基于“打车难”的现状分析和打车软件的优化问题

乔振华

摘要：随着人们对出租车的需求量增加，“打车难”就成了当今人们出行所面临的一个重要问题，针对打车难提出了三个问题，即不同时空出租车的“供求匹配”程度、各公司的出租车补贴方案是否对“缓解打车难”有帮助、如何设计合理的打车软件补贴方案，并利用EXCEL和SPSS软件对收集的数据进行建模分析，以提出相应解决方法。最后总结对所建立的模型和求解方法的优缺点给出了客观的评价。

关键词：打车难;建模分析;spss软件

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）10-0254-03

出租车作为一种重要的交通工具，每日承担了大量载客运输工作，而由于城市人口规模以及出行率的扩大增加，人们对出租车的需求也逐渐增加。在路段拥挤的时候，上下班的高峰时期，节假日以及遇上恶劣天气都会使出租车的需求量增加，使其供不应求[1]。“打车难”的问题也因此变成了热点问题。近几年由于各种打车软件的兴起，给予打车各种补贴优惠等政策，使近几年的“打车难”的问题得到一些改善，但是仍然没有解决这一问题[2]。因此从出租车供需平衡机理出发，基于对影响出租车供给与需求因素的分析，来对出租车供给机理和需求机理展开研究。

1 研究问题及解决办法

随着“互联网+”时代的到来，有多家公司依托移动互联网建立了打车软件服务平台，实现了乘客与出租车司机之间的信息互通，同时推出了多种出租车的补贴方案[3]，以此通过搜集相关数据，利用数学模型对如下相关问题进行研究分析：不同时空出租车资源的“供求匹配”程度、各公司的出租车补贴方案是否对“缓解打车难”有帮助、新的打车软件服务平台应该设计什么样的补贴方案。

在假定城市的总客运需求量不变、天气问题都正常、交通环境稳定，没有遇到事故以及道路维修等问题（不考虑节假日时候得客流量），针对这三个问题，分别提出不同的解决方案：

对于问题一，首先对相关数据进行收集，并利用EXCEL和SPSS软件对车的“满载率”和出租车“某一时间段的工作效率”，以及某时段出租车营业所走的路程等进行数据分析和处理，得出它们之间存在的函数关系，然后根据复合函数等关系用层次分析法建立线性规划模型[4]，得出影响“供求匹配”的因素。

对于问题二，首先对出租车公司的补贴方案进行收集，然后用SPSS对相关数据（车补;油补，福利;没打着车的人数;工作效率;车的满载率;活动金额）进行数据拟合，找出没打着车的人数与车补，油补等之间存在的相关性来判断公司的出租车补贴方案是否对“缓解打车难”有帮助。

对于问题三，详细分析造成打车难的各种原因和补贴方案所能对其做出的改变，预测可能带来的结果。比如从出租车司机可能产生的心理现象分析，建立合理的补贴方案，对于偏远地区的出租车司机采取奖励制度，让出租车司机不会拒载距离较近的乘客。

2 模型的建立与求解

2.1出租车的“供求匹配”问题

出租车资源的“供求匹配”程度分两个方面，出租车的供需平衡和乘客的需求平衡[5]。出租车的出行总量V直接影响出租车流量F的变化，乘客等待的时间t直接影响出租车的服务水平S，等待的时间越长，即t越大，服务水平S越差;从而间接影响了出租车的需求量。继而得到以下方程：

乘客的需求量与乘客的出行次数A有关，乘客的出行次数越高，对出租车的需求量越大，即：

一般情况下，乘客候车时间越长，就认为出租车服务水平越差;相反，则认为其服务水平越高 ，因此候车时间t与服务水平S成反比例关系。得到下图：

2.1.1出租车工作效率

若忽略乘客的等车时间，则车辆利用率即为某一时段的可载出租車数与乘客所需出租车数的比值。可用公式：

2.1.2车辆满载率

车辆满载率则由某一时间段以及空间内得载客车辆数和所经过得出租车总数决定的[6]。则有

对于这一指标，出租车的满载率决定了出租车的运载能力，若出租车载客率低于70%，限制出租车运力增加;若高于70%，则会使出租车运力增加。根据这两个指标的建立，将出租车资源的“供求匹配”程度分为三个等级：高（出租车工作效率在40%～60%，车辆满载率在70%以上）、中（出租车的工作效率在60%～70%、30%～40%之间，车辆满载率在30%～70%之间）、低（出租车的工作效率在70%以上或30%以下;车辆满载率在30%以下）

2.1.3模型求解

分析不同时空出租车资源的“供求匹配”程度，以北京、长春为例。

（1）北京属一线城市，外来人口较多，居于全国首位，对出租车的需求量较多、消费比较高[7]。

所以要在北京主城区不同地方取10辆出租车进行研究，并且5号6号均在北京市中心，而从1号到5号，6号到10号出租车均离市中心较远，以保证每辆出租车所在地对其需求量都是不同的。

用spss软件对出租车的工作效率以及车辆满载率进行分析，绘制出三个时间段的工作效率和车辆满载率的分布图，并求出其函数的曲线图如下图所示。

通过c语言编程计算该数据，得到以下结果：

在凌晨1：00-3：00时分出租车的工作效率为19.52%，车辆满载率为32.88%。凌晨出租车较少，乘客也很少。这个时候出租车的满载率低，空载率比较低，乘客打车也比较方便。但是对于出租车的经济收益却很低，供求匹配程度较低。

在7：00-9：00时分，出租车的工作效率为80.96%，车辆满载率为75.1%。出租车的利用率较高，这一时间段是上班的高峰期，车辆的载客率很高，则会导致很多乘客打不到出租车，就会出现供不应求的现象。这时供求就会失衡。供求匹配程度为中。

在11：00-13：00时分，出租车的工作效率为61.35%，车辆的满载率为75.19%。这一时间段外出的人较少，出租车的工作效率与满载率都在正常范围内，因此此时出租车的供求匹配程度较高。

（2）针对长春采用和上诉同意的方法搜集数据并整理得出：

长春凌晨一点到三点时分出租车的工作效率为11.32%，出租车的满载率为22.42%。出租车的工作效率和满载率都比较低，此时的供求匹配程度低。

在上午7：00-9：00的时候，出租车的工作效率为61.19%，出租车的满载率为54.89%。这个时候是上班高峰期，塞车情况很严重，导致出租车的满载率较低，严重影响了出租车运力的增加，但是出租车的工作效率是趋于稳定的，供求匹配程度为中。

在中午11：00-13：00的时候，出租车的工作效率为46.47%，出租车的满载率为48.25%。根据数据显示，中午乘客出行率低，搭乘出租车的人数较少，人们能很快打到车，但是无法满足出租车工作的经济效益。供求匹配不均衡，匹配程度为中等。

根据以上两个实例的计算，可以看出，在凌晨出租车的需求量很少，出租车的经济效益很低。但在上下班的时间，对出租车的需求量很大，属于供不应求，而且塞车就会影响乘客的行程，乘客等待时间过长就会选择其他出行工具代替出租车，这样对乘客的需求有所缓解，但是对出租车的工作效率和经济效益有很大的影响。

2.2各公司的出租车补贴方案对“缓解打车难”的影响

“打车难”一直是社会上一个热点问题，油价的上调限制了出租车的出车率[8]。国家出台了一些政策对其进行改善，有了明显的效果[9]。各出租车公司也对这一问题提出了自己的解决方法。各个出租车公司对出租车的补贴是不同的。

针对长春市的各个公司对出租车司机的金额补贴进行数据收集，经过分析可以得出：油补很高，车补不是特别高，就会增加出租车的出车率，就会很大程度地缓解了“打车难”的问题;如果车补较高，油补较低，这样会使出租车的出车率严重下降，影响乘客乘坐出租车;如果油补比较高，虽然已接近标准比值，车补的金额在可行范围内，但是根据公司利益出发，这种方案影响了公司的收益且其对“打車难”的影响力并没有很高，因此不是很合理。

2.3创建一种能够解决打车难问题的补贴方案

（1）新创建的打车软件补贴方案如下：

①每单给予司机补贴5元，乘客补贴5元。

②司机每日在城市各个城区分别完成订单10次，当天获得50元补贴。

③每一月季度下，司机被举报拒载次数小于等于5，有一百元补贴。如被举报次数，超过50次，则停止该司机使用打车软件1周。

（2）对该打车软件的合理性进行论证

在城市的某一范围内，乘客所需要乘载的出租车的数量超过了此地可以载客的出租车的数量，从而造成乘客打不到车的情况[10]。

实际中，出租车司机往往会根据不同地段进行载客的利润差异而选择报酬好利润高，乘客密度大，不堵车的地段。因此新制作的打车软件需要通过它针对出租车司机载客不同情况所给予的奖励或惩罚制度改变这一打车难的现象。

对于经常处在生意好的地段的出租车司机，新的补贴方案规定：如果出租车司机能够一天内在不同城区开车进行载客，并使用此款打车软件进行记录，每当记录数达到一定的接单数，将给予司机一定的补贴。例如将城市S分为A，B，C，D，E五个城区。如果司机能在一天内的这五个城区各能接单10个及以上，则给予该出租车司机50元的补贴。这种补贴的政策将能有效地解决出租车司机只在生意好的固定地区开车，从而造成个别生意不好较偏僻的地方的乘客打车难的问题[11]。

3 模型的评价

3.1模型的优点

①该模型的建立将复杂的问题数学化，建立的模型简单明了，便于使用数学工具进行求解。而spss软件的运用使问题更加清晰化，缩短了运行时间，提高了工作效率。

②对于建立的模型从不同的时间空间上进行模型的求解，使得出的答案更加具体化，更具有代表性。

③从社会效益和经济效益对问题进行了分析，也表现出现实生活中政府在寻求两者之间的平衡中做出的努力。

3.2模型的不足

该模型并未将天气因素和节假日因素考虑进去，天气恶劣以及节假日时乘客对出租车的需求量会很大。如何解决这一特殊时间点出租车的使用没有具体体现出来，尚待改善。

符号说明：

Pi——出租车某一时间段的工作效率 （i表示1（1：00-3：00）;2（3：00-5：00）……12（23：00-1：00））

An——某时段出租车营业所走的路程（n表示第n辆车  i=1、2、3……）

Bn——某时段出租车一共走的路程（n表示第n辆车  i=1、2、3……）

Ci——某一时段载有客人的车辆数（i表示1（1：00-3：00）;2（3：00-5：00）……12（23：00-1：00））

Di——某一时段的出租车总量（i表示1（1：00-3：00）;2（3：00-5：00）……12（23：00-1：00））

S——出租车的服务水平    W——车辆满载率   Q——油补金额       V——出租车的出行总量

E——没打到车的人数      t——等待时间    A——乘客出行次数    M——车补金额

参考文献：

[1] 杨泽民，石怡.基于数学建模的城市出租车供需分配方案设计[J].山西大同大学学报（自然科学版），2016，32（3）：1-4，16.

[2] 陈丽璐，聂文惠.基于出租车数据的载客热点与打车热点研究[J].计算机系统应用，2019，28（4）：32-38.

[3] Borowiak C，Ji M S.Taxi co-Ops versus Uber：Struggles for workplace democracy in the sharing economy[J].Journal of Labor and Society，2019，22（1）：165-185.

[4] 侯瑞.基于SPSS因子分析法的公共服务水平评价[J].科技与创新，2019（6）：35-37.

[5] 汪芸芳，陈丽华，吴祈宗.城市非高峰期动态出行交通网络均衡[J].数学的实践与认识，2015，45（21）：7-13.

[6] 吕纪荣，刘昕，关凯霖，等.“互联网+”时代的出租车资源配置[J].现代电子技术，2017，40（2）：69-72，77.

[7] 于左，高玥.出租车行业规制的困境摆脱及其走势判断[J].改革，2015（6）：119-129.

[8] 何林海.概率统计学中数学建模思想的融入分析[M].北京：科学出版社，2007.

[9] 冯净，袁国强，李盼道.打车软件利弊及其发展策略[J].合作经济与科技，2019（6）：84-86.

[10] 周光伟.打车软件的应用对出租车行业的影响及对策分析[J].交通财会，2014（8）：68-72.

[11] 贺银凤.从“打车软件”的兴起看出租车管理体制改革的必要性[J].经济论坛，2015（4）：144-147.

【通联编辑：唐一东】