烏蘭　蔣偉

摘要：出租車對(duì)交通行業(yè)發(fā)展影響深遠(yuǎn)，出租車是銜接機(jī)場(chǎng)與城市交通系統(tǒng)的重要方式。因此研究機(jī)場(chǎng)出租車司機(jī)的收益和機(jī)場(chǎng)管理部門高效管理具有重要意義。我們根據(jù)機(jī)場(chǎng)客流量變化和司機(jī)的收益多少，確定了8個(gè)主要影響出租車司機(jī)決策的因素?；谝蜃臃治鼋Q策模型，且數(shù)據(jù)通過KMO檢驗(yàn)。再通過旋轉(zhuǎn)因子可將8個(gè)影響因素分為潛在損失，客流數(shù)量，預(yù)計(jì)收益這3個(gè)主因子。最后，通過因子分析模型給出選擇策略。

關(guān)鍵詞：決策模型? 因子分析? 選擇策略

1 引言

如今出租車產(chǎn)業(yè)已經(jīng)成為交通中必不可少的一項(xiàng)服務(wù)，對(duì)于機(jī)場(chǎng)而言更是至關(guān)重要。當(dāng)司機(jī)送乘客到機(jī)場(chǎng)后將面臨兩個(gè)選擇，一是排隊(duì)等待搭載乘客返回市區(qū)。二是直接空載返回市區(qū)拉客。兩個(gè)選擇都受各樣因素的影響。而機(jī)場(chǎng)出租車管理員負(fù)責(zé)定量放行車輛進(jìn)入乘車區(qū)，并安排定量的乘客上車。

2 模型的建立與求解

2.1 基于因子分析建立的決策模型

因子分析能夠在大部分變量中找出具有相關(guān)性的隱藏變量。其主要目的是把多數(shù)幾個(gè)無(wú)關(guān)的變量通過降維技術(shù)變成少數(shù)幾個(gè)相關(guān)的變量。

2.2 給出租車司機(jī)的選擇策略

近幾年，出租車產(chǎn)業(yè)發(fā)展一直十分穩(wěn)定，每個(gè)城市都離不開出租車行業(yè)的服務(wù)。對(duì)于機(jī)場(chǎng)等較偏遠(yuǎn)的地方對(duì)出租車的需求量更大，且出租車司機(jī)為了自身的利益，送客到機(jī)場(chǎng)后會(huì)面臨兩個(gè)選擇。由于影響出租車司機(jī)決策的因素具有多樣性，所以從中挑選8個(gè)具有代表性的影響因素對(duì)問題進(jìn)行分析。為了建立出租車司機(jī)的決策模型，根據(jù)數(shù)據(jù)調(diào)查和分析，挑選出8個(gè)對(duì)出租車司機(jī)影響較多的因素，分別為：吞吐量（即客流量），飛機(jī)到達(dá)數(shù)量，周邊出租車，延誤率，大型活動(dòng)量（如大型演唱會(huì)、體育賽事和重大會(huì)議等），降雨天數(shù)，等待時(shí)間，平均行駛里程（如不同月份出于不同目的從機(jī)場(chǎng)到企業(yè)區(qū)、市區(qū)和娛樂區(qū)的路程不同）。如表1。

通過數(shù)據(jù)收集，找到了廣州市白云機(jī)場(chǎng) 2018年12個(gè)月份在8種影響因素下的數(shù) 據(jù)，并進(jìn)行標(biāo)準(zhǔn)化處理。

（1）判斷該數(shù)據(jù)是否適合進(jìn)行因子分析

首先對(duì)進(jìn)行標(biāo)準(zhǔn)化后的8種因素及其相關(guān)數(shù)據(jù)做KMO檢驗(yàn)，判斷該數(shù)據(jù)是否適 合進(jìn)行因子分析。

根據(jù)KMO的統(tǒng)計(jì)值發(fā)現(xiàn)，總體值為0.6526，且大部分KMO的統(tǒng)計(jì)值在0.6、0.7左右，說明原變量比較適合進(jìn)行因子分析。

（2）確定提取的公因子數(shù)目

可根據(jù)特征值大于1和累計(jì)貢獻(xiàn)率首次達(dá)到70%以上來(lái)判斷。

由表3可知，有3個(gè)特征值是大于1的，若按照特征根大于1的準(zhǔn)則提取公因子，可以提取3個(gè)公因子;且若按累積貢獻(xiàn)率首次達(dá)70%為準(zhǔn)則提取公因子，也可以提取3個(gè)公因子。綜上所述，提取3個(gè)公因子的效果較好。且累積貢獻(xiàn)率高達(dá)91.88%，說明用這三個(gè)主因子解釋出租車司機(jī)決策已有91.88%的把握。

（3）寫出旋轉(zhuǎn)因子模型

旋轉(zhuǎn)因子模型相比因子模型而言，可以更加直觀的將多個(gè)因子分成少數(shù)的幾個(gè)公因子。

從表4中可以得出，8個(gè)影響因素共分為3個(gè)主因子：潛在損失因子：等待時(shí)間，延誤率，降雨天數(shù);客流數(shù)量因子：吞吐量，飛機(jī)到達(dá)數(shù)量，周邊出租車;預(yù)計(jì)收益因子：平均行駛里程，大型活動(dòng)量。

將解釋出租車司機(jī)決策的3個(gè)主因子通過流程圖更加直觀的表現(xiàn)出來(lái)，見下圖1。

綜合分析機(jī)場(chǎng)客流量變化和出租車司機(jī)收益等問題，給出出租車司機(jī)的決策模型。在模型中，潛在損失由延誤率、降雨天數(shù)和等待時(shí)間決定。若某段時(shí)間內(nèi)降雨天數(shù)越多即受壞天氣影響越大，其飛機(jī)的延誤率越高，本應(yīng)到達(dá)的旅客減少，相應(yīng)司機(jī)需要排隊(duì)等待乘客上車的時(shí)間越長(zhǎng)。因此當(dāng)潛在損失因子所占比重較大時(shí)，司機(jī)應(yīng)該選擇直接空載返回市區(qū)拉客，不在機(jī)場(chǎng)等待。

在模型中，客流數(shù)量由吞吐量、飛機(jī)到達(dá)數(shù)量和周邊出租車的數(shù)量決定。吞吐量和飛機(jī)到達(dá)數(shù)量可直接反映客流量的多少，其數(shù)量越多，出租車司機(jī)會(huì)在短時(shí)間內(nèi)接到乘客的可能性越高。則當(dāng)出租車司機(jī)前往機(jī)場(chǎng)送客時(shí)，會(huì)選擇在機(jī)場(chǎng)等待，導(dǎo)致周邊出租車的數(shù)量增多，但由于客流量所占比重更大，仍會(huì)出現(xiàn)“供不應(yīng)求”的現(xiàn)象。因此當(dāng)客流數(shù)量因子所占比重較大時(shí)，司機(jī)應(yīng)該選擇排隊(duì)等待載客返回市區(qū)。在模型中，預(yù)計(jì)收益由平均行駛里程和大型活動(dòng)數(shù)量決定。平均行駛里程會(huì)因?yàn)槟康牡氐牟煌l(fā)生改變，其里程越長(zhǎng)，單位內(nèi)取得的收益越大。當(dāng)大型活動(dòng)次數(shù)越多，則某段時(shí)間內(nèi)的客流量越大，對(duì)出租車的需求也會(huì)越多。因此當(dāng)預(yù)計(jì)收益因子所占比重較大時(shí)，司機(jī)應(yīng)該選擇排隊(duì)等待載客返回市區(qū)。

參考文獻(xiàn)

[1]王學(xué)民.應(yīng)用多元統(tǒng)計(jì)分析[M].上海：上海財(cái)經(jīng)大學(xué)出版社，2017.

[2]胡書文，徐建武.主成分分析和因子分析在中國(guó)股票評(píng)價(jià)體系中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(bào) （自然科學(xué)），2017，31（05）：192-202.

[3]鄧義華.多屬性決策的靈敏度分析[D].南京：南京理工大學(xué)，2003.