劉楚妍 霍健瑜 關(guān)正奇

摘要：為實現(xiàn)機場出租車司機收益和整體乘車效率最大化，通過分析影響司機決策的各主要因素，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)決策模型，給出司機留下待客還是放空返回市區(qū)的決策選擇。利用排隊論，建立機場整體乘車效率最高的優(yōu)化模型;并在考慮出租車司機收益均衡模型的情況下，構(gòu)建優(yōu)先權(quán)目標函數(shù)，并利用遺傳算法求解。最后演算出滿足出租車司機收益最大化的選擇策略、“上車點”的設(shè)置個數(shù)和為達到收益平衡的“優(yōu)先”安排方案。

Abstract： In order to maximize the income of airport taxi drivers and the overall ride efficiency， by analyzing the main factors that affect the driver's decision-making， a BP neural network decision-making model is constructed to give the driver the decision choice of whether to stay for passengers or return to the city. Using queuing theory， an optimization model with the highest overall ride efficiency at the airport is established; and taking into account the equilibrium model of taxi drivers' income， a priority objective function is constructed and solved by genetic algorithm. Finally， it calculates the selection strategy to maximize the revenue of taxi drivers， the number of "boarding points" and the "priority" arrangement plan to achieve the balance of revenue.

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);排隊論;灰色預(yù)測;遺傳算法

Key words： BP neural network;queuing theory;grey prediction;genetic algorithm

中圖分類號：F572;O225 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）30-0060-02

0 ?引言

機場陸側(cè)交通系統(tǒng)作為連接機場與城市居住區(qū)的重要樞紐，需要合理、有效的規(guī)劃來為乘客及貨物進出港提供便利通道。本文將在保證機場陸側(cè)交通暢通和出租車司機收益一定的情況下，對機場出租車的載客問題進行合理規(guī)劃。相較于現(xiàn)有文獻，本文對于解決機場出租車司機的決策和乘客乘車效率問題更具有針對性和完整性。

1 ?基于BP神經(jīng)網(wǎng)絡(luò)的出租車司機決策模型

1.1 出租車司機決策影響因素

①重大活動次數(shù)。重大活動次數(shù)越多，機場人流量增加，會有更多的人乘坐出租車，機場接客出租車需求量增大。②本月航班次數(shù)。每月航班次數(shù)正比乘客數(shù)量，乘客數(shù)增加，選擇乘坐出租車乘客基數(shù)增加。③各個月份節(jié)假日次數(shù)。每個月份的節(jié)假日天數(shù)不同，將會影響出租車司機的決策，如元旦、春節(jié)、清明、端午、勞動節(jié)、中秋節(jié)、國慶等，多數(shù)人會在節(jié)假日選擇出行游玩，機場的人數(shù)將會增多，對于出租車的需求量也會增加。④機場日均乘坐出租車人數(shù)。機場日均乘坐出租車人數(shù)正比于出租車需求量。⑤機場日均等候出租車數(shù)量。若在接客區(qū)等候出租車數(shù)量較多，則司機選擇返回市區(qū)的可能性較大。因此機場日均等候出租車數(shù)量反比于出租車需求量。

1.2 BP神經(jīng)網(wǎng)絡(luò)模型

1.2.1 訓(xùn)練集和驗證集 ?現(xiàn)有130組每月重大活動次數(shù)、月航班班次、月節(jié)假日次數(shù)、機場日均乘出租車人數(shù)、機場日均等候出租車數(shù)量和月份的時間序列數(shù)據(jù)，將前100組作為訓(xùn)練學(xué)習(xí)樣本，后30的數(shù)據(jù)做為驗證樣本。即訓(xùn)練集為前100組數(shù)據(jù)，后30組為驗證集。

1.2.2 BP 神經(jīng)網(wǎng)絡(luò)的參數(shù) ?所設(shè)置的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型參數(shù)如表1所示。

1.2.3 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果 ?圖 1是 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的回歸效果，擬合優(yōu)度的系數(shù) R 到了 0.96373，說明了 BP 神經(jīng)網(wǎng)絡(luò)對于司機決策預(yù)測比較準確。即在實際情況下，由乘車人數(shù)、航班次數(shù)等5個因素的指標，能準確給出司機的選擇策略。

2 ?基于排隊論的最佳“上車點”設(shè)置

2.1 基于排隊論建立乘車模型

排隊模型用四個符號表示，即 X / Y / Z / K 排隊系統(tǒng)。其中第一個符號X表示乘客到達流或乘客到達間隔時間的分布;第二個符號Y表示乘車時間的分布;第三個符號 Z 表示上車點數(shù)目;第四個符號 K 是排隊人數(shù)限制。

假設(shè)上車點每分鐘增加一名乘客，平均每位乘客上車時間為0.5分鐘，排隊滿員數(shù)為15人，則可將該系統(tǒng)看作一個 M / M / s / K 混合制排隊系統(tǒng)，上車點數(shù)s由Lingo軟件計算出的等待時間Ws決定。由計算結(jié)果可知，當站臺個數(shù)為3個時，逗留時間約為0.5分鐘，繼續(xù)增加站臺逗留時間無明顯變化。為了解站臺個數(shù)更大時，是否會出現(xiàn)逗留時間更短的情況，本文將對站臺個數(shù)增加時，逗留時間的變化進行灰色預(yù)測。

2.2 基于GM（1，1）模型預(yù)測乘客逗留時間

最后檢驗預(yù)測值并輸出。

由預(yù)測結(jié)果可知，當站臺數(shù)目為3～16個時，乘客逗留時間均約為0.5分鐘，考慮到設(shè)置“上車點”所需費用和占地面積等因素，設(shè)置3個站臺最為合理。在保證車輛和乘客安全的條件下，此時機場載客區(qū)總乘車效率最高。

3 ?基于遺傳算法的“優(yōu)先權(quán)”分配

3.1 模型建立

實現(xiàn)對某些短途載客后再次返回的出租車給予一定的“優(yōu)先權(quán)”，使得這些出租車的收益盡量均衡?；诒疚膯栴}分析，記x為出租車行駛里程，s（x）為出租車油費，Y（x）為司機總收入。以下構(gòu)建出租車司機收益均衡函數(shù)：

出租車油費與出租車路程有如下關(guān)系，其中K為系數(shù)，s（x）=Kx

司機總收入與路程關(guān)系如下，

因此，司機收益均衡函數(shù)，即出租車油費占司機總收入的比重如下

可知？啄（x）越小，出租車油費占司機總收入的比重越小，司機的收入越理想。

3.2 遺傳算法求解模型

根據(jù)出租車司機收益的特點，遺傳算法中適應(yīng)度函數(shù)值隨設(shè)置最大迭代次數(shù)變化，在有限迭代次數(shù)內(nèi)，迭代次數(shù)為100時自適應(yīng)度函數(shù)出現(xiàn)峰值，因此選取迭代次數(shù)為100比較合理。根據(jù)遺傳算法原理利用MATLAB對問題進行仿真分析，分析結(jié)果如圖2所示。

圖2表明司機收益均衡指數(shù)隨路程的變化規(guī)律，易知當路程為15公里時，司機收益均衡值達到最大，即出租車油費占司機總收入比重大，司機平均收入低，根據(jù)收斂原則，當司機收益均衡值為0.15時為安排出租車行駛里程遠近的臨界值，因此應(yīng)安排載完2.499～26.25公里的出租車返回時享受“優(yōu)先權(quán)”即安排目的地遠的乘客，載完目的地里程小于2.449公里或者大于26.25公里的出租車返回時安排目的地近的乘客，確保出租車司機的收益均衡。

4 ?總結(jié)

在保證司機收益的同時，最大限度地提高整體乘車利用率，這是合理安排資源、收益最大化的本質(zhì)所在。本文通過對所收集的機場與出租車等多方數(shù)據(jù)進行分析，構(gòu)建了相關(guān)模型。本文首先利用BP神經(jīng)網(wǎng)絡(luò)對司機的選擇策略構(gòu)建模型，BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，在面對本文中的非線性問題時，很好的處理了影響因素與司機決策對應(yīng)關(guān)系，構(gòu)建出司機選擇決策模型，預(yù)測值與實際值擬合度較高，具有良好的適應(yīng)性和分類識別的能力。隨后本文利用排隊模型解決了乘客和出租車之間的匹配問題，緩解了機場交通樞紐排隊的現(xiàn)象。再利用灰色預(yù)測理論忽略復(fù)雜的客觀表象，通過對原始數(shù)據(jù)的整理來尋求其變化規(guī)律，較好的預(yù)測了乘客逗留時間隨站臺數(shù)的變化規(guī)律。得出在保證車輛和乘客安全的條件下，設(shè)置3個站臺時，機場載客區(qū)總乘車效率最高。最后本文通過構(gòu)建司機收益均衡函數(shù)即司機收益均衡函數(shù)即油費占出租車司機收入的百分比，利用遺傳算法找出收益平衡函數(shù)的最優(yōu)解。進而分析出出租車司機的優(yōu)先安排方案，對某些短途載客返回的出租車給予一定的優(yōu)先權(quán)，使得出租車司機的收益盡量均衡。

參考文獻：

[1]黃巖，王光裕.虹橋機場T2航站樓出租車上客系統(tǒng)組織管理優(yōu)化探討[J].城市道橋與防洪，2014（12）：7-9，35-36.

[2]孫健，丁日佳，陳艷艷.M/M/c型與M/M/1型排隊系統(tǒng)對比仿真[J].北京工業(yè)大學(xué)學(xué)報，2016，42（09）：1324-1331.

[3]Hao Wang，Kai Zhang，Junhua Chen，Zhifeng Wang，Guijun Li，Yuqi Yang. System dynamics model of taxi management in metropolises： Economic and environmental implications for Beijing[J]. Journal of Environmental Management，2018，213.

[4]顏超.上海市樞紐機場陸側(cè)公共交通管理研究[D].華東師范大學(xué)，2015.

[5]岳喜展.機場陸側(cè)交通需求預(yù)測及集散道路方案設(shè)計[D].吉林大學(xué)，2011.

作者簡介：劉楚妍（1999-），女，河北石家莊人，本科，研究方向為信息科學(xué);霍健瑜（通訊作者）（1998-），男，遼寧盤錦人，本科，研究方向為神經(jīng)網(wǎng)絡(luò)。