最近幾年，打車貴、打車難，經(jīng)常成為居民、新聞媒體議論的話題。某城市居民普遍反映打車價格偏高，而另一方面，由于經(jīng)營權(quán)的有價性、出租車資產(chǎn)專用性、買斷經(jīng)營、違規(guī)轉(zhuǎn)讓、尋租嚴重導(dǎo)致出租車司機勞動強度大、競爭壓力大，但收入?yún)s相對偏低的情況。目前又由于打車軟件的盛行，導(dǎo)致出租車空載率高，拒載，亂收費等情況日益嚴重，甚至經(jīng)常發(fā)生出租車司機集體罷工以反抗打車軟件盛行的現(xiàn)象。這反映出政府對出租車的管理存在一定的問題，現(xiàn)有的出租車定價不夠合理、拒載、亂收費情況嚴重，導(dǎo)致空載率過高，整個出租車行業(yè)不景氣，長此以往將影響社會的穩(wěn)定，所以打車難這一問題值得關(guān)注。在未來一段時間內(nèi)，我國城市規(guī)模會不斷擴大，人口會不斷增長，人民生活水平將不斷提高，對出租車的需求也會不斷變化.如何根據(jù)出租車服務(wù)水平、客戶需求以及外部環(huán)境，計算出不同時空出租車資源的“供求匹配”程度，規(guī)劃出合理的租車數(shù)量，從而緩解打車難這一現(xiàn)象。

問題1的求解

1.建立層次結(jié)構(gòu)

問題的層次結(jié)構(gòu)如下：第一層目標層(O)；第二層準則層(C)；第三層措施層(P)。

2.確定準則層(C)對目標層(O)的權(quán)重W

現(xiàn)對“匹配供求”率的問題進行層次單排序，為求出Q1、Q2、Q3在目標層中所占的權(quán)值，構(gòu)造目標層到準則層的判斷矩陣：

3.確定措施層(P)對準則層(C)的權(quán)重

根據(jù)問題的條件和模型的假設(shè)，乘客的各項條件按統(tǒng)一原則均可量化，而且能夠充分反映出乘客對出租車的需求量，由此可以分別構(gòu)造措施層(P)對準則層(C)的比較矩陣，同上分別求S、t、m在Q1、Q2、Q3的權(quán)值，得到：

WQ1=(0.2,0.4,0.4)T，WQ2=(0.258,0.637,0.105)T，WQ3=(0.4545,0.4545,0.091)T

從而可以得到措施層(P)對準則層(C)的權(quán)重W2=(WQ1,WQ2,WQ3)T。

4.確定措施層(P)在目標層(O)中的組合權(quán)重

設(shè)上一層次(A層)包含A1，…，Am共m個因素，它們的層次總排序權(quán)值分別為a1，…，am。又設(shè)其后的下一層次(B層)包含n個因素B1，…，Bn，它們關(guān)于Aj的層次單排序權(quán)值為b1j，…，bnj(當Bi與Aj無關(guān)聯(lián)時，bij=0)?，F(xiàn)求B層中各因素關(guān)于總目標的權(quán)值，即求B層各因素關(guān)于總目標的權(quán)值，利用上述結(jié)論，我們可以得到組合權(quán)重W=(0.2337,0.5567,0.1796)T作為目標決策依據(jù)。

5.綜合排序的結(jié)果分析及說明

接受層次分析結(jié)果，可知，不同時空出租車資源的“供求匹配”程度受路程段、時間段、小費的影響，權(quán)重依次為23.37%，55.67%，17.96%。由此可以得到15位乘客的排序方案。

表1　15位乘客打車排序結(jié)果

15位乘客打車排序結(jié)果(表1)

由該表可知，當有12輛出租車接單時，前12位乘客能搭到車，空載率為20%；當有9輛出租車接單時，前9位乘客能搭到車，空載率為40%；當有6輛出租車接單時，前6位乘客能搭到車，空載率為60%。因此，要提高不同時空出租車資源的“供求匹配”程度，就是要提高出租車司機的接單率。

問題2的求解

某軟件有一個非常重要的好玩之處，比如3個司機同時搶一個用戶，該軟件能判斷出這是一個好活，如果用戶叫車10多秒后才有司機響應(yīng)，說明不是一個好活。如果兩分鐘后還沒司機應(yīng)答，終于有一個司機應(yīng)答，我們就給他補貼，加到一定程度后發(fā)現(xiàn)仍沒人搶單，此時用戶已呼叫三次，我們直接給司機加錢，5元、8元、10元一直加到最高16元，附近司機看不到1公里便去拉人，16元輕松進口袋，用戶能聽到“這一單是由該軟件為你獎勵的司機16元”。由上可假設(shè)前面討論的15位乘客都使用了該打車軟件，因此可將這15位乘客分為5個區(qū)間，進行不同程度的補貼；使x=5，8，10，13，16元；分別對應(yīng)表2中的15位乘客(以3個乘客為一個分段)。

通過計算15位乘客對應(yīng)于出租車的單位時間盈利及之前的顧客能打到車的匹配程度綜合分析來判斷該公司的補貼方案是否對“緩解打車難”有幫助。

1.假設(shè)出租車的運價、經(jīng)營成本及單位時間盈利

根據(jù)某城市出租車定價可知，晚上10點以前，出租車的價格為3公里以內(nèi)8元，10點以后，出租車價格統(tǒng)一上升20%，同時，某城市出租車使用93號汽油，假設(shè)該汽油油價不變，燃油價格7.5元/L，平均單位里程耗油0.1L/km，時間段與出租車的平均行駛速度關(guān)系如下：假設(shè)高峰段，出租車的平均行駛速度為25km/h，其他時間，出租車的平均行駛速度為35km/h，利用上述假設(shè)我們可以得到出租車的單位時間盈利計算公式：y=(M-C+x)/(60×s/v)

注：M是出租車運價，C是出租車運營成本，x是補貼方案，s是行程，v是行駛速度。

2.各公司的出租車補貼方案對緩解打車難的幫助

我們可以通過問題一中15名乘客使用上述模型后，結(jié)合以上的分析結(jié)論，得到出租車司機載單個乘客單位時間(分鐘)的盈利如下：

15位乘客對應(yīng)的出租車單位時間盈利

將表2與表1 進行比較，可以看出，乘客P11，P13，P10，P1，P5，P4，P3，這7位乘客經(jīng)過使用打車軟件后，在一定程度上緩解了打車難的問題。但對另外8位乘客來說改善并不大。這說明各公司的出租車補貼方案雖然對部分乘客在“緩解打車難”問題上有一定幫助，但是涉及的人數(shù)不是很多，波及范圍并不廣。

問題3的求解

1.路程補貼

因為路程越短，y越大，所以短路程不予以補貼，路程越遠，補貼越多。假設(shè)的補貼方案如下表所示：

路程km每增加1km所補貼的金額n10～505～100.510～15115～201.5

n1：每增加1km所補貼的金額，據(jù)分析，出租車司機載上述15名乘客，所獲單位時間內(nèi)的盈利y分別為

y1=0.7986；y6=0.9917；y11=0.9576；

y2=1.4292；y7=0.6542；y12=1.0053；

y3=0.7986；y8=0.9100；y13=0.7755；

y4= 0.7083；y9=0.9139；y14=1.1258；

y5= 0.6541；y10=0.6505；y15=1.0856

2.時間段補貼

由以上分析可知，在該城市上下班高峰期時，出租車司機載一位乘客單位時間內(nèi)的盈利較大，故不予以補貼；而在其他時間段，因公交地鐵等交通工具的充足，故予以補貼。假設(shè)上班高峰期，補貼金額為0元；其他時間，每載一位乘客補貼5元，不考慮小費的影響，出租車司機載上述15名乘客，所獲單位時間內(nèi)的盈利y分別為

y1=0.7986；y6=1.3767；y11=0.9819；

y2=2.4014；y7=0.6542；y12=0.9881；

y3=0.7986；y8=1.0558；y13=0.4977；

y4=0.7083；y9=1.3514；y14=0.8342；

y5=0.6542；y10=0.5579；y15=0.8599

3.比較分析兩種補貼方案的優(yōu)劣

根據(jù)比較路程補貼和時間段補貼所得的出租車司機載一位乘客單位時間盈利的大小發(fā)現(xiàn)，通過時間段補貼所得的y相對于通過路程補貼所得的y大部分偏小，且波動較大。且通過路程補貼的y波動小，y值偏高，顯得更加合理，并且能更好地提高出租車司機的積極性，從而較好的緩解打車難現(xiàn)在。故路程補貼的方案可行。

總結(jié)

1.模型的優(yōu)點

1.1 本模型采用的層次分析，從目的入手，通過不同層次的分析，得出決定不同時空出租車資源“供求匹配”程度的三項指標；

1.2 從實際乘客的需求出發(fā)，將問題簡化，并通過優(yōu)化排序，較為系統(tǒng)地分析了各公司的出租車補貼方案對“緩解打車難”的影響；

1.3 結(jié)合問題一、二，對出租車的補貼方案進行了不同角度地設(shè)計，通過比較分析，得出了較為合理的補貼方案。

2.模型的缺點及改進

2.1 模型是以供給出租車的供給量不變，油價不變?yōu)榧僭O(shè)的，但在實際過程中，這兩個指標都有一定的波動；

2.2 模型以15名乘客為主要研究對象，數(shù)據(jù)較小，從而可能會導(dǎo)致誤差偏大。

2.3 在補貼方案中，我們考慮的是單一因素的補貼，如果兩個因素進行適當?shù)臋?quán)重分配，模型可能會更完善。

3.模型的推廣

目前，社會存在的打車難，空載率高的現(xiàn)象，乘客路程過遠，出行時段等而導(dǎo)致司機收入偏低，從而拒載引起的。通過路程補貼，增加司機在一位乘客單位時間的盈利，從而較為有效地解決出租車司機拒載，乘客打車難的現(xiàn)象，具有一定的可操作性。

(昆明理工大學津橋?qū)W院，云南昆明650093)

本文章依托基金項目：云南省教育廳科學研究基金項目(2015C107Y)及云南省教育廳科學研究基金項目(2014Y645)