馮寅飛 顧晨琴 度巍

摘 要：本文通過(guò)實(shí)地調(diào)查的方式，安排小組成員在南通各地發(fā)放調(diào)查問(wèn)卷，從而搜集乘客網(wǎng)約車(chē)行為的相關(guān)數(shù)據(jù)。然后整理數(shù)據(jù)，將這些數(shù)據(jù)放至Excel當(dāng)中，由于各評(píng)價(jià)指標(biāo)的性質(zhì)不同，本文利用Z-Score模型將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化去除量綱和數(shù)量級(jí)，使得之后的回歸分析更加精確。接著，利用顯著性和偏相關(guān)分析方法篩選指標(biāo)，選擇出與取消網(wǎng)約車(chē)頻率關(guān)系最大的自變量因素。最后建立非線性回歸模型，通過(guò)多種模型的比較，選擇出最符合調(diào)查數(shù)據(jù)以及現(xiàn)實(shí)行為的模型。

關(guān)鍵詞：網(wǎng)約車(chē)運(yùn)營(yíng);訂單行為;出租車(chē)

近來(lái)在中國(guó)出現(xiàn)了網(wǎng)絡(luò)預(yù)約出租汽車(chē)[1]（下稱(chēng)網(wǎng)約車(chē)），然而在網(wǎng)約車(chē)訂單當(dāng)中并非所有訂單都是能夠完成的。取消行為造成了資源的浪費(fèi)。因此，網(wǎng)約車(chē)乘客行為以及客戶(hù)取消訂單屬性的分析具有重大意義，減少不必要的虧損。

一、問(wèn)題

在“互聯(lián)網(wǎng)+”的大背景下，南通地區(qū)的經(jīng)濟(jì)發(fā)展迅速，出租車(chē)行業(yè)發(fā)生了巨大的變革，由傳統(tǒng)巡游出租車(chē)模式衍生出了網(wǎng)約出租車(chē)的模式。由于用戶(hù)預(yù)約網(wǎng)約車(chē)的過(guò)程受到不同程度的各種因素的影響，這使得用戶(hù)有一定的幾率會(huì)取消預(yù)約的網(wǎng)約車(chē)。這顯然同時(shí)影響了用戶(hù)和網(wǎng)約車(chē)雙方的效益，帶來(lái)成本損失。因此，研究影響用戶(hù)取消網(wǎng)約車(chē)的相關(guān)指標(biāo)并提出改進(jìn)方案具有極其重大的意義。

二、模型建立

（一）數(shù)據(jù)的處理及標(biāo)準(zhǔn)化

在多指標(biāo)評(píng)價(jià)體系中，由于各評(píng)價(jià)指標(biāo)的性質(zhì)不同，通常具有不同的量綱和數(shù)量級(jí)。當(dāng)各指標(biāo)間的水平相差很大時(shí)，如果直接用原始指標(biāo)值進(jìn)行分析，就會(huì)突出數(shù)值較高的指標(biāo)在綜合分析中的作用，相對(duì)削弱數(shù)值水平較低指標(biāo)的作用。因此，為了保證結(jié)果的可靠性，需要對(duì)原始指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。在調(diào)查過(guò)程中，出現(xiàn)了旅客乘坐距離、乘坐時(shí)間、乘坐頻率等參數(shù)，這些參數(shù)的量綱均有不同，且對(duì)于距離來(lái)說(shuō)，數(shù)據(jù)極大，因此如果不進(jìn)行標(biāo)準(zhǔn)化處理，會(huì)極大影響最終結(jié)果的準(zhǔn)確性。在本文中采用的是Z-Score標(biāo)準(zhǔn)化[2]。并非所有數(shù)據(jù)標(biāo)準(zhǔn)化的結(jié)果都映射到[0，1]區(qū)間上，其中最常見(jiàn)的標(biāo)準(zhǔn)化方法就是Z標(biāo)準(zhǔn)化，也是SPSS中最為常用的標(biāo)準(zhǔn)化方法，也叫標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化。

（二）Sig顯著性及偏相關(guān)分析篩選相關(guān)指標(biāo)

偏相關(guān)性，是兩個(gè)隨機(jī)變量在排除了其余部分或全部隨機(jī)變量影響情形下的凈相關(guān)性或純相關(guān)性，是兩個(gè)隨機(jī)變量在處于同一體系的其余部分或全部隨機(jī)變量取給定值的情形下的條件相關(guān)性。在這里利用兩種變量的偏相關(guān)性[3]，篩選出與網(wǎng)約車(chē)訂單取消有關(guān)的因素，利用Sig顯著性進(jìn)行輔佐，進(jìn)一步篩選出與因變量最相關(guān)的自變量因素。

結(jié)合相關(guān)原理，對(duì)標(biāo)準(zhǔn)化后的數(shù)據(jù)進(jìn)行分析，結(jié)果如下：

從上表可以看出，在五個(gè)自變量當(dāng)中，乘坐網(wǎng)約車(chē)的平均距離的Sig顯著性為0，因此有著絕對(duì)顯著性。而其他自變量因素的Sig均超過(guò)0.05。

其次發(fā)現(xiàn)乘坐網(wǎng)約車(chē)的平均距離的偏相關(guān)性也為五個(gè)之中最大，可以進(jìn)一步確定其為下一步非線性回歸模型建立的自變量因素。

三、優(yōu)化案例

四、結(jié)語(yǔ)

本文通過(guò)分析，初步了解到網(wǎng)約車(chē)市場(chǎng)當(dāng)中訂單取消行為的一些原因，并且建立了相應(yīng)的測(cè)算分析模型，接下來(lái)將會(huì)通過(guò)對(duì)網(wǎng)約車(chē)行為軌跡的大數(shù)據(jù)進(jìn)行分析，細(xì)化網(wǎng)約車(chē)訂單取消的原因。

參考文獻(xiàn)：

[1]崔宇超，關(guān)宏志，司楊，覃正桃.基于網(wǎng)約車(chē)訂單數(shù)據(jù)的居民出行特征研究——以北京市為例[J].交通運(yùn)輸研究，2018，4（05）：20-28.

[2]趙麗娟，董小林，吳陽(yáng).基于Z-Score模型的環(huán)境污染與經(jīng)濟(jì)發(fā)展的聯(lián)合分析[J].應(yīng)用化工，2017，46（09）：1805-1809.

[3]Nicole Barthel，ClaudiaCzado，YaremaOkhrin.A partial correlation vine based approach for modeling and forecasting multivariate volatility time-series[J].Computational Statistics and Data Analysis，2020，142.

基金項(xiàng)目：2019年江蘇省級(jí)大學(xué)生創(chuàng)新訓(xùn)練項(xiàng)目（編號(hào)：201910304122Y）

作者簡(jiǎn)介：馮寅飛（1999—），男，漢族，南通大學(xué)交通與土木工程學(xué)院交通運(yùn)輸系，本科在讀學(xué)生，研究方向：交通運(yùn)輸;顧晨琴（1998—），女，漢族，本科在讀學(xué)生，南通大學(xué)交通與土木工程學(xué)院交通運(yùn)輸系，研究方向：交通運(yùn)輸。