滴滴打车影响分析论文Word文档格式.docx

滴滴打车影响分析论文Word文档格式.docx

《滴滴打车影响分析论文Word文档格式.docx》由会员分享，可在线阅读，更多相关《滴滴打车影响分析论文Word文档格式.docx（43页珍藏版）》请在冰豆网上搜索。

出租车平均运营车速（千米/小时）

城市出租车总量（辆）

四、问题分析

4.1问题一分析

“滴滴打车”App改变了传统打车方式，建立培养出大移动互联网时代下引领的用户现代化出行方式。

“普通打车”和“一号专车”是嘀嘀打车推出的两种打车服务。

对出租车市场有巨大的影响。

较比传统电话召车与路边扬招来说，滴滴打车的诞生更是改变了传统打车市场格局，颠覆了路边拦车概念，利用移动互联网特点，将线上与线下相融合，从打车初始阶段到下车使用线上支付车费，画出一个乘客与司机紧密相连的o2o完美闭环，最大限度优化乘客打车体验，改变传统出租司机等客方式，让司机师傅根据乘客目的地按意愿“接单”，节约司机与乘客沟通成本，降低空驶率，最大化节省司乘双方资源与时间。

影响分析即对比，分为纵向对比和横向对比，即滴滴打车使用前后对比和滴滴打车使用后各种出行方式的对比。

评估这两项服务对出租车市场的影响，可以从多方面进行分析由于数据获取的困难，本文将从附件中给出的地区超精细格网化数据出发，分析人口密度，年龄比例，性别比例三个方面。

1、由于人口密度大的地方，交通较拥堵，导致出行效率降低。

而且由于在人口密度过大的地方，人们对于打车的需求更大，能打到车的人占有打车需求的人的比例会降低。

2、在人口密度小的地方，打车需求量较少，出租车数量也较少，出租车的空载率增加。

由此分析，我们可以建立模型，从人们出行，出租车行业和城市交通三个方面讨论日常营收，利用率和出行效率的变化以及影响因素。

人们出行从横向对比，出租车行业从纵向对比，交通情况则横向和纵向都应考虑。

同时，根据附件得出所给区域的日常车辆行驶情况以及出租车的流动概率。

用附件中的数据进行具体评估。

4.2问题二分析

顺风车是一种和普通打车和一号专车不同的商业模式，拥有私家车的车主可以转换成司机载客。

顺风车在人口密集处优势明显，将顺路的人放在同一辆车上，减少车流量。

要估计顺风车对城市交通的影响，应该从愿意拼车和能拼车两个方面来考虑，转化成数学即，人群对顺风车的使用率和道路的匹配率。

则缓解率就是两者相乘。

使用率根据人口多少的不同，分成三类，与人口数和男女比率相关，可给出函数关系。

道路匹配率与人均出行的距离和重叠路径有关。

4.3问题三分析

工大新区到南区有50余条支路，我们把各个分岔口变成点，路线赋上权值，将其转化到图论的“最短”路径问题，采用整数规划来求出最短解。

01整数规划，组合最优化通常都可表述为整数规划问题。

两者都是在有限个可供选择的方案中，寻找满足一定约束的最好方案。

在本题：

一个分岔路口只有经过与不经过之分，各支点的路线关系可以由方程表示，运用lingo求解权值最小的路线。

关于权值的定义，从时间和费用两方面考虑，时间在合理安排翡翠湖附近车辆的前提下，等待时间不予考虑，即实际行车时间，合肥的道路主要分为快速道，主干道，和普通道，各设平均速度为v1，v2，v3，同样设三种道路堵车概率为p1，p2，p3，记录各支路的平均时间，费用只从路程上考虑。

由于时间和费用的单位度量不能一致，从两方面分别讨论最优解。

而车辆的安排，新区与南区中间的车与路的中心度成正相关，即所有从新区到南区的可能路线的支路被经过的次数。

而在新区附近安排多少车则根据车速，接单率等算出。

五、模型建立与求解

5.1问题一模型

日常营收变动与出租车数量以及每辆出租车的日常营收的变动有关。

由假设，出租车总量N不变。

而每辆出租车的日常营收变动，是由于使用打车软件，使得出租车司机收入有了变动。

其中，使用打车软件使得出行效率增加，将促使更多人愿意通过出租车出行。

5.1.1数据处理

对附件的区域成图：

根据人口密度分类，得到如下人口密度分类图：

Matlab代码如下：

clearall

loaddata

%%载入已经导入好的数据

forii=1:

1925

kk=ii;

forjj=（ii+1）:

1925

if（tempxls（kk,6）>

=tempxls（jj,6））

kk=jj;

end

if（kk~=ii）

temp=tempxls（ii,:

）;

tempxls（ii,:

）=tempxls（kk,:

tempxls（kk,:

）=temp;

end

%%对表格中的成年人口数据进行排序

number（ii）=tempxls（ii,6）;

[tempxls（:

10）,ps]=mapminmax（number,0,1）;

forii=1:

z（ii）=tempxls（ii,10）;

%%归一化数据，放置在表格第十列

jj=1;

kk=1;

mm=1;

iftempxls（ii,10）<

0.25

x1（jj）=tempxls（ii,9）;

y1（jj）=tempxls（ii,8）;

jj=jj+1;

elseiftempxls（ii,10）<

0.5

x2（kk）=tempxls（ii,9）;

y2（kk）=tempxls（ii,8）;

kk=kk+1;

else

x3（mm）=tempxls（ii,9）;

y3（mm）=tempxls（ii,8）;

mm=mm+1;

%%计算各个等级对应的坐标，画第一题图

plot（x1,y1,'

b.'

x2,y2,'

g.'

x3,y3,'

r.'

title（'

人口密度分布图'

）

xlabel（'

纬度'

ylabel（'

经度'

figure

%%画第二题图

plot（y1,x1,'

y2,x2,'

y3,x3,'

人口分区图'

axisequal

%使坐标轴单位长度相同

holdon

%绘制分区

line（[116.39271353,116.39271353],[39.97123177,39.86789842]）;

line（[116.37354686,116.37354686],[39.97123177,39.86789842]）;

line（[116.35438019,116.35438019],[39.97123177,39.86789842]）;

line（[116.33521352,116.33521352],[39.97123177,39.86789842]）;

line（[116.31604685,116.31604685],[39.97123177,39.86789842]）;

line（[116.39271353,116.31604685],[39.97123177,39.97123177]）;

line（[116.39271353,116.31604685],[39.94539843,39.94539843]）;

line（[116.39271353,116.31604685],[39.91956509,39.91956509]）;

line（[116.39271353,116.31604685],[39.89373175,39.89373175]）;

line（[116.39271353,116.31604685],[39.86789842,39.86789842]）;

故可知该地区的人口大致分布情况

5.1.2给出关系

前提：

出租车承担的区域运输周转量：

W是周转量（旅客周转量（人公里）＝∑（运送的每位旅客×

该旅客运送距离）），R是区域人口总人数，A是人均日出行次数，D是人均出行的米数，P是流动人口中选择出租车的比例

区域出租车总有效里程：

L是全市出租车总有效里程数，S是城市居民乘坐出租车时平均有效车次载客数（人）

车辆空驶率可以通过全天空载路程与总路程的比值表示，即表达式为：

K是车辆空载率，L是全市出租车总有效里程数，T是一天中出租车平均运营时间（小时）V是出租车平均运营速度，N是城市出租车总量

则得：

日常营收公式：

W是该区域的客运周转量r是平均每人每里程出租车公司从中收取的费用，r为常数

车辆利用率：

K是车辆空载率，L是全市出租车总有效里程数，T是一天中出租车平均运营时间（小时），V是出租车平均运营速度，N是城市出租车总量。

出行效率：

（既不是乘客的出行效率，也不是司机的出行效率，而是城市的出行效率）

W是该区域的客运周转量，T是一天中出租车平均运营时间（小时）

5.1.3分析影响：

由5.1.2可知，G、C、B三方面的变化均与W直接相关，而

故只需分析滴滴打车开发推行后，P的变化即正比于G、C、B的变化。

由该图可知出租车分布大致情况，以数学量F（单位平方公里的出租车数）来表示，由滴滴打车的性质：

提供附近的出租车信息并叫车，则可知道F与人口密度成如下关系；

F与P也成如下关系。

故可知在G、C、B三方面，即日常营收，出租车利用率，城市出行效率三方面，普通打车和一号专车对出租车行业的影响正比于P，即流动人口中选择出租车的比例，其中P应是f（t），时间t的函数，满足“S”型曲线等模型直到市场饱和。

在横向对比方面，P的增大必然导致自行车公交车等工具使用的降低，对出租车市场是有帮助的。

5.2问题二求解

要求计算顺风车对城市交通的舒缓程度，即要考虑多少交通量可以由顺风车承载，即要讨论道路的匹配度和顺风车的使用度比例。

5.2.1顺风车的使用度比例

将城区分类：

三种区域：

设

是影响变量，为第i个区域的影响程度。

则,

表示愿意并乘坐顺风车的人数中使用打车软件前驾驶私家车的比例

是该区域总人口

为该区域平均每人出行次数。

故可假设三种区域的顺风车的使用率为

，

。

5.2.2道路的匹配度

出租车拼车的实现，乘客出行需求信息的获取，处理最终完成合乘匹配是首要的关键性环节。

对于乘客出行需求信息的获取，我们度量于小区域成年人口的总量。

概念定义说明：

出行圆：

黑色区域表示地理位置划分，红色区域表示该区域人平均出行圆，其中半径为

即人口密度的函数。

关于道路的匹配：

各出行圆的重叠部分可表示搭乘顺风车区域。

蓝色部分表示可拼车区域

具体的几何意义解释是：

第i个圆与第j个圆的交部分是从第i个区域为起点和第j个区域为起点的两伙人在此顺路，则有可能搭乘顺风车。

以附件中的数据进行分区和求解半径：

将1926个网格先分成10*10的区域，得到19.26个区域，为了简化计算，将其分为4*4=16个区域：

考虑到现实车上只能坐最多4人，故4个圆以上的重叠部分不予考虑。

考虑到计算复杂度，只考虑两伙人拼车的情况。

假设各圆的半径r与

成比例关系，正比例系数是

则

保证数量级，使单位为度，取

得16个区域的半径为（单位为度）

0.0

0.009485

0.0292353

0.0092545

0.0256412

0.0912827

0.0289458

0.0240096

0.0244638

0.0242196

0.0243245

0.0303442

0.0334650

0.0327274

0.0321446

求两圆相交的面积：

用

表示第i个圆，

则

∩

里面点的坐标满足

表示第i个圆的方程。

若满足则计入点集E最后统计得来的E的点/所有圆的点=道路的匹配度

matlab程序：

%求平面上两点的欧式距离

functiondist=dist（xx,yy,oox,ooy）

dist=（（xx-oox）*（xx-oox）+（yy-ooy）*（yy-ooy））;

%求两圆相交的部分数据点的个数

num1=0;

num2=0;

r=[0.00.00094850.00754910.0092545...

0.02564120.09128270.02923530.0289458...

0.02400960.02446380.02421960.0243245...

0.03346500.03346500.03272740.0321446];

%使数据与坐标轴对应

8

temp=r（ii）;

r（ii）=r（16-ii+1）;

16

forjj=ii+1:

forkk=1:

ifdist（xls（kk,8）,xls（kk,9）,ox（ii）,oy（ii））<

=（r（ii）*r（ii））&

&

dist（xls（kk,8）,xls（kk,9）,ox（jj）,oy（jj））<

=（r（jj）*r（jj））

num1=num1+1;

=（r（ii）*r（ii））

num2=num2+1;

num2=num2*16;

num1

num2

%画出各个圆

theta=0:

pi/50:

2*pi;

forii=1:

xx=ox（ii）+r（ii）*cos（theta）;

yy=oy（ii）+r（ii）*sin（theta）;

plot（xx,yy,'

-'

ox（ii）,oy（ii）'

.'

axissquare;

求得s（相交）的个数为12819，求得s（所有圆内）的个数为123952

故缓解率约为10.34%

5.2.3结合

得到各分类的使用率k（愿意顺风）和道路匹配率

（能顺风）可知：

交通的缓解率为

5.3问题三求解

5.3.1抽象成图

根据新区和南区的网上地图资料得到各支路的米数，标记在地图上得：

抽象成图：

5.3.3算法

01整数规划：

以

作为第i个结点的情况，则

用带权图

来抽象表示交通网络，

是结点的集合，

是边的集合，

是权重的集合。

表示从结点

到

的时间或者费用。

5.3.4权重的考虑值

（1）时间权，考虑时间：

是某支路的路程，

或

是该支路的平均速度，假设在相同道路类型前提下，堵车时间与道路长度成正比，比例系数是

（

是行车时间，

是堵车时间）

快速路平均速度是

，主干道平均速度是

，普通道路平均速度是

设三种路的堵车概率分别是：

设三种路的平均堵车时间分别是：

根据资料和数据调试（带入

，取

为公差带入）：

（2）费用权：

只考虑路程和打车方式。

w（权值）=s（里数）

5.3.5求出权值

C程序代码：

#include<

stdio.h>

intmain（）

{

intn;

floats,x1,x2,t1,t2;

floatv1,v2,v3,p1,p2,p3,T1,T2,T3,k;

v1=16.7;

v2=11.1;

v3=8.3;

p1=0.2;

p2=0.2;

p3=0.15;

T1=360;

T2=240;

T3=120;

k=0.001;

floatv,p,T;

printf（"

inputs:

\n"

scanf（"

%f"

&

s）;

x2=s;

inputthetypeofthisroad:

1or2or3\n"

%d"

n）;

if（n==1）{v=v1;

p=p1;

T=T1;

}

if（n==2）{v=v2;

p=p2;

T=T3;

if（n==3）{v=v3;

p=p3;

t1=s/v;

t2=k*s*p*T;

x1=t1+t2;

x1=%fx2=%f"

x1,x2）;

return0;

5.2.5求解路线

（1）时间

Lingo11（破解版）程序：

（w单位为秒）

model:

sets:

places/1..55/;

roads（places,places）:

w,x;

endsets

data:

w=0;

enddata

calc:

w（1,2）=205;

w（2,3）=171;

w（2,4）=80;

w（3,5）=83;

w（3,7）=924;

w（4,6）=166;

w（4,11）=171;

w（5,6）=131;

w（5,8）=152;

w（6,10）=125;

w（7,12）=308;

w（8,9）=85;

w（8,55）=1450;

w（9,10）=99;

w（9,12）=554;

w（9,15）=138;

w（10,11）=91;

w（10,14）=166;

w（11,13）=102;

w（12,17）=160;

w（12,18）=125;

w（13,14）=68;

w（13,22）=125;

w（14,15）=102;

w（15,16）=194;

w（15,24）=111;

w（16,25）=152;

w（16,17）=273;

w（17,21）=80;

w（17,26）=85;

w（18,19）=111;

w（18,21）=85;

w（19,20）=69;

w（20,21）=85;

w（20,28）=69;

w（21,27）=85;

w（22,23）=97;

w（22,35）=68;

w（23,24）=138;

w（23,34）=138;

w（24,25）=291;

w（24,33）=125;

w（25,26）=222;

w（25,32）=152;

w（26,27）=104;

w（26,42）=182;

w（27,28）=69;

w（28,29）=97;

w（28,43）=221;

w（29,30）=104;

w（29,44）=221;

w（30,45）=194;

w（31,32）=90;

w（31,55）=923;

w（32,40）=132;

w（33,34）=138;

w（33,38）=0.9;

w（34,35）=166;

w（34,37）=69;

w（35,36）=68;

w（36,37）=45;

w（37,38）=80;

w（38,39）=57;

w（38,46）=55;

w（39,40）=114;

w（39,47）=63;

w（40,41）=114;

w（41,42）=137;

w（41,48）=76;

w（42,43）=166;

w（42,49）=57;

w（43,44）=96;

w（44,45）=96;

w（46,50）=83;

w（46,47）=76;

w（47,51）=76;

w（48,49）=208;

w（48,52）=104;

w（49,53）=125;

w（50,51）=83;

w（51,52）=471;

w（52,53）=166;

w（53,54）=125;

w（54,55）=152;

@for（roads（i,j）:

w（i,j）=w（i,j）+w（j,i））;

w（i,j）=@if（w（i,j）#eq#0,1000,w（i,j）））;

endcalc

n=@size（places）;

m