“互联网+”服务平台中的供求匹配程度测定与优化方案
2022-06-08
摘 要：“互联网+”与打车软件服务平台的应运而生，实现了各种数据信息的互通、给我们在出租车领域提供了很大的研究空间，但“打车难”的问题依然没有得到彻底解决。对此，本文从打车软件服务平台入手，利用MATLAB进行数据挖掘，综合经济学供求理论常识与各种外部客观社会因素，运用相对精确、有效的综合权值法建立合理的出租车“供求匹配”程度模型、并对北京20个区域进行全天候的宏观分析、微观分析以及相关系数分析。
同时，为深入探讨“打车难”的问题，我们也对当今打车软件服务平台提出的补贴方案进行了定性与定量研究，并在运用Douglas改进模型进一步对补贴方案进行综合量化的基础之上，构建百分比定量分析模型，以此来细致探讨现有补贴方案对“缓解打车难”问题的帮助。最后，在对现有方案的分析与总结的基础上，通过建立古诺模型、突破乘客与司机间的局限、引入竞争公司，全面考察三者的效益，最终得到新的补贴政策。
关键词：供求匹配程度模型；Douglas改进模型；百分比定量分析模型；古诺模型；LISER；滴滴快的智能出行平台
一、问题引入
社会科学的研究无处不在，我们可以运用类似世界银行中的大量直观数据进行量化分析和合理预测，我们也可以像金融学中那样，将时间维度和面板维度的不同的内容同时融入到间接得到的收益率数据中进行深入探究。但是当最基础的数据获取出现困难时，我们不免会觉得有些手足无措。
所以，此文从一个普通网络数据获取者的角度入手（即：假设公司内部数据是没有能力获取到的），在“互联网+”与打车软件服务平台应运而生的背景下，聚焦当下在北京出现的各类打车软件和优惠补贴政策，以及仍然没有得到彻底解决的“打车难”的问题。
二、出租车“供求匹配”程度模型
面对此种困难，我们只能从仅有的打车软件服务平台入手，通过编码MATLAB程序进行数据挖掘和处理，综合经济学供求理论常识与各种外部客观社会因素，运用相对精确、有效的综合权值法建立出合理的出租车“供求匹配”程度模型，其拟合结果展示如下：
Z=0.522167127A+0.284630542B+0.193202331C
（其中Z表示衡量“供求匹配”程度的综合性指标，而A，B，C分别为租车供求比、乘客被抢单时间以及由客观因素导致的打车难易度指数）
同时，为了验证上述模型的合理性，更加细致、精确地分析出不同时空间的相互影响和相互联系，我还将北京划分为20个区域，对其进行全天候的宏观分析、微观分析以及相关系数分析，并运用LISERL软件构建结构方程论证该模型的合理性。最终发现，模型通过检验、并且结果与已知的实际情况基本完全吻合，故具有一定的参考价值。同时我们还对数据进行了深入的处理，构建了相应的打车难度匹配程度评价指标，其结果展示如下图2.1：
三、数据分析
（一）宏观分析
首先考虑相同地点不同时间的数据变化，为此我们每次选取三个时间段进行作图，以使结果更加清晰，由于篇幅有限，仅以其中一幅图3.1为例进行分析。从图中我们可以清晰的看出，三条曲线不仅整体走势相同，而且在相同地点对应的“供求匹配”程度指数也几乎相同，这表明人们开始了一天的忙碌工作，而且我们还不难发现图中的1、2、5、6、9、10、13、14、17、18区域均有相对周围数据较高的“供求匹配”程度指数，而这正是北京的朝阳区和东城区，即北京的繁华区域，这说明在繁华区域供求匹配程度还是相当可观的。
（二）微观分析
我们同样可以对上述数据进行具体的量化分析，计算出其平均值为410.64055（剔除异常数据2011.1738后的），于是我们不难发现，在时间上，夜间的“供求匹配”程度指数相当的低于一般水平；在空间上，西南部地区，从二环到六环，都呈现出较低水平的“供求匹配”程度指数，这样的实时数据有助于我们在今后政策上提出更明确、更好的方案。
（三）相关系数分析法
除了对相同地点不同时间的分析外，我们还可以对相同时间不同地点的数据利用相关系数法进行考察，但由于二十个区域较多，所以在此不再罗列。
四、各公司主要出租车补贴方案分析
为深入探讨“打车难”的问题，我们也对当今打车软件服务平台提出的补贴方案进行了定性与定量研究。
在运用Douglas模型的改进模型的基础之上，构建了自己的百分比定量分析模型，将不同种补贴方案合理地量化为司机日增加收入，按不同因素受不同方案的影响难易程度，分级刻画各种潜在因素的变化量，以此来细致探讨现有的补贴方案对“缓解打车难”问题的帮助。我们不难发现各方案都在一定程度上缓解了打车难的问题，但是仍然存在着各自的弊端，尤其在雨雪天气、道路交通拥堵、夜间和高峰期等特殊时段，问题凸显的尤为明显。
五、新方案的提出
（一）基于古诺模型的利润分析
一款打车软件获得利润的基本原理可表示为：
R=Rad-Ad -AP-D①
（R表示公司获得的利润，Rad表示公司获得的广告销售收入，Ad表示公司对司机的补贴，AP 表示公司对乘客的补贴，D表示公司的软件开发及运营成本）
假设各个公司的运营成本销售收入以及对于顾客的补贴相近，只讨论公司给予司机的补贴对公司利润的影响，即公司支付给司机的补贴较少时，公司自身获利较大。故引入古诺模型考虑市场中有两家公司占据了大部分市场份额的情况。
针对两家公司A、S，由于他们为使利润最大化，都将不断调整各自在市场中的产量。理论上每次调整，都会将产量定为对方产量确定后剩下的市场容量的 。由此可以得到两家公司的均衡产销量为：
A的均衡产销量=S）=S②
S的均衡产销量= S=S③
通过计算公式②③，我们得到 A、S两家公司最终的市场占有率均为33.3%。并且通过如上结果可以计算出两个公司对应的价格。
按照求利润最大化的条件，可以导出古诺均衡解。以公司1为例，其利润函数为：
R=P1Q1-C=a1P1-SP12+c1P1P2-C⑥
（Q表示产出水平；P表示收取的价格。）
求利润最大化的条件就是对公司1产品的价格P1求一阶导，并令一阶导数值等于0。所以，可以得到寡头1和寡头2的反应函数并联立得到使两个公司利润最大化的均衡价格：
P1=P2=
（二）最终方案的确立
在对现有方案的分析与总结的基础之上，通过建立古诺模型、突破乘客与司机间的局限、引入竞争公司，全面考察三者的效益，最终得到了新补贴政策的基础雏形：
“在早高峰时段鼓励到西南五环至西南六环载客，并提供每行驶五十公里奖励4.38元的补贴政策。”
针对该方案，通过计算并分析达到市场均衡时的两公司的产量与相应的价格，并通过百分比定量分析模型，检测新政策方案的合理性，综合两模型的结果可以得到我们提出的政策方案不仅可以大大缓解出租车供求矛盾，使供需关系达到较优，并且降低了公司的成本，增加了利润。
六、模型的推广
由于在现实生活中，获取公司内部的消息十分困难，因此，我们可以进一步在信息不对称的条件下论证双寡头模型的均衡，可以得到在出租车行业中，信息占有量大的公司会在竞争中掌握主动权的结论。（作者单位：首都经济贸易大学）
参考文献：
[1] 高德地图，滴滴快的智能出行平台，http：//v.kuaidadi.com/
[2] 胡振华，胡东滨，寡头垄断市场古诺模型的研讨，中南工业大学学报1997年01期
[3] 顾秀林，经济学数量模型的选择与科布-道格拉斯生产函数，中国农村观察，2007年01期
同时，为深入探讨“打车难”的问题，我们也对当今打车软件服务平台提出的补贴方案进行了定性与定量研究，并在运用Douglas改进模型进一步对补贴方案进行综合量化的基础之上，构建百分比定量分析模型，以此来细致探讨现有补贴方案对“缓解打车难”问题的帮助。最后，在对现有方案的分析与总结的基础上，通过建立古诺模型、突破乘客与司机间的局限、引入竞争公司，全面考察三者的效益，最终得到新的补贴政策。
关键词：供求匹配程度模型；Douglas改进模型；百分比定量分析模型；古诺模型；LISER；滴滴快的智能出行平台
一、问题引入
社会科学的研究无处不在，我们可以运用类似世界银行中的大量直观数据进行量化分析和合理预测，我们也可以像金融学中那样，将时间维度和面板维度的不同的内容同时融入到间接得到的收益率数据中进行深入探究。但是当最基础的数据获取出现困难时，我们不免会觉得有些手足无措。
所以，此文从一个普通网络数据获取者的角度入手（即：假设公司内部数据是没有能力获取到的），在“互联网+”与打车软件服务平台应运而生的背景下，聚焦当下在北京出现的各类打车软件和优惠补贴政策，以及仍然没有得到彻底解决的“打车难”的问题。
二、出租车“供求匹配”程度模型
面对此种困难，我们只能从仅有的打车软件服务平台入手，通过编码MATLAB程序进行数据挖掘和处理，综合经济学供求理论常识与各种外部客观社会因素，运用相对精确、有效的综合权值法建立出合理的出租车“供求匹配”程度模型，其拟合结果展示如下：
Z=0.522167127A+0.284630542B+0.193202331C
（其中Z表示衡量“供求匹配”程度的综合性指标，而A，B，C分别为租车供求比、乘客被抢单时间以及由客观因素导致的打车难易度指数）
同时，为了验证上述模型的合理性，更加细致、精确地分析出不同时空间的相互影响和相互联系，我还将北京划分为20个区域，对其进行全天候的宏观分析、微观分析以及相关系数分析，并运用LISERL软件构建结构方程论证该模型的合理性。最终发现，模型通过检验、并且结果与已知的实际情况基本完全吻合，故具有一定的参考价值。同时我们还对数据进行了深入的处理，构建了相应的打车难度匹配程度评价指标，其结果展示如下图2.1：
三、数据分析
（一）宏观分析
首先考虑相同地点不同时间的数据变化，为此我们每次选取三个时间段进行作图，以使结果更加清晰，由于篇幅有限，仅以其中一幅图3.1为例进行分析。从图中我们可以清晰的看出，三条曲线不仅整体走势相同，而且在相同地点对应的“供求匹配”程度指数也几乎相同，这表明人们开始了一天的忙碌工作，而且我们还不难发现图中的1、2、5、6、9、10、13、14、17、18区域均有相对周围数据较高的“供求匹配”程度指数，而这正是北京的朝阳区和东城区，即北京的繁华区域，这说明在繁华区域供求匹配程度还是相当可观的。
（二）微观分析
我们同样可以对上述数据进行具体的量化分析，计算出其平均值为410.64055（剔除异常数据2011.1738后的），于是我们不难发现，在时间上，夜间的“供求匹配”程度指数相当的低于一般水平；在空间上，西南部地区，从二环到六环，都呈现出较低水平的“供求匹配”程度指数，这样的实时数据有助于我们在今后政策上提出更明确、更好的方案。
（三）相关系数分析法
除了对相同地点不同时间的分析外，我们还可以对相同时间不同地点的数据利用相关系数法进行考察，但由于二十个区域较多，所以在此不再罗列。
四、各公司主要出租车补贴方案分析
为深入探讨“打车难”的问题，我们也对当今打车软件服务平台提出的补贴方案进行了定性与定量研究。
在运用Douglas模型的改进模型的基础之上，构建了自己的百分比定量分析模型，将不同种补贴方案合理地量化为司机日增加收入，按不同因素受不同方案的影响难易程度，分级刻画各种潜在因素的变化量，以此来细致探讨现有的补贴方案对“缓解打车难”问题的帮助。我们不难发现各方案都在一定程度上缓解了打车难的问题，但是仍然存在着各自的弊端，尤其在雨雪天气、道路交通拥堵、夜间和高峰期等特殊时段，问题凸显的尤为明显。
五、新方案的提出
（一）基于古诺模型的利润分析
一款打车软件获得利润的基本原理可表示为：
R=Rad-Ad -AP-D①
（R表示公司获得的利润，Rad表示公司获得的广告销售收入，Ad表示公司对司机的补贴，AP 表示公司对乘客的补贴，D表示公司的软件开发及运营成本）
假设各个公司的运营成本销售收入以及对于顾客的补贴相近，只讨论公司给予司机的补贴对公司利润的影响，即公司支付给司机的补贴较少时，公司自身获利较大。故引入古诺模型考虑市场中有两家公司占据了大部分市场份额的情况。
针对两家公司A、S，由于他们为使利润最大化，都将不断调整各自在市场中的产量。理论上每次调整，都会将产量定为对方产量确定后剩下的市场容量的 。由此可以得到两家公司的均衡产销量为：
A的均衡产销量=S）=S②
S的均衡产销量= S=S③
通过计算公式②③，我们得到 A、S两家公司最终的市场占有率均为33.3%。并且通过如上结果可以计算出两个公司对应的价格。
按照求利润最大化的条件，可以导出古诺均衡解。以公司1为例，其利润函数为：
R=P1Q1-C=a1P1-SP12+c1P1P2-C⑥
（Q表示产出水平；P表示收取的价格。）
求利润最大化的条件就是对公司1产品的价格P1求一阶导，并令一阶导数值等于0。所以，可以得到寡头1和寡头2的反应函数并联立得到使两个公司利润最大化的均衡价格：
P1=P2=
（二）最终方案的确立
在对现有方案的分析与总结的基础之上，通过建立古诺模型、突破乘客与司机间的局限、引入竞争公司，全面考察三者的效益，最终得到了新补贴政策的基础雏形：
“在早高峰时段鼓励到西南五环至西南六环载客，并提供每行驶五十公里奖励4.38元的补贴政策。”
针对该方案，通过计算并分析达到市场均衡时的两公司的产量与相应的价格，并通过百分比定量分析模型，检测新政策方案的合理性，综合两模型的结果可以得到我们提出的政策方案不仅可以大大缓解出租车供求矛盾，使供需关系达到较优，并且降低了公司的成本，增加了利润。
六、模型的推广
由于在现实生活中，获取公司内部的消息十分困难，因此，我们可以进一步在信息不对称的条件下论证双寡头模型的均衡，可以得到在出租车行业中，信息占有量大的公司会在竞争中掌握主动权的结论。（作者单位：首都经济贸易大学）
参考文献：
[1] 高德地图，滴滴快的智能出行平台，http：//v.kuaidadi.com/
[2] 胡振华，胡东滨，寡头垄断市场古诺模型的研讨，中南工业大学学报1997年01期
[3] 顾秀林，经济学数量模型的选择与科布-道格拉斯生产函数，中国农村观察，2007年01期