出租车供求匹配度_范文大全

出租车供求匹配度

【范文精选】出租车供求匹配度

【范文大全】出租车供求匹配度

【专家解析】出租车供求匹配度

【优秀范文】出租车供求匹配度

范文一:出租车供求匹配系数 投稿:夏燮燯

指标 道路网密度 (KM/KM)

权重

0.1

出租车万人拥有 量(辆/万人)

0.1

出租车公交出行 结构比重

0.1

里程利用率

0.2

出租车空载率

0.2

乘客等车时间 (min)

0.3

指标值 7-9 6-7 5-6 4-5 0-4 0-10 10-20 20-30 30-40 >40 0.0-0.05 0.05-0.1 0.1-0.2 0.2-0.3 0.3-0.8 >0.8 0.7-0.8 <0.7 0-0.2 0.2-0.3 0.3-0.4 0.4-0.5 0.5-1.0 <2.5 2.5-5.0 5.0-7.5 7.5-10 >10

功效系数 1.0 0.8 0.7 0.6 0.5 0.5 0.7 1.0 0.7 0.5 0.5 0.7 1.0 0.7 0.5 1 0.7 0.5 0.5 0.4 1.0 0.7 0.5 1 0.8 0.7 0.6 0.5

范文二:互联网+-时代出租车供求匹配程度的评价 投稿:邓毪毫

第38卷 第2期2016年04月

河北联合大学学报(自然科学版)

JournalofHebeiUnitedUniversity(NaturalScienceEdition)

Vol38 No2Apr.2016

文章编号:2095-2716(2016)02-0117-04

“互联网+”时代出租车供求匹配程度的评价

周勇君1,蒋迪1,祝源1,杜丽萍2

(华北理工大学数学建模创新实验室,河北唐山063009;华北理工大学理学院,河北唐山063009)1.2.

关键词:打车软件;供求匹配;运营规模;遗传算法

摘 要:针对“互联网+”时代出租车资源“供求匹配”程度问题,基于空载和实载2个指标的特

征,建立了不同时空出租车运营平衡模型。针对运营平衡模型的结构特点,将其转化为最优化问题,利用遗传算法进行求解,反映出了出租车规模、出租车在各交通区域的平均搜索时间和各交通区乘客的等待时间的关系。最后,以北京市为例,对模型进行检验,分析结果表明,该模型与算法具有有效性和可行性,有效地分析了北京市出租车的供求匹配程度。

+中图分类号:U492.434 文献标识码:A

出租车是市民出行的重要交通工具之一,“打车难”是人们关注的一个社会热点问题。随着“互联网+”时代的到来,多家公司依托移动互联网建立了打车软件服务平台,乘客只需在安装了打车软件的移动端上发布打车信息,出租车通过该软件可查看到区域内所有具有打车需求乘客的位置及打车信息,实现了乘客与出租车司机之间的信息互通,这完全区别于传统出租车驾驶人凭个人经验来搜索乘客的行为。打车软件使得乘客的需求与出租车的供给相对透明,提高乘客打车成功率,降低驾驶人空驶距离,因而对公共交通具有十分重要意义,也有利于提高出租车与乘客的供求匹配度。本文通过调查出租车叫车状况及消费者的满意程度,建立合理的指标,并分析不同时空出租车资源的“供求匹配”程度。

1打车软件对搜索行为的影响分析

打车软件使驾驶人能明确区域内需求分布,不再凭借主观意识搜索乘客,选择方式改变。为此,本文基其出行起终点服从于打车软件对搜索行为的改变建立模型。对出租车行驶形式分为载客与空驶2种状态,

1]

于乘客的OD出行需求[。由于明确乘客需求的分布情况,根据调查,驾驶人不在试图“最短时间内到最有可能存在最大需求的地方”,而是遵循“最短时间内到达有需求的地方”的原则。如图1所示,空载出租车在

假设距离较近的B区有1名乘客,A地决定前往某个地区进行搜索行为,C、D、E处分别有10、20、30名乘客,此时驾驶人为了降低空驶距离,较可能选择距离较近且存在乘客的B区,并与该乘客达成意向,通过最

短路径直接驶往该乘客处,该搜索路线为A→B

图1出租车搜索路径选择

收稿日期:2015-12-04 修回日期:2016-03-18

不考虑驾驶人选择继续在j区选择乘客,即i≠j。为了量化这一选择  假设驾驶人在j区完成服务后,

假设驾驶人选择行为的随机性满足二重指数分布,在j区的空驶出租车选择存在需求的i区的概率行为,

Pji为

ejiωi               Pji=-t+

ejkωk)∑k∈I

-(t+)

(1)

式中ωi为在i区内部达到乘客处所需的平均时间,即出租车的平均搜索时间。

2供求匹配模型的建立

2.1 供求关系守恒分析

假设路网G(,其中V为交通区域集,V,A)A为有向路段集,i和j分别为乘客出发区域集和到达区域集。i,载客车辆从除区外的i区到达j区,以满足目的地为j区的需求,并在jjV。在供需平衡状态下,区转变为空驶状态,即

               i∑IDij=Dj

(2)

式中Dij为从i区出发到达j区产生的载客需求量;Dj为j区产生的空驶交通量。

载客车辆在j区完成运输转变为空驶,再从j区通过打车软件搜索到乘客,在空驶状态下,以概率Pji驶向下一个i区并接到乘客,则出租车从j区到i区的空驶交通量qvji为

               qji=DjPji=i∑IDijPji

(3)

不考虑出租车在一个区域停留的情况,达到某区后随即进行下一轮搜索并离去,某区域对出租车的吸引量等于该区域出行的产生量,即出租车以最短路径从j区以空驶状态达到i区,并在该i区转变为载客状即态。从j区到达i区的空驶车辆之和为i区出行总量,

              Oi=∑∑DijPjiqji=∑JJiI

j∈

j∈

(4)

2.2 运营时间守恒分析

出租车总运营时间为总载客时间及总空驶时间,总载客时间q0可表示为              q=∑∑Dijtji

iIJ

∈j∈

(5)(6)(7)(8)

总空驶时间可表示为

vv

              q=∑∑(ωi)qjitji+iIJ

∈j∈

因此出租车的总运用时间可表示为

0vv           q+q=q=∑∑Dijtij+∑∑(ωi)qjitji+iIJiIJ

∈j∈

∈j∈

在固定时间内,如以1h为统计时间,根据运营时间守恒,则有                 q=N式中N为出租车规模,即研究范围内出租车总运营车辆数。2.3 供求匹配模型的建立

联立式(与式(得到平衡状态下使用打车软件进行搜索乘客的出租车运营匹配平衡模型,即4)8)∑DijPji=Oi∑qji=∑

j∈Jj∈Ji∈I

             v

=N∑∑Dijtij+∑∑(ωi)qjitji+i∈Ij∈Ji∈Ij∈J并且数量等于出发区域数。

(9)

由式(可知,在既定的路网条件及出租车需求下,该模型变量为出租车在各区域的平均搜索时间ωi,9)

2.4 乘客平均等待时间的确定

乘客的等待时间应从与驾驶人约定开始直到出租车抵达乘客处结束。对出租车而言,从j区到达i区的平均行程时间以及在i区的平均搜索时间之和构成了乘客的等待时间。因此i区的乘客平均等待时间为

Wi

∑tji

                  Wi=ωi+

n1-1

其中n1为交通区域数。

(10)

3供求匹配模型的求解

方程组(是一个典型多元非线性方程组,且方程组包含n1+1个方程,变量数为n1个,故该模型不存9)在唯一精确解,利用遗传算法求其解析解,将式(转化为9)

∑qji-Oi=0j∈J

           v

Dijtij+∑∑(-N=0∑∑ωi)jitji+qiIJiIJ∈j∈∈j∈设err为绝对误差值,有

(-N|          err=α|∑|∑∑Dijtij+i∑I∑ωi)qji-Oi|+qjitji+βi∈Ij∈J∈j∈Jj∈J

(11)

(12)

式中α、和式(绝对误差对总体误差的待定权重。于是模型从守恒方程组转换为伍约束4)7)β分别为式(

最优化问题,即

Dijtij+∑∑(-N|         minerr=α|∑|∑∑ωi)qji-Oi|+qjitji+βJiIJiIJ

j∈

∈j∈

∈j∈

(13)

4模型的求解与检验

以北京西城区、东城区、海淀区、丰台区、朝阳区5个区域出租车数据为基准,根据打车软件出租车实时分布统计出5个城区出租车出行需求的OD矩阵如表1所示,OD最短行程时间如表2所示。

表1 北京市的OD矩阵

区域海淀区丰台区东城区西城区朝阳区

120162170110562

168175189667

188254818

134683

677

海淀区

丰台区135

东城区155221

西城区182202165

朝阳区145177199156

Oi

6177206946896873407

Di

可确定最短行程时间,结果如表2所示。  假设驾驶人在交通区之间的路径为最短行程时间的路径,

表2 OD间最短行程时间

区域海淀区丰台区东城区西城区朝阳区

15301754

254030

4828

63

海淀区

丰台区15

东城区3025

西城区174048

朝阳区54302863

通过设定不同的出租车规模N得到不同区域的平均搜索时间,利用遗传算  根据上述5个城区的数据,

珔,法求得全局最优解,确定了每个交通区域的平均搜索时间以及5个区域的总体平均搜索时间ω其中

计算结果如表3所示。5,α=β=0.

表3 各区域平均搜索时间

7008009001000

ω1

0.48980.44350.38890.3345

ω2

0.64630.62230.56470.4189

ω3

0.75470.73210.72120.6998

ω4

0.70940.68890.65540.6324

ω5

0.44560.43320.41180.3655

珔ω

0.60910.58400.54840.4902

随着出租车规模的增加,各区域平均搜索时间呈下降趋势。利用式(计算出10)  通过对表3的分析可知,

乘客的平均等待时间,如表4所示。通过对表4的分析可知,随着出租车规模的增长,乘客的平均等待时间逐渐缩短,但降低幅度不明显,这主要是由于交通区间行程时间较长造成的。在既有路网结构下,可通过增加出租车规模来缩短乘客等待时间。

表4 各区域乘客平均等待时间

7008009001000

ω1

8.76948.25617.98547.3542

ω2

8.95328.77568.23227.4546

ω3

10.327010.11459.89779.5523

ω4

10.743010.321010.10129.8897

ω5

7.36907.11416.95686.2144

由于采用打车软件的方式,在乘客下订单后,其等待出租车接单并且最终坐上  对于供求匹配程度来说,

车的这一段等待时间就成了衡量出租车资源供求关系匹配程度的重要标准。而本文建立的出租车运营平衡模型能够很好地分析这一匹配程度。

5结论

(据供求关系守恒和运营时间守恒,结合遗传算法求解出租车平均搜索时间和乘客平均等待时间。1)(以北京西城区、东城区、海淀区、丰台区、朝阳区5个区域出租车数据为例,检验结果表明,该模型基2)

本上达到了预期的效果,提高了出租车接单率,缩短了乘客的等待时间。参考文献:

[出租车运营影响的城市混合交通网络均衡分析[长沙:中南大学,1] 罗端高.D].2009.[张艺娜,王超.信息不对称角度下的出租车空载率成因分析[高等函授学报(自然科学版),2] 孙伟杰,J].2013,02:15-17.[滴滴快的智能出行平台[/OL]//v./,3] 苍穹.EB.http:kuaidadi.com2015-09-12.

EvaluationofTaxiSupplyandDemandMatchingDegreeinInternetPlusEra

ZHOUYong--jun,JIANGDi,ZHUYuan,DULiping

(1.InnovationLaboratoryofMathematicalModeling,NorthChinaUniversityofScienceandTechnology,TangshanHebei063009,China;

2.CollegeofScience,NorthChinaUniversityofScienceandTechnology,TangshanHebei063009,China)

Keywords:softwareforhailingtaxi;supplyanddemandmatching;operatingscale;geneticalgorithmAbstract:AimingattheproblemofsupplyanddemandmatchingintheInternetplusera,establishedthemodeloftaxioperatorsindifferenttimeandspacebasedonthecharacteristicsofthetwoindexesofidleloadandactualload.Accordingtothestructurecharacteristics,themodelistransformedintotheoptimi-zationproblem.Thenusinggeneticalgorithmtosolvetheproblem,whichreflectstherelationshipbetweenthesizeofthetaxi,theaveragesearchtimeandthewaitingtimeofthepassengers.Finally,takingBeijingCityasanexampletobetested.Theanalysisshowsthatthemodelandalgorithmareeffectiveandfeasi-ble,anditalsoeffectivelyanalyzedthedegreeofthematchingofsupplyanddemandofBeijingtaxi.

范文三:“互联网+”时代出租车资源“供求匹配”程度的合理性 投稿:彭惿愀

【摘要】 “互联网+”时代的出租车资源配置影响巨大,本文通过时间段因素模型、熵权模型、出租车数量最优化的模型的建立,深刻分析了出租车资源配置在不同时空的供求匹配程度。本文根据杭州市连续四年最佳出租车供应数量和“资源配置”优良程度,利用函数关系求得该市的配备程度为0.61,即供应小于需求,从而得到了出租车资源供求匹配程度不合理。

  【关键字】 互联网+ 供求匹配

  一、时间段因素模型

  为了解决不同时刻出租车资源的“供求匹配”程度,本文建立了时间段因素模型。由于不同时间的客流量是不同的,凌晨0点之后到早上6点,这段时间内出行极少,对出租车的需求量也很低;另外,晚上8时到10时这个黄金时间段,虽然就要进入休息时间段,由于现代化的生活模式,该段时间外出的乘客居多,因此对出租车的需求量也比较大。按照客观实际生活模式,将一天的时间段合理地划分为6段,虽然每段时间是不均匀的,但是能非常合理地描述居民生活状态,符合客观实际。

  采集2014年6月该城市需要打车的人数随着时间变化的曲线图,为了方便研究,将离散数据连续化,利用Matlab软件将数据进行差值拟合,得到该城市某天的出租车需求与时间的关系图,如图1:

  接着根据调查得到数据,得到公司不同时间段运营出租车数量,利用差值拟合,求出公司工作车辆与时间之间的变化函数,并得到一天中公司不同时间段投入运营车辆特征图如图2所示:

  由于不同时间段居民出行人数与公司运排的出租车数量有较大的差异,引入打车困难度Y:

  接着,对打车困难度进行相应的等级划分,

  一级:75%-100%,顺利打车程度:困难;供求匹配程度:供不应求;

  二级:50%-75%;顺利打车程度:不易;供求匹配程度:供应稍紧张;

  三级:25%-50%;顺利打车程度:较易;供求匹配程度:较合适阶段;

  四级:0-25%; 顺利打车程度:容易;供求匹配程度:供大于求。

  分别带入各时间段数据,求出该城市分时间段出租车“供求匹配”程度。

  分析:用Matlab对杭州市的运营车辆和出行人数各个分段函数分别求相应的积分带入模型求得杭州市的打车困难度Y=0.3681,根据上述等级划分可以判断出该城市处于第三等级,顺利打车程度较易,供求匹配程度较适合阶段。

  2.熵权模型

  城市规划中按照不同功能将城市化分为区,每区的人群不同导致直接选择交通工具、出行频率等均不相同。将出租车需求区域化因素加入,对该城市展开不同地区的划分。

  由数据经验分析可知:替代商品(主要考虑公交车)、出行强度、平均每两出租车里程利用率、平均等候时间、出租车空载率为影响出租车供求的主要因素,以上述5个影响因素为主要指标,对不同区域出租车供求建立熵权模型。

  公交车(辆):25.64% ;出行强度(平均每天次数):2.71%;里程利用率:1.87%;平均等候时间(分钟):53.58% ;空载率:16.2%

  根据以上指标分析,可以分别求出各个地区的综合考评值,综合考评值如下所示:

  分析:根据上述表格,利用熵权法能够得到不同地区的出租车数量安排比重,根据上表得到地区安排出租车数量多少为生活区〉行政商业区>高校科研区>生产工业区>对外交通运输区>郊区。由于行政商业区,消费者较多,所以安排的出租车数量最多,而郊区由于去的人相对较少,安排的出租车数量最少,也合实际情况。

  三、基于出租车数量最优化的模型

  其中,Z为第i年的前一年末该地区总人口。

  资料查找及收集得到:出租车的客流量有90%分布在每天的5时至21时,该城市第i年出租车最佳数量即城市出租车需求量Ki应该为:

  其中HH为每辆出租车的平均运载量、x为某个公司出租车的出勤率。

  分析:通过查询数据,得到浙江省杭州市2011―2014年每年城市出租车需求量。得到这几年实际的出租车平均数量为59858,根据上述模型带入数据求得最佳平均数量为98199,得到均衡程度为0.61,比较得到在该市顾客需求的出租车数量和出租车公司实际提供的出租车数量不能达到相对均衡,即:供应  总结分析:通过三种模型的对比分析,进一步的,为了求得供求匹配程度,建立出租车数量最优化模型并与实际数据比较,得到供求匹配程度为0.61,供应  结语:通过本文分析,我们发现“互联网+”时代的出租车,资源的“供求匹配”程度为0.61,匹配程度不佳。本文为了简单,选取杭州市不同时间、空间进行划分,具有一定的局限性。然而将这些模型调整不同的弹性参数,模型能够广泛地推广应用于不同城市资源分配问题,对资源利用、规划等问题都提供一个详细的标准。

  参 考 文 献

  [1] 百度百科:http://baike.baidu.com/

  [2] 陈宁宁,徐伟嘉,宁洪涛《城市交通管理中的出租车规划》[J] 数学的实践与认识 2006年7月,Vol.36 No.7,Page113-120

  [3] http://www.google.cn/maps/@

  [4] 谢赤,钟赞,《熵权法在银行经营绩效综合评价中的应用》[J] 中国软科学 2002年 第9期,Page107-110

范文四:城市出租车供求匹配问题分析 投稿:吕脖脗

【摘要】本文研究的是城市出租车资源供求匹配问题。在“打车难”这一社会热点问题上,通过建立相应的数学模型,对出租车的供求匹配情况进行探讨。首先确定出影响出租车供求关系的因素有哪些,然后通过主成分分析确定几个关键变量展开研究。在确定一个较为合理的匹配度之后,通过建立模型,进行数据训练,使得输出量与目标逼近,做出误差图以及预测曲线,建立RBF神经网络模型,衡量不同时空的出租车供求匹配程度,从而对现实的供求匹配程度进行衡量。

  【关键词】供求匹配 神经网络 数据训练

  四、模型检验

  模型是RBF网络模型,其要素在于网络训练的精度,步数,神经元数目的设置和spread的设置。在本题中,初始设置spread=1.2,goal=0.0001,mn=20,得到performance=3.515*10^-19。

  Spread在网络的训练中占有很大的比重,Spread在网络中越大,则训练速度越快,而spread越小,则遍历性更好,可以更好地画出均方差的图像曲线。在画出训练方差与训练步数图之后,对网络进行测试,将网络输出和期望值随输入变化的曲线绘制在同一张图,以检验网络设置是否能够做到函数逼近。通过这种方法可确定模型建立是合理的。

  五、模型评价及推广

  RBF神经网络结构简单,有较快的速度,可以按照方差精度需求来设计,也可以实现任何复杂非线性映射,特别适合于求解内部机制复杂的问题。但RBF神经网络训练也有不足的地方,它有一个极限,到达极限的时候随训练能力的提高预测能力反而下降,即出现“过拟合”现象。但该模型在衡量与优化出租车供求匹配问题具有很高的可行性,模型体现了“互联网”时代的信息沟通优势,对于优化出租车资源配置、解决出租车供求匹配问题具有一定积极作用。

  参考文献:

  [1]冯晓梅.供需平衡下的出租车发展规模研究.[D].西南交通大学.2010.

  [2]神经网络理论与MATLAB7实现.[Z].飞思科技产品研发中心.

  [3]姜启源,谢金星,叶俊.数学模型.[M].北京:高等教育出版社.2011.

范文五:2015全国数学建模B题第一问模型:分析不同时空出租车资源的“供求匹配”程度 投稿:沈乐乑

模型建立

出租车资源的“供求匹配”程度实际就是出租车的合理规模,而合理的规模是由供与需的关系决定的,当供需平衡时显然匹配程度高,供大于求或者供小于求都表示匹配程度低。因此我们从供需平衡理论出发,试图建立描述出租车资源的“供求匹配”程度的模型。然后选取几个具有代表性的城市出租车数据,用我们的模型进行分析,以此模拟全国出租车资源的“供求匹配”程度。

1.1出租车供需平衡关系分析

当需求量与供给量达到一致时,即处于均衡状态,而这个量就称为供需平衡量,也 是一个最佳量。

本文借鉴供需平衡理论的原理,对出租车供需关系进行分析。

出租车供需平衡关系分析模型:出租车流量F是关于出租车服务水平S与出租车出 行总量V的函数,即

F=f(S,V) (1.1)

由出租车客运需求与供给的基本关系可知,当出租车供给量T和乘客出行次

数A均为常数(即令T一几,A一而)时,就有唯一的解S*和V*。由式((1.1)得出一 个确定的出租车流量:F*=f(S*,V*).S*和V*可通过下面的方程组得出:

(1.2)

因此,出租车流量F*实际上是由To和A0决定的。所以可以将F,写成:

(1.3)

图1.1描述了这种关系,在一般情况下,乘客主要关心的是候车时间,候车时间越长,乘客就认为出租车服务水平越差;相反,候车时间越短,就认为其服务水平越高,

因此,出租车服务水平S常用候车时间的倒数又1/t表示。由于候车时间比较直观,所以 常用候车时间t代替服务水平S。则式(1.2)中的函数J, D分别改写为:

(1.4)

因为候车时间t和服务水平S是成反比的,所以候车时间t对出行总量V的曲线形状 也发生了变化,如图1.1所示。

图1.1出租车供需平衡关系

1.2出租车供需平衡的动态关系分析

1.2.1出租车在城市客运交通系统中的供需平衡分析

城市客运交通需求与供给受城市经济的发展、城市人口及规模等多种因素的影响, 当城市客运交通供需情况发生变化时,若城市客运交通需求量下降,出现城市客运交通 供过于需的局面,出租车客运需求量也势必随着下降,则出租车供给量超出需求量,出 租车空驶率上升,导致出租车行业利润下降,部分出租车将退出出租车市场;若城市客 运交通需求量上升,出现城市客运交通供不应需的局面,相应的出租车也势必会承担一 部分供给不足的部分,出租车需求量上升,出租车空驶率随之下降,出租车行业利润上 涨,刺激市场增加出租车的供给。以上两种变化无论哪种变化,出租车市场和整个城市 客运交通的需求与供给最终都会达到新的平衡,出租车系统在城市客运交通系统中的供 需平衡原理见图1.2所示。

图1.2城市客运交通系统供需平衡分析图

1.2.2出租车自身系统内部供需平衡分析

假定城市的总客运需求量不变,则出租车系统内部,严格控制出租车供给量,出租 车供给量下降,出租车空驶率也随着下降,当供给量满足不了需求量时,将会出现服务 质量下降的问题,如乘客打车难、等待时间长、出租车司机拒载等,出现这些问题后, 乘客就会考虑选择其他出行方式出行,导致出租车客运需求量下降,从而使出租车需求

与供给达到新的平衡;但若增加出租车供给量,出租车空驶率将随之上升,当供给量增 加到超过客运需求量时,出租车的服务质量将会上升,乘客打车就比较容易、等车时间 较短,从而吸引其他交通方式出行的乘客,出租车客运量将会上升,最后出租车系统内 部再次达到供需平衡。因此,出租车系统供需平衡是一种供需相对的平衡,出租车系统 内部的供需平衡原理见图1.3所示。

图1.3出租车系统内部供需平衡分析图

下面以出租车客运需求与供给和出租车运价的相互作用为例,来说明出租车自身系 统内部的动态供需关系变化。

图1.4、图1.5、图1.6中𝑆𝑡=f(𝑃𝑡−1)表示出租车的供给量。出租车的供给量的变化 主要取决于进入市场的出租车数量和运输能力,因为城市道路在一定时间内是相对稳定 的. 𝐷𝑡=f(𝑃𝑡)表示市场对出租车的需求. 供给量(S,)、需求量(D,)、运价(P,)这三个变量的下标附以时间变量t,表示它们在时间f的值。

在动态分析中,本时期的供给量是由上一期的市场价格和需求决定的。例如,若上 一年运价和需求决定的均衡供给量大于实际的供给量,也就是运能紧缺,因为运价上涨 将导致下一年运输系统能力的增加,反之亦然。

从理论上讲,出租车客运需求与供给和出租车运价的相互作用的动态变化及趋势可 分为3种情况。每一种情况取决于供给曲线的斜率和需求曲线斜率这两者之间的对比关 系,或者换句话说,每一种情况取决于供给的运价弹性和需求的运价弹性这两者之间的 对比关系。

第一种情况,供给曲线S,的斜率大于需求曲线D,的斜率。在此情况下,运价的变

动引起的需求量的变动大于运价引起的供给量的变动,因而任何超额需求或超额供给只 需较小的运价变动即可消除,在这种情况下,运价和交通量的变动的时间序列是向平衡 点收敛的,称为动态的稳定均衡,如图1.4所示。

图1.4收敛的蛛网

第二种情况,供给曲线S, 的斜率小于需求曲线D,的斜率。在此情况下,一旦出现失衡后,以后各年的供不应需和供过于需的波动幅度,都越来越和均衡值相背离,运价

和交通量的变动的时间序列是发散的,称为不稳定均衡,如图1.5所示。

图4.5发散的蛛网

第三种情况,供给曲线S,的斜率的绝对值与需求曲线D,的斜率的绝对值相等。在

此情况下,当初始状态偏离均衡状态后,以后各年的运价和交通量的变动序列,将表现 为环绕其均衡值永无休止的循环往复的波动。如图1.6所示。

图1.6循环往复的蛛网

1.2.3出租车交通供需平衡的判定指标

供需基本平衡、供过于需和供不应需是需求与供给之间存在三种情况。判断出租车 供需是否平衡,主要通过里程利用率和车辆满载率这两个指标来考察。

1.里程利用率

里程利用率是指载客里程与行驶里程之比,可用式(1.5)所示:

里程利用率二载客里程(公里)/行驶里程(公里))x100% (1.5)

这一指标反映出租车的载客效率,如果比例高了,说明出租车行驶中载客比例高, 而空驶比较低,对于打车的乘客来说可供租用的车辆不多,乘客等待时间增加,说明供 需关系比例紧张。如果比例低了,则出租车空驶比例高,乘客租用比较方便,但经营者 的经济效益就要下降。如2014年某市居民出行调查的出租车一日出行调查得到,当

日的出租车平均营业里程为194.89公里/辆,平均行驶里程为357.44公里/辆,则里程利 用率为54.5%。与国际一般标准相当,表明目前该市市的出租车供给量基本满足客运需 求量。

2.车辆满载率

车辆满载率是通过在城区客流集散较为集中的地点选取几个长期观测点,对单位时 间通过道路的载有乘客的出租车数量占总通过出租车数量的比,公式为:

车辆满载率=载客车数(辆)/总通过车数(辆)x 100% (1.6)

在实际操作过程中,通过控制出租车的满载率实现运力与运量的适当平衡,在中心 城市,当出租车载客率低于70%时,限制出租车运力增加;高于70%时,增加出租车运 力,这样对于提高服务质量,满足高峰时运力需求具有重要作用。

4.3基于供需平衡的出租车合理规模分析

4.3.1相关定义

出租车客运周转量:一天内出租车运送旅客数量与运送里程的乘积。

出租车有效行驶里程:出租车载客时的行驶里程。

出租车无效行驶里程:出租车在未载客时的行驶里程。

出租车平均运营速度:出租车全天行驶总里程与运营时间之比。

出租车行驶总里程:出租车在一天中载客时行驶里程与未载客时行驶里程之和。

出租车平均有效车次载客人数:出租车在运营中,平均每次有效行驶时所运载的乘 客数。

出租车平均空驶率:一天中无效行驶里程与行驶总里程之比。

4.3.2建模总体思路

建模的总体思路是:先从需求角度、供给角度选取合适的模型参数,以分别测算需

求角度下的出租车总有效行驶里程和供给角度下的出租车总有效行驶里程。然后,以出 租车总有效行驶里程为供需达到平衡的平衡点,使两个总有效行驶里程相等,以测算城 市出租车合理规模。最后考虑其他因素的影响,对模型进行修正。需要指出的是,模型 的建立是在一定空驶率,即一定服务水平下需求与供给之间达到相对平衡的假设前提下 的。

模型建立的总体思路见图1.4所示。

图1.4建模总体思路

1.3.3模型参数的选取

1.从需求角度考虑模型参数的选取

由影响城市出租车客运需求的因素有很多,其中城市经济水平、城市人口规

模、城市其他出行方式的发展情况、出租车运价等因素密切相关。通过总结分析,选取 城市总人口、人均日出行次数、出租车的分担率、以出租车方式出行时的平均出行距离 及出租车平均有效车次载客人数等参数,这些因素于出租车的有效行使里程直接相关。 其中,城市人口的构成也对出租车客运需求也有很大的影响。由于流动人口对城市 的熟悉程度不如城市常暂住居民,所以其选择出租车出行的几率较大,特别是旅游性城 市。因此,在测算城市客运需求量时,有必要将流动人口与城市常暂住居民分开考虑。

2.从供给角度考虑模型参数的选取

在第三章中可以知道,出租车的供给量受很多因素的影响,特别是政府对出租车发 展的策略及数量管制等一列因素的影响,但这些因素都很难具体量化。所以在这里考虑 了出租车的运输成本对出租车供给的影响,因为在公共交通系统中出租车是具有一定盈 利的性质,带有市场的一些性质,有别于一般公交。

一辆出租车的运输成本可分为两部分:变动费用和固定费用

可以看出变动费用主要与平均运营速度、平均运营时间、有效行驶里程、空驶率有关。

可以看出固定费用主要平均运营时间有关。

通过出租车运输成本的变动费用和固定费用的计算式,可以看出,出租车的平均运 营车速、平均日运营时间、总有效行驶里程和平均空驶率对出租车的运输成本有着直接 的影响,因此从供给角度选取这四个参数。

4.3.4基于供需平衡的城市出租车合理规模模型建立

通过从需求角度和供给角度选取模型参数时,可以发现,出租车的总有效行驶里程 对出租车客运需求量和出租车供给量有着直接的影响。因此,可选取出租车的总有效行 驶里程作为出租车供给量和需求量达到平衡的模型变量,

以建立基于供需平衡的城市出租车

合理规模模型。

1.从需求角度测算出租车总有效行驶里程𝐿有

(1)出租车承担的出行周转量测算

(2)需求角度出租车总有效行驶里程的测算

出租车在运营的过程中,每次载客的人数并不相同。出租车的总有行驶里程按需求 角度为出租车承担的出行周转量与出租车平均有效车次载客人数之商。则从需求角度测 算的出租车总有效行驶里程可用式(1.12)表示。

这里需指出的是,出租车平均有效载客人数并不是一个定值。它随着城市经济增长, 人民可支付能力和消费水平的提高,以及对个人私密性的要求,而逐渐趋小。

2.从供给角度测算出租车总有效行驶里程𝐿有

出租车空驶率是城市政府部门调节出租车供给量的一个重要的参数,且出租车的总 有效行驶里程与其空驶率直接相关。而出租车的空驶率可用下式表示。供给角度的 影响因素可从该式中清晰的反映出。

将其变形得到从供给角度测算的出租车总有效行使里程的计算公式为

3.基于供需平衡的城市出租车合理规模模型

由前所述,根据出租车供需平衡关系可知,当出租车客运需求量与供给量达到平衡

时,此时的城市出租车规模处于最佳状态。在此,以出租车总有效行驶里程作为平衡点, 即当从需求角度测算得到的出租车总有效行驶里程𝐿有与供给角度测算得到的总有效行驶里程𝐿′

有相等时,出租车客运需求与供给达到相对平衡。则有

上式是在一定空驶率的条件下,得出的人们对出租车需求量。

4.对基于供需平衡的城市出租车合理规模型的修正

影响城市出租车的合理规模的因素有很多,建模时仅考虑了其中能操作的和易从数据中获取的相关性强的因素,应用时具有一定的局限性。因此,需对模型进行适当的修正,以提高模型的可信度和实用性。

(1)出租车客源时间分布的差异性

由典型城市的调查所得,出租车的客源在时间分布上存在着明显的差异。可将出租 车的客源在时间分布上分为两个时间段,即出租车运营主要时间段(本文指绝大多数出 租车运营的时间段)和出租车运营次要时间段。该出租车规模将超过出租车运营次要时 间段的出行需求而无法满足出租车运营主要时间段的出行需要。所以,在测算出租车规 模时应满足出租车运营主要时间段所对应的出行量的出行需求,应按照出租车运营主要 时间段的出行需求来测算出租车规模

(2)出租车出车率

从各城市的出租车运营状况的调查情况来看,在城市中并不是所有的出租车都是处 于运营状态的。考虑到一定弹性的因素,一般情况下,一个城市中会有10%左右的出租 车因年检、修理、司机个人情况等缘故而暂停营运,即一个城市在一天中约有90%的出 租车在运营中。

(3)弹性因素

出租车作为城市公共交通系统的不可缺的重要组成部分,随着城市经济的发展和人 民生活水平的提高,其作用越来越不容忽视。因此,在测算出租车合理规模时,必须考 虑一些“弹性因素”(如旅游旺季,定期会议等)及突发情况(如恶劣天气、不定期的 大型公共活动等)出现时对出租车客运需求量的影响。此时的供需矛盾比较突出,对出 租车的客运需求会比平时高许多。

(4)其他相关因素

影响出租车供需变化的因素还有很多,如燃油燃气价格、城市对出租车发展的政策、 城市其他交通方式的建设及服务水平的提高和城市旅游业的发展等等,这些因素的变化 对出租车规模的测算也是不容忽视的。

通过对以上四个方面的分析,本文引入一个平衡系数η,来对模型进行修正。主要 是对弹性因素和其他相关影响的修正,其目的是为了在兼顾到满足出租车企业利润的同 时,让出租车能充分满足人们对出行的需求。η值是应该是一个稍大于1的值,其值调 整得越大,出租车的供给就越能适应在突发情况下对出租车客运需求。但η取值不宜过 大,否则会造成出租车的空驶率过高,给城市交通带来压力,不利于城市交通的健康发 展。鉴于此,本文取η的范围在【1.1, 1.5],则城市出租车供求匹配程度模型为

1.4小结

首先将供需平衡理论应用于出租车供需平衡中,分析出租车供需动态关系,提

出了出租车供需平衡的判定指标,以出租车总有效行驶里程作为出租车客运需求与供给 达到平衡时的模型参数,建立基于供需平衡的城市出租车合理规模模型,并对该模型进 行修正和综合分析。

范文六:互联网时代出租车供需匹配及补贴方案确定 投稿:段筛筜

摘要通过建立出租车供求匹配的长期和短期模型给出了打车软件平台上优化的补贴方案.长期模型中,建立出租车需求量的多元线性回归模型和供应量公式.短期模型中,应用BP神经网络预测每天高、中、低峰的出租车需求量,建立高、中、低峰供应量多元线性自回归模型.以西安市为例,在模型的基础上,通过分析实时数据得出分时段的适用于网络平台的平衡供需的补贴方案.互联网时代的补贴方案依赖于实时更新,广泛全面的大数据,更及时,多样,具有针对性,不仅有效实现了软件平台公司的盈利,也最大可能地满足了乘客,政府,由司机代表的出租车公司的需求,充分发挥了互联网在优化出租车运营方式方面的作用.

  关键词应用数学;出租车供需匹配;补贴方案;神经网络;多元回归

  中图分类号O29,O213,F572文献标识码A

  AbstractBy building long and short term models of matching degree of taxi supply and demand, an optimization of the subsidy scheme on a taxi software platform was determined. In the long term model, a multiple linear regression model of taxi demand and a formula measuring supply were given. In the short term model, BP Neural Network and the multiple regression model were used to measure taxi demand and supply respectively for high, medium and low peak. Taking Xi'an as an example, through the analysis of realtime data, a timedivision taxi optimization subsidy scheme on Internet platform was determined. Based on timely updated, extensive and comprehensive big data, subsidy schemes in the Internet age are more timely varied and specific. Making full use of the Internet in optimizing taxi operation mode, these schemes not only realize profit making of software platform companies, but also meet the needs of passengers, the government and taxi companies to the greatest extent.

  Key wordsapplied mathematics; matching degree of taxi supply and demand; subsidy schemes; Neural Network; multiple regression model

  1引言

  近年来,作为城市客运交通的重要组成部分,出租车业发展迅速,但“打车难”问题也越来越突出.步入“互联网时代”,多家公司依托互联网建立打车软件服务平台,在使乘客与出租车司机之间信息互通的同时推出了比传统补贴方案更及时,更灵活,更有针对性的出租车补贴方案,以期实现出租车需求与供应的调整,获得更大盈利并解决“打车难”问题,因此在了解出租车供求匹配程度的基础上制定最优的补贴方案就具有重要的现实意义.

  传统的对出租车行业的研究主要集中于对城市出租车需求和拥有量的预测.在预测出租车需求方面,以Douglas为代表的国外学者利用较为复杂的数学模型,Douglas(1972)提出出租车的需求是其平均出行费用和平均等候时间的减函数[1],J.Enrique等运用经济学的方法,将出租车客运需求定义为价格的广义函数[2].国内学者提出了一些计算较简单的预测方法并应用于实例分析,黄仕进,杨海等在1999年的改进模型中建立非线性方程和神经网络的模型来表述需求并应用于香港出租车汽车市场[3] [4],徐炜运用多元线性回归方法预测深圳市出租车运力投放[5],卢毅使用神经网络BP算法仿真模拟[6].在预测出租车拥有量方面,陆建(2004)根据城市居民和流动人口出行特征[7],李智宏使用供需平衡法[8],车岚(2006)在大量数据的基础上应用统计回归方法[9].由于数据的限制,这些研究在一定情况下成功地预测了供应量和需求量,适合于较长时间较广范围内对供需状态大致趋势的预测,但不能及时为出租车运营提出有效的有针对的平衡供需措施.

  步入互联网时代,学者又将目光转向了如何利用互联网平衡供需,优化出租车运营方式.李伟丽等(2015)[10],刘佳倩等(2015)[11]分析了北京市不同经济分区和一天不同时段的出租车资源配置,研究的时空范围更加精确并提出了比较粗糙的平衡供需的补贴方案.戚蓓蓓等[12],陈丽贞[13]等分析了打车软件上推出的补贴方案对平衡供需的作用.但同时,互联网时代的到来也对出租车行业发展提出了新的挑战,张朝霞(2015)[14]指出了原有的出租车行业管理体制在互联网时代的不足,肖沛然(2015)[15]指出互联网专车服务在打破出租车行业垄断的同时将促进整个行业的深层次改革.这些研究填补了传统供需平衡研究的空白,打车软件的出现使得实时数据的获取成为可能,据此可以得到具有高实效性的供需状态预测,进而对不同区域在不同时刻借助提出多样的补贴措施以平衡供需.但这些研究只分析了互联网和已有的补贴措施在平衡供需方面的效用,没有提出如何制定不同情况下的适用于网络平台的补贴方案,未能最大发挥互联网在优化出租车运营方式方面的作用.   建立长期和短期的供需平衡模型,以西安市为例,应用长期模型从总体上把握西安市出租车供需平衡状态,然后根据短期模型定量分析西安市出租车实时的供需状态,在此基础上,应用神经网络方法给出适用于打车软件平台上的随时更新的出租车优化“补贴”方案,希望能对出租车运营管理和城市交通管理提出有效的建议方案.

  2出租车供需模型

  2.1相关定义

  根据数据特点,对应长期和短期供需关系模型,分别采用长期和短期两种方式定义需求量、供应量及供求匹配程度.长期定义以年为单位变化,主要体现宏观经济指标对供需平衡的影响,短期定义针对每一时刻,主要体现每时每刻交通状况对供需平衡的影响.

  2.1.1长期定义

  长期模型是通过城市宏观经济特征和居民出行特征来预测出租车供需状态,进而给出相应变量定义及单位.

  需求量:每年出租车承担的出租车乘客人数和尚未被满足的潜在出租车乘客人数之和,单位“万人次”.

  供应量:当年运营出租车可以承担的出租车乘客数量,单位“万人次”.

  供求匹配程度:选择出租车供应量和需求量之比适应度M作为衡量较长时间内供求匹配程度的指标.T为出租车客运供应量(万人次),D为出租车客运需求量(万人次)[16],则适应度为

  M=DT.(1)

  一般的,认为当1.25≤M≤1.40时,出租汽车客运需求与供应量基本达到平衡;当M 1.40时,出租车供应量过大,超过需求,造成资源浪费.[17]

  2.1.2短期定义

  需求量:某时刻出租车订单量,包括已成功提交和未成功提交的.认为一辆出租车完成一份订单,因此确定需求量单位为“车次”.

  供应量:某时刻运营出租车量,单位“车次”.

  供求匹配程度:选择出租车需求量和供应量之比需供比γ作为衡量某一时刻供求匹配程度的指标.不同于出租车实载率,此处定义的γ包括了想打车但未打上车的乘客.

  Q,T分别代表出租车需求量和供给量,需求量与供应量之比γ为

  γ=QT.

  供求匹配关系:当出租车供应量略大于需求量时,出租车资源流动顺畅,因此认为γ在65%~80%之间取值时,出租汽车客运需求与供给基本达到平衡.

  2.2供需模型建立

  以西安市为例,建立出租车供需匹配程度的长期和短期模型.长期模型旨在分析较长时间内(年)出租车资源的大致供求关系,在长期定义下,分别建立需求量和供应量计算模型,采用适应度作为供求匹配关系的衡量指标.短期模型旨在分析不同时刻出租车资源的供求匹配程度,将一天划分为四个时间板块,分别对应于居民出行量的高峰,中峰,高峰,低峰.在短期定义下,分别建立需求量和供应量计算模型,采用需供比作为供求匹配关系的衡量指标.

  2.2.1长期模型

  (1)需求量多元线性回归模型

  首先选取与需求量有显著关系的空间影响因素.需求量影响因素分为经济因素,公共交通因素和社会因素三类.经济因素包括国内生产总值(GDP),人均可支配收入和居民消费水平,公共交通因素包括出租车客运量和公交车数量,社会因素包括常住人口数和社会从业人数.将出租车客运需求量分别与这些因素进行相关性分析,选择显著相关的影响因素.然后将出租车客运需求量作为因变量,显著影响因素作为自变量,建立多元回归线性模型如式(2).

  D=a0+∑aixi+ε.(2)

  其中,D为出租车客运需求量,xi为需求量显著影响因素,ε为残差,ai为待定的回归系数.

  (2)供应量计算模型

  考虑到出租车供应量乘以载客率可大致反映出租车实际日均客运量[7],供应量T由下列公式近似确定:

  T=α1-ρ,(3)

  其中,α为城市出租车日均客运量,ρ为出租车空载率.

  2.2.2短期模型

  (1)需求量人工神经网络模型

  出租车需求量的影响因素很多,通过建立函数关系进行准确预测是不现实的.而人工神经网络能从数据样本中学习以前的经验并自动逼近那些最佳刻画了样本数据规律的函数,因此可以对城市公共交通需求进行较好的预测.

  采用人工神经BP网络(Backpropagation NN),网络除输入输出节点外,还有一层或多层的隐层节点,同层节点中无耦合.输入信号从输入层节点,依次穿过各隐层节点,传到输出节点,每一层节点的输出只能影响下一层节点.进行人工神经网络预测时,首先确定输入、输出参数,输入层共三个输入信号,打车难易度d,订单平均被抢时间t,平均车费c,输出层为出租车真实需求量,选择隐含层节点数为2.然后,确定初始条件,将已有数据分为训练样本和检验样本.最后对输入、输出数据进行“归一化”,使得网络输入变量的值域为[0 ,1].根据已有的打车难易度,订单平均被抢时间,平均车费和出租车真实需求量数据,使用SPSS对数据进行训练,得到城市出租车需求量的神经网络模型估计值 [6] .

  (2)供应量多元自回归模型

  考虑高、中、低峰之间的互相影响和实时收入对出租车运营量的影响,建立三个方程的供应量多元线性模型.类似空间的需求量模型,供应量的影响因素也可分为经济因素,交通因素和社会因素.以天为时间单位,一些经济政治因素如GDP,人均收入水平等不会有明显变化,但是交通通畅状况,司机收入是供应量周期性变化的主要影响因素.交通通畅状况可以用人口出行量来刻画,体现在高、中、低峰之间的相互关系.从早上6点开始,将一天看作高―中―高―低峰的循环,建立多元回归模型时,高峰供应量是中、低峰供应量的影响因素,中、低峰供应量是高峰供应量的影响因素.可以用车费直接刻画出租车司机的收入.进行相关性检验后建立多元线性回归模型如下:   3实例分析

  以西安市为例,使用SPSS软件分别建立西安市出租车供需匹配程度的长期和短期模型.长期模型采用《西安市统计年鉴》2000-2009年GDP,人均可支配收入,人均消费支出,公交车数量,常住人口,从业人口,出租车客运需求量数据,进行显著性检验之后,根据长期模型计算西安市出租车适应度,作为西安市供需匹配程度的长期总体刻画.短期模型采用滴滴快的智能出行平台“苍穹”上2015年9月6日-11日出租车分布,打车难易度,打车需求量,被抢单时间,车费的实时变化数据,根据短期模型得到西安市出租车高,中,低峰需供比,作为西安市实时供需匹配程度的刻画.

  3.1长期模型

  首先,使用SPSS进行GDP,城镇居民人均可支配收入,城镇居民人均消费支出,公交车数量,常住人口数,社会从业人口数和出租车客运量的相关性分析.在显著性水平0.01下,选择西安市GDP、人均可支配收入、人均消费量、公交车数量、常住人口数量和就业人口数量这些与出租车客运需求量高度正相关的空间影响因素作为自变量,西安市出租车客运需求量作为因变量,构建需求量多元线性回归模型.

  供应量多元自回归模型中,2014年西安市出租车日均客运量α为120万人次,空载率ρ为50%,由公式(3)得西安市2014年出租车供应量

  T=1200.5=240(万人次).

  根据公式(1)得西安市出租车资源适应度

  M=QT=240169。718=1.41.

  因此2014年西安市出租车客运适应度略偏离最佳范围,供求匹配不平衡.

  可以看出,以西安为代表的西北内陆地区的出租车资源配置整体上“供过于求”,这与我国中西部地区人口密度较为稀疏、经济发展水平较为落后的实情有关,然而这种对资源配置的描述是粗糙的,只体现了出租车资源配置在较长时间内的平均状况.事实上,虽然一天的大部分时间内出租车客运供应量多于需求量,但在出租车行业获利的黄金时段“早高峰”和“晚高峰”,“打车难”仍然普遍存在,因此需要进一步建立短期模型得到出租车资源配置的实时定量刻画.

  3.2短期模型

  西安市以钟楼为中心的四条大街是交通动脉,东北,西北,西南,东南四块地区地区内部发展水平大致相当,构成高速发展的二环.采集数据时,以位于东南西北四条大街和东北,西北,西南,东南的八个点代表西安的整体交通状况.选择17∶00-19∶00的数据代表高峰交通状况,13∶00-15∶00的数据代表中峰,凌晨2∶00-4∶00的数据代表低峰.得到西安市2015年9月6-11日八个方位软件平台上,高中低峰出租车分布和打车难易度,打车需求量,被抢单时间,车费的实时变化数据,据此估算真实供应量.再根据图1,高,中,低峰时打车软件上的打车需求量分别占总需求量的49.4%,37.5%,15.0%,可以由“苍穹数据”估算出西安9月6-11日每日随时间变化的真实供应量.

  需求量人工神经网络模型中,使用SPSS对数据进行训练,待网络训练稳定后,得到如下的模型汇总和9月11日出租车需求量实际值和预测值校验结果(见表1).

  供应量多元自回归模型中,先对选择出的供应量影响因素进行相关性检验.分别画出高、中、低峰西安9月6日-11日供应量与车费之间关系图可以看到车费和供应量的变化趋势近似相同,再使用SPSS进行相关性检验,得到在显著性水平小于0.01时,西安市出租车供应量和车费之间存在显著的相关关系,因此用车费对供应量的影响来体现实时收入对出租车运营量的影响是合理且可以接受的.

  根据西安9月6日-11日的数据,通过Matlab拟合,得到参数的最小二乘估计即公式(4).短期模型下,高、中、低峰出租车供应量多元线性回归模型结果如下:

  T1=-395.1-0.095T2-0.44T3+28.92c1+ε1,

  T2=2763.7-4.97T1+4.86c2+ε2,

  T3=13415-25.37T1+82.65c3+ε3.

  用SPSS分别对模型中T1、T2、T3进行显著性检验,得到显著性水平分别为0.445、0.929、0.147,均大于0.05,故接受原假设,即上述建立的多元回归模型是合理的.

  4互联网时代的“补贴”方案确定

  长期模型给出了西安市出租车资源配置的整体状况,短期模型定量刻画了西安市出租车供需的实时变化.和传统出租车运营方式相比,互联网时代实时数据的获得和公布成为可能,从而可以采用补贴的方式及时平衡供需.本节将给出利用打车软件上的出租车运营实时数据来制定可以公布在互联网平台上的实时补贴方案的方法,从而实现在低峰时段增加需求量减少供应量,在高峰时段增加供应量适当减少需求量,最大发挥互联网在优化出租车运营方式方面的作用.

  4.1方案确定

  以“快的”和“滴滴”两家较大出租车公司打车软件补贴方案为例,目前已实施过的补贴形式有三种:1.间接给乘客补贴,多采用向新用户提供购物券的方式;2.直接给乘客补贴,减少车费金额,多有订单数目封顶;3.直接给司机一定金额奖励,多有订单封顶.间接补贴方式收效甚微,不予考虑.扩展“补贴”的含义,认为给司机“补贴”为增加司机的每单收入,给乘客“补贴”包括减少和提高乘客的每单支出两方面,创造性的将后两种直接补贴方案结合起来,将一

  天划分为高,中,低峰,应用BP神经网络得到为使供需匹配,即需供比

  计算过程如下.以收集的西安市9月6日-11日的实时数据为训练样本,通过神经网络得到在不同补贴额下的供应量和需求量数据,从中挑选22组,其中20组作为训练样本,2组作为考核本系统的检验样本.取上述数据里高、中、低峰9月6日-11日打车难易度d,订单平均被抢时间t的平均值,为使出租车供需平衡,将出租车需求量与供应量之比

范文七:论服务供给与需求的匹配 投稿:金芵芶

作者:薛小军

决策借鉴 1995年03期

  服务业与制造业的明显不同之处在于服务的及时性。汉堡包须是热的,汽车旅馆要恰好能在困倦的旅客需要休息时向他们提供房间,航空公司班机座位要在乘客想去乘坐时空着。平衡一种服务的供给与需求是服务企业经营成功的关键,而做到这一点则很不容易。本文主要探讨了服务能力管理上易犯的错误及用以改变需求控制供给的几种方法,以期对服务业经理们有所启示。

  一、服务能力管理的误区

  物品的消费是在生产之后,而服务的生产与消费则几乎是同步进行。这种差异使服务业经理必须考虑一套不同于制造业经理所考虑的因素。如果对现实中的服务业作一番考察就会发现,成功的服务企业经理是在成功地管理着企业的服务能力,而失败的经理则没有做到这一点。服务能力管理的差异造成胜败两种截然不同的局面。

  下面是服务企业经理们容易陷入从而导致失败的几个误区:

  1.增加错误类别的服务能力

  在争夺航空客运市场份额的战争中,有航空公司发现:某一特定航线上航班座位数占较小份额的航空公司获得的乘客份额常常小于其投入该航线的航班座位份额。相反,那些拥有很大航班座位份额的航空公司则获得了比其航班座位份额更大的乘客份额。于是得出结论:投入更多的航班座位,就能获得更多的乘客。为增加航班座位数,有的航空公司购买了超大型喷气客机。然而当其他竞争者开始在该航线上投入小型客机增加航班频率而获得大量乘客时,那些航空公司这才发现一个痛苦的事实:不是航班座位拥有量而是航班飞离频率才是获得更大市场份额的关键。结果他们只得封存或变卖已经购买的超大型客机。

  2.没有增加全方位服务能力

  为了增加营业额,某旅游胜地的一家旅馆老板决定增加出租房间数而不相应扩大为新增顾客所需的配套服务能力。原来,房间租金高达营业总额的90%。而网球场、会议室、停车场等配套服务设施对总营业额的贡献几乎为零。这样的事实促使旅馆老板打破了出租房间与其他配套设施之间既有的平衡状态。但是,顾客数量不是取决于可供出租的房间数,而是取决于配套服务设施所能支持的房间数,那些超过配套服务设施服务能力的房间只能闲置了。

  3.没有考虑竞争反应

  佛罗里达奥兰多房屋出租业界对迪斯尼世界在该地宣布设立迪斯尼乐园的反应是这种错误的典型例子。迪斯尼公司在加利福尼亚奥兰吉县的迪斯尼乐园上的营业收入仅限于乐园景点的娱乐、食品和纪念品收入,而乐园周围的住宿、餐饮和娱乐上的大量利润则为别的企业获得。为避免同样的情形可能在奥兰多再次出现,迪斯尼吸取了教训,在奥兰多购买了多达2000英亩的土地,包括即将建立的迪斯尼世界周围两英里以内的所有土地。但是,奥兰多每家旅馆或汽车旅馆在得知迪斯尼将在当地建立时,纷纷筹划建立分店,以在迪斯尼世界周围获得好处,而丝毫没有考虑到迪斯尼公司早已采取的行动。随后的过度建筑很明显,为服务一个估计只需1900间房屋的市场共建造了多达30000间的房屋。结果许多旅馆的租房率仅有33%。

  4.削价抢自已生意

  一家新加入连夜投递空运业的公司发现,通过增加现有飞机和分支办事处可以获得市场份额,但成本比收入增长得更快。由于依然想扩大市场份额,该公司就以低费率提供第二天送达和第三天送达服务,但是因为拥有过多的服务能力,这家公司总是在次天就把包裹送到收件人手中。当顾客发现这个事实之后,该公司的业务组合戏剧性地转向低费率服务项目。尽管业务量有所增加,但是低费率服务项目的低毛利率却使盈亏平衡业务量也大大提高了。

  上述“陷阱”是经常出现的,而成功的服务企业经理则避免了这些陷阱。从许多管理良好的服务企业的例子中可以归纳出多种管理服务需求与供给的方法,以达两者的最佳匹配。

  二、需求管理

  服务业经理可以借助定价策略、非峰期促销、互补服务及预定制度来达到管理需求的目的。

  1.订价策略

  经理们可用以将需求从高峰期转至非峰期的一种方法就是采用差别订价策略,即高峰期实行高价,非峰期实行低价。这种策略的另一种作用就是增加非峰期的基本需求。这方面的例子包括电影院的日场与夜场价格,酒吧的快乐时段价格,长途电话服务的周末及夜晚费率,还有公用公司的使用高峰期收费,等等。

  2.开发非峰期需求

  大部分服务企业的经理们经常苦想着怎样才能增加淡季里的需求,特别是那些拥有高固定费用低可变费用结构的服务设施的企业更是如此,因为营业增加额对这些企业的盈利性有着巨大的影响。这方面的例子也很多,比如汉堡包连锁店增加了早餐服务;咖啡馆增设了晚餐服务;城里的旅馆在周日为商务旅行者服务,在周末则开发出称为“微型假期”的服务项目以吸引郊区居民。

  然而在准备增设新的服务项目以增加淡季的需求时要保持警惕。许多企业因推出新的服务项目而没看到它们对已有服务的冲击而付出了代价。因为新的服务构想常常需要现有服务系统中没有的设备与技术,而增添新的技术与设备则可能需要新型的劳动力、新设计及更多的监管工作。

  3.开发互补服务

  经理们用以把需求从高峰期移开的另一种方法是开发互补服务。这就是在需求高峰期间把消费者从服务瓶颈环节吸引开或在他们排队等候受能力限制的服务环节时向他们提供替代性服务。例如,饭店老板发现,在生意繁忙的晚上让老主顾们坐在休息室里喝着饮料等待餐桌空出来比让他们在就餐区排队站着等待抱怨少多了。而且设有酒吧的饭店的盈利率也成倍增加。一家旅馆的经理在每一楼层的大厅里都安装了镜子,这样房客等待电梯时可以检视自己的容貌,从而分散了注意力,等待也变得轻松了。以邮件或自动柜台机办理银行业务则是减少顾客等候时间的又一种办法。

  4.设立预定制度

  预定制度是服务企业经理用以管理需求的有效工具。这种制度实质上是预售本企业的服务能力。当某一特定服务设施在特定时间内被预定掉时,经理经常能够将过量的需求转向同一服务设施的别的时间或安排在本企业的其他服务设施上,从而大大减少了顾客等候时间,保证了顾客服务。例如,在全国范围设立了预定制度的汽车旅馆连锁店,在顾客首选汽车旅馆客满时,就可以在最近的连锁内的另一所汽车旅馆为顾客安排一个房间。

  预定制度也有缺点,主要问题是顾客没有兑现预定。考虑到这种情况,一些服务企业就超其服务能力向服务预定而甘冒有可能激怒顾客的风险。另有许多企业则规定,若预定人不能兑现预定又未在某约定时刻之间取消预定的要承担一定经济责任。

  三、供给管理

  服务企业经理对服务供给面的影响要比对需求面的影响更为直接。为调整服务能力适应波动的需求,服务企业经理同样有多种加以选取的策略。

  1.使用兼职雇员

  服务企业的营业高峰随服务类型而各异:或一天中某几个小时,或一周中某几天,或一月中某几周,或一年中某几个月。服务企业通常保持着一定基数的专职雇员以在非高峰时期为顾客服务,在营业高峰期则雇用兼职雇员作为专职雇员的帮手,从而增大服务能力满足高峰需求。兼职雇员的来源包括高中与大学在校生,在孩子上学这段时间里想出去工作的家庭主妇,还有希望补充基本收入的寻求第二职业的在职人员。

  2.增加效率

  为寻求需求高峰期从现有服务系统中获得最大产出的方法,有必要对本企业的服务过程进行分析。分析的结果通常能给经理们许多启示,使他们能够以很小的成本就可以扩大高峰期的服务能力。让雇员在高峰期仅完成重要的服务操作,在淡季做些辅助性工作为下一个高峰期做准备,从而达到提高高峰期服务效率的目的。经理们还可以查看正常高峰期内各项服务操作是否具有某种技巧以及技巧的运用情况,如能想法普及这些服务操作技巧的运用,就能增加现有服务系统的有效服务能力。甚至对服务系统重新作一番设计也能对生产效率产生很大的影响。

  另外一种突破高峰期服务能力约束的方法是对各部门员工进行交叉培训,即对某一部分员工进行别的部门的操作培训,使员工具有多种服务操作能力。这样,在高峰期服务系统倾其能力为顾客服务时,那些末达其最大操作能力的部门的员工就可以临时调至操作瓶颈部门,从而增加瓶颈部门的服务能力,满足顾客的高峰需求。

  3.提高消费者参与度

  消费者做的越多,服务企业要做的就越少。象自选商场、自我服务快餐店、自我服务加油站及自我烹调餐馆都是提高消费者参与度的做法。这种策略也存在着风险:消费者可能拒绝这种自己干活又要为此付钱的生意;经理对提供服务过程的控制降低了;这种做法还可能为服务本身培养出竞争,比如到过自我烹调餐馆的消费者可能以后就不再光顾而在家中自己干开了。

  4.服务能力共享

  提供一项服务经常需要服务企业投资于昂贵的服务设备,这些设备是提供服务必需而又不经常使用的。此时,服务企业经理就需要考虑与其他服务企业达到协议,共同使用那些必需但不经常使用的昂贵资源,以实现服务能力共享。例如,多家医院达成医疗设备共享协议,这样不必每家医院都购置每种医疗设备,而是一家购置一种医疗设备从而所有参加协议医院里的医生都可以使用各个医院的医疗设备,以更好地利用价格昂贵的设备向病人提供更好的医护服务。

  5.为将来的扩张提前投资

  聪明的经理经常进行提前的扩张投资,即现时的投资考虑到了将来的扩张需要,这样当事业以后需要扩张时,就省却了许多成本和麻烦。从而更快地实现扩张。比如,一位餐馆老板为了以后服务于更多的就餐者,超过目前需求水平建造厨房,而且让承建商把电线、水管及通风管道安装在将来扩张可能达到的房屋边缘,另外又留足土地以备将来扩张时增大停车场面积之用。这些提前的扩张投资让餐馆老板在以后不必翻新厨房、不必重新安装电线、水管之类,也不必以高价购买毗邻土地就可以达到增加服务能力的目的。

  四、寻求供给与需求的最佳匹配

  服务企业的经理们面临的最大挑战就是如何找到服务需求与服务能力之间的最佳匹配点。要迎接这个挑战,经理们需要做的事情是事先的详细规划而不是事到临头的反应。经理们应当尽力为未来时期的需求做好预测,然后逐一估算企业各部门当前的服务能力以及与未来服务需求的差距。接下来就可以针对本企业现有服务能力制定多种不同的备选方案用以改变需求与服务能力。并根据每种方案的估计成本选择一种达成需求与供给衔接的最佳方案来。

  需求管理的最终目的在于通过服务能力既定的现有服务系统增加营业额,而供给管理的目的是以最小成本来达成服务能力的增加或减少。最重要的是对需求与供给都进行有效的管理,从而达成两者间变动的均衡,这是每一位服务企业经理需要牢记的。

作者介绍:薛小军 200083 上海财经大学贸易经济系

范文八:出租车多人合乘匹配问题的研究 投稿:崔鮯鮰

2 0 1 4 年 第 3期  ( 总第 1 3 5期)  

信 息 通 信 
1 NF OR M AT 1 0N & COM M UNI CAT1 0NS  

201 4  

( S u m .N o  l 3 5 )  

出租车 多人合乘 匹配 问题 的研 究 
张 亦楠 , 魏志强 , 刘 昊 
( 中国海洋大学 信 息科 学与工程 学院计算机 系, 山东 青 岛 2 6 6 3 0 0 )  

摘要: 针 对城 市 出租 车搭 载乘客 少、 资源大量浪 费、 造成道路拥堵等情况 , 引入 了几人合 乘一辆 出租车 的运 营模式 , 建立 

相应的数 学模型 , 从 出租 车司机和 乘客的共 同利益 出发 , 设计一种两段 的匹配算 法, 规划最优 的行 车路线 , 以较 少的花 费  
和代价 , 满足尽 可能 多的乘客搭乘 用需求。   关键词 : 车辆合 乘; 匹配优 化  中图分类号 : T P 3 l 1 . 5 2   文献标识码 : A  文章编号 : 1 6 7 3 . 1 1 3 1 ( 2 0 1 3 ) 0 3 — 0 0 7 0 — 0 2   f c   : 出租车 k行使过程中的固定花费, 包括车辆各种保养  费用、 保险 、 维修、 损耗等 。  
a c   : 出 租车 k 行使过程 中, 每增加 …   名 乘 客 所 需 要 增 加 的 
单位费用 。  

近年 来, 随着人们生活水平的不断提高, 城市化进程 日益 
加快, 出租 车 行 业 飞 速 发 展 。出租 车 在 日常 生 活 中给 人 们 带 

来了许多便利 , 它 以其灵活 、 快捷 、 舒适等特点, 受到 了广大城  市居民的青睐。尽 管如此 , 但出租车一天 2 4小时扫荡式寻客  的经营方式和 “ 一人一车” 乘客可单独使用 的特点 , 也暴露 出  

V k : 出租 车 k行 使 过 程 中最 大 的载 客 容 量 。  

许多 问题和不足: 出租车 空车率高 、 实载率低 , 严重浪费交通 
资源 , 造成城市交通拥堵 , 污染空气环境等 。为缓解这些矛  盾, 各 国专家学者不约而 同的提 出了最好的解 决方案一一 “ 合  乘” , 本文所研究的 出租车合乘 匹配 问题正是为满足合乘 需求 
而设计的 。   .  

[ a   , l   ]: 乘客 x在所研究区域中上、 下车点 的服务时 问窗 
口 。其 中 a x 为 乘 客 的 时 间 窗 口上 限 ,l   为 乘 客 的时 间窗 口下  限, 分 别对 应 着 乘 客 到 达 某 上 、 下 车 点 的时 间范 围 。   z   : 具体的时刻变量, 表示 出租 车 k到达 站 点 X的精 确  时刻 。  


1多车辆 合乘 匹 配 问题 的描 述及数 学模 型 
1 . 1问题 描述 
本 文 要 研 究 的 是 多 车 辆 合 乘 智 能 匹 配 的 问 题 , 它属 于 多 
刻。  

具 体 的 时 刻变
量 , 表 示 出租 车 k 离 开 站 点 x的精 确 时  为二 进制 标识 变量 , 用 来 说 明 某 辆 车 J运 行 巾 是 



车辆 、 多乘客、 带有 固定时间窗 口的合乘匹配问题 。 具体来说 ,   就是在某个 固定 区域里 , 有 多辆 出租车在行驶 , 同时有多名乘 
客 有 搭 乘 需求 , 乘 客 的 出 发 点 和 目的地 已经 确 定 , 并且在上 、   下车 站 点对 应 一 个 明确 的服 务 时 间 窗 口 ,乘 客 必 须 在规 定 的  时 间 窗 口之 内搭 乘 0 ’ 。  

否经过 某 点 。   y = l , 说 明车 辆 k 由站 点 X有 驶 向站 点 Y   的过程 ; X, k y = 0, 说 明 车 辆 k由 站 点 X 没 有 驶 向 站 点 Y 的 
过程;  

C O S t k : 为车 辆 k某 次 行 驶 过 程 中的 总 体 花 费 。  

C o s t k = f c k + ∑a c k -  ・ q  
t ●  1  

( 1 )  

1 . 2 问题 形式 化建 模 
m : 出租车 的数量 , D={ 1 , 2 , . . . , m} 为所有 出租车 的集 
合。  

其中, f c   为车辆 k的固定成本, a c , 为 车辆 k运行 中每增  加一名乘客所 需要增加 的单位 费用 ,   表示站 点 X   到站点 X  
之间的路径长度 ,   表示 车辆 k到达站点 X   .   时 的 乘 客 数 




r l : 乘客 的数量 , P={ 1 , 2 , . . . , n } 为所有需要搭乘的乘客集 
合( 司机看成一类特殊的乘客) 。   2 n : 所有的上、 下 车 站 点 的数 量 , 有n 位 乘 客 即共 有 2 n个  上、 下车站点, 包 括 所 有 乘 客 的 出发 地 和 目的 地 上 下 车站 点 , s  


量。  

多 车 辆合 乘 匹 配 问题 的 目标 分 为 如 F 两个 :   第 一 个 目标 : 搭乘成功率最高 。  

{ 1 , 2 , 3 , . . . , 2 n } 为站点集合 。  

m a x ∑∑ ∑ X k    
拓土 ) 难  z、 牡}  

( 2 )   ( 3 )  

z : 所研究区域 内所有点的集 合。 Z=S uZ’ , 其 中 z’ 表示  所研究区域 内, 除上下车 点之外 , 出租车经 过的那些道路节 点 
的集 合 。  
+ ・ ・ — - + 一 ”— + 一 一— +一 一— - f一 -+ 一+  


第二个 目标: 总花 费最低 。  

m i n ∑C o s t k  

+ ”+ - ・ + ・ ・ + ・ ・ + 一+ ”+ ・ ・ + ”+ ”+ ”+ ”+ ”+ 一+ ”+ 一+ 一+  + 一— ・  ”+ ”+ 一+ 一+ ”+ ”+ ”+ ・  

5 结语 
本系统在 i O S平台上,充分结合颜色分割 和连 通区域标  记方法 , 借助 i OS 强大 的软硬件环境 , 实现 了
交通标 志检 测算  法 。测试结果表明 , 该系统可 以对交通标志进行有效 、 快速地  检测 , 准确率较高, 能够胜任 实时检测交通标志 的任务 。目前  该系 统仅 能检测 出交通标志 ,尚不能对其进行进一步的理解  识别 , 有待进一步的改进和完善 。   参考 文献 :  

哈尔滨工业大学, 2 0 0 8  

[ 2 ] 张航. 自然场景 下的交通标志识别算法研 究【 D ] . 长沙:中  南大学, 2 0 0 6  
【 3 ] Ak a t s u k a   H, I ma i   S . R o a d   s i g n   p o s t s   r e c o g n i t i o n   s y s t e m[ J 】   . S AE   t r a n s a c t i o n s , 1 9 8 7 , 9 6 ( 1 ) : 9 3 6 - 9 4 3  

[ 4 】 王永 明.交通标志 自动分割与识别算法及数学模型研 究  [ D] . 广州 : 华南师范大学, 2 0 0 5  
作者简介 : 张滨 ( 1 9 8 7 . ) , 男’ L 【 』 东东营人 , 硕 士研 究 生 , 研 究方  向为 信 息 与 信 息 处 理 系 统 。  

[ 1 ] 李伦波. 自然场景下交通标志的检测与分类算法研 究[ D] .  
7 0  

信息通信 

张亦楠等 : 出租车 多人合乘 匹配 问题 的研 究 

2 多 车辆 合乘 问题 的解 决方 案 
本文针对 多车辆合 乘匹配问题,提出了一种基于两段算  法 的求解 方法 , 运用转化 的思想 , 先将多车合乘问题转化为单  车合乘 问题 , 再通过单车 内对乘客上下车顺序进行排序 , 进而  得到最优解 。具体 的求解 过程如下:( 1 ) 初次分配乘客过程 ,   该过程利用吸 引粒子群算法“   , 找到车辆行驶过程 中的最佳调 

串 内进 行。与交叉操 作类似 , 在某 基因变异之 后,仍然会造 
成乘客上 、下车点 的不 匹配 问题 , 本算法将 变异后基 因的对  应基 因去替换原有基 因的对应基 因, 从 而实现个体 的匹配约 
束。  

3实 验及 结果 分析 
我们通过数学随机分布 的方式进行数据 的生成 5 , 辆车和 

整 半径, 将半径 内满足条件 的乘客划分 到某辆合适 的车辆 中,  
进而进行 下一步的优 化过程; ( 2 ) 单车路径优化过程 , 利用改 

1 5名乘客 , 车辆的初始行驶路线如下:  
1 号车 : l 一2 —3 —1 O 一8 —1 3 —1 2 —3 6 —3 7 —3 8 —3 9 —4 0 —6 3   2号 车 : 4 —5 —1 8 —1 9 —2 8 —2 9 —4 9 —7 2 —7 3 —7 4   3号 车 : 9 —1 1 —3 7 —3 8 —4 0 —6 3 —6 4 —8 0 —8 2 —8 4
 

进 的遗传 算法 , 对 已经划分到 同一辆车上 的乘客 , 进行上下车 
顺序 的排 序, 即规划 出一条合适 的行车 路线 , 以满足乘客的合 
乘 需求。   在 把 多 车 辆合 乘 匹 配 问题转 换 成 单 车 辆 合乘 匹配 问题 后 ,  

4号 车 : 6 —1 7 41 6 —2 1 —2 6 —3 1 —5 1 —7 1 —7 5 —9 2 —9 3   5 号车 : 7 —1 4 一l 5 —3 3 —2 2 —3 2 —4 7 —4 8 —5 2 —7 6 —7 O 一9 6 —7 7  

采用 遗传 算法 对 其进 行求解, 将单车乘客 内部排序 , 得到优  化 的行驶 路线。  

经过智能匹配算法 , 车辆最终的行驶路线见表 1 。   表 I车辆最终行驶路线 
车 辆   搭 载 乘   编号   客集合  
l   2   3   4   5   { 1 2 , 3 }   { 4 . 5 )   { 6 , 7 , 8 )   { 9 , l O , l 1 )  

2 . 1编码 规 则 
为便于多车辆合乘匹配 问题的求解 , 每个个体 由 M 个 子  序列 组成 , 每个子序列按照站 点编 号进行随机排列 , 表示每条  行驶 路线上乘客的上下车次序 。如 图 1 所示 。  
合乘线 路1   合乘线 路2   合乘线 路3  
Al   ^2   A3   A 4   A 5   A 6   A7   ^8   A9   ^l O  

最终 行驶 路 线  
1 O _ + 3 ( 1 卜1 o ( 1 , 2 卜1 3 ( 1 , 2 , 3 卜1 2 ( 2 , 3 ) _ + 3 7 ( 3 H 0 ( 卜6 3 0   4 o 一 . 5 ( 4 卜1 9  5 ) - - . 2 8 ( 5 卜7 2   0 - - * 7 4 0   9 ( 卜1 1 ( 6 卜3 7 ( 6 , 7 卜3 9 ( 6 , 7 , 8 卜6 4  7 ) _ + 8 0 ( 6 )  8 2 O - + 8 4 0   6 O _ + 1 7 ( 9 ) _ + 2 6 ( 9 , 1 0 ) - . 3 1 ( 9 , 1 0 , 1 l 卜7 4 ( 9 , l 1 卜7 5 ( 9 卜9 2 0 - * 9 3 0  
点 

{ 1 2 , 1 3 , 1 4 }   7 0 一l 4 ( 1 2 卜2 3 ( 1 2 , 1 3 ) . - 3 2 ( 1 2 , 1 3 , 1 4 ) —   7 ( 1 3 , 1 4 ) - . 5 2 ( 1 3 ) -  ̄ 7 0 0 - * 7 7 0  

翟 

BI  

B 2  

B3  

B 4  

B5  

B 6   B7  

B 8  

聃   Bl 0  

CI  

C 2  

C3  

C 4  

C5  

C  

C7  

C 8  

C9   C1 0  

就 4号车来 看 : 车辆 的原 始路径 为 6 —1 7 —1 6 —2 1 —  2 6 —3 1 —5 1 —7 1 —7 5 —9 2 —9 3 , 由 于 需要 在 站 点 7 4让 1 0   号
乘 客 下 车 ,对 车 辆 的 行 驶 路 线 进 行 了 微 调 ,变 为 
6 —1 7 —1 6 —2 1 —2 6 —3 1 —7 4 —7 3 —7 5 —9 2 —9 3 。如 图 2  

图 1有 三辆 车 的个 体 表 示 

2 . 2 选 择 算子 
对 于 经 过 编 码 后 的 个 体 N, 计 算 适 应 度 函数   。  

所示 , 其中, 实 线为车 辆 的原始行 车路 线, 虚线 为调 整后 的 
行驶 路线 。  

牌  

翟 
点  

^  — C —
k 。 e 。 D ’  

o s t k  

p :  

L  r
一   ‘  

零  . (   喜 )  
图 2 车辆 4调整前后行车路线 比较 

选择概率: 一   N,  
/ =1  

不同的选择算子所产生的效果不同 , 但 原则是相 同的, 即  适应度高的个体遗传 的下一代 的概率大 ,而适应度低 的个体  遗传到下一代的概率小 。采用轮盘赌选择法 ,根据每个个体  的选 择概率, 来计算其 累计概率 。例如 , 第 m个个体的累计概 

瓣 罨 
固 
终 

4 结语 

本 文 针 对 当 前 出 租 车 运 营 面 临 的 一 系 列 问题 , 对 车 辆 

率 为   = ∑  , 接 着 产 生0 到1 之 间 的 随 机 数r a n d 与P x m 进  
l  

合 乘 匹配 问题 进行 了深 入 的研 究 , 提 出并设 计一 种两 段 的  智 能求 解 算法 , 能够 使 出租 车 匹配 到 合适 的乘 客 , 完 成 同  时 搭 载 多位乘 客 的 目标 。通过 实 验验 证 了算 法有 效 性 , 可  以真正 有 效地 提 高出租 车 的载 客率 , 实 现各 方利 益 的最 大 
化。  

行 比较 。 若P x  < r a n d < P x  , 则选 择第 m 个个体 。 按照相 同的  方式, 循环重 复 k轮 , 来产生 k个子代个体 。  

2 _ 3 交叉 算子 
最常用的交叉算子为单点交叉 , 具体操作是: 在个体 串中  随机 产生一个交叉点来进行交叉 , 交叉 过程 中, 将交叉 点前面  或后面的两个个体的部分结构相互互换 ,从而生成两个新 的 
个体。  

参考文献 :  

[ 1 ] 王丽 珍. 大城市 出租车静态和动态合乘模式 的探讨 [ J ] . 长 
沙理工 大学, 2 0 1 2  

[ 2 】 王罗. 出租车共乘 问题研 究[ J ] . 长沙理工大学, 2 0 0 8   [ 3 ] 车勇. 基于 多人合乘模式的出租车智能调度管理系统设计  与研 究[ J 】 . 同济大学, 2 0 0 8   [ 4 ] 吴耀华, 张念志. 带时间窗车辆 路径 问题的改进粒子群算  法研 究[ J ] . 计算机工程与应用, 2 0 1 0 , 4 6 ( 1 5 ) : 2 3 0 — 2 3 4  

由于乘客的上、 下车点具有匹配关系 , 在交叉操作后
, 可  能会造成乘客的上、下车点约束的不匹配 。因此在交叉操作  后, 需交换交叉操作 的对应基 因( 如 P   f 对应 P   I ) , 通过与 交  叉个 体置换实现重新匹配 。  

2 . 4 变异 算子 
本文采用基 因对换位 的变异策 略, 变 异算子 都局限在子 

[ 5 ] 刘帆. 基于遗传算法 的应急物流车辆路径 问题研究 [ J ] . 西 
安科技 大学, 2 0 1 2  
71  


范文九:取件物流供求匹配程度的研究 投稿:马佘余

[摘要]结合上海市实际情况,利用取件密度和空间关联程度等方法,对上门取件这一物流活动的供求匹配程度进行预测和分析。为提高物流企业服务水平和上门取件服务的实施提供借鉴。

  [关键词]供求匹配程度;上门取件;取件空间密度;空间关联程度

  1.引言

  快递服务是现代生活和工作不可缺少的一项支撑性活动。快递服务的顾客多为个人客户,而且客户对服务质量要求较高。为顾客提供上门取件服务是快递公司提高服务质量和顾客满意度不错的方法。随着市场和客户的需求,圆通、申通、中通、顺丰、韵达等快递公司分分落实了上门取件的快递服务项目。

  面对日益增长的快递消费客户,快递公司取件车的数量能否满足寄件客户的上门取件需求,成为了各快递公司研究的重要问题。

  目前国内外的物流研究者对上门取件快递服务的研究并不多,但是上门取件服务的实现,确实提高了快递企业的服务质量、竞争力和顾客满意度。本文将以上海市为例,对取件车和寄件客户的供求匹配程度进行研究,从而为提供上门取件服务的快递企业提供参考。

  2.供求匹配程度的计算方法

  随着生活节奏的加快,人们对快递的依赖越来越强,但快递公司取件车的数量有限,有限的车辆和逐步增多客户的供求匹配程度是每个快递公司必须考虑的问题。为使取件服务更为完善,以及为各快递公司能提供研究取件车数量和寄件客户之间的供求匹配度的方法,这里对上海市主城区取件车的供给状况进行研究,这里的取件车是指在上海能提供取件服务物流公司的所有取件车。其中上海市共有9个主城区,城区具体相关情况如下:

  由上述两表,我们在对各个空间的密度进行比较,从而能准确地判断上海市各行政区在不同时空下的“供需匹配”程度。由表可以看出普陀区、浦东新区、长宁区、闸北区四个行政区上午下午寄件都比较困难,有能力快递公司可以在这四区适当增加取件车的数量。杨浦区则下午寄件较为困难,快递公司可以在每天下午适当的调配一部分取件车到该区取件。

  4.结论

  本文利用取件密度和空间关联程度等方法,对上门取件这一物流活动的供求匹配程度进行预测和分析,该方法不仅仅局限于上海市,其他省市也可以使用。快递公司重在物流服务,提高上门取件服务的质量能为各快递公司带来源源不断的客源。所以快递公司应及时对取件物流的供求匹配程度进行分析和预测,以便给出相应的措施,减少客源的损失。才能提高公司经济效益和品牌影响力。

范文十:就业供求匹配度差距扩大_白天亮 投稿:孔耟耠

人民日报/2014年/2月/19日/第013版

社会

招工难用工难两难并存,结构性矛盾正成为主要矛盾

就业供求 匹配度差距扩大

本报记者 白天亮

人力资源和社会保障部18日公布的由中国就业促进会承担的课题报告《关于就业结构性问题的研究》指出,招工难与就业难“两难并行”,是我国就业结构性矛盾在全国不断加剧并逐步上升为主要矛盾的表现。

从总量上看,城市青年和困难群体、农村富余劳动力仍然居多,就业的总量压力并未减轻,但其表现形式也会更多地融于就业结构性矛盾之中。

青年失业率高于整体失业率

就业结构性矛盾是指在市场供求总量基本相当的情况下,人力资源供给与岗位需求产生的不匹配。其突出表现是,在一批劳动者难以实现就业的同时,另有一批企业则难以招到员工。当这个两难问题超过一定程度时,结构性矛盾将上升为就业的主要矛盾。

我国当前的就业结构性矛盾,突出体现在三方面。

其一,对全国100个城市人力资源市场供求变化状况的持续监测表明,从2001年至2012年的12年间,市场岗位空缺与求职人数的比率已从0.71∶1逐年上升,2004—2009年年均为0.95∶1,2010—2012年连续三年年均为1.04∶1。这表明市场供求总量是基本相当的。

但进一步的观察表明,市场供求的匹配度却出现越来越大的差距,特别是技能劳动者和专业技术人员的供求缺口明显加大,从2003年以来一直保持在年均1.5∶1以上,而2010—2012年年均比率已超过2∶1的水平。

其二,在市场就业机会平衡的状况下,以高校毕业生为主体的青年就业难的问题却日益突出,近3年更进一步加剧。据国家统计局调查统计,16—24岁青年失业率近三年来一直高于城镇全口径的失业率,并且从2011年1月以来呈逐月升高趋势,到2013年10月已达到9%以上,比2011年1月高3个多百分点。

其三,2001—2012年的12年间,第二产业的用人需求比重从2001年的25.7%持续上升,至2012年达到41.2%,上升了15.5个百分点;第三产业的用人需求比重从2001年的72.5%持续下降,至2012年达到57.1%,下降了15.4个百分点。由此可以看出,在十几年就业总量不断扩大的过程中,二产对就业需求比重的加大和三产对就业需求比重的缩小,都与优化产业结构和就业结构形成背道而驰之势,由此酿成结构性矛盾的加剧。

新生劳动力半数为大学生

就业结构性矛盾上升为主要矛盾,是哪些因素导致的?报告认为,首要因素是产业结构调整特别是升级换代。

一方面,在大力调整夕阳产业和淘汰落后产能时,要对涉及职工的转移安置提供帮助。另一方面,新兴产业在我国具有良好的发展前景,这其中必然导致技术技能人才短缺。此外,由于科技进步、有机构成变化、劳动生产率提高等因素,也使一些企业减少新员工吸纳,甚至排挤出部分劳动力,这也会导致就业的结构性问题。

其次,区域经济格局调整特别是中西部地区加快发展导致劳动力流动新变化。一些中西部省份在省内务工人员的比例不断攀升,而到省外务工则下降。同时,东部经济发达地区,如珠三角、长三角劳动力短缺现象日趋严重。

另外,企业用工成本的承受力与劳动者高期望值的矛盾导致供求双方难以对接。从2009年以来,货币工资一直以两位数的速度快速增长,且增速逐年加快。调查反映,当前工资增长和企业承受能力的矛盾已导致许多中小企业和大型劳动密集企业的普工短缺。

同时,教育体制改革滞后导致人才培养与市场需求不适应。主要表现为:一方面企业用人需求下降。聘用高校毕业生企业的比例,2013年一季度比2011年一季度下降了二十几个百分点。另一方面,当年需要就业的大学生占了整个劳动力市场新生劳动力的47%,而市场实际能提供的适合岗位却显得不足。

报告指出,造成大学生就业市场供求矛盾如此尖锐的原因是多方面的,其中就有教育培养模式难以适应人力资源市场的实际需求的因素。与此同时,我国目前正处于工业化的中期阶段,中低端加工制造业和服务业的用人比重一直维持在六成以上,占新生劳动力近一半的大学生根本无法与市场六成以上的中低端需求相对接。

此外,人口结构变化也导致劳动力供给结构变化。我国劳动适龄人口的总量开始减少;在新生劳动力供给方面,大学生将占据50%左右的水平,并成为一种常态;农民工总量特别是跨省流动农民工的增速将进一步减缓,并逐步趋于稳定,中国农村转移劳动力无限供给进入尾声。 结构调整需向服务业倾斜

结构性矛盾突出,既会影响就业规模持续扩大,也会影响就业质量的提高。

如何有效应对就业结构性矛盾,报告指出,应借鉴吸收国际好经验,逐步形成有效应对就业结构性矛盾的政策框架和相应的措施办法。

教育培训要与产业发展紧密结合,从源头化解就业结构性矛盾。包括提高农民工的整体素质,提高大学生的专业技能,提高在职员工的技能尤其是技术人员和管理者的水平,造就一支新的高素质的产业大军。还要重视以培养实用技术技能为主线的教育体系,一方面能够快速回应产业企业需求,另一方面能够根据需求灵活地进行调整。

报告同时对如何充实“更加积极的就业政策”提出建议,明确就业政策要与“调轻”就业结构相结合。

一方面要在推动与生活相关的现代服务业的发展上下功夫,包括电子商务、社区服务、家庭服务、健康服务、养老服务等,形成放开搞活就业扶持的相关政策。另一方面,要在推动与生产相关的现代服务业上下功夫,包括研发、信息、科技、物流、金融、咨询等智力密集型领域,实行鼓励支持创新研发带动大学生就业的政策。

在推动发展中,要切实落实相关的便利工商登记、财政支持、金融信贷、税收减免等扶持政策。就业和社会保险政策要主动跟进,在小额贷款、就业资金扶持、社保补贴、岗位补贴等方面加大扶持力度,营造良好条件,引导劳动者进入这些领域就业创业。

统一、开放、灵活的人力资源市场,可以加强信息匹配度,更好地化解摩擦性失业和招工难问题。

报告指出,要推动形成统一开放、灵活高效的市场运行机制,逐步加大和发挥市场机制在人力资源匹配中的作用。要建立覆盖面广的市场供求信息共享平台,应定期发布区域产业信息、地区经济发展信息和紧缺职业工种目录,减少就业市场中因信息不及时、不对称所造成的失业。

字典词典师资培训总结师资培训总结【范文精选】师资培训总结【专家解析】特区人才引进规定特区人才引进规定【范文精选】特区人才引进规定【专家解析】高一某班在入学体检中高一某班在入学体检中【范文精选】高一某班在入学体检中【专家解析】