“互聯(lián)網(wǎng)+”時(shí)代的出租車(chē)資源配置

1、“互聯(lián)網(wǎng)+”時(shí)代的出租車(chē)資源配置摘 要本文是一個(gè)資源配置最優(yōu)化問(wèn)題。在充分考慮影響出租車(chē)資源“供求匹配”指標(biāo)的基礎(chǔ)上，對(duì)不同城市出租車(chē)資源匹配度進(jìn)行了評(píng)價(jià)；考慮到“互聯(lián)網(wǎng)+”時(shí)代對(duì)出租車(chē)資源配置的影響，研究了其對(duì)緩解“打車(chē)難”現(xiàn)狀的作用，并通過(guò)分析給出了合理使用打車(chē)軟件，以改善“打車(chē)難”的實(shí)施方案。針對(duì)問(wèn)題一：通過(guò)查閱資料，分析得到影響“供求匹配”程度的司機(jī)和乘客的五個(gè)重要指標(biāo)：里程利用率、出租車(chē)滿(mǎn)載率、城市出租車(chē)萬(wàn)人擁有量，乘坐率，乘客等待時(shí)間；針對(duì)上述指標(biāo)，采用熵權(quán)法和層次分析法,借助lingo軟件計(jì)算得到各指標(biāo)權(quán)重；考慮到城市交通狀況與時(shí)間和空間的正相關(guān)性，對(duì)城市交通時(shí)間和地點(diǎn)按照熱度等

2、級(jí)分類(lèi)，結(jié)合權(quán)重建立了多因素綜合評(píng)價(jià)模型，利用matlab軟件計(jì)算出不同時(shí)間段、不同地點(diǎn)出租車(chē)資源匹配程度綜合評(píng)價(jià)值。通過(guò)司機(jī)供給量和乘客需求量比較，得到過(guò)渡區(qū)的平常時(shí)間段供求匹配程度高，密集區(qū)的平常時(shí)間段、過(guò)渡區(qū)的高峰期、郊區(qū)的平常時(shí)間段供求匹配程度中；郊區(qū)的高峰期和密集區(qū)的高峰區(qū)的供求匹配程度低，又考慮到打車(chē)軟件使用率對(duì)里程利用率的影響，根據(jù)對(duì)出租車(chē)司機(jī)與乘客的雙向補(bǔ)貼及年齡，進(jìn)行資源利用率的匹配。針對(duì)問(wèn)題二：本問(wèn)在第一問(wèn)得到的五指標(biāo)權(quán)重的基礎(chǔ)上，選取滴滴和快的軟件的補(bǔ)貼方案為研究對(duì)象，利用加權(quán)求和法與綜合評(píng)價(jià)法，借助于matlab計(jì)算了使用軟件前和使用后加補(bǔ)貼分別的的供求匹配度，并對(duì)兩種

3、軟件匹配度進(jìn)行了分析比較。通過(guò)比較，得出滴滴和快的兩家軟件公司的補(bǔ)貼對(duì)緩解打車(chē)難問(wèn)題都作出了貢獻(xiàn)；針對(duì)軟件使用的情況進(jìn)一步分析，發(fā)現(xiàn)存在二次打車(chē)難度情況，但在通常情況下補(bǔ)貼方案對(duì)“緩解打車(chē)難”有幫助，對(duì)于高峰期特別嚴(yán)重時(shí)二次打車(chē)難度無(wú)法解決，甚至當(dāng)打車(chē)補(bǔ)貼金額太多時(shí)會(huì)導(dǎo)致資源浪費(fèi)，加重打車(chē)難度。針對(duì)問(wèn)題三：本文在本對(duì)問(wèn)建立了一個(gè)較為完善的打車(chē)軟件服務(wù)平臺(tái)，首先，引入了信譽(yù)度、補(bǔ)貼率、選擇論等新概念對(duì)打車(chē)軟件服務(wù)平臺(tái)進(jìn)行優(yōu)化，在一定程度上對(duì)乘客與司機(jī)進(jìn)行了補(bǔ)貼。其次，將補(bǔ)貼延伸為補(bǔ)貼率，將補(bǔ)貼這個(gè)固定的概念轉(zhuǎn)變?yōu)橐粋€(gè)動(dòng)態(tài)的、受多方因素干涉的概念。最后，將司機(jī)的補(bǔ)貼金額與乘客對(duì)司機(jī)的打分進(jìn)行掛鉤，

4、一定程度上可以提升司機(jī)的服務(wù)態(tài)度，同時(shí)用隨機(jī)抽查來(lái)考核乘客的態(tài)度，對(duì)乘客的評(píng)分進(jìn)行干預(yù)。關(guān)鍵詞 二次打車(chē)難 信譽(yù)度 補(bǔ)貼率 熵權(quán)-層次分析法一問(wèn)題重述與問(wèn)題分析1.1問(wèn)題重述隨著社會(huì)逐漸步入“互聯(lián)網(wǎng)+”時(shí)代，打車(chē)難的問(wèn)題再次出現(xiàn)在人們眼前，成為了又一個(gè)被眾多人所關(guān)注的社會(huì)熱點(diǎn)問(wèn)題，為了解決這個(gè)問(wèn)題，有多家公司在移動(dòng)互聯(lián)網(wǎng)的基礎(chǔ)上制作了不同的打車(chē)軟件服務(wù)平臺(tái)，為實(shí)現(xiàn)乘客與出租車(chē)司機(jī)之間的信息互通提供了一個(gè)信息交互平臺(tái)，同時(shí)針對(duì)乘客和出租車(chē)司機(jī)推出了多種出租車(chē)的補(bǔ)貼方案。問(wèn)題一：試建立合理的指標(biāo)，建立一個(gè)合理的數(shù)學(xué)模型，在數(shù)學(xué)模型的基礎(chǔ)上分析在不同時(shí)空下出租車(chē)資源的“供求匹配”程度。問(wèn)題二：分析各

5、公司的出租車(chē)補(bǔ)貼方案是否對(duì)“緩解打車(chē)難”有幫助？問(wèn)題三：如果要?jiǎng)?chuàng)建一個(gè)新的打車(chē)軟件服務(wù)平臺(tái)，將會(huì)設(shè)計(jì)什么樣的補(bǔ)貼方案，并論證其合理性。1.2問(wèn)題分析針對(duì)問(wèn)題一：時(shí)空可通過(guò)時(shí)間段即高峰期，包括上下班，周末，節(jié)假日等時(shí)段和平常時(shí)間確定?？臻g即城市不同地區(qū)，如人車(chē)密集區(qū)，過(guò)渡區(qū)，郊區(qū)。先確定指標(biāo)進(jìn)行理想化資源配置分析，再全面考慮資源的使用率配置，綜合分析，優(yōu)化供求匹配程度劃分的科學(xué)性。針對(duì)問(wèn)題二：使用問(wèn)題一中的供求匹配程度來(lái)衡量打車(chē)的難度。這里一個(gè)城市在使用軟件前后的對(duì)比結(jié)果不具備較強(qiáng)的說(shuō)服力，故在這里列舉15個(gè)城市在使用軟件前和后加補(bǔ)貼的匹配程度進(jìn)行對(duì)比，從而增強(qiáng)說(shuō)服力。若使用后供求匹配程度大于使

6、用前，則使用軟件對(duì)緩解打車(chē)難的問(wèn)題有幫助；否則無(wú)幫助。為論證判斷合理性，再次考慮二次打車(chē)難度給出了正確的判斷。針對(duì)問(wèn)題三：在本問(wèn)中要求創(chuàng)新，自己創(chuàng)建一個(gè)打車(chē)平臺(tái)。從最優(yōu)化方面給出一個(gè)補(bǔ)貼方案使公司，司機(jī)，利益最大化，也使乘客滿(mǎn)意度高，繼而使用率高。綜合多方面給出一個(gè)補(bǔ)貼方案。二符號(hào)系統(tǒng)符號(hào)說(shuō)明打分補(bǔ)貼率乘客的綜合補(bǔ)貼率司機(jī)的綜合補(bǔ)貼率乘客的信譽(yù)評(píng)分乘客的補(bǔ)貼金額司機(jī)的補(bǔ)貼金額三模型假設(shè)1. 假設(shè)A市的人口不會(huì)大幅遷入遷出，基本保持穩(wěn)定；2. 假設(shè)城市出租車(chē)總數(shù)不會(huì)出現(xiàn)大幅度變化，保持一個(gè)固定值；3. 假設(shè)選取的城市都具備代表性；4. 假設(shè)同一空間下的車(chē)輛、人群密度相同。四模型的建立及求解4.1

7、問(wèn)題一的模型建立與求解4.1.1指標(biāo)分析本文通過(guò)出租車(chē)資源的供求匹配程度的實(shí)際分析可以得出，影響出租車(chē)資源的供求匹配程度的指標(biāo)有以下五個(gè)：里程利用率、出租車(chē)滿(mǎn)載率、城市出租車(chē)萬(wàn)人擁有率、乘客等待時(shí)間、乘客乘坐率。其中里程利用率、出租車(chē)滿(mǎn)載率、城市出租車(chē)萬(wàn)人擁有率為針對(duì)司機(jī)而言的三個(gè)指標(biāo)。里程利用率，反映出出租車(chē)在一天運(yùn)營(yíng)過(guò)程中的使用率，可以用某輛出租車(chē)當(dāng)天載客行駛里程數(shù)與總里程數(shù)的比值來(lái)表示。出租車(chē)滿(mǎn)載率，反映出出租車(chē)在某段時(shí)間內(nèi)的使用率，具體指固定一個(gè)觀測(cè)點(diǎn)之后，統(tǒng)計(jì)經(jīng)過(guò)這個(gè)觀測(cè)點(diǎn)的出租車(chē)總數(shù)以及其中的載客出租車(chē)的數(shù)量，載客出租車(chē)在出租車(chē)總數(shù)中所占的比例即為出租車(chē)滿(mǎn)載率。城市出租車(chē)萬(wàn)人擁有量

8、，反映出一個(gè)城市擁有的出租車(chē)的總數(shù)量，即就是在一個(gè)城市內(nèi)平均每萬(wàn)人擁有出租車(chē)的車(chē)輛數(shù)，為一個(gè)固定值。而乘客等待時(shí)間、乘客乘坐率則是對(duì)于乘客而言的兩個(gè)指標(biāo)。乘客乘坐率，反映了某一段時(shí)間內(nèi)，乘客的出行率?？梢杂媚扯螘r(shí)間內(nèi)乘客乘坐人數(shù)比需要搭乘的總?cè)藬?shù)。乘客等待時(shí)間的倒數(shù)，其值與乘客等待時(shí)間成反比。4.1.2計(jì)算權(quán)重經(jīng)過(guò)查閱相關(guān)資料，在Excel軟件中將部分城市的三個(gè)指標(biāo)的量值進(jìn)行匯總統(tǒng)計(jì)，得到表1。表1 部分城市的三大指標(biāo)的量值城市城市出租車(chē)萬(wàn)人擁有量里程利用率出租車(chē)滿(mǎn)載率大連3665.51%75.60%沈陽(yáng)3457.40%69.80%北京3468%71.80%廣州3273.79%69.20%哈爾

9、濱2984.10%75.60%西安2570.00%75.40%武漢2469.02%75.60%南京23.7765.40%67.60%成都23.567.88%69.20%廈門(mén)22.7872.00%70.80%青島2264.51%68.60%寧波2068.00%72.00%杭州19.669.25%77.40%濟(jì)南15.571.70%71.00%深圳10.8669.10%58.80%為了計(jì)算的精確度，本文使用熵權(quán)-層次分析法對(duì)三個(gè)指標(biāo)的權(quán)重進(jìn)行計(jì)算。熵權(quán)法計(jì)算權(quán)重首先，本文根據(jù)表1制作原始矩陣隨后，利用極值法對(duì)原始矩陣進(jìn)行無(wú)量綱化2處理 （1）將原始矩陣進(jìn)行無(wú)量綱化處理后得到的矩陣記為繼而，對(duì)矩陣進(jìn)

10、行歸一化處理，從而使得，且不會(huì)破壞原有數(shù)據(jù)間的比例關(guān)系。在此基礎(chǔ)上，分別定義第個(gè)評(píng)價(jià)指標(biāo)的熵為其中，（這樣選擇的使得，同時(shí)方便后續(xù)進(jìn)行處理）；第個(gè)指標(biāo)的差異系數(shù)為；第個(gè)評(píng)價(jià)指標(biāo)的熵權(quán)為。最后，計(jì)算第個(gè)指標(biāo)的熵權(quán)，即為各個(gè)指標(biāo)權(quán)重，將求解出的，記為熵權(quán)-層次分析法的，即表2 熵權(quán)權(quán)重指標(biāo)城市出租車(chē)萬(wàn)人擁有率里程利用率出租車(chē)滿(mǎn)載率熵權(quán)權(quán)重AHP層次分析法首先，制作一份調(diào)查問(wèn)卷，在互聯(lián)網(wǎng)上進(jìn)行調(diào)查，將所得結(jié)果結(jié)果進(jìn)行匯總分析，建立判斷矩陣。由于把所有元素都和某個(gè)元素做比較，即制作次比較，任何一個(gè)判斷的失誤均可導(dǎo)致排序出現(xiàn)不合理的情況，從而導(dǎo)致結(jié)果偏離實(shí)際值。所以本文引用數(shù)字及其倒數(shù)作為標(biāo)度，對(duì)指標(biāo)進(jìn)

11、行兩兩比較，由專(zhuān)家組進(jìn)行打分評(píng)價(jià)后的綜合結(jié)果，從而得到判斷矩陣。 （2）由判斷矩陣滿(mǎn)足式（2），可得判斷矩陣是正互反矩陣。即這個(gè)判斷矩陣的一致性是可以接受的，故該判斷矩陣具備合理性。據(jù)此計(jì)算出各個(gè)指標(biāo)的權(quán)重為。同時(shí)，在此令權(quán)重為熵權(quán)-層次分析法的。表3 層次分析法權(quán)重指標(biāo)城市出租車(chē)萬(wàn)人擁有率里程利用率出租車(chē)滿(mǎn)載率層次分析法權(quán)重熵權(quán)-層次分析法首先定義出一個(gè)目標(biāo)函數(shù)，隨后根據(jù)目標(biāo)函數(shù)構(gòu)造出一個(gè)非線性規(guī)劃方程，從而將權(quán)重集成的問(wèn)題轉(zhuǎn)化為了一個(gè)最優(yōu)化問(wèn)題。在1）和2）中得到的兩個(gè)方法的指標(biāo)對(duì)應(yīng)權(quán)重分別為和進(jìn)行集成后可以得到新指標(biāo)權(quán)重為故15個(gè)被評(píng)價(jià)對(duì)象對(duì)應(yīng)的3個(gè)評(píng)價(jià)指標(biāo)的原始數(shù)據(jù)矩陣為隨后將原始數(shù)據(jù)

12、矩陣使用式（1）進(jìn)行無(wú)量綱化處理，得到新數(shù)據(jù)矩陣記利用得到的個(gè)被評(píng)價(jià)對(duì)象的評(píng)價(jià)值為利用得到的個(gè)被評(píng)價(jià)對(duì)象的評(píng)價(jià)值為將得到的兩組被評(píng)價(jià)對(duì)象的評(píng)價(jià)值看成是維空間的兩個(gè)向量，即和。找到一個(gè)向量使其到和的距離和最小，即將該向量視為對(duì)和某種意義上的組合的結(jié)果。即既“照顧”到了和，又對(duì)和沒(méi)有主觀上的“偏重”。用與和相同的構(gòu)成方法構(gòu)造，即。在這里，距離的計(jì)算采用了m維空間的歐式距離進(jìn)行計(jì)算，公式如下： (3)通過(guò)解式（3）的非線性規(guī)劃方程組，得到的值，為且該權(quán)重值為兩方法集成后的新指標(biāo)權(quán)重，即為熵權(quán)-層次分析法所得到的最終的各項(xiàng)指標(biāo)權(quán)重。表4 綜合權(quán)重指標(biāo)城市出租車(chē)萬(wàn)人擁有率里程利用率出租車(chē)滿(mǎn)載率層次分析法

13、權(quán)重將得到的兩組被評(píng)價(jià)對(duì)象的評(píng)價(jià)值看成是維空間的兩個(gè)向量，即和。找到一個(gè)向量使其到和的距離和最小，即將該向量視為對(duì)和某種意義上的組合的結(jié)果。即既“照顧”到了和，又對(duì)和沒(méi)有主觀上的“偏重”。用與和相同的構(gòu)成方法構(gòu)造，即。在這里，距離的計(jì)算采用了m維空間的歐式距離進(jìn)行計(jì)算，公式如下： (3)通過(guò)解式（3）的非線性規(guī)劃方程組，得到的值，為且該權(quán)重值為兩方法集成后的新指標(biāo)權(quán)重，即為熵權(quán)-層次分析法所得到的最終的各項(xiàng)指標(biāo)權(quán)重。同上對(duì)影響乘客需求量的兩大指標(biāo)用熵權(quán)法求權(quán)重為（0.4896,0.5104）4.1.3模糊綜合評(píng)價(jià)模型3的建立及求解以打車(chē)軟件使用最為普遍的城市為例，此城市可針對(duì)不同的時(shí)間不同的地

14、域的供求匹配程度進(jìn)行考慮，在這里將不同地域分為密集區(qū)、過(guò)渡區(qū)、郊區(qū)。不同的地區(qū)由于人口規(guī)模與車(chē)輛的比例會(huì)影響到區(qū)域出租車(chē)密度，對(duì)于郊區(qū)而言，郊區(qū)的里程利用率較低。將不同時(shí)間分為高峰期和平常期。表5 時(shí)間段劃分高峰期平常期上班期（79；1314）除高峰期外的所有時(shí)間下班期（1112；67）周末節(jié)假日在查閱了相關(guān)資料、搜集相關(guān)數(shù)據(jù)之后，制作出了如表3所示的不同時(shí)空的指標(biāo)值表。表6 不同時(shí)空司機(jī)供給量的指標(biāo)值區(qū)域時(shí)間段區(qū)域出租車(chē)密度里程利用率滿(mǎn)載率密集區(qū)高峰期6092.00%70.20%平常期3985.00%57.20%過(guò)渡區(qū)高峰期4588.00%65.20%平常期3075.00%54.40%郊區(qū)高

15、峰期1740.50%88.80%平常期1327.50%95.00%表7 不同時(shí)空的乘客需求量“供求匹配”程度評(píng)價(jià)區(qū)域時(shí)間段乘客乘坐率乘客等待時(shí)間的倒數(shù)密集區(qū)高峰期0.61/20平常期0.451/10過(guò)渡區(qū)高峰期0.431/15平常期0.41/5郊區(qū)高峰期0.551/30平常期0.51/40對(duì)以上兩個(gè)對(duì)象分別建立綜合評(píng)價(jià)模型。對(duì)以上兩種原始矩陣進(jìn)行無(wú)量綱化處理的,再進(jìn)行歸一化處理得到。利用加權(quán)求和法綜合評(píng)價(jià)供給量與需求量用供給率的差值衡量匹配程度模型表8 綜合評(píng)價(jià)值0.0730.11530.04230.05890.07570.01680.06460.0850.02040.05160.06150.

16、00990.04680.07360.02680.04330.0650.0217當(dāng)說(shuō)明匹配程度高，時(shí)，說(shuō)明匹配程度中。當(dāng)時(shí)匹配程度低。4.1.4模型的優(yōu)化：考慮軟件使用率補(bǔ)貼與年齡兩個(gè)方面影響的是使用人數(shù)，即打車(chē)軟件的使用率，綜合影響到里程利用率。在這里結(jié)合年齡和補(bǔ)貼兩個(gè)因素，根據(jù)使用率給出里程利用率的值：首先，引進(jìn)年齡的因素圖1 每個(gè)年齡段在人口中的構(gòu)成比例對(duì)于不同年齡段的人來(lái)說(shuō)，對(duì)新事物的接受能力是不同的，本文在這里搜集了相關(guān)的數(shù)據(jù)資料，得到了1835歲的人對(duì)新事物的接受能力最強(qiáng)的事實(shí)，因此得到如下使用率關(guān)于年齡的計(jì)算公式然后，在此基礎(chǔ)上引進(jìn)補(bǔ)貼的情況圖2 補(bǔ)貼金額與供求匹配度的關(guān)系示意圖由

17、圖2可知，隨著補(bǔ)貼金額的提升，供求匹配度先隨之提高，而在達(dá)到臨界值之后，供求匹配度反而開(kāi)始下降，且對(duì)打車(chē)軟件公司的利益造成損失，此時(shí)可能會(huì)發(fā)生供不應(yīng)求的現(xiàn)象，對(duì)于解決打車(chē)難的問(wèn)題沒(méi)有幫助。綜上所述，考慮到使用率對(duì)里程利用率的影響，在這里對(duì)4.1.1中的模型進(jìn)行套用，得到最終的優(yōu)化結(jié)果。4.2問(wèn)題二的求解本問(wèn)使用15個(gè)城市在采用各個(gè)打車(chē)軟件公司提供的補(bǔ)貼方案是否使打車(chē)難問(wèn)題得到解決的問(wèn)題進(jìn)行驗(yàn)證，在這里緩解打車(chē)難用出租車(chē)資源供求匹配程度進(jìn)行衡量。Step1：使用打車(chē)軟件前的出租車(chē)資源供求匹配程度使用加權(quán)求和法得到綜合值來(lái)表示匹配度，將使用打車(chē)軟件前的15個(gè)城市的三大指標(biāo)的對(duì)應(yīng)指標(biāo)值以及計(jì)算出的綜

18、合值制作成表9。表9 使用打車(chē)軟件前的出租車(chē)資源供求匹配程度城市出租車(chē)萬(wàn)人擁有量里程利用率滿(mǎn)載率匹配程度大連3647.71%58.37%13.019500沈陽(yáng)3449.00%48.88%12.293401北京3435.32%50.76%12.248035廣州3252.71%40.82%11.580227哈爾濱2974.37%55.73%10.645016西安2546.19%55.82%9.132096武漢2455.13%53.19%8.805583南京23.7751.39%48.43%8.697522成都23.549.39%47.64%8.592819廈門(mén)22.7849.74%49.27%8.

19、345022青島2254.28%50.85%8.091457寧波2048.02%52.54%7.368515杭州19.654.57%55.20%7.259238濟(jì)南15.551.66%54.25%5.801627深圳10.8657.48%54.27%4.188793Step2：使用打車(chē)軟件后的出租車(chē)資源供求匹配程度這里以最普遍的兩個(gè)打車(chē)軟件：滴滴打車(chē)和快的打車(chē)在某一年的補(bǔ)貼影響供求匹配度的關(guān)系為例。搜集大量資料、數(shù)據(jù)搜集之后，補(bǔ)貼金額的多少直接影響司機(jī)的決策，從而增大里程利用率。在這里補(bǔ)貼與使用率成正相關(guān)。圖3 補(bǔ)貼金額與使用率的關(guān)系示意圖從圖3可知，當(dāng)補(bǔ)貼金額達(dá)到一定值時(shí)，軟件的使用率的增長(zhǎng)

20、幅度慢慢趨近于0，因此可以得到補(bǔ)貼關(guān)于使用率的關(guān)系式，其中表示軟件使用率，表示補(bǔ)貼金額，為使用率與補(bǔ)貼金額間的相關(guān)系數(shù)。針對(duì)滴滴打車(chē)軟件，從而影響出租車(chē)的滿(mǎn)載率，其中，。使用Step1中的方法進(jìn)行加權(quán)求值其中，為為第個(gè)因素的權(quán)重，分別表示城市出租車(chē)萬(wàn)人擁有量、里程利用率，表示出租車(chē)滿(mǎn)載率與補(bǔ)貼的關(guān)系。同理，對(duì)于快的打車(chē)軟件進(jìn)行類(lèi)似計(jì)算，得到。表10 使用打車(chē)軟件后的出租車(chē)資源供求匹配程度城市A情況的滿(mǎn)載率A綜合值B情況的滿(mǎn)載率B綜合值大連78%13.139881 70%13.117644 沈陽(yáng)71%12.385944 62%12.360927 北京76%12.439040 65%12.4084

21、64 廣州68%11.733724 61%11.714266 哈爾濱76%10.737351 69%10.717893 西安77%9.279010 68%9.253994 武漢78%8.925921 71%8.906464 南京69%8.806502 60%8.781485 成都69%8.720566 62%8.701109 廈門(mén)73%8.493304 65%8.471066 青島70%8.182516 61%8.157500 寧波72%7.496491 64%7.474254 杭州81%7.385233 72%7.360216 濟(jì)南70%5.919512 65%5.905613 深圳76%4

22、.292158 65%4.261582 從本問(wèn)中所舉例的滴滴打車(chē)與快的打車(chē)軟件來(lái)看，這15個(gè)城市使用了打車(chē)軟件之后的出租車(chē)資源匹配程度都有不同程度的提高，即這兩個(gè)軟件的補(bǔ)貼方案是合理的，對(duì)打車(chē)難的現(xiàn)象有所緩解。然而，在使用軟件之后雖然對(duì)打車(chē)難問(wèn)題有所緩解，不過(guò)如果補(bǔ)貼金額過(guò)高，導(dǎo)致人們?cè)诔鲂袝r(shí)發(fā)現(xiàn)打車(chē)不僅不花錢(qián)反而甚至?xí)嶅X(qián)時(shí)，大多數(shù)人都會(huì)因此而采用打車(chē)出行。由于每個(gè)城市的出租車(chē)數(shù)量都是一個(gè)固定的值，即出租車(chē)總數(shù)不變，打車(chē)的人數(shù)急劇增多之后反而會(huì)導(dǎo)致二次打車(chē)難的問(wèn)題，使得使用補(bǔ)貼政策來(lái)緩解打車(chē)難的目的難以從根本上達(dá)到，因此，補(bǔ)貼政策就成為了打車(chē)軟件在緩解打車(chē)難問(wèn)題上的關(guān)鍵所在。4.3問(wèn)題三的求

23、解在本問(wèn)中要求創(chuàng)新，自己創(chuàng)建一個(gè)打車(chē)平臺(tái)。從最優(yōu)化方面給出一個(gè)補(bǔ)貼方案使公司，司機(jī)，利益最大化，也使乘客滿(mǎn)意度高，繼而使用率高。綜合多方面因素給出一個(gè)補(bǔ)貼方案。在這里引入信譽(yù)度的概念，并將之與補(bǔ)貼金額進(jìn)行聯(lián)系，假如用戶(hù)或司機(jī)中的一方做了違反用戶(hù)與司機(jī)間的約定的事或做了對(duì)對(duì)方有害的事，不會(huì)直接降低這一方的補(bǔ)貼金額，而是會(huì)對(duì)這一方的信譽(yù)度進(jìn)行降低，當(dāng)信譽(yù)度降低至0時(shí)將不會(huì)擁有公司提供的補(bǔ)貼。在這里對(duì)信譽(yù)度進(jìn)行打分，并對(duì)其進(jìn)行分級(jí)、引入對(duì)應(yīng)的綜合補(bǔ)貼率，制作出如表11所示的乘客信譽(yù)度與補(bǔ)貼率的對(duì)應(yīng)關(guān)系表11 乘客信譽(yù)度與補(bǔ)貼率的對(duì)應(yīng)關(guān)系信譽(yù)分級(jí)信譽(yù)度評(píng)分（）綜合補(bǔ)貼率（）一級(jí)90100115%二級(jí)8

24、090110%三級(jí)7080105%四級(jí)6070100%五級(jí)506070%六級(jí)405040%七級(jí)0400%現(xiàn)有的打車(chē)軟件皆為司機(jī)搶單模式，不利于乘客與司機(jī)進(jìn)行信息溝通，即乘客無(wú)法知道司機(jī)所在的位置司機(jī)需要多長(zhǎng)時(shí)間才能趕到乘客所處的位置，也不知道該司機(jī)的服務(wù)態(tài)度等信息。故本文在這里引入了乘客打分項(xiàng)，即對(duì)司機(jī)的信譽(yù)度而言，多出了乘客打分一項(xiàng)，制作出如表12所示的乘客打分表，而對(duì)乘客而言沒(méi)有司機(jī)打分一項(xiàng)，取而代之的是對(duì)司機(jī)的隨機(jī)抽查，并據(jù)此對(duì)乘客的信譽(yù)評(píng)分進(jìn)行干預(yù)。表12 乘客與司機(jī)的打分補(bǔ)貼率的對(duì)應(yīng)關(guān)系乘客打分乘客信譽(yù)評(píng)分打分補(bǔ)貼率（）12345結(jié)合表12制作出如表13所示的司機(jī)信譽(yù)度與補(bǔ)貼率的對(duì)應(yīng)

25、關(guān)系表13 司機(jī)信譽(yù)度與補(bǔ)貼率的對(duì)應(yīng)關(guān)系信譽(yù)分級(jí)信譽(yù)度評(píng)分打分補(bǔ)貼率初始補(bǔ)貼率綜合補(bǔ)貼率（）一級(jí)90100100%二級(jí)809090%三級(jí)708080%四級(jí)607070%五級(jí)506060%六級(jí)405040%七級(jí)0400%即假設(shè)一個(gè)乘客的信譽(yù)評(píng)分為85分，他給司機(jī)的打分為4，那么打分補(bǔ)貼率為，司機(jī)的信譽(yù)度評(píng)分為75，則他的初始補(bǔ)貼率為80%，那么該司機(jī)的綜合補(bǔ)貼率為136%。對(duì)于補(bǔ)貼金額的計(jì)算，本文認(rèn)為補(bǔ)貼應(yīng)當(dāng)是雙向的，即乘客在乘坐出租車(chē)時(shí)可以得到相應(yīng)的車(chē)費(fèi)減免，而司機(jī)可以得到額外的補(bǔ)貼收入。原有出租車(chē)的計(jì)價(jià)器上只有三個(gè)信息，一個(gè)是載客，一個(gè)是空車(chē)，最后一個(gè)是停止運(yùn)營(yíng)。而本文在此引入了一個(gè)新的概念

26、，將三個(gè)信息擴(kuò)充為四個(gè)信息，新增的第四個(gè)信息為有客，代表該出租車(chē)目前雖然沒(méi)有乘客，不過(guò)在軟件上已經(jīng)接到了訂單，正在前往下訂單乘客的所在地。在這里做一個(gè)假設(shè)來(lái)對(duì)這個(gè)補(bǔ)貼金額進(jìn)行說(shuō)明，假設(shè)現(xiàn)在在地有一名乘客使用軟件下單，乘客需要前往地，接到單的司機(jī)在地且這輛出租車(chē)為空車(chē)。、兩地間的直線距離記為，、兩地間的直線距離記為，天然氣的價(jià)格為。于是在這種情況下乘客獲得的車(chē)費(fèi)減免可以用式（4）進(jìn)行計(jì)算 （4）而司機(jī)獲得的補(bǔ)貼可以用式（5）進(jìn)行計(jì)算 （5）式（4）和式（5）即為本文在本問(wèn)中建立的補(bǔ)貼金額的計(jì)算公式。在乘客與司機(jī)的信息交互上，本文引入了推薦的模式，即向符合條件的司機(jī)推送出下單乘客的性別、年齡、信譽(yù)評(píng)分的信息，不會(huì)出現(xiàn)乘客的真實(shí)姓名等信息，在收到訂單推送后的司機(jī)可以自主選擇是否接這個(gè)訂單，假如選擇接單，那么將會(huì)將司機(jī)的相關(guān)信息反饋至用戶(hù)面前，達(dá)到5個(gè)反饋信息之后由用戶(hù)選擇滿(mǎn)意的司機(jī)來(lái)完成訂單，倘若都不滿(mǎn)意可以根據(jù)實(shí)際情況進(jìn)行更廣范圍的訂單推送，從而獲得符合要求的司機(jī)的信息反饋，并完成訂單。而為了保證訂單的質(zhì)量，乘客在下單的時(shí)候需要預(yù)支付一定的押金，押金是按照當(dāng)時(shí)出租車(chē)的收費(fèi)標(biāo)準(zhǔn)，使用、兩地間的直線距離作為行駛里程計(jì)算出的總價(jià)，這個(gè)總價(jià)將作為押金預(yù)支付，若訂單完成，則使用押金支付車(chē)費(fèi)，不足以支付的部分