基于排队论的机场出租车调度问题研究
基于排队论的机场出租车最优决策模型
基于排队论的机场出租车最优决策模型作者：姚入榕赵德昌来源：《现代商贸工业》2020年第33期摘要：本文以出租车机场排队接客为背景，基于M/M/1经典排队论模型，引入机场航班载客人数、通往出租车载客点的通道长度、旅客上车时间等参数，建立了司机在蓄车池等待时间与司机观察到的航班数量、蓄车池数量的函数关系。
又有蓄车池等待时间与机场旅客的订单时间之和等于空载返回市区的时间和在市区经营的时间之和，以此建立两种方案的综合收益函数，得出在不同条件下的理性选择方案。
但是，模型并未考虑司机和乘客的心理学因素，具有一定的局限性。
关键词：M/M/1排队论模型;分时段讨论;收益函数中图分类号：F25 ; ; 文献标识码：A ; ; ;doi：10.19311/ki.1672-3198.2020.33.0130 引言随着民航行业的发展，飞机场的客流吞吐量不断增加，而出租车成了很多乘客下飞机后会采取的去市区（或周边）的目的地方式之一。
如果乘客在下飞机后想“打车”，就要到指定的“乘车区”排队，按先后顺序乘车。
机场出租车管理人员负责“分批定量”放行出租车进入“乘车区”，同时安排一定数量的乘客上车。
在此服务系统背景下，存在可优化问题，提高乘客排队乘车效率，简化出租车排队拉客程序等。
目前已有很多研究通过优化机场组织管理方式来提高出租车接客效率，比如同济大学黄岩、王光裕的《虹桥机场T2航站楼出租车上客系统组织管理优化探讨》，华东师范大学颜超的《上海市枢纽机场陆侧公共交通管理研究——以浦东国际机场为例》。
同时也有不少人对于m/m/1模型的排队效率做了研究，比如Sudeep Singh Sanga，Madhu Jain的《Cost optimization and ANFIS computing for admission control of M/M/1/K queue with general retrial times and discouragement》。
基于排队论模型的车场出租车调度问题
数据库技术Database Technology电子技术与软件工程Electronic Tech n o l ogy&Software En g ineering 基于排队论模型的车场出租车调度问题文/史可为张心悦陈润桓（南京邮电大学江苏省南京市210003）摘要：本文针对愈发引人关注的机场出租车决策问题，建立了基于司机收益心理的多级指标决策模型，并参考实地机场数据建立了理想乘车区模型；本文通过建立排队论模型为短途车的载客方案设计提供了一系列可行的方案。
最后通过仿真验证了模型的合理性，旨在合理有效地解决机场出租车面临的一系列问题，促进机场出租车产业的高效发展。
关键词：模糊综合评判法；排队论；蒙特卡洛仿真；粒子群算法1问题背景介绍送客到机场的出租车司机会根据实际情况对下一步工作做岀两种选择：（1）前往缓冲区等待，载客人返回市区。
此时出租车需要付出等待时间成本。
（2）直接空车返回市区载客。
此时出租车司机会付出空载损失费用和损失潜在的载客收益。
两种选择方式引发了值得探讨的问题：（1）司机应该如何进行决策使自己获益最大；（2）管理者应如何管理机场候车区使得总乘车效率最高；（3）为使收益均衡，管理部门应如何给出租车分配“优先权”。
针对这三个问题建立模型求解。
2模型的建立与求解2.1基于多级评价指标的司机载客方案选择决策模型结合文献和实际情况⑴分析发现司机对某方案收益大小的预估主要取决于机场抵达航班的乘客数量、蓄车池内已在等待的出租车的数量、天气状况、道路拥堵情况囚。
因此我们进行指标分级：某段时间内的乘客数量受某时间段内抵达机场的航班数量、蓄车池内已在等待的出租车的数量和当前时间因素（节假日、普通工作日等）影响⑶。
2.1.1基于线性最小二乘拟合的乘客数量回归模型来利用最小二乘法⑷对乘客数量X2关于m个子项指标的变化曲线进行拟合，步骤如下：首先确定回归方程的维数。
由于不同类别的自然环境和特殊时期对乘客数量的影响程度一般由专家打分得出⑸，均为常数因此乘客数量的变化规律是关于某段时间内抵达航班数的二维线性函数。
机场出租车排队问题研究
机场出租车排队问题研究作者：徐若寅来源：《科学与财富》2020年第13期摘要：出租车作为机场外的一种重要的交通工具，是乘客下机后前往目的地的主要交通方式之一。
如何对出租车资源进行合理的调度[1]，以便最大化的缓解机场交通压力成为一个亟待解决的问题。
本文以出租车司机的收益最大化为目标进行决策，建立了收益评价函数，通过上述模型，进一步推导出司机的决策模型【3】。
关键词：出租车资源调度;收益评价函数;司机决策模型1.模型[2]的建立1.1影响出租车司机决策的相关因素现采用“载客率”这一指标来分析判断出租车司机的收益。
将载客率记为W=t/T，其中，t 为某一时间段T内出租车上搭载乘客的总时间。
假设出租车司机在市区内的载客率为定值W0，从机场到达市区和郊区的分界处的时间为t1，在机场排队等待以及乘客上车的时间和为t2，将乘客从机场送往目的地的时间为t3。
（1）倘若司机选择进入蓄车池排队载客，那么该司机在此刻直至将乘客送往目的地这段时间的载客率W1=t3/（t2+t3）由于司机在乘客上车之前无法对其目的地进行准确的判断，因此在进行决策时，司机将认为乘客的目的地为市区，因此t3>t1，故t2+t3>t1。
其中V（t）为t时刻行驶速度，tn为载客行驶时间。
若Z1>Z2，则出租车司机应该选择蓄车池排队载客;若Z1<Z2，则出租车司机应选择空载回市区。
1.2出租车司机决策模型假定管理人员一次放行的出租车数量为C，车辆进入乘车区以后，乘客们开始上车，当最后一位乘客上车完毕，所有出租车共同驶离乘车区，同时从蓄车池中新放出C辆出租车进入乘车区。
显然，一次上车的时间取决于这一次上车过程中速度最慢的乘客，我们认为每一次上车的时间都相等，为t0。
V1 （t）=V1为定值，是出租车在郊区的平均行驶速度，同时V2 （t）=V2也为定值，是出租车在市区的平均行駛速度。
平均每隔Y秒钟的时间，就有一辆出租车进入蓄车池，那么蓄车池中最大蓄车辆n=t2/Y，即当蓄车池内出租车数量大于n时，司机应选择回到市区，蓄车池内出租车数量小于或者等于n时，司机应选择在蓄车池内等待。
《2024年基于排队论的枢纽内出租车上客区服务台优化》范文
《基于排队论的枢纽内出租车上客区服务台优化》篇一一、引言在现代化交通枢纽中，出租车上客区作为旅客出行的重要节点，其服务效率直接影响到旅客的出行体验和交通枢纽的运营效率。
然而，由于多种因素的影响，如旅客流量、服务台数量、排队规则等，出租车上客区的服务常常面临巨大的压力。
本文将基于排队论的理论和方法，对枢纽内出租车上客区服务台进行优化研究，以提高服务效率和旅客满意度。
二、排队论理论基础排队论，又称随机服务系统理论，是研究系统中个体排队等候服务过程的概率规律的理论。
在出租车上客区服务台优化中，排队论能够通过分析顾客到达和服务时间的概率分布，为优化提供有力的理论支持。
三、枢纽内出租车上客区现状分析（一）现状描述当前，枢纽内出租车上客区的服务台数量、布局、排队规则等均存在一定的问题。
例如，服务台数量不足、布局不合理、排队规则不明确等，导致旅客等待时间过长，影响出行体验。
（二）问题分析通过实地调查和数据分析，发现主要问题包括：1. 服务台数量与旅客流量不匹配；2. 排队规则不明确，导致旅客拥挤；3. 服务台利用率低，部分时间出现空闲现象；4. 旅客等待时间过长，影响出行体验。
四、基于排队论的优化策略（一）增加服务台数量与优化布局根据排队论的分析结果，合理增加服务台数量，优化服务台布局。
通过模拟不同场景下的排队情况，确定最佳的服务台数量和布局方案。
（二）明确排队规则与引导标识制定明确的排队规则，如先到先服务、按车次号顺序服务等。
同时，设置清晰的引导标识，引导旅客有序排队。
（三）提高服务台利用率与服务质量通过培训提高服务员的专业技能和服务意识，提高服务台利用率和服务质量。
同时，采用先进的信息化技术，如智能调度系统、电子显示屏等，提高服务效率和旅客满意度。
（四）实施动态调整策略根据实际运营情况，实施动态调整策略。
例如，在旅客流量较大的时段增加服务台数量，在旅客流量较小的时段减少服务台数量，以实现资源的合理配置。
五、实施效果评估与持续优化（一）实施效果评估通过对比优化前后的数据，评估实施效果。
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题一直是广大机场管理部门和出租车司机所关注的重要问题。
合理的综合决策及有效的管理模型能够提高机场出租车服务质量和运行效率，优化机场出租车管理过程，降低运营成本，提升乘客满意度。
下面将从机场出租车司机综合决策、机场出租车管理模型和机场出租车问题三个方面来进行介绍。
一、机场出租车司机综合决策1. 乘客接载决策机场出租车司机在决策是否接载乘客时，需要考虑诸多因素，如乘客目的地、路况、出租车空车率、乘客数量等。
司机可以通过分析历史数据和实时数据，结合智能调度系统的支持，进行最优的乘客接载决策，提高司机的收益和顺利率。
2. 路线选择决策机场出租车司机在决策路线选择时，可以利用导航系统、交通信息实时更新系统等辅助工具，根据交通拥堵情况和路面信息，选择最短、最快、最经济的路线，节省行驶时间和成本，提高司机效率和收入。
3. 资源配置决策机场出租车司机在决策资源配置时，需要考虑平衡各个终端的接送需求、司机资源的分布情况和运营成本。
司机可以通过合理地分配车辆和司机资源，提高载客率、降低空驶率，提升经济效益和服务质量。
二、机场出租车管理模型1. 预测模型机场出租车管理部门可以通过建立数据模型，分析历史数据和实时数据，预测乘客流量、交通拥堵情况等信息，为司机提供相关的决策支持，优化出租车服务和管理。
2. 调度模型利用智能调度系统，将机场出租车司机的位置信息、乘客需求信息、交通状况等数据进行实时分析和处理，生成最优的调度方案，提高出租车的利用率和工作效率。
3. 评估模型建立机场出租车服务质量评估模型，对司机的服务质量、行车安全等进行评估和监控，及时纠正和改进不足之处，提升乘客满意度。
三、机场出租车问题1. 排队问题机场出租车乘客排队时常常出现拥挤、混乱的情况，影响乘客体验和运营效率。
应通过完善的排队管理措施和优化的排队算法，提高乘客的排队效率和满意度。
机场出租车智能调度策略研究
机场出租车智能调度策略研究作者：廖周宇程艺明石敏斐来源：《科技视界》2020年第19期摘要针对机场乘客的目的地有长短途之分，出租车载客收益与载客的行驶里程有关。
因此引发短途司机为了收益违规超速驾驶甚至就地抛客、宰客、倒客等一系列问题。
本文提出了采用机场出租车智能调度系统管理模式，并设计了“出租车短途业务的判定法”，该判定法将系统自动收集各种数据计算得到出租车的收益和每小时平均收益，通过每小时平均收益是否小于该省每小时最低工资来判断是否属于“短途”，若属于“短途”，再次返回机场则无须排队，直接进入绿色通道。
本文还设计了黑名单功能和举报功能，对司机的违规行为进行相应的处罚。
关键词机场出租车;智能调度系统管理模式;出租车短途业务判定法;绿色通道中图分类号： G08G1/00 ; ; ; ; ; ; ; ; ;文献标识码： ADOI：10.19694/ki.issn2095-2457.2020.19.084AbstractThere are long-distance and short-distance destinations for airport passengers， and taxi passenger income is related to passenger mileage. Therefore， a series of problems， such as throwing， killing and reversing passengers on the spot， are caused by the short distance drivers in order to gain illegal speeding driving. In this paper， the management mode of airport taxi intelligent dispatching system is proposed， and the "judgment method of taxi short distance business" is designed. The judgment method automatically collects all kinds of data to calculate the taxi revenue and average revenue per hour， and judges whether it belongs to "short distance" by whether the average revenue per hour is less than the minimum wage per hour of the province， if it belongs to "short distance"， return to the airport again without queuing， directly into the green channel. The system also designs blacklist function and report function to punish the driver's illegal behavior.Key wordsAirport taxi; Management mode of intelligent dispatching system; Taxi short distance business judgment method; Easy access0 引言随着我国经济发展水平和人民收入的提高，航空出行在众多出行方式中占比越来越大，而出租车作为人们离开机场的主要方式之一，在给旅客带来便利的同时，也给机场的管理带来很大的麻烦。
基于排队论和蒙特卡洛算法的机场出租车司机决策问题
1 问题背景随着国民经济的增长及居民消费水平的提升刺激了航空运输的发展，飞行出行方式更加普遍。
乘客下飞机后通过何种方式离开机场，给机场多元化交通方式的运力带来了更大的压力[1]。
出租车由其便捷和灵活的特点，是机场交通运输的重要工具之一。
国内的多数机场都是将送客（出发）和接客（到达）通道分开的。
送客到机场的出租车司机将根据自己的经验抉择是前往到达区排队等待载客返回市区还是直接放空返回市区拉客。
2 模型求解对于出租车司机的决策问题，主要问题是对选择(A)前往到达区排队等待载客返回市区和选择(B)直接放空返回市区拉客进行抉择。
是否选择(A)是通过时间成本来衡量，选择(B)的衡量指标是空载费用和可能损失潜在的载客收益。
图1 决策思维导图同时影响时间成本的因素为等待时间和单位时间出租车平均收入，影响等待时间的因素为乘客数量、排队出租车数量以及通行能力，影响空载费用的因素有市区到机场的距离、耗油费用。
将上面的表述做成思维导图如图1所示。
2.1 时间成本2.1.1 影响因素说明由以上分析可知，影响司机做出选择(A)的主要因素为时间成本，而影响时间成本的因素有等待时间和单位时间出租车平均收入，同时影响等待时间的因素有乘客数量、排队出租车数量以及通行能力。
（1）乘客数量在不考虑其他因素的情况下，乘客数量越少，等待时间越长，时间成本越高，做选择（A）的可能变小，乘客数量越多，等待时间越短，时间成本越低，做选择（A）的可能变大。
（2）排队出租车数量在不考虑其他因素的情况下，排队出租车数量越多，等待时间越长，时间成本越高，做选择（A）的可能变小，排队出租车数量越少，等待时间越短，时间成本越低,做选择（A）的可能变大。
（3）通行能力通行能力是指道路上某一点，某一车道或某一断面处，单位时间可能通过的最大交通实体数（辆/H）。
通行能力越强时，单位时间内通过的车辆越多，排队等候的时间则会越少，时间成本越低，做选择（A）的可能变大，通行能力越低，单位时间内通过的车辆越少，排队等候的时间则会越多，时间成本越高，做选择（A）的可能变小。
出租车在机场的运营管理研究
1.2.3 数据的分析与拟合 λ=3.40 =1.5
将 n=6 代入上式可得： 乘 客 的 上 车 能 力 μ=1/t=0.67， 乘 车 系 统 强 度 p=λ/μ=5.10， 已 知 5.10/6=0.85<1，所以存在极限。 空闲时间概率：P0=0.030。 乘车系统中排队出租车司机的平均 数 :L=27。 出租车司机的平均排队时间 :W=7.90。 出租车司机平均等待时间 :W0=9.40。 系统中出租车车辆的平均 数 :L0=32.10。 由此可见，当司机选择去蓄车池等待 载客时，由数据可知，大约有 32 辆车已 经在等待载客了，其中 26 辆车还在蓄车 池内等待，6 辆车已经进入乘车区了，还 需五次才会轮到该出租车司机，则该出租 车司机还需等待 86.5 分钟才能进入蓄车 池，要过 101.5 分钟才能接载到乘客。 1.2.4 收益情况 设司机收到的最终收益为 Y，总收益 为 Y1（Y1>1.4X）， 平 均 车 速 为 45km/h, 行驶路程为 S, 载客时间为 10 分钟，则司 机的最终收益 Y=Y1-0.7S。则司机往返一 次 的 时 间 为 2X/45+10, 若 T>2X/45, 则 应 该选择方案二。已知司机最终收益 Y=Y10.7S, 若 S/45+10>T, 则选择方案一。 2 问题二 2.1 数据采集与分析 数据采集：该机场航班在上午 8：00 到夜晚 23：55 将会有 30 多场航班，即在 这 30 多场航班中，可认为乘客是无限多的， 即到乘车区的乘客是源源不断的，满足问 题一中的（M/M/n）模型。 2.2 数据分析 司 机 往 返 市 区 最 终 收 益 为 Y=Y11.08X=110-1.08*19=89.48 元。 当出租车司机接载到乘客的时间 T=15+38/90=15.42，决策 A 与决策 B 收益 相同。 当出租车司机接载到乘客的时间 T>15.42 时，决策 B 收益较大，出租车司
- 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)。
Handan Yu, Luxin Zhou, Yuqing Shi, Huizeng Zhang, Anshui Li*
Department of Mathematics, School of Science, Hangzhou Normal University, Hangzhou Zhejiang
Open Access
1. 引言
出租车司机在将乘客送达到机场后，将会面临两个选择： (A) 前往机场的“蓄车池”。由于需要排队等待排在前面的出租车离开和等待乘客前来乘车，因此， 需要付出一定的时间成本来载客。 (B) 不前往“蓄车池”，直接空车返回市区拉客。但是会带来空载和损失掉可能存在的载客收益。 司机是否选择载客与他的个人经验有关，司机可以获得航班到达数据以及机场“蓄车池”里所排队 的出租的数量。如果司机选择去载客，需要由机场管理员“分批定量”放入“乘车区”。而需要搭乘出 租车的乘客会自行前往“乘车区”进行排队。 结合实际情况，要求建立数学模型来解答以下问题： 1) 构建一个关于出租车司机的决策模型，给出司机选择的策略； 2) 结合上海浦东机场的相关数据以及上海的出租车数量，根据获取的数据，确定司机的选择策略； 3) 对两条并行车道合理设置“上车点”，并对乘客和出租车进出“乘车区”进行合理安排，在保证 司机和乘客的安全的条件下，实现整体的乘车效率达到最大； 4) 具体化“优先权”的规则，弥补载短途的司机的收益损失，让机场的出租车司机的收益尽量保持均衡。
Table 1. The symbols 表 1. 相关符号
符号 R Rs Sf E
意义 出租车司机的收益 出租车每公里收费价格 出租车载客行驶里程
空载费用
单位 元 元/km km 元
DOI: 10.12677/aam.2019.812220
1906
应用数学进展
于晗丹 等
Continued
Se u F Rq El R Ct T Rt η Rs µ
方案可获得利润进行判断，根据利润比较，对 A、B 方案进行决
策，选择是否进入“蓄车池”。我们经过分析，得到了影响利润的主要因素包含收益和成本，此外，结
合实际情况发现影响成本的主要因素有空载费用、载客费用、潜在收益和时间成本。因此将空载费用、
1, 2,, p0 = 1− ρ.
(7)
故
pn =ρn (1− ρ ), n =1, 2,
(8)
则得到平均队长
∑ ∑ ( ) = Ls= ∞n 0= npn= ∞n 0 npn 1− ρ =
有时候可能会出现由于机场乘客数量较少或者乘客上车速度较慢导致的排队载客情况。此时，司机在这 段等待时间中就会产生相应的时间成本。所产生的时间成本 Ct
数学公式如下：
Ct= T × Rt .
(5)
其中 T (h ) 为司机平均排队接客逗留时间， Rt (元/h)为出租车司机单位时间内收益。
下面对司机平均排队接客逗留时间 T 进行求解：
S
出租车空载行驶里程 出租车每公里成本
载客费用 潜在收益 出租车空载率 载客平均收益 时间成本 司机平均排队接客逗留时间 出租车司机单位时间内收益 敏感系数 平均排队队长 单位时间离开乘车区的辆数 机场距离市中心的距离
km 元/km
元 元 — 元 元 h 元/h — km 辆/h km
4. 模型的建立与求解
2) 空载费用 E
出租车空载费用是指出租车没有搭乘乘客时行驶所消耗的费用。由于出租车在行驶过程中的最大耗
费在汽油上，对于车体的损耗难以定量估计，所以出租车空载费用 E 为
E = Se × u = v × t2 × u.
(2)
DOI: 10.12677/aam.2019.812220
1907
应用数学进展
4.1. 基于排队论的出租车司机决策模型
4.1.1. 影响出租车司机决策因素的机理分析 随着经济的不断发展，往返机场的乘客人数大幅上涨，其中大多数乘客下飞机后选择出租车作为去
往目的地的主要交通工具之一。对于送客到机场的出租车司机都面临着两个亟需做出的选择。因为出租 车行业主要是以营利为目的，并且由题目知道司机可以得到某时间段抵达的航班数量和“蓄车池”里已 有的车辆数等信息。假设出租车司机均为理性人，他们在做出最终方案选择的时候总是追求利润最大化 的，因此我们通过权衡收益和成本，建立以利润最大化为目标的决策模型。
载客费用、潜在收益、时间成本以及收益作为一级指标，又通过具体分析得到出租车司机选择的决策因
子关系图，如下图 1 所示。
以下是各个决策因子的建立：
1) 收益 R
出租车收益 R 由出租车的载客行驶里程和每公里收费价格得到
R = S f × Rs = v × t1 × Rs .
(1)
其中 S f (km) 为出租车载客行驶里程， Rs (元/km)为出租车每公里收费价格， t1 (h) 为载客行驶时间。
于晗丹 等
Figure 1. Decision system diagram 图 1. 决策体系图
其中 Se (km) 为出租车空载行驶里程，u(元/km)为出租车每公里成本， t2 (h) 为空载行驶时间。
3) 载客费用 F
出租车载客费用是指出租车在搭乘乘客时行驶所消耗的费用。同样，由于出租车在行驶过程中最大
*通讯作者。
文章引用: 于晗丹, 周璐鑫, 施雨晴, 张慧增, 李安水. 基于排队论的机场出租车调度问题研究[J]. 应用数学进展, 2019, 8(12): 1905-1920. DOI: 10.12677/aam.2019.812220
于晗丹 等
租车分配模型。最后，通过与浦东机场相关数据进行分析对比，我们的模型具有较强的合理性和指导性。
耗费在汽油上，对于车体的损耗难以定量估计，所以出租车载客费用 F 为
F = S f × u = v × t1 × u.
(3)
其中 S f (km) 为出租车载客行驶里程，u(元/km)为出租车每公里成本。
4) 潜在收益 Rq 出租车在直接放空返回市区拉客的情况下可能会损失潜在的载客收益。这里我们把可能会损失的潜
杭州师范大学理学院数学系，浙江 杭州
收稿日期：2019年11月9日；录用日期：2019年11月28日；发布日期：2019年12月5日
摘要
本文旨在研究基于排队论的机场出租车调度问题。首先，本文通过对影响出租车司机决策的相关因素进行 了机理分析，综合考虑各相关因素，建立了基于排队论的司机决策模型，并给出了司机的相应选择策略。 同时，运用基于排队论的决策模型对机场出租车载客系统进行优化，得到了多点单独发车的机场载客区出
Advances in Applied Mathematics 应用数学进展, 2019, 8(12), 1905-1920 Published Online December 2019 in Hans. /journal/aam https:///10.12677/aam.2019.812220
下出租车到达上车点时间都是独立的，乘客上车时间同样也是独立的，因此有= λn λ= , n 0,1, 2, 和 = µn µ= , n 0,1, 2, 。
记 ρ = λ 由于在平稳状态下队长的分布为 µ
= pn C= n p0 , n 1, 2,
(6)
其中
Cn =
λn−1λn−2 λ0 , n= µn µn−1 µ1
车池时间服从参数为 λ 的负指数分布，乘客上车时间(即出租车离开乘车区时间)服从参数为 µ 的负指数
分布。 2) 排队规则 出租车在单车道依次排队等候，先到先接客；乘客为单条排队队列候车，先到先上车。 3) 服务台 假设仅有一个上车点，即出租车为单车道依次排队等候。且乘客为单条排队队列候车，假设一辆车
在的载客收益叫做潜在收益 Rq ，跟潜在收益紧密相连是潜在的载客可能性。而与载客可能性相关的另一 个因素是空载率，空载率即为没有搭乘乘客的出租车在所有营行车中的百分比，往往出租车的空车率越
大，出租车接到客的概率就越小。故潜在收益为
R=q El × R.
(4)
其中， El 是出租车空载率， R 为载客的平均收益。 5) 时间成本 Ct 时间成本不仅是时间上的损失，也指在等待时间内造成的市场机会的流失。在本文的实际背景中，
仅搭载一位乘客，具体情况如下图 2 所示。
Figure 2. Service desk diagram 图 2. 服务台示意图
于是可通过建立单服务台等待制模型(即 M/M/1/∞)来求解出租车司机排队接客逗留时间 T 。
记= pn P= {L n= }(n 0,1, 2,) 为出租车载客系统达到平衡状态后队长 L 的概率分布，由于每个状态
关键词
排队论，效用函数，敏感系数，司机决策模型，机场分配模型
Copyright © 2019 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
2. 模型假设
1) 假设蓄车池规模无限大，允许车辆无限排队。 2) 假设不计出租车车重变化及突发路况急刹车等特殊情况对每公里油耗的变化。 3) 假设不考虑突发事件对乘客上车时间的影响。 4) 假设短途返程的司机均将乘客送达目的地，不存在中途放客。
3. 符号说明
我们给出本文中所用到的符号及其说明，见表 1。
Received: Nov. 9th, 2019; accepted: Nov. 28th, 2019; published: Dec. 5th, 2019