“互联网+”时代的出租车资源配置问题
2015年全国大学生数学建模竞赛B题国一优秀论文
四、符号说明
符号
符号说明
x
打车总需求量
打车软件使用率
y
出租车供应量
Y
服务满意度
z
打车需求量
t
被抢单时间
0
司F1) E (T1 )
每单的直接收入 每单的成本
每单的消耗时间 结束上一订单后的空驶油耗 结束上一订单后的空驶时间
五、模型建立与求解
4.1 问题一——出租车资源配置模型 4.1.1 研究对象的选取
问题一研究的是不同时空出租车资源的“供求匹配”，即分析在不同时间、 不同地点出租车的供求关系。由于出租车始终处于动态变化中，为了简化模型， 可选取不同时间段和地区进行对比研究。为了更好地分析出租车供求匹配程度， 我们给出两个指标：服务满意度、被抢单时间。在此基础上使用主成分分析法建 立模型，分析不同时空下的供求匹配程度。 2.3 问题二分析
4
台，我们选取 8 月 11 日西安的五个数据样本点早高峰（7:00-9:00），晚高峰 （16:00-18:00），平常时间（10:00、15:00、20:00）三个时间段进行分析。
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，有多家公司依托移动互联网建立了打 车软件服务平台，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。 1.2 问题提出
(1) 试建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。 (2) 分析各公司的出租车补贴方案是否对“缓解打车难”有帮助？ (3) 如果要创建一个新的打车软件服务平台，你们将设计什么样的补贴方案， 并论证其合理性。
1.城市的选取 在建立模型之前，我们应选取一个合适的城市进行深入调研。一个合适的城 市，有利于提高模型的精确性，增强模型的广泛性。通过查阅资料，得到可以衡 量城市间出租车供求关系的三大指标为：里程利用率、出租车万人拥有量、车辆 满载率。 结合这三个指标，我们进一步分析，选取西安为我们的研究城市，其优点有： （1）作为新一线城市，经济较为发达，有大量数据可供研究。 （2）出租车万人拥有量、里程利用率及车辆满载率处于中等水平，具有整 体代表性，可以进一步推广研究。 （3）影响范围广，有足够空间进行问题分析与优化。 2.城市内地点的选取 为了充分反映西安整体的出租车供求关系，我们选取了具有代表性的景区钟 楼、大雁塔，乘客量较大的火车站、北大街，重要的商业圈小寨，学生聚集区西 安交大、子午大道。 以上 5 个地点的选取，具有层次丰富的特点，是比较完善的数据样本点。 4.1.2 数据的基本处理 从滴滴快的智能出行平台，我们可以获得西安 24 小时的出租车分布、打车 难易程度、打车需求量、被抢单时间的数据，如图 1 所示。基于这样的大数据平
出租车资源配置数学建模
出租车资源配置数学建模随着城市化进程的不断加速，出租车作为城市交通中一种便捷的交通方式，在城市生活中扮演着极为重要的角色。
而如何合理利用城市出租车资源，提高出租车的运行效率，实现资源共享和更好的城市出行，已经成为城市交通管理者和出租车企业共同面临的问题。
本文将介绍出租车资源配置数学建模。
数学建模是将现实问题转化为数学问题的一种方法，它通过找到数学模型和函数关系，来解释和预测实际问题。
对于出租车资源配置问题来说，数学建模可以从以下方面入手：一、出租车资源分布情况建模（1）建立交通流量模型。
交通流量是指每秒、每分钟或每小时经过某一道路断面的车辆数量，可以通过车辆计数器、电子眼等技术手段来获取，也可以通过历史交通数据进行统计分析得出。
通过建立交通流量模型，可以分析出某一时间段和区域的出租车流量，为制定出租车资源配置方案提供数据支持。
（2）建立出租车空驶率模型。
空驶率是指出租车在行驶或寻找客人的过程中没有载客的比率。
通过建立出租车空驶率模型，可以分析出不同时段和区域的出租车空驶率，找到优化出租车服务质量和经济效益的路径。
二、城市区域划分模型城市区域划分是指将城市划分为不同的区域，以便对出租车资源进行管理和配置。
城市区域划分可以采取“网格划分”法、“层次分析法”、“聚类分析法”等方法来实现。
通过建立城市区域划分模型，可以对城市交通分析与管理提供有力支撑。
三、出租车调度模型出租车调度是指对出租车进行调度安排，以满足不同时间段和区域的出租车服务需求。
出租车调度模型可以采取“最优化调度模型”、“仿真调度模型”等方法来实现。
通过建立出租车调度模型，可以分析出不同时间段和区域的出租车需求量，优化出租车服务质量和经济效益。
四、出租车双向顺路载客模型出租车双向顺路载客是指在出租车行驶的过程中，在满足原有客人需求的同时，将新的客人路线安排在原有路线的顺路位置上，即在出租车行驶的过程中尽可能地提高载客率。
通过建立出租车双向顺路载客模型，可以在优化出租车服务质量的同时，降低出租车的空驶率，提高出租车运行效率。
2022年数模国赛论文B题-2
2022年数模国赛论文B题-2“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2.2.1指标体系的建立城市出租车合理运力规模万人拥有量里程利用率空载率居民出行量居民出行量乘客平均等乘客平均车时间等车时间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:里程利用率=营运载客里程100%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:出租车空载率=出租车空车数量100%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:乘客平均等车时间=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2.1原始指标数据的标准化设有n个样本,p项指标,可得数据矩阵某(某ij)n某p,i1,2,...,n 表示n个样本,j=1,2,...,p表示p个指标,某ij表示第i个样本的第j 项指标值.用Zcore法对数据进行标准化变换:Zij(某ij某j)/Sj式中,某j(某)/niji1nSj(某ij某j)21/(n1)2i1ni1,2,...,nj1,2,...,p2.2求指标数据的相关矩阵R(rjk)p某pj1,2,...,pk1,2,...,prjk为指标j与指标k的相关系数.1nrjk[(某ij某j)/Sj][(某ik某k)2/Sk]n1i11n即rjkZijZjk有rij1，rjkrkjn1i1i1,2,...,nj1,2,...,pk1,2,...,p2.3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,可求得的p个特征根g(g1,2,...,p),1将其按大小顺序排列为12p,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。
出租车资源配置 (4)
出租车资源配置概述在城市交通中，出租车作为一种重要的交通工具，其资源配置对于提高交通效率和提供便利的乘车服务至关重要。
在出租车资源配置中，涉及到出租车数量、出租车分布以及出租车调度等各个方面的问题。
本文将对出租车资源配置的相关内容进行详细介绍和分析。
出租车数量出租车数量是指在一个城市或地区中运营的出租车的数量，出租车数量的多少直接影响着城市交通系统的负荷和运行效率。
合理配置出租车数量可以减少乘客等待时间，提高乘车体验。
1. 出租车数量的确定因素确定出租车数量的主要因素包括：•人口数量：人口数量的多少决定了潜在的出租车需求，出租车数量应该能够满足人口的出行需求。
•区域面积和人口密度：区域面积大、人口密度低的地区需要更多的出租车来提供服务。
•交通需求量：分析交通需求量可以确定出租车的数量，根据交通状况和出租车的平均载客率来估计每辆出租车的服务范围和需求量。
•经济发展水平：经济发展水平高的地区通常需要更多的出租车来满足人们日常出行的需求。
2. 出租车数量的合理配置方法确定出租车数量的合理配置方法包括：•统计数据分析法：通过统计数据分析现有出租车运力与需求之间的关系，进行推算和预测。
•数学模型方法：利用数学模型来计算出合理的出租车数量，这种方法可以考虑到多个因素的综合影响。
•经验法：根据经验和实际情况，结合相关因素来确定出租车数量。
出租车分布出租车分布是指在一个城市或地区中出租车的分布情况，合理的出租车分布可以最大程度地满足乘客的出行需求，并减少乘车等待时间。
1. 出租车分布的影响因素出租车分布的主要影响因素包括：•交通枢纽：将出租车集中分布在交通枢纽附近，如火车站、汽车站、机场等地，可以更好地满足乘客的出行需求。
•商业中心区：合理分布出租车可以提供便利的乘车服务，吸引更多乘客前往商业中心区消费。
•人口密集区：人口密集的地区需要更多的出租车资源，以满足人们的出行需求。
•道路网络：出租车分布应考虑到道路网络的情况，避免因道路拥堵而导致乘车等待时间加长。
2015年全国大学生数学建模竞赛A题
§ 3 模型的假设
1、所收集的数据资料都是真实可靠的；
2
2、文章所统计的出租车均正常运营； 3、出租车和乘客不会中途中断交易； 4、假设乘客使用打车软件均呼叫出租车； 5、匹配程度只与乘客对打车软件服务平台的需求量与司机对打车软件服务平台的供给 量有关。
§ 4 名词解释与符号说明
一、名词解释 出行强度：每人每天出行次数，它可以反映城市交通服务水平； 出租车使用率：在各种出行方式中，选择出租车出行所占比例； 二、符号说明 序号 符号 含义 1 2 3 4 5 6 7 8 9 10 11 12 13 qij xi λi ci tj pij bj Amn α β y1 y2 te 表示第 i 个城市第 j 个时段出租车的需求量 表示第 i 个城市的人口数 表示第 i 个城市出行强度 表示第 i 个城市出租车使用率 表示第 j 个时段出租车需求比 表示第 i 个城市第 j 时段的匹配程度 表示第 j 个城市出租车总量 表示准则层对方案层的判断矩阵 表示乘客使用打车软件打车意愿 表示司机使用打车软件接单意愿 表示打车软件公司对乘客的补贴金额 表示打车软件公司对司机的补贴金额 表示某一时段出租车需求比
§ 5 模型的建立与求解
问题一的分析与求解 1、匹配程度时间函数模型 日常生活中，当需求与供给越接近，既不会造成需求得不到满足，也不会造成资源
3
浪费，同时表示此时匹配程度较好。由此说明匹配程度由需求和供给共同决定。所以建 立出租车匹配程度时间函数，需要出租车在所有出行方式中的占用率和出租车的总量。 查阅相关文献[1-2]可得以下数据，如表格 1 所示。 表格 1 基本数据 人口数 （万人） 出行强度 （次/人.天） 出 租 车 占 用 率 出租车总量（万 （%） 辆） 北京（1） 1917 2.64 9.01 6.6646 广州（2） 625.33 1.86 6.25 2.0300 成都（3） 533.96 2.56 7.60 1.4898 济南（4） 360 1.88 15.04 0.8043 哈尔滨（5） 495 2.54 18.23 1.4300 人们每日日常生活，相对比较规律，所以在出行规律也存在一定的相似性。我们通 过查阅相关文献[3]，做出每天从早上 6:30 至晚上 22:00 每隔半小时的出租车需求百分比 图，如图 1 所示。
2015数学建模互联网出租车介绍
二 名词解释及模型假设
2.1 名词解释 空载率：空车出租车量/出租车总量。 里程利用率：指经营里程与行驶里程之比，一般以一辆车为单位，公式为： 里程利用率=营业里程（公里）/行驶里程（公里） 100% 2.2 符号说明 符号 P T N 符号说明 出租车平均运价（元/次） 出租车乘客的平均乘车时间（小时） 出租车总量 出租车乘客等待时间系数（车 小时），为常数 出租车乘客的潜在出行需求（次/小时） 出租车出行需求的成本弹性系数（1/元） 乘客乘车单位时间价值（元/时） 乘客等车的单位时间价值（元/时） 出租车乘客的出行需求 每辆出租车单位时间经营总成本（元/（车 小时）） 每辆出租车单位时间的固定成本（元/（车 小时）） 出租车平均单位里程油耗（升/千米（L/km）） 燃油价格（元/升）
四 模型的建立与求解
4.1 问题一的分析与解答 通过收集深圳市 2011 年 4 月 18 至 20 日四个行政区（宝安、福田、罗湖、南山） 一天内不同时段出租车运营情况的数据， 我们由出租车空载率计算公式得到不同区域不 同时段的出租车的空载率，统计情况如下表（具体见附录）：
3
表一 出租车运营情况（18 日）
地 时 段 空 载 率 区
罗湖 75.0% 100.0% 13.3% 0.0% 20.0% 57.1% 100.0% 22.2%
福田 87.2% 86.7% 55.8% 30.4% 28.9% 15.4% 50.0% 61.1%
宝安 89.9% 100.0% 60.6% 61.1% 21.8% 87.0% 75.0% 81.3%
南山 66.7% 100.0% 8.3% 40.5% 50.0% 42.9% 56.7% 55.6%
0：00-3:00 3:00-6:00 6:00-9:00 9:00-12：00 12:00-15:00 15:00-18:00 18：00-21:00 21：00-24:00
数学建模期末论文“互联网”时代的出租车资源配置
数学建模期末论文“互联网”时代的出租车资源配置引言出租车服务在现代城市中起着至关重要的作用。
然而，在传统的出租车服务模式下，资源的配置通常是不够高效和经济的。
随着互联网的发展，出租车服务也出现了一些创新的解决方案，其中包括利用互联网技术来改善出租车资源的配置。
本文将探讨如何在“互联网”时代中最佳地配置出租车资源。
背景在传统的出租车服务模式下，出租车司机通常会巡游城市中的街道，等待乘客的召唤。
这种模式存在一些问题，例如资源利用率低下、等待时间长等。
随着互联网技术的发展，出现了一些新的出租车服务平台，如滴滴出行，通过互联网平台连接乘客和司机，实现出租车资源的高效配置。
模型建立在研究出租车资源配置的问题时，我们需要考虑到多个因素，包括乘客的需求、司机的路线选择和交通状况等。
为了简化问题，我们可以使用数学建模的方法来建立模型。
以下是我们建立的数学模型：输入变量•乘客的位置和目的地•司机的初始位置•出租车司机的数量输出变量•司机的路线选择•乘客等待时间•出租车资源利用率假设•出租车司机以最短路径的方式前往乘客的位置•乘客之间是独立的，即乘客之间不会相互干扰•交通状况不会导致司机无法按照最短路径到达目的地模型公式我们可以使用以下公式来表示出租车资源配置的问题：minimize: ∑(wait_time_i)subject to: ∑(car_utilization_i) = total_cars其中，wait_time_i表示第i个乘客的等待时间，car_utilization_i表示第i个出租车的资源利用率，total_cars表示总出租车数量。
求解方法对于上述建立的模型，我们可以使用线性规划或模拟退火等方法来求解最优解。
这些方法可以通过计算机程序来实现。
线性规划线性规划是一种数学优化方法，可以用来解决具有线性约束条件的最优化问题。
我们可以将上述模型转化为线性规划问题，然后使用线性规划算法求解最优解。
模拟退火模拟退火是一种启发式搜索算法，可以用来求解组合优化问题。
出租车资源配置数学建模
出租车资源配置数学建模出租车资源配置是城市交通管理的重要组成部分，也是市民生活中不可缺少的服务。
如何高效合理地配置出租车资源，对于缓解交通拥堵、提高出租车服务质量和增加司机收入都具有重要意义。
本文将对出租车资源配置问题进行数学建模与分析，以期为实现优质出租车服务、促进城市交通可持续发展提供指导意义。
首先，我们需要确定影响出租车资源配置的因素。
出租车资源配置主要受到市场需求、城市道路交通规划、司机收益和乘客出行习惯等多方面因素的影响。
因此，通过调查和研究，我们可以得出以下指标：1. 日均出租车需求量：该指标反映市场需求的大小，是决定资源配置数量的重要因素。
2. 出租车利用率：衡量出租车资源利用程度的指标，反映出租车行业的效益水平。
3. 路径选择效率：路网状况对出租车运营效能的影响指标，需考虑路况、车流量、限行等因素。
4. 司机工作负荷：司机收入和服务效率的关键指标，需要考虑出车率和等待乘客时间等。
基于以上指标，我们可以建立基础模型。
首先，根据日均出租车需求量，我们可以确定城市出租车资源总量。
因为城市规模和出租车服务商数量不同，我们可以根据当地实际情况进行合理分配，以确保资源利用率最大化。
然后，我们根据出租车需求的高峰时段，确定每个时段的出租车资源需求量，并将之与出租车数量进行比对，再进行调整和分配，以确保出租车利用率最大化。
其次，为了提高路径选择效率，我们需要对城市道路交通规划进行分析和规划。
我们通过模拟乘客上下车点，计算出租车到达目的地的最短路径，并结合路况和车流量等因素，确定出租车行驶路线，以减少通行时间。
同时，为了应对特殊情况和限行政策，我们可以将路线进行多种组合和调整，以避开交通拥堵和限行区域，确保出租车到达目的地的速度和效率，从而提高出租车行业的效益水平。
最后，为了降低司机工作负荷，我们可以通过计算司机出车率、乘客等待时间等指标，确定不同时段的服务区域和出车数量，以确保司机收入与服务效率最优化。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
“互联网+”时代的出租车资源配置问题摘要本文讨论了“互联网+”时代下的出租车的资源配置问题，分析了不同时空出租车资源“供求匹配”的问题，并对各公司“缓解打车难”的补贴方案是否有用进行分析。
最后，在前两个问题的基础上，创建一个新的打车软件服务平台，设计出新的补贴方案。
问题一，首先以里程利用率、万人拥有量和空载率为指标，运用Matlab数学软件构建数学模型，通过数据分析，计算出了一线、二线城市在不同时间段出租车的供求匹配程度，对解决城市拥堵有一定的价值。
问题二，根据现阶段两大打车公司嘀嘀打车和快的打车的各类补贴政策，以等待时间和覆盖率为基准，利用Spss软件计算顾客等待痛苦程度，通过数据分析得到：安装打车软件的出租车绝大多数会在接到订单后5分钟左右赶到乘客所在地点，说明补贴政策对缓解打车难的有较大作用。
问题三，根据现行的打车软件服务平台的一些弊端，合理设计补贴政策，创建了一个新的打车软件服务平台，在实时控制法的基础上，建立多目标线性规划模型，并进行相应的量纲变换，运用Matlab软件求解该类补贴投资问题，应用于现实生活规划最优有效解关键词：匹配程度补贴政策多目标线性规划模型最优解11问题重述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，有多家公司依托移动互联网建立了打车软件服务平台，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。
在高速发达的信息时代，尽可能的利用网络这一渠道采取供应关系，考虑应对措施，解决供求关系。
（1）建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。
（2）分析各公司的出租车补贴方案是否对“缓解打车难”有帮助？（3）如果要创建一个新的打车软件服务平台，设计什么样的补贴方案，并论证其合理性。
以上问题要求我们完成三部分的建模分析，提出合理推广方案。
2问题分析基于大数据平台进行问题的分析与解决。
问题一：首先对这个问题进行分析，本问题的目标是在合理的指标基础下，分析出不同时间和空间出租车资源的“供求匹配”程度的大小。
建立合理的指标，我们首先要搜集数据，根据不同地点的出租车辆数，总人口数等数据，以及出租优化资源配置评价体系，利用模糊评价法，层次分析法等数学方法，建立相关的数学模型，得到合理的指标。
根据所得到的数据指标，分析车与人的供求关系，分析多组数据，从而建立“供求匹配”程度的相关模型。
问题二：本问题的目标是根据不同公司的出租车补贴方案来分析对“缓解打车难”的帮助效果。
在各软件公司的补贴方案的基础上，搜集相关数据，建立相关模型，以顾客的满意度来分析各公司的出租车补贴方案是否对“缓解打车难”有帮助。
2问题三：在问题二中我们可以看出各公司的补贴方案对缓解打车难起到了明显的作用，有很多优势，但同时存在着很大的缺点，在创建一个新的打车软件服务平台的基础上，可设计出一种全新的补贴方案，改善打车软件存在缺点，使其供求合理，打车方面，具有实用性，合理性。
关于城市最佳补贴方案可通过建立合理的多目标线性规划模型，然后充分利用出租车信息，采用最合适的补贴方案求得有效解。
3符号及符号意义4模型假设为了更好的建立模型，考虑到一些实际情况，做出假设，假设满足如下一些条件：34.1问题一模型假设（1）抽样具有代表性。
（2）只考虑限定特定的要素带来的影响，忽略其他的因素的影响。
4.2问题二模型假设（1）以问题一中建立的评价指标及数据作为基准去评价公司补贴方案。
（2）假设出租车司机的覆盖率与顾客的等待时间成反比，即t=k2/p2;k2为常系数。
假设顾客的等车痛苦程度跟等待时间成正相关，且满足s=100-k1*t，其中t为顾客等待时间，k1为常系数，顾客的等车痛苦程度跟出租车的覆盖率成负相关，即打车软件的出租车越多，乘客越容易在短时间内打到车，即等车痛苦程度。
（3）以出租车增长量和乘客的等车痛苦程度作为评价补贴方案的标准。
4.3问题三模型假设（1）随着新增人口和城市的发展，在预测时间范围没有添加新的小区，且城市小区间相对距离保持不变，总体出租车日行驶历程没有发生明显变化。
（2）假设软件公司为用户提高生活品质服务时，出租车的覆盖率每年持续增长，最后使用打车软件的人数稳定在一定数量。
（4）若与乘客乘车点附近的车辆有若干辆，为保证工作效率最高，采用实时控制法，软件服务平台只能对最邻近的一辆车发布乘车信号。
455模型建立5.1问题一模型建立出租车供求匹配含有复杂的多要素，其内部诸要素之间的相互作用关系的影响是很难精确衡量，这要求评价者必须根据评价问题的性质、目标、要求等选择适宜的评价模型和方法，运用层次分析法和模糊综合评价法对问题一进行模型建立。
首先对中国优化出租车资源配置体系构造层次结构，然后利用模糊评价方法确定各个因素所占的权重，以此为基础建立指标。
图1 此图为配置评价层次结构图评价要素集合为：U={S1，S2，S3}其中，各单要素子集分别为：S1={u1,u2} S2={u3,u4,u5}S3={u6,u7}根据评价决策的实际需要，确定各个因素的权重，确立满足大众客户的合理因素。
据此统计数据，构建全国主要城市数据模型，解决问题。
5.2问题二模型建立据统计近几年来打车应用的下载量如下，可知打车软件的使用已经成为现今社会的流行因素。
图2 近年来打车软件注册用户图打车应用累积注册用户从2012年到2013年的2160万用户，增长率高达440%，预计2015年注册用户数将超过4300万人，打车应用经过2014年与2015年的沉淀，用户群体增长幅度将放缓，预计2015年增长率将达到48.28%。
由使用打车软件的出租车的增长率可知，各个公司的打车软件对缓解打车难的现象起到了一定的作用。
随着打车软件的迅速流行，打车软件公司也从一开始的百家齐放变为现在的两家独秀，下表为统计的两个公司不同时间的补贴方案，进而分析补贴方案对缓解打车难是否有帮助：6表1 两软件公司乘客补贴变化表7表2 两软件公司机补贴变化表从今年初单纯的烧钱补贴大战来看，快的打车与滴滴打车此次的补贴都为用户获得补贴优惠设立了一定的门槛，与自身的App应用或第三方应用结合，用户需要通过下载兑换或下次打车才能使用。
在某种程度上更具有针对性，实际上这有利于延长用户的使用时间和次数，增加用户对打车软件的黏性。
据中国IT 研究中心最新数据报告称，截至今年一季度，快的打车已覆盖了全国261个城市，每天完成623万个订单；滴滴打车覆盖178个城市，每天完成521万次订单出行服务。
由此可见，两大打车软件己累积了一定规模的用户数量，这使其有针对性地推出新形式的补贴服务提供了基础条件。
除此之外，从此轮两大打车软件的补贴来看，优惠时间都不长，这预示着补贴正演变为一种常规的优惠。
传统出租车补贴方案：出租车这几年每年都有燃油补贴。
国家可能基于考虑油价上涨，出租车收入降低，借此提高出租车司机的积极性。
1、份儿钱按照行业统一标准收取，但公司每日拿出20元（月均600元/车）对驾驶员进行激励和考核。
相当于公司花钱买服务，用物质奖励激励驾驶员做好公司规定的各项服务。
82、公司为所有承包司机统一制作工衣或工牌，并为每台车提供每月2次免费洗车服务和每月2次座套清洗服务。
3、接到运管部门调度指令或举办大型活动需要统一调度车辆的，公司根据车辆活动轨迹安排统一调度，并给予调度车辆50-100元/天的营运补贴。
4、公司为所有承包人提供年节福利，福利形式不限福利金额为500元/车/年。
5、公司定期举办行业竞技、联欢联谊、爱心公益等活动，每车每月的活动经费20元，全部用于活动补贴。
下表为我国主要城市打车等待时间的数据汇总：图3 一般打车情况下客户等待时间而从用户平常打车等待时间可以看出，48.5%的人都会等待10分钟左右，成为主旋律。
5分钟内可打到车的用户占比20.7%，26.6%用户表示打车会等待20分钟以内才顺利乘坐到车。
等待时间过长，也成为打车软件流行的重要因素，经数据显示，很大比例安装打车软件的出租车会在接到订单后5分钟左右赶到乘客所在地点。
95.3问题三模型建立模型建立：利用多目标线性规划的方法建立模型，在问题二的基础上设计新的补贴方案，解决实际生活中的数学问题。
一个公司每月在没有使用打车软件时向出租车收取的管理费用总额设为S，也可看做成该公司的总收益。
设该公司使用打车软件的出租车行驶的最小里程为ℎ0=ℎmin，最大里程为h n=ℎmax。
在区间[ℎ0，h n]中插入n-1个分点，h1，h2……ℎn−1。
图4 月里程分区图规定当h<ℎ0，补贴为零，且当h>ℎn时补贴仍然为x n，达到最大限值。
现给每个小区间一个[ℎi−1，ℎi]数域一个权w i，且w i>0，但要规定当h<ℎ0，时，w0=0。
h>ℎn时，w为仍为最大限定值。
设对应的第i个小区间[[ℎi−1，ℎi]的出租车车辆为x i。
6问题的求解6.1问题一分析求解在已确立的合理因素基础上，以里程利用率、万人拥有量和空载率为指标，计算中国主要城市的里程利用率、万人拥有量以及空驶率。
里程利用率：指营业里程与行驶里程之比，一般以一辆车为单位。
公式为：10里程利用率=营业里程（公里）/行驶里程（公里）×100%这一指标反映车载乘客率，如果比例较高，说明车辆行驶中载客比例高、空驶比较低，对于要车的乘客来说可供租用的车辆不多，乘客等待时间增加，说明供求关系紧张。
如果比例低，则车辆空驶比例高，乘客租用方便，但经营者的经济效益下降。
万人拥有量：人均设备普指标，用来描述一定城市规模内车辆的占有量。
公式为：万人拥有量=车辆（辆）/人口（万）目前城市出租车拥有量的控制标准没有具体上界，仅给出了出租车拥有量的下限，大城市不得少于每万人20辆，小城市不得少于每千人5辆。
我国主要城市出租信息见附件：由同级数据知我国主要城市的里程率均高于52%以上，则需要发展出租车，说明供不应求，根据高出的里程利用率可以得到不同空间的“供求匹配”程度，假设匹配程度=各城市里程率/52%，通过软件计算可得到下表：11表3 匹配程度信息表当匹配程度>1时，属于供不应求，供少，需求多，当匹配程度越大时，说明供应关系越紧张。
图5 匹配程度的线性图根据城市中出租车不同时刻不同区域客运量TQ Taxi，该区域居民同一时刻平均坐出1213租车的出行距离D̅，V ̅为平均行驶速度以及平均每趟载客人数P ̅，则可推算出该地区该时刻出租车总有效行驶里程TDist 为：TDist =TQ Taxi D ̅P ̅=(TQ1Taxi +TQ2Taxi)D ̅P̅可以推出不同时刻不同地点推出空载率VR 的计算公式：VR=1-TDistTV ̅̅̅̅N ，下图为即为同一地点不同时刻出租车空载率。