基于相关分析法的出租车资源配置研究

汪小力，汪　欣，于东焱

(1.安徽财经大学统计与应用数学学院，安徽 蚌埠 233030；2.安徽财经大学金融学院，安徽 蚌埠 233030)



基于相关分析法的出租车资源配置研究

汪小力1，汪欣1，于东焱2

(1.安徽财经大学统计与应用数学学院，安徽 蚌埠 233030；2.安徽财经大学金融学院，安徽 蚌埠 233030)

目的研究“互联网+”时代的出租车资源配置问题。方法选取8个与出租车资源配置程度相关的指标，收集不同城市关于这些指标的数据，使用向后逐次回归分析法，利用EVIEWS得到回归方程，通过公式计算得到各城市的空载率，对“打车难”现状进行深入分析，得出影响打车困难程度的因素，用数理统计方法对出租车补贴价格数据进行处理，使用SPSS、Excel软件,得到补贴价格对各个影响因素的相关性，针对上述影响因素设计一个新的打车软件服务平台和合适的补贴方案，将其应用于北京市。结果得到北京各年的空载率和不同时空出租车资源的“供求匹配”程度。补贴价格与各个影响因素的相关性，进而得出补贴可以缓解“打车难”。该方案使得设计的打车平台市场占有率达到10%，即表明方案能达到司机、乘客、公司三方平衡，说明了该方案是合理的。结论就目前而言，国内出租车资源利用率较低，而补贴方案对缓解“打车难”有缓解作用，但是不能彻底解决“打车难”。

向后逐步回归法；空驶率；相关分析法；SPSS；EVIEWS；定量分析

随着国内经济的快速发展和人民生活水平的提高，居民对出行方便与舒适的要求也在不断提高。出租车交通有着相对固定的消费群体和市场需求量。出租车作为市民出行的重要交通工具，在城市交通市场中所占份额不断提高。近年来，国内大中型城市的出租车行业在经历了一段时间的发展后，都不同程度出现出租车总量过剩的现象。出租车供求失衡是“打车难”的根本原因。经营管理体制落后、经济效益递减等原因增大了“打车难”的供求不匹配程度，直接表现为出租车空驶率高，大量空驶的出租车不仅浪费道路资源，而且导致城市交通拥堵，出租车运营效率不高，形成“车找不到人，人找不到车”的尴尬局面。因此建立合理指标分析出租车资源匹配程度与打车软件补贴方案对缓解“打车难”问题具有现实意义。

1　影响因素分析

1.1研究思路

通过查阅参考文献选取出租车资源“供求匹配”与社会经济发展相关的因素，收集了2013年一线、二线、三线主要城市出租车的相关数据，通过对影响因素之间的相关性分析,采用逐次回归分析法,对一段时期内城市出租车总量进行控制,测定其出租车需求的合理规模[1]。

1.2数据处理

在统计年鉴中查到相关数据见表1。

表1　2013年代表城市主要交通与社会经济发展相关指标

针对表1的数据，对9个城市采用向后逐步回归法，利用EVIEWS软件进行分析求解，结果如表2所示。

表2　输出结果

利用EVIEWS分析结果可以看出，7个变量均对出租车数量具有显著影响，相关系数达到0.95。此时，回归方程如下：

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

其中各个字母所代表的意思为：C—出租车数量，x1—道路面积，x2—地区人口数，x3—国内生产总值，x4—公共交通运行车辆，x5—满载率，x6—出租车万人拥有量，x7—交通运行指数。

1.3讨论

由回归方程可知，影响出租车数量的主要因素为：道路面积、地区人口数、国内生产总值、公共交通运行车辆、满载率、出租车万人拥有量、交通运行指数[2]，其中国内生产总值、公共交通运行车辆与交通运行指数与出租车数量呈正相关，其它因素呈负相关。

2　判断指标的建立

2.1研究思路

供需平衡法是使用出租车完成的城市居民出行和流动人口出行周转量，并结合出租车空驶率，从而得到出租车资源的“供求匹配”程度[3]，以广州为例，选取其出租车总量数据计算空驶率。

2.2数据处理

出租车承担的城市居民出行周转量计算公式为：

F=αβγθ

其中α——城市居民人口总量(万人)；

β——城市居民人均日出行次数；

γ——城市居民出行方式结构中出租车所占的比例；

θ——城市居民以出租车方式出行的平均距离(km)。

考虑到出租车每次有效行驶所运载的乘客数不同，为完成相应的客运需求，全市出租车所必须的总行驶里程计算公式为：

式中M有——全市出租车总有效行驶里程(10 000 km)；

A——居民乘坐出租车时的平均有效车次载客人数(人)。

根据空驶率的定义，其计算公式为：

其中t——天当中出租车平均运营时间(h)；

v——出租车平均运营速度(km·h-1)；

n——城市出租车总量(辆)。

计算其空驶率：

表3　9个城市出租车总量

查阅资料可知，广州的α值为832.31，即城市居民人口总量为832.31万人；β值为2.35，即城市居民人均日出行次数为2.35次；γ值为10.3%，即城市居民出行方式结构中出租车所占的比例为10.3%；θ值为6.40，即城市居民以出租车方式出行的平均距离为6.4 km。A值为2，而根据上述所求，F=1 289.348，M有=644.674，R=49.07%。

据此可求出9个城市的空驶率，结果见表4。

为了更加客观地比较不同地区、不同时间段空驶率的不同，本文以北京市为例求出不同地区不同时间段的空驶率，如图1所示。

表4　城市空载率表

图1　不同地区在1天不同时间段的空驶率变化趋势图

2.3讨论

求出的空载率表明北京、广州、南京等城市的空载率比较高，说明这些城市的出租车资源匹配程度较低[4]；拉萨、洛阳的空驶率较低，说明出租车资源匹配程度较高。各因素通过影响空驶率继而影响出租车资源匹配程度，如国内生产总值提高可以增加城市出租车数量，使得空驶率降低，从而提高资源利用率。

3　打车软件补贴政策的效用

3.1研究思路

参考滴滴打车与快滴打车对出租车的补贴方案，考虑经济效益选取补贴方案与交通堵塞度、信息不对称、出租车经营管理体制、出租车供给量、经济效益5个影响因素，通过SPSS软件求出补贴方案与影响因素之间的相关性。通过相关性分析可以得出补贴政策影响的因素，从而得出影响出租车资源匹配的程度[5]。

3.2影响因素

①交通堵塞程度：城市交通堵塞程度越大，空驶的出租车随之也越多，不仅增加了道路交通的负荷，而且出租车运营效率下降，在早、晚上下班、节假日、雨雪冰冻天等需求高峰时期，“一车难求”的现象更为普遍[6]。

②信息不对称：司机与顾客之间信息不对称，司机找不到乘客集中地，乘客打不到车，出租车不能被有效利用，出租车空驶率上升，打车难度增加。

③出租车经营管理体制落后：出租车公司兼顾经营管理，不会下调管理费用，造成收益减少，积极性降低，出租车供给量下降，打车难度增加[7]。

④出租车供给量：面对庞大的需求量，出租车供求关系紧张，居民的等待时间增加，打车难度增加。

⑤经济效益：很多司机选择在下班高峰期时间交班，因为这一时段的环路和主干道都发生拥堵。面对较长的堵车时间，不出车挣不到钱，出车还有可能赔钱[8]。

3.3数据处理

滴滴打车与快滴打车的补贴方案见表5。

表5补贴方案

3.4补贴相关性

选取北京市2014年1月到8月出租车补贴价格和交通指数，分析其相关性，具体数据见表6:

表6　2014年1月到8月出租车补贴价格和交通指数

利用SPSS相关性分析，结果见表7：

图2　交通指数图

Correlations补贴价格交通指数补贴价格PearsonCorrelation1-.463Sig.(2-tailed).248N88交通指数PearsonCorrelation-.4631Sig.(2-tailed).248N88

选取北京市2013年6月～2014年6月的交通指数绘制折线图，如图2。

北京出租车补贴政策从2014年起实行，由图2可知，北京交通指数呈下降的趋势，且总体数值小于2013年后半年的数值，数值下降不明显。由表7可知，出租车补贴政策与交通指数有相关性，为0.463，相关性不强。同理，根据北京统计年鉴中的相关数据，求出出租出补贴与其他5个“打车难”影响因素之间的相关性，由于出租车供给辆、经营管理体制由政府控制，改变范围较小，假设其与补贴之间相关性数值为0。补贴与信息不对称、经济效益和信誉的相关性指数分别为0.251、0.750和0.102。所以实行出租车补贴政策，通过影响其经济效益，进而缓解“打车难”问题[9]。

3.5讨论

由数据分析可得出租车补贴政策与交通指数、信息不对称、经济效益等影响因素之间的相关性，通过求出影响因素与补贴政策之间的相关性，可以发现补贴政策可以从降低空驶率、提升出租车司机的积极性、降低交通堵塞率等方面缓解“打车难”问题[10]。

4　结　论

从本文的研究结果可以看出，许多城市的出租车资源利用率较低，如北京、南京、广州、武汉等。在影响资源利用率的因素中出租车数量、道路面积、地区人口数、国内生产总值、公共交通运行车辆、满载率、出租车万人拥有量、交通运行指数为主要影响因素[11]。“互联网+”时代，打车软件可以缓解“打车难”问题，不过应当注意打车软件不能完全解决该问题，在推行打车软件的同时要注意软件带来的问题。

[1]车岚.城市出租车发展现状及需求预测[J].山西科技，2006，(06)：89-91.

[2]冯小梅.供需平衡状态下的出租车发展规模研究[D].成都：西南交通大学，2010.

[3]吉波.大城市出租车需求对策及经营管理模式研究[D].广州：华南理工大学，2014.

[4]王宇.对城市“打的难”现象的剖析基于西安市出租车市场供求失衡问题的分析[J].价格理论与实践，2011，(11)：15-16.

[5]廖丰.快的滴滴调低补贴打车软件补贴后时代的转型战[N].企业家日报，2014-03-10(007).

[6]何建平.基于燃油价格变化的城市客运出租车补贴研究[D].哈尔滨：哈尔滨工业大学，2012.

[7]李继学，张柱庭.关于促进打车软件发展的思考[J].交通运输部管理干部学院学报，2015，(01)：24-27.

[8]张文全.影响城市出租车供求关系的因素分析[J].河北交通职业技术学院学报，2011，(01)：51-52.

[9]李明捷.基于供需平衡的出租汽车合理规模研究[D].西安：长安大学，2007.

[10]张爽.城市出租车拥有量的确定方法研究[D].成都：西南交通大学，2009.

[11]李明捷.基于供需平衡的出租汽车合理规模研究[D].西安：长安大学，2007.

[12]钱勇生,牛惠民，周波.城市出租车容量控制集合模型及应用[J].武汉理工大学学报：交通科学与工程版，2007，31(02):367-369.

[责任编辑：关金玉英文编辑：刘彦哲]

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

国家自然科学研究项目(11301001)；安徽财经大学教研项目(acjyzd201429)

汪小力(1995-)，男，安徽安庆人，安徽财经大学在读学生，研究方向：经济数学。

朱家明(1973-)，男，安徽泗县人，硕士，副教授，研究方向：应用数学与数学建模。

F 572

A

来稿日期：2016-02-28