陳帥杰　邱靖　劉佳舟

摘 要：每一名剛剛送客到機場的出租車司機都會面臨前往到達區(qū)等待或空載返回市區(qū)兩種選擇。為了使得出租車司機的利潤最大，建立一個決策模型?？紤]“兩種選擇各自的凈利潤”和“司機在一天中的過往經驗”兩部分影響司機決策的因素。運用改造的費米規(guī)則合并兩個因素，通過 Python 仿真，算出司機選擇空載回市區(qū)和選擇在機場繼續(xù)等待的概率。將本文模型的結果與貪婪選擇策略的結果進行對比，發(fā)現利用本文模型決策能給出租車司機帶來更高更穩(wěn)定的收益。

關鍵詞：機場出租車? 決策模型? 費米規(guī)則

中圖分類號：F562.5 文獻標識碼：A 文章編號：2096-0298（2020）03（a）--04

許多乘客下飛機后都會選擇出租車作為代步工具。近幾年來，隨著機場客流量的不斷增大，不管是“人等車”還是“車等人”的情況越發(fā)嚴重，傳統(tǒng)交通管理模式已經無法滿足旅客、司機等各方面的需求。緩和司乘矛盾、解決供需平衡、提升服務質量是擺在機場管理方面的一道難題。為出租車蓄車、供車提供依據，實現車輛提前調度，不再像以前那樣“被動應對式”服務，才能確保旅客與出租車的各自需求，使得雙方的利益最大化。

由于出租車服務帶有隨機性、動態(tài)性和異步性，數學解析模型很難精確刻畫出出租車的服務過程。本文基于Python仿真模擬司機來往機場的載客狀態(tài)，建立司機在不同情況下的決策模型，并通過數值實驗評估了該方案的實施效果。

1 模型建立與求解

首先，我們將影響出租車司機決策的因素分為兩部分。因素一是在機場選擇留下等待送客和選擇到市區(qū)找客各自的凈利潤，因素二是司機每次在市區(qū)選擇的過往經驗。

對于因素一，我們按照機場情況、司機回市區(qū)和回機場的狀態(tài)分八種情況討論（如表1所示），分別計算每種情況的凈利潤，之后用仿真多次測出不同情況下兩種選擇的凈利潤。

由于司機可觀測到的確定信息只有某時間段抵達的航班數及“蓄車池”里已有的車輛數，在表1中，我們用航班到達數乘以單次航班的平均乘客數乘以乘客乘坐出租車的概率得出等待乘車的乘客數。司機做出選擇的判斷標準是，當出租車司機回城尋客且一直未找到乘客的時間過長時，會選擇空載回機場。反之，則載人回機場。

對于因素二，我們將司機的過往經驗量化為其傾向回城找客的概率，并設計一個樂觀翡函數刻畫其由于過往經驗導致的心理變化。當司機在上一次選擇回城找客中做出是否回機場判斷的次數過高時，說明其很久都沒有載到客。因此，根據經驗，該司機在本次做出選擇時會減少回城找客的傾向，那么本次選擇回城找客的概率等于初始概率乘以悲觀函數值;當司機在上一次選擇回城找客中做出是否回機場判斷的次數較低時，說明其很快載到客人。同理，司機本次選擇回城找客的概率等于初始概率乘以樂觀函數值。

之后，我們將兩個因素用改造的費米規(guī)則合并起來，得出司機選擇回市區(qū)和選擇繼續(xù)等待的概率，進而得到最佳決策方案。

我們從兩種選擇各自的凈利潤和司機在一天中的過往經驗兩個維度分析。之后，利用改造的費米規(guī)則合并兩個因素，從而建立司機的決策模型。