1. （24h）全天的供求指数分布
2.（ 全部地区）供求指数随时间变化规 律
3. 不同时段的供求指数分布
Q2：打车软件有效缓解“打车难”— 系统仿真

假设
仿真准备过程

1. 系统初始化：将城市道路分为21*21的网格，每个格子的边长为200m,初 始时刻有100辆空载出租车均匀随机分布在网格的边上, 2. 订单的生成：全市的需求订单产生过程服从泊松流，每次迭代产生新订单 的概率为0.2；若本轮迭代产生新订单，则随机分布在道路网格线上，并随 机产生一个目的地节点”将该数据添加到未接订单集合中。
每辆出租车的车速为10m/s,行驶方向是随机的。


3. 订单的完成：若出租车处于载客状态，则按照最短路线前往目的地节点， 当到达目的地后"出租车重新进入空载集合。
无挑单时的仿真
无“挑单” 时的仿真结果
有“挑单”的仿真
有“挑单” 时的仿真结果
有无“挑单”时的对比

从图7和图8可以看出：存在“挑单”的情况下，总体趋势和无”挑单“的情形 类似。但是在有“挑单”情形下，相同的补贴额度使全部平均等待时间比无 “挑单” 的情形更长，相应的载客率也略低。 因为如果司机“挑单”，部分“坏单”便无法通过打车软件打到车，只能依靠 传统方式打车，从另一个角度看；相当于减少了打车软件的使用率。
c.耗费时间（主要探讨到达目的地时间 T2）
2. 间接收益率核算模型
新的补贴方案设计模型
THANKS FOR YOUR CAREFUL LISTENING 请多指教

Q3：新打车软件平台的补贴方案设计 模型

挑单-好的订单
1. 单位时间的直接净收益高（直接评价）
2. 订单执行之后有高质量的下一个订单（间接评价）
补贴—针对的就是间接评价，使得收益率平衡
下一个订单的差异主要体现在到达目的地后的空驶距离
1. 直接收益率核算模型
a.订单收入
b.估计成本(主要是油耗）

文献综述
Q1：构建不同时空供求匹配模型

1. 数据采集
针对不同时空的处理

2. 时空数据的离散化
3 . 供求关系的指标

1. 需求量
用单位时间"单位面积的订单发起数量作为出租车的需求度量指标

2. 供给量
3. 供求平衡指标
以单位时间"单位面积的出租车空驶里程作为出租车的供给量指标
模型Βιβλιοθήκη 果分析互联网＋ 时代的出租车资源配置 模型
杜剑平&韩中庚
摘要

打车软件平台增加了乘客与出租车司机之间的信息透明度，“促进了供求匹 配”在一定程度上缓解了打车难问题’，从另一个角度“出租车司机获得了乘 客的需求信息后”可能出现挑单的现象，即是一些低收益的订单将会难以被 接。 本文基于深圳市的实际数据"分析了深圳市出租车供求关系时空分布"并探讨 了已有补贴方案对出租车资源配置的影响"之后


给出了更合理的补贴方案的设计模型’从某种程度上“能够通过经济手段实 现出租车资源的优化配置”有效缓解‘打车难’问题’
引言

出租车现已成为市民出行的重要交通工具，打车难是人们关心的一个社会热 点问题’随着互联网＋时代的到来，多家公司依托移动互联网建立了打车软 件服务平台，从而使得乘客与出租车司机之间的信息互通，同时推出了多种 出租车的补贴方案’ 多家公司：滴滴打车和Uber
• 订单的差异表现为订单质量（挑单），取消订单质量之间出现的差异
打车软件对出租车资源配置的影响

1. “增加了信息的透明性”，在出租车资源供大于求时，能够引导出租车司 机尽快找到乘客；在出租车资源供不应求时，可以引导乘客前往更容易打到 车的区域’ 2. “信息的过度透明性”，在出租车资源供不应求的情况下，出租车司机会 出现“挑单”的现象，从而造成变相拒载，增加“打车难”。

提出问题
Q1：利用合理的指标分析不同时空 出租车资源的供求匹配程度
Q2：分析各公司的出租车补贴方案 是否有效缓解打车难问题 Q3：设计更为合理的方案
文章脉络
• 数据采集与时空数据的离散化 • 供求关系的指标构建不同时空下的供求匹配模型
Q1 Q2 Q3
• 实时数据（没有打车软件相关关系），运用仿真进行模拟 • 讨论使用打车软件是否缓解打车难（对比），同时考虑信息过度透明