文档介绍：“互联网+”时代的出租车资源配置摘要本文就打车软件服务平台的运行及补贴模式进行了深入研究。对“打车难”、“出租车补贴”等社会关注问题进行量化, 描绘了出租车资源的供求匹配程度; 通过数学模型优化现有的补贴模式, 使得补贴比例在合理范围内取得最优值, 从而尽可能高效利用资源并实现打车软件利益最大化。对于问题一,我们搜集了在打车公司发放补贴前,某市出租车在 A,B 两个路口附近街道的供需相关数据, 并进行预处理得到有效数据; 针对“供求匹配程度”建立了市场聚合条件下的均衡计量模型, 并使用 CES 型指数聚合方程和双曲线型聚合方程分别计算出宏观市场偏离短边规则指标ρ A =, ρ B = 及宏观市场结构摩擦率 r A = ,r B = , 并定义了子市场出租车供求匹配率 y 。利用处理的数据计算出每段时间的 y(i) ;然后利用 matla b 进行三次样条插值拟合函数, 通过图像对比, 得出在不同空间下出租车匹配程度率有一定差异的结论( A 路口供求匹配率高于 B 路口),并且找到了一天内出租车供求匹配率的变化规律。对于问题二,我们获取了滴滴打车和快的打车的补贴方案及同一天内的供需相关数据, 利用问题一中的子市场出租车供求匹配率模型、 CES 型指数聚合方程、双曲线型聚合方程分别计算不同补贴措施下的出租车供求匹配程度刻画指标, 得到以下结论:ρ A1′ =, r A1 ′ = ,ρ A2′ = ,r A2′ = , 对比问题一中未采取任何补贴措施的情况, 各个公司的补贴措施的确可以有效解决“打车难”的问题, 并且合理配置市场资源。对比两大打车软件公司出租车供求匹配指标,可以看出滴滴打车公司的补贴措施比快的打车的措施更加有效, 在产业竞争中处于优势。对于问题三, 我们先进行了广义倾向评分匹配, 研究了企业补贴力度对出租车供求配比率的因果效应大小与企业补贴力度之间的关系, 结果发现出租车供求配比率主要跟企业补贴力度有关。首先定义补贴程度, 即为司机每单成交额获取的百分比, 这里为了合理性不妨设置在 0到1 之间。紧接着, 我们查阅得到: 制定补贴的主要目的是使得供求匹配程度增加的同时, 使得司机的收益也增加。所以我们定义补贴方案合理程度指标 M ,M 与司机收益和匹配程度 y 有关,由于这两者越大越好,所以将每段时间的收益与 y i 做乘积,然后累加即为一天时间内的 M 。通过 2 元多项式拟合出 D,S,Q 关于时间、补贴程度的函数,最后计算出 M 最大时, h 的值为 ;将这个 h 值带入反带回 D,S,Q 关于 t,h 的函数中,得到最优解下的供求匹配 y 的离散值, 与第二问中滴滴打车补贴后 y 数据进行图像对比, 发现确实有效提升了资源配置的程度。关键字: 打车软件匹配程度非均衡经济模型聚合方程广义倾向评分匹配补贴力度一、问题重述引言 2014 年5月 27日, 交通运输部办公厅发布《关于促进手机软件召车等出租汽车电召服务有序发展的通知( 征求意见稿)》。通知指出, 各地交通运输主管部门当加强出租汽车电召服务的统一接入和管理, 逐步实现人工电话召车、手机软件召车、网络约车等召车需求信息。打车软件[1] 是一种智能手机应用, 乘客可以便捷地通过手机发布打车信息, 并立即和抢单司机直接沟通, 大大提高了打车效率。如今各种手机应用软件正实现着对传统服务业和原有消费行为的颠覆。在改变人们生活方式的同时,打车软件也引起了各种社会问题。 201 5 年的第一周, 沈阳、青岛、南京, 三座城市分别发生不同程度的出租车停运事件。而这样的情绪还在许多城市的出租车从业者中蔓延, 一场波及面广的出租车停运风波正在形成。此次多地出租车停运中, 出租车司机们将主要诉求集中在了打车软件上, 而打车软件最初恰恰是出租车司机最喜欢和推崇的揽客工具[2]。就在这样的背景下,国内两大打车软件运营商纷纷采取补贴的方法来提高运营效率,在人们的关注和争议背后, 建立一整套针对出租车资源供求匹配程度及出租车补贴方案的评价和优化模型是非常有必要的。问题重述随着城市规模的不断扩大, 城市内交通变得越来越必要, 出租车就是这样一种提供快捷便利交通服务的交通工具。然而“打车难”却也一直困扰着人们。随着“互联网+”时代的到来, 许多公司利用移动互联网纷纷建立了打车软件服务平台, 用来实现乘客与出租车司机之间的信息时时互通, 使得乘坐出租车更加方便。于此同时, 打车软件运营公司推出了多种出租车的补贴方案用来优化出租车市场。搜集相关数据,建立合理的数学模型研究如下问题: (1) 建立合理、客观且全面的指标和评价模型,并分析不同时间、空间差异下出租车资源的供求匹配程度。(