機(jī)場出租車服務(wù)策略

陳帥杰　邱靖　劉佳舟

摘 要：每一名剛剛送客到機(jī)場的出租車司機(jī)都會面臨前往到達(dá)區(qū)等待或空載返回市區(qū)兩種選擇。為了使得出租車司機(jī)的利潤最大，建立一個決策模型?？紤]“兩種選擇各自的凈利潤”和“司機(jī)在一天中的過往經(jīng)驗(yàn)”兩部分影響司機(jī)決策的因素。運(yùn)用改造的費(fèi)米規(guī)則合并兩個因素，通過 Python 仿真，算出司機(jī)選擇空載回市區(qū)和選擇在機(jī)場繼續(xù)等待的概率。將本文模型的結(jié)果與貪婪選擇策略的結(jié)果進(jìn)行對比，發(fā)現(xiàn)利用本文模型決策能給出租車司機(jī)帶來更高更穩(wěn)定的收益。

關(guān)鍵詞：機(jī)場出租車? 決策模型? 費(fèi)米規(guī)則

中圖分類號：F562.5 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2020）03（a）--04

許多乘客下飛機(jī)后都會選擇出租車作為代步工具。近幾年來，隨著機(jī)場客流量的不斷增大，不管是“人等車”還是“車等人”的情況越發(fā)嚴(yán)重，傳統(tǒng)交通管理模式已經(jīng)無法滿足旅客、司機(jī)等各方面的需求。緩和司乘矛盾、解決供需平衡、提升服務(wù)質(zhì)量是擺在機(jī)場管理方面的一道難題。為出租車蓄車、供車提供依據(jù)，實(shí)現(xiàn)車輛提前調(diào)度，不再像以前那樣“被動應(yīng)對式”服務(wù)，才能確保旅客與出租車的各自需求，使得雙方的利益最大化。

由于出租車服務(wù)帶有隨機(jī)性、動態(tài)性和異步性，數(shù)學(xué)解析模型很難精確刻畫出出租車的服務(wù)過程。本文基于Python仿真模擬司機(jī)來往機(jī)場的載客狀態(tài)，建立司機(jī)在不同情況下的決策模型，并通過數(shù)值實(shí)驗(yàn)評估了該方案的實(shí)施效果。

1 模型建立與求解

首先，我們將影響出租車司機(jī)決策的因素分為兩部分。因素一是在機(jī)場選擇留下等待送客和選擇到市區(qū)找客各自的凈利潤，因素二是司機(jī)每次在市區(qū)選擇的過往經(jīng)驗(yàn)。

對于因素一，我們按照機(jī)場情況、司機(jī)回市區(qū)和回機(jī)場的狀態(tài)分八種情況討論（如表1所示），分別計算每種情況的凈利潤，之后用仿真多次測出不同情況下兩種選擇的凈利潤。

由于司機(jī)可觀測到的確定信息只有某時間段抵達(dá)的航班數(shù)及“蓄車池”里已有的車輛數(shù)，在表1中，我們用航班到達(dá)數(shù)乘以單次航班的平均乘客數(shù)乘以乘客乘坐出租車的概率得出等待乘車的乘客數(shù)。司機(jī)做出選擇的判斷標(biāo)準(zhǔn)是，當(dāng)出租車司機(jī)回城尋客且一直未找到乘客的時間過長時，會選擇空載回機(jī)場。反之，則載人回機(jī)場。

對于因素二，我們將司機(jī)的過往經(jīng)驗(yàn)量化為其傾向回城找客的概率，并設(shè)計一個樂觀翡函數(shù)刻畫其由于過往經(jīng)驗(yàn)導(dǎo)致的心理變化。當(dāng)司機(jī)在上一次選擇回城找客中做出是否回機(jī)場判斷的次數(shù)過高時，說明其很久都沒有載到客。因此，根據(jù)經(jīng)驗(yàn)，該司機(jī)在本次做出選擇時會減少回城找客的傾向，那么本次選擇回城找客的概率等于初始概率乘以悲觀函數(shù)值;當(dāng)司機(jī)在上一次選擇回城找客中做出是否回機(jī)場判斷的次數(shù)較低時，說明其很快載到客人。同理，司機(jī)本次選擇回城找客的概率等于初始概率乘以樂觀函數(shù)值。

之后，我們將兩個因素用改造的費(fèi)米規(guī)則合并起來，得出司機(jī)選擇回市區(qū)和選擇繼續(xù)等待的概率，進(jìn)而得到最佳決策方案。

我們從兩種選擇各自的凈利潤和司機(jī)在一天中的過往經(jīng)驗(yàn)兩個維度分析。之后，利用改造的費(fèi)米規(guī)則合并兩個因素，從而建立司機(jī)的決策模型。