汪小力，汪　欣，于東焱

(1.安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030；2.安徽財(cái)經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

?

基于相關(guān)分析法的出租車(chē)資源配置研究

汪小力1，汪欣1，于東焱2

(1.安徽財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233030；2.安徽財(cái)經(jīng)大學(xué)金融學(xué)院，安徽 蚌埠 233030)

目的研究“互聯(lián)網(wǎng)+”時(shí)代的出租車(chē)資源配置問(wèn)題。方法選取8個(gè)與出租車(chē)資源配置程度相關(guān)的指標(biāo)，收集不同城市關(guān)于這些指標(biāo)的數(shù)據(jù)，使用向后逐次回歸分析法，利用EVIEWS得到回歸方程，通過(guò)公式計(jì)算得到各城市的空載率，對(duì)“打車(chē)難”現(xiàn)狀進(jìn)行深入分析，得出影響打車(chē)?yán)щy程度的因素，用數(shù)理統(tǒng)計(jì)方法對(duì)出租車(chē)補(bǔ)貼價(jià)格數(shù)據(jù)進(jìn)行處理，使用SPSS、Excel軟件,得到補(bǔ)貼價(jià)格對(duì)各個(gè)影響因素的相關(guān)性，針對(duì)上述影響因素設(shè)計(jì)一個(gè)新的打車(chē)軟件服務(wù)平臺(tái)和合適的補(bǔ)貼方案，將其應(yīng)用于北京市。結(jié)果得到北京各年的空載率和不同時(shí)空出租車(chē)資源的“供求匹配”程度。補(bǔ)貼價(jià)格與各個(gè)影響因素的相關(guān)性，進(jìn)而得出補(bǔ)貼可以緩解“打車(chē)難”。該方案使得設(shè)計(jì)的打車(chē)平臺(tái)市場(chǎng)占有率達(dá)到10%，即表明方案能達(dá)到司機(jī)、乘客、公司三方平衡，說(shuō)明了該方案是合理的。結(jié)論就目前而言，國(guó)內(nèi)出租車(chē)資源利用率較低，而補(bǔ)貼方案對(duì)緩解“打車(chē)難”有緩解作用，但是不能徹底解決“打車(chē)難”。

向后逐步回歸法；空駛率；相關(guān)分析法；SPSS；EVIEWS；定量分析

隨著國(guó)內(nèi)經(jīng)濟(jì)的快速發(fā)展和人民生活水平的提高，居民對(duì)出行方便與舒適的要求也在不斷提高。出租車(chē)交通有著相對(duì)固定的消費(fèi)群體和市場(chǎng)需求量。出租車(chē)作為市民出行的重要交通工具，在城市交通市場(chǎng)中所占份額不斷提高。近年來(lái)，國(guó)內(nèi)大中型城市的出租車(chē)行業(yè)在經(jīng)歷了一段時(shí)間的發(fā)展后，都不同程度出現(xiàn)出租車(chē)總量過(guò)剩的現(xiàn)象。出租車(chē)供求失衡是“打車(chē)難”的根本原因。經(jīng)營(yíng)管理體制落后、經(jīng)濟(jì)效益遞減等原因增大了“打車(chē)難”的供求不匹配程度，直接表現(xiàn)為出租車(chē)空駛率高，大量空駛的出租車(chē)不僅浪費(fèi)道路資源，而且導(dǎo)致城市交通擁堵，出租車(chē)運(yùn)營(yíng)效率不高，形成“車(chē)找不到人，人找不到車(chē)”的尷尬局面。因此建立合理指標(biāo)分析出租車(chē)資源匹配程度與打車(chē)軟件補(bǔ)貼方案對(duì)緩解“打車(chē)難”問(wèn)題具有現(xiàn)實(shí)意義。

1　影響因素分析

1.1研究思路

通過(guò)查閱參考文獻(xiàn)選取出租車(chē)資源“供求匹配”與社會(huì)經(jīng)濟(jì)發(fā)展相關(guān)的因素，收集了2013年一線(xiàn)、二線(xiàn)、三線(xiàn)主要城市出租車(chē)的相關(guān)數(shù)據(jù)，通過(guò)對(duì)影響因素之間的相關(guān)性分析,采用逐次回歸分析法,對(duì)一段時(shí)期內(nèi)城市出租車(chē)總量進(jìn)行控制,測(cè)定其出租車(chē)需求的合理規(guī)模[1]。

1.2數(shù)據(jù)處理

在統(tǒng)計(jì)年鑒中查到相關(guān)數(shù)據(jù)見(jiàn)表1。

表1　2013年代表城市主要交通與社會(huì)經(jīng)濟(jì)發(fā)展相關(guān)指標(biāo)

針對(duì)表1的數(shù)據(jù)，對(duì)9個(gè)城市采用向后逐步回歸法，利用EVIEWS軟件進(jìn)行分析求解，結(jié)果如表2所示。

表2　輸出結(jié)果

利用EVIEWS分析結(jié)果可以看出，7個(gè)變量均對(duì)出租車(chē)數(shù)量具有顯著影響，相關(guān)系數(shù)達(dá)到0.95。此時(shí)，回歸方程如下：

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

其中各個(gè)字母所代表的意思為：C—出租車(chē)數(shù)量，x1—道路面積，x2—地區(qū)人口數(shù)，x3—國(guó)內(nèi)生產(chǎn)總值，x4—公共交通運(yùn)行車(chē)輛，x5—滿(mǎn)載率，x6—出租車(chē)萬(wàn)人擁有量，x7—交通運(yùn)行指數(shù)。

1.3討論

由回歸方程可知，影響出租車(chē)數(shù)量的主要因素為：道路面積、地區(qū)人口數(shù)、國(guó)內(nèi)生產(chǎn)總值、公共交通運(yùn)行車(chē)輛、滿(mǎn)載率、出租車(chē)萬(wàn)人擁有量、交通運(yùn)行指數(shù)[2]，其中國(guó)內(nèi)生產(chǎn)總值、公共交通運(yùn)行車(chē)輛與交通運(yùn)行指數(shù)與出租車(chē)數(shù)量呈正相關(guān)，其它因素呈負(fù)相關(guān)。

2　判斷指標(biāo)的建立

2.1研究思路

供需平衡法是使用出租車(chē)完成的城市居民出行和流動(dòng)人口出行周轉(zhuǎn)量，并結(jié)合出租車(chē)空駛率，從而得到出租車(chē)資源的“供求匹配”程度[3]，以廣州為例，選取其出租車(chē)總量數(shù)據(jù)計(jì)算空駛率。

2.2數(shù)據(jù)處理

出租車(chē)承擔(dān)的城市居民出行周轉(zhuǎn)量計(jì)算公式為：

F=αβγθ

其中α——城市居民人口總量(萬(wàn)人)；

β——城市居民人均日出行次數(shù)；

γ——城市居民出行方式結(jié)構(gòu)中出租車(chē)所占的比例；

θ——城市居民以出租車(chē)方式出行的平均距離(km)。

考慮到出租車(chē)每次有效行駛所運(yùn)載的乘客數(shù)不同，為完成相應(yīng)的客運(yùn)需求，全市出租車(chē)所必須的總行駛里程計(jì)算公式為：

式中M有——全市出租車(chē)總有效行駛里程(10 000 km)；

A——居民乘坐出租車(chē)時(shí)的平均有效車(chē)次載客人數(shù)(人)。

根據(jù)空駛率的定義，其計(jì)算公式為：

其中t——天當(dāng)中出租車(chē)平均運(yùn)營(yíng)時(shí)間(h)；

v——出租車(chē)平均運(yùn)營(yíng)速度(km·h-1)；

n——城市出租車(chē)總量(輛)。

計(jì)算其空駛率：

表3　9個(gè)城市出租車(chē)總量

查閱資料可知，廣州的α值為832.31，即城市居民人口總量為832.31萬(wàn)人；β值為2.35，即城市居民人均日出行次數(shù)為2.35次；γ值為10.3%，即城市居民出行方式結(jié)構(gòu)中出租車(chē)所占的比例為10.3%；θ值為6.40，即城市居民以出租車(chē)方式出行的平均距離為6.4 km。A值為2，而根據(jù)上述所求，F(xiàn)=1 289.348，M有=644.674，R=49.07%。

據(jù)此可求出9個(gè)城市的空駛率，結(jié)果見(jiàn)表4。

為了更加客觀(guān)地比較不同地區(qū)、不同時(shí)間段空駛率的不同，本文以北京市為例求出不同地區(qū)不同時(shí)間段的空駛率，如圖1所示。

表4　城市空載率表

圖1　不同地區(qū)在1天不同時(shí)間段的空駛率變化趨勢(shì)圖

2.3討論

求出的空載率表明北京、廣州、南京等城市的空載率比較高，說(shuō)明這些城市的出租車(chē)資源匹配程度較低[4]；拉薩、洛陽(yáng)的空駛率較低，說(shuō)明出租車(chē)資源匹配程度較高。各因素通過(guò)影響空駛率繼而影響出租車(chē)資源匹配程度，如國(guó)內(nèi)生產(chǎn)總值提高可以增加城市出租車(chē)數(shù)量，使得空駛率降低，從而提高資源利用率。

3　打車(chē)軟件補(bǔ)貼政策的效用

3.1研究思路

參考滴滴打車(chē)與快滴打車(chē)對(duì)出租車(chē)的補(bǔ)貼方案，考慮經(jīng)濟(jì)效益選取補(bǔ)貼方案與交通堵塞度、信息不對(duì)稱(chēng)、出租車(chē)經(jīng)營(yíng)管理體制、出租車(chē)供給量、經(jīng)濟(jì)效益5個(gè)影響因素，通過(guò)SPSS軟件求出補(bǔ)貼方案與影響因素之間的相關(guān)性。通過(guò)相關(guān)性分析可以得出補(bǔ)貼政策影響的因素，從而得出影響出租車(chē)資源匹配的程度[5]。

3.2影響因素

①交通堵塞程度：城市交通堵塞程度越大，空駛的出租車(chē)隨之也越多，不僅增加了道路交通的負(fù)荷，而且出租車(chē)運(yùn)營(yíng)效率下降，在早、晚上下班、節(jié)假日、雨雪冰凍天等需求高峰時(shí)期，“一車(chē)難求”的現(xiàn)象更為普遍[6]。

②信息不對(duì)稱(chēng)：司機(jī)與顧客之間信息不對(duì)稱(chēng)，司機(jī)找不到乘客集中地，乘客打不到車(chē)，出租車(chē)不能被有效利用，出租車(chē)空駛率上升，打車(chē)難度增加。

③出租車(chē)經(jīng)營(yíng)管理體制落后：出租車(chē)公司兼顧經(jīng)營(yíng)管理，不會(huì)下調(diào)管理費(fèi)用，造成收益減少，積極性降低，出租車(chē)供給量下降，打車(chē)難度增加[7]。

④出租車(chē)供給量：面對(duì)龐大的需求量，出租車(chē)供求關(guān)系緊張，居民的等待時(shí)間增加，打車(chē)難度增加。

⑤經(jīng)濟(jì)效益：很多司機(jī)選擇在下班高峰期時(shí)間交班，因?yàn)檫@一時(shí)段的環(huán)路和主干道都發(fā)生擁堵。面對(duì)較長(zhǎng)的堵車(chē)時(shí)間，不出車(chē)掙不到錢(qián)，出車(chē)還有可能賠錢(qián)[8]。

3.3數(shù)據(jù)處理

滴滴打車(chē)與快滴打車(chē)的補(bǔ)貼方案見(jiàn)表5。

表5補(bǔ)貼方案

3.4補(bǔ)貼相關(guān)性

選取北京市2014年1月到8月出租車(chē)補(bǔ)貼價(jià)格和交通指數(shù)，分析其相關(guān)性，具體數(shù)據(jù)見(jiàn)表6:

表6　2014年1月到8月出租車(chē)補(bǔ)貼價(jià)格和交通指數(shù)

利用SPSS相關(guān)性分析，結(jié)果見(jiàn)表7：

圖2　交通指數(shù)圖

Correlations補(bǔ)貼價(jià)格交通指數(shù)補(bǔ)貼價(jià)格PearsonCorrelation1-.463Sig.(2-tailed).248N88交通指數(shù)PearsonCorrelation-.4631Sig.(2-tailed).248N88

選取北京市2013年6月～2014年6月的交通指數(shù)繪制折線(xiàn)圖，如圖2。

北京出租車(chē)補(bǔ)貼政策從2014年起實(shí)行，由圖2可知，北京交通指數(shù)呈下降的趨勢(shì)，且總體數(shù)值小于2013年后半年的數(shù)值，數(shù)值下降不明顯。由表7可知，出租車(chē)補(bǔ)貼政策與交通指數(shù)有相關(guān)性，為0.463，相關(guān)性不強(qiáng)。同理，根據(jù)北京統(tǒng)計(jì)年鑒中的相關(guān)數(shù)據(jù)，求出出租出補(bǔ)貼與其他5個(gè)“打車(chē)難”影響因素之間的相關(guān)性，由于出租車(chē)供給輛、經(jīng)營(yíng)管理體制由政府控制，改變范圍較小，假設(shè)其與補(bǔ)貼之間相關(guān)性數(shù)值為0。補(bǔ)貼與信息不對(duì)稱(chēng)、經(jīng)濟(jì)效益和信譽(yù)的相關(guān)性指數(shù)分別為0.251、0.750和0.102。所以實(shí)行出租車(chē)補(bǔ)貼政策，通過(guò)影響其經(jīng)濟(jì)效益，進(jìn)而緩解“打車(chē)難”問(wèn)題[9]。

3.5討論

由數(shù)據(jù)分析可得出租車(chē)補(bǔ)貼政策與交通指數(shù)、信息不對(duì)稱(chēng)、經(jīng)濟(jì)效益等影響因素之間的相關(guān)性，通過(guò)求出影響因素與補(bǔ)貼政策之間的相關(guān)性，可以發(fā)現(xiàn)補(bǔ)貼政策可以從降低空駛率、提升出租車(chē)司機(jī)的積極性、降低交通堵塞率等方面緩解“打車(chē)難”問(wèn)題[10]。

4　結(jié)　論

從本文的研究結(jié)果可以看出，許多城市的出租車(chē)資源利用率較低，如北京、南京、廣州、武漢等。在影響資源利用率的因素中出租車(chē)數(shù)量、道路面積、地區(qū)人口數(shù)、國(guó)內(nèi)生產(chǎn)總值、公共交通運(yùn)行車(chē)輛、滿(mǎn)載率、出租車(chē)萬(wàn)人擁有量、交通運(yùn)行指數(shù)為主要影響因素[11]?！盎ヂ?lián)網(wǎng)+”時(shí)代，打車(chē)軟件可以緩解“打車(chē)難”問(wèn)題，不過(guò)應(yīng)當(dāng)注意打車(chē)軟件不能完全解決該問(wèn)題，在推行打車(chē)軟件的同時(shí)要注意軟件帶來(lái)的問(wèn)題。

[1]車(chē)嵐.城市出租車(chē)發(fā)展現(xiàn)狀及需求預(yù)測(cè)[J].山西科技，2006，(06)：89-91.

[2]馮小梅.供需平衡狀態(tài)下的出租車(chē)發(fā)展規(guī)模研究[D].成都：西南交通大學(xué)，2010.

[3]吉波.大城市出租車(chē)需求對(duì)策及經(jīng)營(yíng)管理模式研究[D].廣州：華南理工大學(xué)，2014.

[4]王宇.對(duì)城市“打的難”現(xiàn)象的剖析基于西安市出租車(chē)市場(chǎng)供求失衡問(wèn)題的分析[J].價(jià)格理論與實(shí)踐，2011，(11)：15-16.

[5]廖豐.快的滴滴調(diào)低補(bǔ)貼打車(chē)軟件補(bǔ)貼后時(shí)代的轉(zhuǎn)型戰(zhàn)[N].企業(yè)家日?qǐng)?bào)，2014-03-10(007).

[6]何建平.基于燃油價(jià)格變化的城市客運(yùn)出租車(chē)補(bǔ)貼研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[7]李繼學(xué)，張柱庭.關(guān)于促進(jìn)打車(chē)軟件發(fā)展的思考[J].交通運(yùn)輸部管理干部學(xué)院學(xué)報(bào)，2015，(01)：24-27.

[8]張文全.影響城市出租車(chē)供求關(guān)系的因素分析[J].河北交通職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2011，(01)：51-52.

[9]李明捷.基于供需平衡的出租汽車(chē)合理規(guī)模研究[D].西安：長(zhǎng)安大學(xué)，2007.

[10]張爽.城市出租車(chē)擁有量的確定方法研究[D].成都：西南交通大學(xué)，2009.

[11]李明捷.基于供需平衡的出租汽車(chē)合理規(guī)模研究[D].西安：長(zhǎng)安大學(xué)，2007.

[12]錢(qián)勇生,牛惠民，周波.城市出租車(chē)容量控制集合模型及應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)與工程版，2007，31(02):367-369.

[責(zé)任編輯：關(guān)金玉英文編輯：劉彥哲]

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

國(guó)家自然科學(xué)研究項(xiàng)目(11301001)；安徽財(cái)經(jīng)大學(xué)教研項(xiàng)目(acjyzd201429)

汪小力(1995-)，男，安徽安慶人，安徽財(cái)經(jīng)大學(xué)在讀學(xué)生，研究方向：經(jīng)濟(jì)數(shù)學(xué)。

朱家明(1973-)，男，安徽泗縣人，碩士，副教授，研究方向：應(yīng)用數(shù)學(xué)與數(shù)學(xué)建模。

F 572

A

來(lái)稿日期：2016-02-28