全国数学建模B题第一问模型分析不同时空出租车资源的“供求匹配”程度

“互联网+”时代的出租车资源配置摘要关键词：主成分分析法、供求平衡阀法、对比比值法一、问题的重述二、问题分析三、模型的假设与符号说明1、模型假设2、符号说明四、模型建立与求解指标体系的建立根据问题一的分析，我们近似的建立关于出租车运力规模的合理指标。

目前,大多采用功效系数法来评价出租车运力规模的合理程度。

但是我们要做的是建立合理的指标，而不是对出租车运力规模进行评价。

所以采用主成分分析法来建立关于出租车资源的合理指标。

（主成分分析法也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。

）经过查阅相关资料，建立如下指标体系：1）万人拥有量:该项指标反映了城市出租车的客观需求。

依据国内外各大城市的经验,城市出租车万人拥有量应介于20-30辆之间,此时能表现出较好的市场接受度。

2）里程利用率:指出租车正常运营过程中一定时间内载客行驶里程占总行驶 里程的百分比,其计算公式为:=100%⨯营运载客里程里程利用率总行驶里程3）出租车空载率:是反映出租车营运状况的一个重要指标,其计算公式为:=100%⨯出租车空车数量出租车空载率行驶中的出租车总量4）乘客平均等车时间:指乘客在选择出租车出行的时候等候出租车辆的平均时间,单位为min,其计算公式为:=∑等车时间乘客平均等车时间总候车次数5）居民出行量：指居民在单位时间内出行人数主成分分析法也称主分量分析，旨在利用降维的思想，把多指标转化为少数几个综合指标。

2、主成分分析法的算法步骤 原始指标数据的标准化设有n 个样本,p 项指标,可得数据矩阵(),1,2,...,ij X X nxp i n ==表示n 个样本,j =1,2,...,p 表示p 个指标,ij x 表示第i 个样本的第j 项指标值. 用Z score -法对数据进行标准化变换:()/j ij ij j Z x x S =- 式中,1()/nj iji x x n==(∑221()1/(1)nj j ij i S x x n ==--∑1,2,...,i n=1,2,...,j p=求指标数据的相关矩阵()jk pXp R r = 1,2,...,j p = 1,2,...,k p = jk r 为指标j 与指标k 的相关系数.211[()/][()/]1nk j jk ij j ik k i r x x S X X S n ==---∑ 即 111n jk i r n ==-∑ ij jk Z Z 有1ij r =， jk kj r r = 1,2,...,i n = 1,2,...,j p = 1,2,...,k p =求相关矩阵R 的特征根特征向量,确定主成分由特征方程式Ip |λ-P |=0,可求得的p 个特征根(1,2,...,)g g p λ=,1λ将其按大小顺序排列为12p λ≥λ≥...λ≥0,它是主成分的方差,它的大小描述了各个主成分在描述对象上所起作用的大小。

数学建模B题 The following text is amended on 12 November 2020.B题“互联网+”时代的出租车资源配置摘要本文针对现代生活中“打车难”这一问题，寻找引起其发生的主要因素，并在此基础上建立了与之相对应的打车软件服务信息平台，提出了最优控制策略，最后通过对深圳市出租车辆的调查做出了具体检验措施，验证出此模型的合理性。

针对问题一，本文首先运用层次分析方法，筛选出四至五个相对合理的指标以此来评判出对出租车供求的影响；其次运用SPSS软件对这些指标的数据进行预处理，应用主成分分析法从中再次筛选出三个重要指标，分别得出深圳市和佛山市供给量与需求量与对应三个重要指标间的关系，并利用MATLAB软件绘制供求量随影响因素变化的模型。

利用灰色预测模型来分别预测未来几年深圳市和佛山市供给量与需求量发展趋势，验证其匹配状况，进而解决不同时间下的匹配度问题。

运用灵敏度分析法，修正误差，完善模型。

针对问题二，考虑到出租车补贴主要为燃油补贴，由问题一的模型可知，燃油价格因素直接影响了供给量，通过问题一得出出租车补贴方案对缓解打车难有明显影响。

针对问题三，在软件平台建立上，为实现匹配度最佳，基于打车者与出租车距离最短，等待时间最短，首先利用图论的知识找出最短路径，进而运用改进的遗传算法求出最短时间，寻求到最优方案。

其次根据空载量，分情况讨论具体补贴方案。

最后根据GPS定位数据随机选取出“滴滴打车”某一时间内的经纬度，对以上服务信息平台进行检验，得出该平台较之前具有更好的合理性。

关键词：主成分分析灰色预测模型SPSS数据处理遗传算法一、问题重述随着经济的快速发展，人口密度的增大，“打车难”已成为全国大部分城市所面临的主要问题，人们均是采取“招手打车”方式，这不仅降低了司机载客量，而且对顾客来说，也浪费了很多时间。

现在出现了“滴滴打车”，“快的打车”等软件服务平台，让人们利用“互联网+”方便快捷地打到车。

“互联网+”时代的出租车资源配置摘要随着“互联网+”时代的到来，针对当今社会“打车难”的问题，多家公司建立了打车软件服务平台，并推出了多种补贴方案，这无论是对乘客和司机自身需求还是对出租车行业发展都具有一定的现实意义。

本文依靠ISM解释结构、AHP-模糊综合评价、价格需求理论、线性规划等模型依次较好的解决了三个问题。

对于问题一求解不同时空出租车资源“供求匹配”程度的问题，本文先将ISM模型里的层级隶属关系进行改进，将影响出租车供求匹配的12个子因素分为时间、空间、经济、其它共四类组合，然后使用经过改进的AHP-模糊综合评价方法建立模型，提出了出租车空载率这一指标作为评价因子的方案，来分析冬季某节假日哈尔滨市南岗区出租车资源“供求匹配”程度。

通过代入由1-9标度法确定的各因素相互影响的系数，得出各个影响因素的权重大小，利用无量纲化处理各影响因素，得出最终评判因子为0.3062，根据“供求匹配”标准，得出哈尔滨市南岗区出租车资源“供求匹配”程度处于供需合理状态的结论。

同理，也得到了哈尔滨市不同区县、不同时间的供求匹配程度，最后作出哈尔滨市出租车“供求匹配”程度图。

对于问题二我们运用价格需求理论建立模型，以补贴前后打车人数比值与空驶率变化分别对滴滴和快的两个公司的不同补贴方案进行求解，依次得到补贴后对应的打车人数及空驶率的变化，再和无补贴时的状态对比，最后得出结论：当各公司补贴金额大于5元时，打车容易，即补贴方案能够缓解“打车难”的状况；当补贴小于5元时，不能缓解“打车难”的状况。

对于问题三，在问题二的模型下，建立了一个寻找最优补贴金额的优化模型，利用lingo软件[1]进行求解算出最佳补贴金额为8元，然后将这个值带入问题二的模型进行验证，经论证合理后将补贴金额按照4种分配方案分配给司机乘客。

关键词：ISM解释结构模型；AHP-模糊综合评价；价格需求理论；线性规划一问题重述交通是社会生活众多产业当中的一项基础产业，不但和社会的经济发展关系紧密，与人们的生活也是息息相关。

基于打车软件的出租车供求匹配度模型研究与分析摘要目前城市“出行难”、“打车难”的社会难题导致越来越多的线上打车软件出现在市场上。

“打车难”已成为社会热点。

以此为背景，本文将要解决分析的三个问题应运而生。

本文运用主成分分析、定性分析等分析方法以及部分经济学理论成功解决了这三个问题，得到了不同时空下衡量出租车资源供求匹配程度的指标与模型以及一个合适的补贴方案政策，并对现有的各公司出租车补贴政策进行了分析。

针对问题一，根据各大城市的宏观出租车数据，绘制柱形图进行重点数据的对比分析，首先确定适合进行分析研究的城市。

之后，根据该市不同地区、时间段的不同特点选择多个数据样本区，以数据样本区作为研究对象，进行多种数据（包括出租车分布、出租车需求量等）的采集整理。

接着，通过主成分分析法确定模型的目标函数、约束条件等。

最后运用spss软件工具对数据进行计算，求出匹配程度函数F与指标的关系式，并对结果进行分析。

针对问题二，在各公司出租车补贴政策部分已知的情况下，综合考虑出租车司机以及顾客两个方面的利益，分别就理想情况与实际情况进行全方位的分析。

在问题一的模型与数据结果基础上，首先分别从给司机和乘客补贴两个角度定性分析了补贴的效果。

重点就给司机进行补贴的方式进行讨论，定量分析了目前补贴方案的效果，得出了如果统一给每次成功的打车给予相同的补贴无法改善打车难易程度的结论，并对第三问模型的设计提供了启示，即需要对具有不同打车难易程度和需求量的区域采取分级的补贴政策。

针对问题三，在问题二的基础上我们设计了一种根据不同区域打车难易程度和需求量来确定补贴等级的方法。

设计了相应的量化指标，以极大化各区域打车难易程度降低的幅度之和作为目标，建立该问题的规划模型。

目的是通过优化求解该模型，使得通过求得的优化补贴方案，能够优化调度出租车资源，使得打车难区域得到缓解。

通过设计启发式原则和计算机模拟的方法进行求解，并以具体案例分析得到，本文方法相对统一的补贴方案而言的确可以一定程度缓解打车难的程度。

基于供求匹配率的出租车资源配置模型摘要本文针对城市出租车资源配置问题，采用定性与定量相结合的研究方法，建立衡量出租车供求匹配程度的指标，分析打车软件各种补贴方案对所建指标的影响，在充分考虑各方利益的前提下，得到打车软件的最优补贴方案，对城市出租车行业资源优化配置、持续良性发展具有一定的参考意义。

为分析不同时空出租车资源的供求匹配程度，引入出租车资源供求匹配率这一指标，指标的定义为城市中实际运行的出租车辆数与居民出行需要的出租车辆数之比，反映城市中实际运行的出租车辆数与居民出行需要的出租车辆数之间的差异。

计算得出2013年出租车供求匹配率为0.7766，表示供不应求。

居民出行需要的出租车辆数与居民人均日出行次数、城市总人口数量、居民出行选择乘坐出租车的比例有关，也与每辆出租车日均载客次数、每单载客人数和车辆满载率有关。

对于居民人均日出行次数，利用十五个国大中城市的数据，将十二个城市经济指标聚类分析选出每类指标中典型的经济指标，建立居民人均日出行次数与这些典型经济指标间的多元线性回归方程，而与居民出行需要的出租车辆数相关的其他指标可查阅文献或年鉴获得。

分析市每天6:00-8:30，11:00-12:30,13:30-14:30,17:00-18:30四个时间段得供求匹配率分别为0.4111，0.5678,0.6062,0.5631，结果显示供不应求。

得到、、、、、、、八座城市的出租车资源供求匹配率分别为1.0936、0.8827、0.9430、0.7040、0.7049、0.7666、0.6583、0.5252，表明只有的出租车资源是供大于求，而其余七座城市为供小于求。

为了分析各公司的出租车补贴方案对缓解打车难是否有帮助，定性分析出租车日均载客次数、出租车满载率随打车软件对出租车司机每单补贴金额的变化趋势，分别建立阻滞增长模型，进而分析打车软件对出租车司机每单补贴金额的变化对所建指标的影响。

得到的结论为：对于使用打车软件的乘客来说，出租车补贴方案能够缓解打车难的问题；而对于不使用打车软件的乘客来说，出租车补贴方案则不能缓解打车难的问题。

2022年数模国赛论文B题-1互联网时代的出租车资源配置摘要出租车是市民出行的重要交通工具之一，“打车难”是人们关注的一个社会热点问题。

随着互联网时代的到来，很多家出租车公司建立了自己的打车软件服务平台，打车软件服务平台也走进了人们的生活，增加了交易机会，实现了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。

我们通过建立合适的数学模型来分析如今的补贴方案是否能缓解打车难的问题。

针对问题一，为了将“供求匹配程度”这一抽象的概念进行定量研究，我们试图建立出租车万人拥有量、空驶率、乘客等车时间、里程利用率等四个指标结合经济学的角度来进行问题的分析，并基于层次分析模型进行模糊综合评价来分析不同时空出租车资源的“供求匹配”程度。

针对问题二，要求我们分析各公司的出租车补贴方案是否对缓解打车难问题有帮助，我们利用数学期望假设检验的方法，主要通过对使用打车软件前后乘客平均等车时间和出租车司机驾车空驶率两个因素的分析，验证出租车补贴方案是否对缓解打车难问题，并验证了这些打车软件服务平台和出台的相应的出租车及乘客补贴政策提高了打车双方的积极性，对缓解“打车难”的问题起到了一定的帮助。

针对问题三，建立一个新的打车软件服务平台首先应该考虑在缓解“打车难“这个难题基础上，增加其核心竞争力，再充分汲取现有打车软件服务平台的优点，寻找背后合作伙伴，在初期实施一些大型的优惠补贴政策，吸引客户，并抢占市场份额。

这就需要我们设计出自己的补贴方案，与在原来的补贴方案下相关数据进行比较，分析原来的补贴数目，做出相应的调整。

并进行试验，从而得出其合理性。

关键词：层次分析法，模糊综合评价法，经济学，数学期望假设检验一、问题重述随着人民生活水平的日益提高，出行乘坐出租汽车的人越来越多。

但是，在许多大城市中，打车已经变得越来越难，特别是在上下班高峰期和恶劣天气时更是“一车难求”。

出租车是市民出行的重要交通工具之一，“打车难”是人们关注的一个社会热点问题。

精心整理“互联网+”时代的出租车资源配置模型摘要本文针对城市出租车资源配置问题，采用定性与定量相结合的研究方法，建立衡量出租车供求匹配程度的指标，分析打车软件各种补贴方案对所建指标的影响，在充分考虑各方利益的前提下，得到打车软件的最优补贴方案，对城市出租车行业资源优化配置、持续良性发展具有一定的参考意义。

软件公司三方的满意度，利用熵值法确定这三方各自满意度的权重，将三方满意度加权之和作为综合满意度，进而以综合满意度为目标函数，以打车软件对出租车司机每单补贴金额为控制变量，以补贴金额设置的范围为约束条件建立优化模型。

遍历所有可能的方案得到最优补贴方案为对出租车司机每单补贴9元,综合满意度为0.5710。

关键词：聚类分析；回归分析；灰色预测；阻滞增长模型；熵值法；最优化一、问题重述随着经济的发展，近年来，人们对出行的要求不断提高，城市出租车以其方便、快捷、舒适和私密性的特点成为越来越多人的出行选择。

但是，国内各大城市交通问题日趋严重，“打车难”也是人们关注的一个社会热点问题。

数据显示，包括上海、杭州等众多大城市，出租车非高峰期的空驶率始终在30%上下徘徊，而高峰期却打不到车。

这与众多市民反映的打车难背后所隐藏的强烈需求看似形成了一个矛盾。

究其原因，最主要的莫过于司机与乘客需求信息不对称，缺乏及时沟通交流的平台。

通过查阅文献可以确定居民出行选择出租车作为出行方式的比例从而，计算得出城市的出租车运输量的需求量。

然后根据供需平衡法预测出城市出租车需求量。

将城市实际出租车数量与城市出租车需求数量作比，得到衡量出租车资源的供求匹配程度的指标即供求匹配率。

对未来城市的出租需求量进行灰色关联预测，得到未来城市的出租需求量，通过计算不同城市的出租车需求量，进行不同时空的出租车资源供求匹配的分析。

对于各公司的出租车补贴方案是否对“缓解打车难”有帮助问题，由于难以得到各公司不同时间的补贴方案对居民打车难度的实际影响效果数据，我们从公司对每单的补贴金额入手，分析每单补贴金额范围为0～15元，认为补贴金额再高对公司利益有较大损失。

“互联网+”时代的出租车资源配置欧阳光明（2021.03.07）摘要本文是一个资源配置最优化问题。

在充分考虑影响出租车资源“供求匹配”指标的基础上，对不同城市出租车资源匹配度进行了评价；考虑到“互联网+”时代对出租车资源配置的影响，研究了其对缓解“打车难”现状的作用，并通过分析给出了合理使用打车软件，以改善“打车难”的实施方案。

针对问题一：通过查阅资料，分析得到影响“供求匹配”程度的司机和乘客的五个重要指标：里程利用率、出租车满载率、城市出租车万人拥有量，乘坐率，乘客等待时间；针对上述指标，采用熵权法和层次分析法,借助lingo软件计算得到各指标权重；考虑到城市交通状况与时间和空间的正相关性，对城市交通时间和地点按照热度等级分类，结合权重建立了多因素综合评价模型，利用matlab软件计算出不同时间段、不同地点出租车资源匹配程度综合评价值。

通过司机供给量和乘客需求量比较，得到过渡区的平常时间段供求匹配程度高，密集区的平常时间段、过渡区的高峰期、郊区的平常时间段供求匹配程度中；郊区的高峰期和密集区的高峰区的供求匹配程度低，又考虑到打车软件使用率对里程利用率的影响，根据对出租车司机与乘客的双向补贴及年龄，进行资源利用率的匹配。

针对问题二：本问在第一问得到的五指标权重的基础上，选取滴滴和快的软件的补贴方案为研究对象，利用加权求和法与综合评价法，借助于matlab计算了使用软件前和使用后加补贴分别的的供求匹配度，并对两种软件匹配度进行了分析比较。

通过比较，得出滴滴和快的两家软件公司的补贴对"缓解打车难"问题都作出了贡献；针对软件使用的情况进一步分析，发现存在二次打车难度情况，但在通常情况下补贴方案对“缓解打车难”有帮助，对于高峰期特别严重时二次打车难度无法解决，甚至当打车补贴金额太多时会导致资源浪费，加重打车难度。

针对问题三：本文在本对问建立了一个较为完善的打车软件服务平台，首先，引入了信誉度、补贴率、选择论等新概念对打车软件服务平台进行优化，在一定程度上对乘客与司机进行了补贴。

“互联网+”时代的出租车资源配置摘要本文是一个资源配置最优化问题。

在充分考虑影响出租车资源“供求匹配”指标的基础上，对不同城市出租车资源匹配度进行了评价；考虑到“互联网+”时代对出租车资源配置的影响，研究了其对缓解“打车难”现状的作用，并通过分析给出了合理使用打车软件，以改善“打车难”的实施方案。

针对问题一：通过查阅资料，分析得到影响“供求匹配”程度的司机和乘客的五个重要指标：里程利用率、出租车满载率、城市出租车万人拥有量，乘坐率，乘客等待时间；针对上述指标，采用熵权法和层次分析法,借助lingo软件计算得到各指标权重；考虑到城市交通状况与时间和空间的正相关性，对城市交通时间和地点按照热度等级分类，结合权重建立了多因素综合评价模型，利用matlab软件计算出不同时间段、不同地点出租车资源匹配程度综合评价值。

通过司机供给量和乘客需求量比较，得到过渡区的平常时间段供求匹配程度高，密集区的平常时间段、过渡区的高峰期、郊区的平常时间段供求匹配程度中；郊区的高峰期和密集区的高峰区的供求匹配程度低，又考虑到打车软件使用率对里程利用率的影响，根据对出租车司机与乘客的双向补贴及年龄，进行资源利用率的匹配。

针对问题二：本问在第一问得到的五指标权重的基础上，选取滴滴和快的软件的补贴方案为研究对象，利用加权求和法与综合评价法，借助于matlab计算了使用软件前和使用后加补贴分别的的供求匹配度，并对两种软件匹配度进行了分析比较。

通过比较，得出滴滴和快的两家软件公司的补贴对"缓解打车难"问题都作出了贡献；针对软件使用的情况进一步分析，发现存在二次打车难度情况，但在通常情况下补贴方案对“缓解打车难”有帮助，对于高峰期特别严重时二次打车难度无法解决，甚至当打车补贴金额太多时会导致资源浪费，加重打车难度。

针对问题三：本文在本对问建立了一个较为完善的打车软件服务平台，首先，引入了信誉度、补贴率、选择论等新概念对打车软件服务平台进行优化，在一定程度上对乘客与司机进行了补贴。

基于双层规划的出租车补贴方案研究摘要在我国庞大的人口压力下，“打车难”已成为许多城市共同面临的问题。

而随着“互联网+”时代的到来，第三方打车软件的异军突起同时便利了乘客和司机双方。

本文针对此背景下存在的出租车资源“供需匹配”问题，通过寻找数据，建立相应的指标评判“供需匹配”程度的高低，并分析可缓解“打车难”问题的现存及待建立的补贴方案。

问题一中，我们选取车辆满载率、万人拥有量和乘客等待时间三个指标来衡量各区域不同时间段的“供需匹配”程度，对深圳市2011年4月18日一天的出租车运营数据进行了研究。

我们首先对所得数据进行聚类得到热点区域，然后分析出租车到达某区域的时间间隔与乘客等待时间的关系，得到各区域乘客等候时间随时间的变化情况：中心城市等候时间较长的时间段为上午8:00-11:00，下午17:00-19:00；郊区等候时间较长的时间段为凌晨4:00-7:00，下午12:00-14:00；偏远地区等候时间较长的时间段为凌晨3:00-5:00，上午9:00-11:00。

问题二中，我们结合深圳市出租车运行数据，分析乘客24小时内等待时间的变化得到一日内的出租车需求高峰时段。

针对现有的补贴政策，计算其补贴的高峰时段与所求得的高峰时段重叠率，当其重叠率高于75%后，则认为其所进行补贴的时段选取准确，可在高峰时段进一步提高司机积极性以缓解“打车难”现状。

最终结果显示，两大打车软件公司的补贴政策的高峰时间段的重叠率均高于75%，即较好地覆盖所求解的高峰时段，故对缓解“打车难”问题有帮助。

问题三中，在满足尽可能多的乘客需求量的基础上，我们建立了使打车软件公司及出租车司机的利益双向最大化的双层规划模型。

通过Matlab编程求解，我们得到了在高峰时段对出租车司机每单补贴14.75元，乘客每单补贴费2.18元，并以乘客对司机的服务评价星级为参考的补贴方案。

为了简化计算量，提高模型求解精度，本题中首先对所得数据进行预处理，热点分区后降低数据维度后，尽可能全面地考虑不同时空的各指标的取值。

“互联网+”时代的出租车资源配置摘要近几年来，随着燃油价格、维修等费用的上涨，导致了出租车运行成本显著上涨，“打车难”成了人们关注的一个热点问题。

为了缓解大城市打车难的问题，打车软件应运而生。

本文通过Matlab拟合和定性分析以及计算等方法，建立演化博弈模型，针对打车难问题设计出了合理的补贴方案。

针对问题一，根据2014年各省拥有的出租车总数量情况和城市人口情况，发现北京、上海、杭州、武汉等城市具有拥有出租车数量较多，常驻人口多，流动人口大，出租车需求量大等特点，所以选取这四个城市，查找高峰期与非高峰期时刻的出租车需求量和实载量数据，以实载量与需求量的比值作为指标，通过计算，分析出不同时空的出租车资源的供求匹配程度，在凌晨一点时上海出租车需求量大，其次是杭州、北京，武汉需求量小，早上七点时，北京出租车需求量大，其次是上海、杭州，武汉需求量小，下午一点时，北京需求量大，其次是上海、杭州，武汉需求量小，晚上19点时，上海出租车需求量大，其次是北京、杭州，武汉需求量小，但总体供小于求。

并采用Matlab软件画出各个城市对应的供求关系图。

针对问题二，建立出租车司机与乘客对打车软件使用意向的演化博弈模型，通过乘客与出租车司机效益的对比，对模型求解与分析，得出结论，认为乘客由于出租车价格偏高而不愿意使用打车软件，又通过计算，发现出租车司机使用打车软件后由于较高的燃油费导致收入增加不明显，而不太愿意使用打车软件。

所以公司只在司机收入方面部分缓解了打车难这个问题。

针对问题三，通过分析传统打车方式下的出租车的供求关系，可以看出打车软件的出现却有其现实意义，但在实践过程中也存在一些不足，比如部分出租车司机抱怨有较高的燃油费，收入相对来说偏低。

面对燃油价格的变化，出租车经营者不能按照自己目标制定出租车经营策略。

本文根据燃油价格变化情况，以达到利润最大化为目标，制定了基于经营合理利润水平的出租车补贴方案；又根据出租车经营利润的变化率与燃油价格变化率成正比，制定了基于燃油价格变化率的出租车补贴方案。

“互联网+”时代的出租车资源配置摘要随着“互联网+”时代的到来，针对当今社会“打车难”的问题，多家公司建立了打车软件服务平台，并推出了多种补贴方案，这无论是对乘客和司机自身需求还是对出租车行业发展都具有一定的现实意义。

本文依靠ISM解释结构、AHP-模糊综合评价、价格需求理论、线性规划等模型依次较好的解决了三个问题。

对于问题一求解不同时空出租车资源“供求匹配”程度的问题，本文先将ISM模型里的层级隶属关系进行改进，将影响出租车供求匹配的12个子因素分为时间、空间、经济、其它共四类组合，然后使用经过改进的AHP-模糊综合评价方法建立模型，提出了出租车空载率这一指标作为评价因子的方案，来分析冬季某节假日哈尔滨市南岗区出租车资源“供求匹配”程度。

通过代入由1-9标度法确定的各因素相互影响的系数，得出各个影响因素的权重大小，利用无量纲化处理各影响因素，得出最终评判因子为0.3062，根据“供求匹配”标准，得出哈尔滨市南岗区出租车资源“供求匹配”程度处于供需合理状态的结论。

同理，也得到了哈尔滨市不同区县、不同时间的供求匹配程度，最后作出哈尔滨市出租车“供求匹配”程度图。

对于问题二我们运用价格需求理论建立模型，以补贴前后打车人数比值与空驶率变化分别对滴滴和快的两个公司的不同补贴方案进行求解，依次得到补贴后对应的打车人数及空驶率的变化，再和无补贴时的状态对比，最后得出结论：当各公司补贴金额大于5元时，打车容易，即补贴方案能够缓解“打车难”的状况；当补贴小于5元时，不能缓解“打车难”的状况。

对于问题三，在问题二的模型下，建立了一个寻找最优补贴金额的优化模型，利用lingo软件[1]进行求解算出最佳补贴金额为8元，然后将这个值带入问题二的模型进行验证，经论证合理后将补贴金额按照4种分配方案分配给司机乘客。

关键词：ISM解释结构模型；AHP-模糊综合评价；价格需求理论；线性规划一问题重述交通是社会生活众多产业当中的一项基础产业，不但和社会的经济发展关系紧密，与人们的生活也是息息相关。

四、模型建立与求解问题一出租车作为一种交通方式在城市交通系统中发挥着重要作用。

对地区而言，不同的时候和不同的区域，出租车资源的“供求匹配”程度不同。

因此我们需要建立合理的指标，分析不同时空“供求匹配“的程度。

对于“供求匹配“程度，我们基于经济学中供求关系与需求弹性理论，定义出租车空置率q 来描述”供求匹配”程度，公式如下：1nq m=-（1） 其中，n 表示乘客出租车需求量，m 表示城市出租车拥有量。

显然，q 过大，则表明供过于求，q 过小则表明供不应求。

模型一出租车资源“供求匹配”程度的多指标综合评价模型地区出租车资源的“供求匹配程度”不仅体现在司机方面，还体现在乘客和城市发展方面。

图一基于以上，我们运用多指标综合评价模型，从不同的角度建立不同的指标评价出租车资源的“供求匹配”的程度，见图一，从而得到一个既能从侧重点评一个地区出租车资源的供求关系，又能从整体反映其合理程度的模型。

然后同过某一具体研究对象ip 建立分别体现空驶率、空驶时间、空车率、乘客等待时间和区域万人拥有量的五个指标，分别标准化后进行加权处理得到出租车空置率这一单一指标。

4.1数据的标准化处理现设有a 个对象，ij X 表示第i 个对象的第j 个指标，ij x 表示样本实际值。

本题中我们采用标准差标准化处理方法，公式如下：'ijijjij xx x s-=（2）其中，11,a ij ij i i a x x s ===∑1,2,3,1,2,3,4,5i a j =⋅⋅⋅⋅⋅⋅=）（3） 4.2建立评价指标1）区域出租车万人拥有量指标1i X出租车万人拥有量是指平均每一万人拥有的出租车数量，其计算公式如下：5110i imx p=（4）其中，ip 表示城市的总人口数量。

可以看出，如果万人拥有量过大，说明供过于求，如果万人拥有量过小，则说明供不应求。

一般一个城市的出租车数量是稳定的，因此它表现了这个城市供求关系的资源配置基础，即万人拥有量从宏观上反映了城市的供求匹配程度。