基于多属性决策的“互联网+”时代的出租车资源配置

王腾越 柴望阳 郑泽端

【摘 要】随着经济的发展，打车难现象在社会频频出现，互联网打车软件的兴起提供了新的解决方法。基于四个指标构建成对比较矩阵，利用多属性决策的供给评价指数与需求评价指数，建立供需动态模型，分析得到不同时空下出租车资源的“供需匹配”程度。

【关键词】多属性决策;供需匹配;数据可视化

模型的建立与求解

1.刻画指标

随着网络普及度的日益增长，打车软件出现在人们生活中，出租车也愈来愈成为了人们外出选择的交通工具，出租车资源供求匹配程度得到了大家的关注。通过查阅大量文献，我们引出一下几个指标：出租车分布、打车难易程度、打车需求、被抢单时间，分别作为供给与需求两方面情况的刻画指标[1]。

1）出租车分布率

E=C1/C （1）

其中 E 表示出租车分布，C1表示一定区域内出租车数量，C 表示总区域内出租车数量。随着 E 的增大，表示供给量越充足，反之则供给量不足。

2）打车难易程度

打车难易程度用 V 来表示，V 的值越高，则表明乘客越容易打车，从而反映出供给的充足。

3）打车需求率

M=A/B （2）

其中 M表示打车需求，A表示乘客所需出租车数量，B表示出租车总量。

M 增大，则表明乘客对出租车的需求量较大。

4）抢单时间

抢单时间是指乘客下单后，司机接单时间间隔，用 T 来表示，抢单时间间隔越大，则表示需求量下降，反之需求量上升。

模型建立

当供需匹配?越接近 1 时，则说明供需情况较为平衡，?< 1说明供小于需，?> 1说明供大于需，以此模型来反映不同时空的供需匹配程度。

2.模型求解

1）构建判断矩阵确定 E，V，M，T权重

通过分析，我们以出租车分布率 E和打车难易程度 V作为反映出租车资源的供给指标，打车需求率 M和抢单时间 T作为出租车资源需求指标。继而采用成对比较的数量化标度方法，构建判断矩阵，从而确定不同因素相对重要性的权值。

接着对所构建的判断矩阵进行一致性检验，使用 matlab 进行求解成对比较矩阵的最大特征值对应的特征向量，并对其矩阵进行一致性检验。最终确定出租车分布 E、打车难易程度 V 对供给 P 的权重;被抢单时间 T 以及打车需求 M 对需求 Q 的权重。

得到结果

结合判断矩阵法得到的属性权重表达式带入建立的供求匹配模型。

由此可以得到北京市市区在不同时间段的供求匹配程度不同，具体情况如下表所示：

ii.选取 这四个不同的时间段，研究北京市郊区的出租车供求匹配程度。如下表为北京市郊区无量纲化数据构成的决策矩阵：

由此可以得到北京市郊区在不同时间段的供求匹配程度不同，具体情况如下表所示：

由各个时间段的供求匹配指标大小与平衡值可差距可以看到，北京市郊区大多数时间段为供小于需，但是与北京市区相比，北京郊区的供求匹配度比北京市區的供求匹配度更好。

3.模型验证

1）将所搜集到的数据导入至 BIGEMAP中，将数据可视化，得到某一时间段北京市区的出租车分布与乘客对出租车的需求

通过数据点的对比我们可以看到北京市市区出租车资源供求匹配程度—— 供大于需，符合模型求解结果。

参考文献：

[1]陆凯锋，郦睿翔.出租车“供求匹配”问题的数学分析[J].技术与市场，2017，24（07）：452.

[2]李富荣，高卓.城市出租车资源供求匹配程度的数据分析[J].海南热带海洋学院学报，2018，25（02）：106-111.

[3]徐蓉，曾胜军，李凯.“互联网+”时代打车软件补贴方案的实效分析[J].科技经济导刊，2018，26（13）：186-187.

（作者单位：华北理工大学）