需求不确定下的网约车司机最优工资水平研究

在网约车出行系统中,乘客出行需求的不确定性会影响网约车平台制定合理的工资水平, 进而影响平台利润。本文研究出行需求不确定下的网约车司机工资水平。根据问题的数学描述,假设实际出行需求服从随机分布,司机数量供给服从劳动力供给理论,采用网约车研究领域广泛采纳的精准乘客-司机匹配函数描述乘客与司机间的匹配关系。在此基础上,建立求解网约车平台利润最大化的模型框架。案例研究发现：存在最优的工资水平,使得网约车平台利润最大化;最优工资水平、司机人数与乘客最大需求正相关,最优工资水平与平台影响力负相关;本模型给出期望利润最大化下的最优解,比平均值模型具有一定的鲁棒性,有效保障网约车平台利润。 结果表明,本文建立的最优工资水平模型可以有效研究需求不确定性下的网约车出行系统。     

考虑交通拥堵的出租车市场均衡模型

为了衡量交通拥堵对出租车市场均衡结果的影响,采用柯布—道格拉斯型生产函数作为匹配函数的表达形式,构建了交通拥堵环境下的包含巡游车与网约车的出租车市场均衡模型。算例表明,提高两类平均行驶速度对乘客等待时间、出租车空驶时间以及乘客占比具有不同的影响,但均能提高出租车系统的社会福利。在交通拥堵较为严重时,提高载客出租车平均行驶速度对提升出租车系统社会福利的效果更为显著。     

考虑网约车竞争的机场出租车供需均衡博弈模型

为有效解决机场出租车供需不均衡问题，本文基于完全信息下静态非合作博弈理论提出机场出租车司机及乘客两个群体决策的纯策略博弈模型。将网约车竞争影响引入出租车司机群体决策收益函数的构建中，探讨不同竞争强度对出租车司机群体决策结果的影响。同时，考虑排队长度、上客速率、交通状况、交通费用及多交通方式分流等因素研究乘客群体决策的收益函数，反映乘客群体不同决策结果对司机的影响。以北京首都国际机场为案例进行实证分析。结果显示：在北京市网约车行业平均竞争水平下，两群体通过互馈影响达到纳什均衡时，整体供给略高于需求，其中，早晚高峰时段机场出租车呈现供大于求的状态；地铁停运后的凌晨则需求远大于供给。针对当前网约车竞争水平下达到纳什均衡时的机场出租车每日供需不均衡现象，可以适当提高出租车司机对网约车竞争影响的认知。     

考虑市场与利润的网约车与行业主体博弈分析

为系统分析网约车与行业原有主体的矛盾,从网约车的视角,综合考虑市场份额和利润效益,采用博弈论的方法,分别讨论网约车与传统出租车、乘客、政府之间的利益冲突.构建最优策略博弈模型并进行分析,求解混合策略博弈均衡解.结果表明:网约车与传统出租车均无策略选择最优概率,将处于持续的互相博弈状态中,网约车优劣服务成本差和价格是乘客选择乘坐与否的关键因素,政府管制成本和对非法经营的罚金是促使网约车合法经营的关键因素,为网约车自身发展和政府对网约车的监管提供理论支持和决策建议.     

弹性需求下的出租车市场均衡模型

为了探究出租车市场均衡模型的性质，假设乘客根据预期出行成本的变动来选择是否乘坐出租车，构建了弹性需求下的出租车市场均衡模型，分析了出租车平均行驶速度、城市规模以及乘客等车时间价值对出租车服务水平、使用效率以及打车软件使用率的影响。算例表明：出租车平均行驶速度的提高使扬招乘客和网约乘客等待时间均减少，巡游车和网约车空驶时间均增加； 随着城市规模的扩大，扬招乘客和网约乘客等待时间先增加后减少，巡游车和网约车空驶时间先减少后增加；乘客等车时间价值的提高使扬招乘客等待时间和网约车空驶时间均减少，网约乘客 等待时间和巡游车空驶时间均增加；不同城市规模下，出租车平均行驶速度的提高均能提高打车软件的使用率，城市规模非常小时，乘客等车时间价值的提高使打车软件的使用率减少，当城市达到一定规模时，乘客等车时间价值的提高则会提高打车软件的使用率。     

考虑乘客理性疏忽的网约车订单取消惩罚策略

分析乘客的订单取消行为并制定合理的惩罚策略是网约车公司运营优化的重要问题。本文基于理性疏忽理论,研究网约车和出租车共存的市场中,乘客的订单取消行为和公司对乘客取消订单的惩罚策略。不同于现有完美信息或者完全无信息的假设,本文考虑乘客自主选择信息策略并基于获取的信息做出决策,建立了双层优化模型。上层分别以公司利益和网约车市场的社会福利最大化为优化目标,确定取消订单的惩罚金额。下层构建了基于理性疏忽理论的用户决策模型,并比较了固定费用、分段和基于时间三种惩罚策略的特点。通过粒子群优化算法和逐次平均法相结合的方法求解该模型。研究表明,随着信息获取成本的降低,单个出行者的出行成本最多降低8%,做出正确决策的概率最多增加40%。同时随着信息获取成本的增加,最优的公司收益和社会福利分别减少了16.8%和5.1%。在公司收益和社会福利最优的目标下三种惩罚策略几乎无差别,但在公司收益最大化时,惩罚金额显著高于在社会福利最优时的水平,且订单取消率更低。研究结果为网约车公司制定惩罚策略提供了参考性思路和实践价值。     

基于不同目标的铁路旅客票价优化

分析了铁路旅客运输市场结构,定义了铁路客票的价格函数.结合旅客出行行为方式选择模型,定义了铁路客运市场的需求函数并分析了铁路旅客运输的可变成本与边际成本.根据定价目标的不同,分别提出以运输企业盈利最大、以乘客需求最大、以社会福利最大的价格优化模型.在给定数据的简单网络上,对不同的定价模型进行数据检算,对比分析了不同定价目标的价格及收益,证实了模型的适用性.     

考虑手机召车软件的城市出租车网络均衡研究

为了衡量手机召车软件对出租车市场的影响,本文研究了私家车、常规公交、 出租车相互作用的城市路网中出租车的网络均衡问题.将出租车分为使用手机召车软件 的网约车及不使用手机召车软件的巡游车,分析这两种模式在乘客等待时间与空驶出租 车选择概率差异的基础上,量化各交通方式的出行费用.在Wardrop 均衡情况下采用等价 的变分不等式来描述组合网络均衡模型,设计了相应的启发式算法.算例结果表明,手机 召车软件能有效刺激出租车乘客需求,但随着出租车规模增大,网约车所占比例降低并 趋于稳定,其时间空驶率略低于巡游式出租车,手机召车软件对出租车市场的边际效益 递减.     

用经济学理论分析出租汽车服务定价机制

出租汽车在城市交通中的功能定位是辅助常规公交。从传统经济学的价格理论出发，根据出租汽车服务的特殊属性，运用经济学的相关理论，作者对城市出租汽车服务的定价形式进行了详细分析，得出出租汽车服务的费用适合按照社会福利最大化的定价原则，和采用平均成本定价的形式(包含正常利润)的结论。最后，对起步价收费方式进行了深入分析，指出采纳起步价的收费方式不管对于出租汽车司机还是对于出租汽车乘客，都是有益的。     

基于MNL模型的网约车乘客出行行为

为研究基于多项评定(multinomial logit, MNL)模型的网约车乘客出行行为,以2018年大连市主要商圈内具有网约车乘车经历的出行者为调查对象,设计网约车乘客出行意向调查(stated preference, SP)问卷,建立MNL模型,探索出行方式选择行为的关键影响因素及其作用规律,并进行弹性分析。研究结果表明:出行者的年龄、职业、学历、家庭收入、私家车拥有情况等个人社会经济属性对交通方式选择有显著影响,网约车的乘用频率、司机的礼貌程度以及自由时间满意度对网约车的使用有一定的促进作用。研究结果可以为城市网约车的管理提供借鉴。     

基于深度学习的网约车供需缺口短时预测研究

城市不同区域网约车供需缺口预测可为车辆调度策略提供支持,从而提高车辆运行效率和乘客服务水平.为实现网约车供需缺口短时预测,提出一种基于时空数据挖掘的深度学习预测模型(Spatio-Temporal Deep Learning Model, S-TDL).该模型由时空变量模型、空间属性变量模型和环境变量模型 3个子模型融合而成,可捕捉时空关联性、区域差异性和环境变化对供需缺口的影响.同时,提出特征聚类-最大信息系数两阶段特征选择方法,筛选与供需缺口相关性强的特征变量,提高训练效率,减少过拟合.滴滴出行实例分析证明,特征选择后的 STDL模型预测精度显著优于BP神经网络、长短期记忆网络和卷积神经网络.     

基于Epsilon 约束法的高速铁路客票多目标定价研究

高铁客票定价是多目标定价问题，既要保障旅客福利，又要增加企业合理利润. 以企业利润和旅客福利作为高铁定价目标，考虑旅客差异和不同运距情境下的多种运输方式竞争，研究高铁客票多目标定价. 结合Epsilon约束法构建双层规划模型，根据分层序列思想分解多目标问题，设计松弛算法得到纳什均衡解，由解对应的目标值得到帕累托边界，确定多目标定价最优决策. 计算结果表明，对比量价波动和目标值改进，多目标定价适合票价改革要求，时间敏感型客票和短途客票有较高涨价空间，多种运输方式竞争影响定价实施效果. 将 Epsilon 约束法应用于求解高铁客票定价多目标问题，有利于优化客运企业与旅客利益，为铁路部门提供高铁客票定价思路.     

引入价格窗的定制公交线路优化研究

基于公共交通的公益性,综合考虑乘客与公交企业之间的权衡关系,以保证企业运营成本与服务更多乘客为目标,在浮动票价机制的框架下研究定制公交的线路优化问题。首先,引入价格窗概念,以描述乘客出行过程中的支付意愿,并定义基于时空窗与价格窗的出行需求特征;提 出超额均摊的票价支付假设规则,以在保证出行的基础上支付最少费用。其次,构建引入价格窗的整数线性规划模型,以乘客出行的时空窗和价格窗为输入,以企业运营成本最小化和服务乘客数最大化为目标,通过运营盈利约束来保证企业的运营成本,联合优化乘客-车辆匹配和车辆路径两个子问题。最后,采用GAMS软件进行建模和求解,在Sioux Falls网络开展算例分析。结果 表明,引入浮动票价机制可以服务更多的乘客,进而增加企业的运营收入,且在价格窗上界一定 的增幅内,所服务乘客数和企业的运营收入随价格窗上界增幅的扩大而增加。     

基于离散价格的高铁差异化定价优化研究

与现有大多数结果为连续值的高铁动车组定价理论不同，本文提出一种基于离散价格的高铁动车组差异化定价优化模型。首先设置离散的折扣率档位，再将旅客群体按照价格敏感性分类，考虑出发到达时间不在同一时间段给旅客带来额外机会成本的情况下分别得到各群体旅客乘车广义费用函数，基于广义费用函数估计总体旅客弹性需求函数，构建基于收益最大化为目标的多列车多区段下的线性整数规划模型，最后采用粒子群算法进行求解。算例结果表明，采用本文提出的优化方法能够显著提升列车的整体收益，同时可以将定价理论中输出最优价格为连续值的情况看做是基于离散价格定价优化问题的一个特殊情况，基于离散价格的假设应该更接近于定价优化问题的实际，应得到更多的关注。     

合乘模式下司机收入公平模型及仿真

针对出租车合乘模式下司机的收入问题,建立了合乘模式下司机收入公平心理模型,采用公平理论分析了司机的心理及行为,通过仿真计算,分析了合乘模式下乘客总需求量及司机公平心理对司机收入的影响.研究结果表明,乘客总需求对合乘模式下司机总体的平均收入有较大的影响,合适的供需比下实施合乘才能提高司机收入;在供需比较大时,司机争抢乘客的行为会导致司机个体收入差距增大,部分司机收入降低的现象;为成功实施合乘模式,必须考虑当地出租车市场的供需比情况,并且建立合理的措施以防范司机争抢乘客的行为出现.所得结论对出租车合乘政策的制定与管理有一定的指导意义.     

基于累积前景理论的城际列车分时定价研究

城际客流具有时段分布不均衡特点,表现为高峰时段一票难求而低峰时段客座率低。为均衡客流、提高城际高铁收益,选取客运通道内不同时段车次进行差别定价。考虑旅客选择行为的差异性和有限理性,采用潜在类别分析对旅客进行分类,选取票价和时段价值两个影响因素, 建立双参照点的旅客平行车次产品效用模型,以累积前景值刻画异质旅客对平行车次的出行效用。基于累积前景值构建以铁路企业收益最大,旅客广义出行费用最小的分时定价双层规划模型,设计基于灵敏度分析的启发式算法求解。最后以南宁-北海为例对高峰、非高峰时段平行列车进行实例分析,结果表明,本文提出的分时定价方法能提升收益约2.5%,且高峰、非高峰时段的客流更加均衡。     

网约车进入市场利益方博弈策略及效果分析

运用博弈论方法探讨了网约车作为一种新的出行方式进入市场后，市场已存者(即出租车)与其的策略互动，市场已存者通过调整出行费用，从而采取不同的策略应对潜在进入者(即网约车)是否会进入市场.假定出行者根据时间价值(VOT)函数选择出行方式，求出给定需求情况下的需求均衡，并根据两阶段博弈理论求出各策略均衡下的市场均衡，利用均衡时各出行方式的利润和总社会成本评估各策略的影响.最后给出实例分析，结果显示，虽然网约车的进入会减少出租车的利润，但是社会总成本却降低了.因此，合理发展网约车是经济可行的.     

网约车进入市场利益方博弈策略及效果分析

运用博弈论方法探讨了网约车作为一种新的出行方式进入市场后,市场已存者(即出租车)与其的策略互动,市场已存者通过调整出行费用,从而采取不同的策略应对潜在进入者(即网约车)是否会进入市场.假定出行者根据时间价值(VOT)函数选择出行方式,求出给定需求情况下的需求均衡,并根据两阶段博弈理论求出各策略均衡下的市场均衡,利用均衡时各出行方式的利润和总社会成本评估各策略的影响.最后给出实例分析,结果显示,虽然网约车的进入会减少出租车的利润,但是社会总成本却降低了.因此,合理发展网约车是经济可行的.