施以及对信息技术的重视和应用，都会有助于提高整体的管理效率。

表3 出租车公司的管理效率评价结果

图1 出租车公司的CCR和BCC效率结果

运用交叉效率模型评价的效率结果如表4所示。可以看出LY和CY两个出租车公司排序在最前面，其他公司却得到了较低的分数。这意味着这些管理效率较低的出租车公司仍然面临着进一步深入改革并提高管理效率的挑战。

表4 基于CCR模型和交叉效率模型评价的结果

3.2 改善策略分析

上述研究结果表明:对于所研究的出租车公司而言，仍旧需要较大的努力来提高这些公司的效率。相应的改善措施可以从如下的两个方面着手:一方面，出租车公司应该加强先进的信息技术在本公司的应用。例如，随着各大城市出租车系统GPS和GIS应用的日益广泛，建议出租车公司充分利用并挖掘这些新兴技术在系统中的应用，确保服务供给和服务需求之间的密切对接，从而提高公司管理和运营效率；另一方面，建议出租车公司在管理和运营过程中不断增强创新意识，不断实现本公司管理运营的智能化和信息化，并不断提高出租车驾驶员的信息化素质，以适应时代的快速发展并给人们带来更加便捷舒适的服务。最后，那些管理效率评价不佳的公司应该以高效公司作为标杆，运用标杆理论来深入学习高效公司的管理策略和方法，进一步提高自身的生产率。

4 结束语

本文用DEA方法来评价某城市出租车公司的管理效率问题，介绍了选用的DEA模型，说明了各种模型评价结果的实际应用，最后基于各种模型的评价结果为该市出租车公司提供了相应的改善建议，这些将有助于出租车公司有针对性地采取改善管理效率的措施和政策。而模型指标变化对评价结果的影响、出租车公司的服务效率问题以及如何进一步拓展出租车公司效率评价的投入产出指标等问题，都将是以后的研究内容。

［1］周进军，赵圆，龙东华.城市出租汽车保有量预测分析［J］.交通科技与经济，2011，13（6）:27－31.

［2］John S.Liu et al.，2013.A survey of DEA applications.Omega，41，893－902.

［3］李玉红.基于数据包络分析方法的供应商评价研究［D］.沈阳:东北大学，2007.

［4］邓学军.我国物流企业生产率研究与分析［D］.重庆:重庆大学，2008.

［5］彭育威，吴守宪，徐小湛.利用 MATLAB进行DEA交叉评价分析［J］.西南民族大学学报:自然科学版，2004，30（5）:553－556.

［6］魏权龄.评价相对有效性的数据包络分析模型［M］.北京:中国人民大学出版社，2012.

［7］Golany，B.and Roll，Y.An application procedure for DEA.Omega，1989，17（3）:237－250.

［8］Dyson，R.G.，Allen，R.，Camanho，A.S.et.al.Pitfalls and protocols in DEA.European Journal of Operational Research，2001，132:245－259.