網(wǎng)約車平臺(tái)的比較與發(fā)展預(yù)測(cè)

丁斯昊

本文基于專車市場(chǎng)迅速發(fā)展的背景，通過(guò)建立綜合評(píng)價(jià)模型對(duì)專車、出租車以及專車內(nèi)部各種平臺(tái)進(jìn)行了評(píng)分與比較，并建立了司機(jī)盈利效率的優(yōu)化模型，給出加入專車行業(yè)的合理建議。最后，通過(guò)灰度預(yù)測(cè)GM（1，1）模型和BP神經(jīng)網(wǎng)絡(luò)模型對(duì)專車產(chǎn)業(yè)的發(fā)展前景做出綜合預(yù)測(cè)。

綜合評(píng)價(jià)熵值法定權(quán)系數(shù)優(yōu)化模型灰度預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型

一、引言

隨著“打出租車難”成為人們關(guān)注的一個(gè)社會(huì)熱點(diǎn)問(wèn)題，由于各種原因，近幾年來(lái)越來(lái)越多的私家車加入了專車行列，專車已經(jīng)逐步成為市民出行的重要交通工具之一。特別是隨著“互聯(lián)網(wǎng)+”時(shí)代的到來(lái)，有多家公司依托移動(dòng)互聯(lián)網(wǎng)建立了打車軟件服務(wù)平臺(tái)，實(shí)現(xiàn)了乘客與專車司機(jī)之間的信息互通。那么網(wǎng)約車平臺(tái)到底比傳統(tǒng)的出租車好在哪些地方，各網(wǎng)約車平臺(tái)之間又有什么優(yōu)劣之分？網(wǎng)約車平臺(tái)未來(lái)的發(fā)展前景又在何處？這些問(wèn)題就成為了當(dāng)下的焦點(diǎn)。

二、搭建從顧客角度分析的評(píng)價(jià)模型

（一）模型參數(shù)確定與求解

從顧客角度，本文選取了安全性、打車成功率、乘車費(fèi)用、平均等待時(shí)間、顧客評(píng)價(jià)滿意度五個(gè)指標(biāo)因素，通過(guò)查詢資料并通過(guò)相關(guān)計(jì)算得到北京市的相關(guān)數(shù)據(jù)，如下表（表1）：

對(duì)于各指標(biāo)的權(quán)重，本文采用多指標(biāo)綜合評(píng)價(jià)的權(quán)重的綜合分析方法，分別采用主觀賦權(quán)法和客觀賦權(quán)法進(jìn)行分析。

（二）客觀賦權(quán)法：熵值法

三、搭建灰度預(yù)測(cè)模型和神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)網(wǎng)約車平臺(tái)的未來(lái)發(fā)展

從公共交通與專車行業(yè)的合作發(fā)展角度來(lái)說(shuō)，我國(guó)對(duì)于大城市出租車數(shù)量的要求是萬(wàn)人出租車擁有量不宜少于20輛。由統(tǒng)計(jì)數(shù)據(jù)作圖可知，在中國(guó)境內(nèi)僅北京和上海兩個(gè)城市達(dá)到標(biāo)準(zhǔn)，其余城市有很大差距。所以中國(guó)境內(nèi)的出租車市場(chǎng)還存在很大的缺口，而專車行業(yè)的發(fā)展和壯大可以很好的填補(bǔ)這一空白，和現(xiàn)有的公共交通形成互補(bǔ)，專車市場(chǎng)的潛力巨大。

從專車行業(yè)與軌道交通可能存在的競(jìng)爭(zhēng)關(guān)系角度分析，建立了一種競(jìng)爭(zhēng)分析模型：若專車的起點(diǎn)和終點(diǎn)都在軌道交通站點(diǎn)500m服務(wù)區(qū)范圍內(nèi)，則視為競(jìng)爭(zhēng)，否則視為互補(bǔ)；根據(jù)該假設(shè)和上海市九月份某工作日滴滴出行早高峰訂單數(shù)據(jù)，分析出專車和軌道交通的關(guān)系主體呈“互補(bǔ)”狀態(tài)，結(jié)果如圖11所示。本文對(duì)存在的約20%的競(jìng)爭(zhēng)關(guān)系做進(jìn)一步分析得到：在不足20%的競(jìng)爭(zhēng)關(guān)系中，有72%的人因軌道交通需換乘，而選擇專車，另外28%因主觀選擇的原因（比如更舒適，商務(wù)需要，報(bào)銷等）選擇了專車。結(jié)果如圖12所示。由以上分析可知專車和公共交通主要呈現(xiàn)的是互補(bǔ)關(guān)系。因此專車的發(fā)展前景比較廣闊。

為有效地對(duì)專車未來(lái)的發(fā)展做預(yù)測(cè)，選取專車日均訂單成交量為參考變量，并分別采用灰度預(yù)測(cè)模型GM（1，1）和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，并對(duì)比兩種預(yù)測(cè)模型所得到的結(jié)果。

（一）網(wǎng)約車平臺(tái)發(fā)展灰度預(yù)測(cè)模型的建立與求解

通過(guò)查閱相關(guān)資料本文得到從2015年8月到2015年12月全國(guó)專車市場(chǎng)日均訂單成交量的統(tǒng)計(jì)數(shù)據(jù)，整理如下表（見(jiàn)表4）：

（二）網(wǎng)約車平臺(tái)發(fā)展神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立與求解

通過(guò)查閱相關(guān)資料得到從2014年8月到2015年12月全國(guó)專車市場(chǎng)日均訂單成交量的統(tǒng)計(jì)數(shù)據(jù)，整理如下表（見(jiàn)表5）：

采用神經(jīng)網(wǎng)絡(luò)模型中的BP算法，將該17組樣本數(shù)據(jù)代入程序。進(jìn)行100次模擬，預(yù)測(cè)未來(lái)12組數(shù)據(jù)，見(jiàn)下圖：

（三）結(jié)果分析

對(duì)于專車未來(lái)的發(fā)展趨勢(shì)，本文通過(guò)選取專車日均訂單成交量為參考指標(biāo)變量，分別采用灰度預(yù)測(cè)和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，灰度預(yù)測(cè)適合于小樣本數(shù)據(jù)的預(yù)測(cè)，側(cè)重于對(duì)象未來(lái)發(fā)展總體趨勢(shì)的刻畫；神經(jīng)網(wǎng)絡(luò)模型適合多樣本數(shù)據(jù)的預(yù)測(cè)，側(cè)重于涵蓋樣本數(shù)據(jù)中的細(xì)節(jié)處理，對(duì)數(shù)據(jù)走勢(shì)的波動(dòng)性刻畫較為清晰。之所以采用兩種模型，一方面是更加全面地進(jìn)行專車未來(lái)發(fā)展的趨勢(shì)；另一方面，對(duì)比兩種模型所預(yù)測(cè)的結(jié)果，可以檢驗(yàn)我們的模型是否合理，兩者結(jié)果的一致性或差異對(duì)模型的改進(jìn)和預(yù)測(cè)結(jié)果的綜合評(píng)價(jià)具有指導(dǎo)性意義。

對(duì)于灰度預(yù)測(cè)，見(jiàn)圖13，通過(guò)GM（1，1）模型很好地預(yù)測(cè)了專車未來(lái)的發(fā)展前景?？梢钥闯觯瑢＼嚾站唵纬山涣吭谖磥?lái)12個(gè)月內(nèi)呈上升趨勢(shì)，平穩(wěn)增長(zhǎng)；而對(duì)于神經(jīng)網(wǎng)絡(luò)模型，見(jiàn)圖15，可以得到：在未來(lái)12個(gè)月內(nèi)，專車日均訂單成交量在2015年12月到2016年3月時(shí)間段呈平穩(wěn)增長(zhǎng)趨勢(shì)，而在2016年3月后達(dá)到平衡狀態(tài)，基本不再繼續(xù)增長(zhǎng)。

對(duì)于兩種預(yù)測(cè)結(jié)果的微小差異，是由于兩種預(yù)測(cè)模型各自的特點(diǎn)所引起的?；叶阮A(yù)測(cè)模型側(cè)重函數(shù)整體趨勢(shì)的刻畫，若函數(shù)先增長(zhǎng)一定時(shí)間，然后達(dá)到平穩(wěn)，則灰度預(yù)測(cè)的結(jié)果會(huì)呈現(xiàn)一直增長(zhǎng)的態(tài)勢(shì)，若函數(shù)先下降再平穩(wěn)，那么同理預(yù)測(cè)結(jié)果會(huì)呈現(xiàn)出一直下降的趨勢(shì)，這是由GM（1，1）模型中白微分方程的特點(diǎn)所決定的。

綜合兩種預(yù)測(cè)模型，得到結(jié)論：在2016年3月之前，專車的發(fā)展呈良好的增長(zhǎng)趨勢(shì)，大約在2016年3月之后，專車發(fā)展將達(dá)到一種平衡穩(wěn)定的狀態(tài)。

四、結(jié)語(yǔ)

本文基于專車市場(chǎng)迅速發(fā)展的背景下，從顧客的角度分別對(duì)專車與出租車、專車內(nèi)部各種平臺(tái)進(jìn)行了綜合評(píng)價(jià)，并建立了專車發(fā)展的預(yù)測(cè)模型。在使用綜合評(píng)價(jià)模型時(shí)，對(duì)于權(quán)系數(shù)的確定，本文只采用了客觀賦權(quán)法中的熵值法，可以在此基礎(chǔ)上再選擇一種主觀賦權(quán)法，將兩種模型的權(quán)重綜合計(jì)算；另外，熵值法要求大量數(shù)據(jù)，這是該模型需要改進(jìn)的地方。本文在第三部分使用的灰度預(yù)測(cè)模型和bp神經(jīng)網(wǎng)絡(luò)模型，不僅可以預(yù)測(cè)專車市場(chǎng)的未來(lái)發(fā)展趨勢(shì)，還可預(yù)測(cè)出租車的發(fā)展前景。另外，也可把該預(yù)測(cè)模型推廣到其他新興產(chǎn)業(yè)的發(fā)展預(yù)測(cè)問(wèn)題上。

參考文獻(xiàn)：

[1]CNNIC.專車市場(chǎng)發(fā)展研究專題報(bào)告 [R].北京：中國(guó)互聯(lián)網(wǎng)信息中心，2015.

[2]滴滴媒體研究院和第一財(cái)經(jīng)商業(yè)數(shù)據(jù)中心[EB/OL].http：//mt.sohu.com/20160226/n438608627.shtml.

[3]中國(guó)專車市場(chǎng)分析報(bào)告[R].上海：羅蘭貝格管理咨詢公司，2016

[4]周品.MATLAB數(shù)值分析應(yīng)用教程.北京：電子工業(yè)出版社，2014.

[5]宋葉志，賈東永.MATLAB數(shù)值分析與應(yīng)用.北京：機(jī)械工業(yè)出版社，2009.