賀小麗+郭歡+樂朦+李明+李家越

摘 要：本文通過對某打車軟件后臺所抓取的數(shù)據(jù)信息為依據(jù)，采用灰色關聯(lián)度分析、神經網絡算法等理論知識，借助MATLAB軟件編程，以武漢市為例對出租車市場的相關問題進行了系統(tǒng)分析研究。

關鍵詞：空駛率；灰色關聯(lián)分析；神經網絡模型

中圖分類號：U492 文獻標識碼：A

1.出租車市場供求匹配灰色關聯(lián)度模型和神經網絡模型

1.1 灰色關聯(lián)度分析理論

灰關聯(lián)分析是基于灰關聯(lián)空間而建立的一種分析方法，較好地融合了距離空間與拓撲空間的特點。對一個抽象的系統(tǒng)或現(xiàn)象進行分析，首先確定反映系統(tǒng)行為特征的數(shù)據(jù)序列，還需進一步明確影響系統(tǒng)主行為的有效因素。有了系統(tǒng)行為特征數(shù)據(jù)和相關因素的數(shù)據(jù)，即可作出各個序列的圖形，從直觀上進行分析。具體數(shù)學描述如下：

1.2 神經網絡理論

人工神經元的結構模型，它是一個多輸入單輸出的非線性閾值器件，其中x1，x2，…xn表示神經元的n個輸入信號量；w1，w2，…，wn表示對應輸入的權值，它表示各信號源神經元與該神經元的連接強度；A表示神經元的輸入總和，它相應于生物神經細胞的膜電位，稱為激活函數(shù)；y為神經元的輸出；θ表示神經元的閾值。

2.實例分析

2.1 數(shù)據(jù)的抓取和數(shù)據(jù)分析

數(shù)據(jù)采集步驟：

第一步，下載安裝Firefox瀏覽器。

第二步，打開Firefox瀏覽器的菜單欄，在窗口最上方，點擊鼠標右鍵，選擇“菜單欄”。

第三步，選擇工具——Web開發(fā)者——瀏覽器控制臺，點擊“網絡”，則會顯示所有Firefox的通信消息。

第四步，打開Firefox瀏覽器，輸入滴滴快的智能出行平臺網址（v.kuaidadi.com），點擊重要城市情況，選擇武漢城市，在可視化維度選擇中會出現(xiàn)出租車分布、打車難易度、打車需求量、被搶單時間、車費、出行軌跡以及時間這幾個選項。

第五步，選擇出租車分布，在窗口下方時間軸的自動掃描下，瀏覽器控制臺中會顯示所有Firefox的通信消息，只有標志成XHR的通信消息才含有ZIP數(shù)據(jù)。

第六步，點擊其中一條消息，使用鼠標右鍵，選擇菜單中“在新的瀏覽器標簽頁中打開”，即可以得到最近一周內某一天24小時出租車分布的數(shù)據(jù)。

其中114.2732，30.5772分別代表經緯度，163代表出租車分別數(shù)量。

第七步，在可視化維度選擇中依次點擊打車難易度、打車需求量、被搶單時間、車費、出行軌跡，使用相同的方法，得到各個數(shù)據(jù)。

2.2 神經網絡模型具體計算

將城市居民年人口總量、城市居民人均出行次數(shù)、城市居民人均出行距離、出租車平均營運時間、出租車平均車速出租車保有量作為輸入數(shù)據(jù)，以空乘率作為輸出來構建出租車供求匹配程度分析的神經網絡模型。采用的神經網絡結構為6-7-1，輸入層為6個神經元，作用函數(shù)為線性傳遞函數(shù)（purelin），對應輸入的權值w1，w2，...，w6分別用其對應指標與空駛率的關聯(lián)度；隱含層有7個神經元，作用函數(shù)為對數(shù)S型傳遞函數(shù)（sigmoid）；輸出層為1個神經元，作用函數(shù)同隱含層一樣為對數(shù)S型傳遞函數(shù)（sigmoid）。

2.3 模型檢驗

以武漢市三環(huán)以內城區(qū)為研究對象，根據(jù)附件四（滴滴打車智能平臺武漢市信息統(tǒng)計表）和相關資料得到以下數(shù)據(jù)：武漢市一天內平均運行的出租車數(shù)量，并可得到武漢市出租車的平均運營時間。得到一天內統(tǒng)計的1643次乘車中共行駛10179km，平均每次出行里程D=6.195375。同時根據(jù)相關數(shù)據(jù)統(tǒng)計可以得到：

即9月6日武漢市出租車資源整體上處于供應平衡的狀態(tài)。再利用同一地點9月4日的數(shù)據(jù)得到K=37.4252%以上2組結果表明武漢市出租車市場供需關系整體上處于平衡狀態(tài)。

2.4 分時段計算

據(jù)調查數(shù)據(jù)分析，得出了每一時刻的出租車空駛率，在8點9點早上班高峰空駛率呈負數(shù)，表明當前情況出租車市場極度不平衡，中午12點午休時間及下午4至6點下班高峰期都屬于同一種情況；晚10點以后至早上7點以前空駛率極高最高峰可達90%；其余時間空駛率基本穩(wěn)定在30%～50%表明出租車市場供需基本平衡或供略大于需。利用上述數(shù)據(jù)按出租車分布100輛以上的為繁華區(qū)、60～100輛的為一般地區(qū)、60輛以下的偏遠地區(qū)。假設繁華區(qū)、一般區(qū)、偏遠區(qū)分擔城市出行量分別為50%，30%，20%。計算得空駛率為

其結果表明繁華區(qū)供需極度不平衡，一般區(qū)需求略大于供，偏遠區(qū)供大于求。

結語

本文的神經網絡模型使用了較為大量的數(shù)據(jù)作為系統(tǒng)輸入，因此在擁有足夠數(shù)據(jù)庫的情況下可以直接進行其他市場或系統(tǒng)的相關計算，應用面廣，拘束力不強，模型可以向同樣有多重因素相互作用和影響的事件推廣。

參考文獻

[1]帥朝暉.城市出租車資源配置研究[D].上海交通大學，2011.