“互联网+”时代的出租车资源配置(含代码完整版)
《2024年“互联网+”时代的出租车资源配置模型》范文
《“互联网+”时代的出租车资源配置模型》篇一互联网+时代的出租车资源配置模型一、引言随着互联网技术的飞速发展，“互联网+”时代已经深入到我们生活的方方面面。
在交通出行领域，以“互联网+”为基础的出租车服务模式正在逐步改变传统的出租车资源配置方式。
本文旨在探讨“互联网+”时代下出租车资源配置模型，分析其特点、优势及存在的问题，并提出相应的优化策略。
二、传统出租车资源配置现状及问题传统出租车资源配置主要依赖于司机巡游、乘客路边拦车或电话叫车等方式。
这种模式存在以下问题：1. 资源分配不均：高峰期部分地区出租车供不应求，而其他地区则出现空驶现象。
2. 信息不对称：乘客与司机之间缺乏有效的信息沟通渠道，导致乘客等待时间长、司机空驶率高。
3. 运营效率低：传统模式缺乏对出租车资源的实时监控和调度，导致运营效率低下。
三、互联网+出租车资源配置模型“互联网+”时代的出租车资源配置模型，通过将互联网技术与出租车服务相结合，实现了资源的优化配置。
主要特点如下：1. 信息共享：通过手机APP等平台，实现乘客与司机之间的信息共享，提高资源利用效率。
2. 实时调度：通过大数据分析和云计算技术，对出租车资源进行实时监控和调度，减少空驶时间。
3. 智能匹配：根据乘客需求和司机位置，实现智能匹配，提高乘客的叫车效率和司机的接单率。
四、模型优势及实践应用“互联网+”出租车资源配置模型具有以下优势：1. 提高运营效率：通过实时调度和智能匹配，提高出租车资源的利用效率。
2. 提升服务质量：乘客可以通过手机APP实时了解车辆信息、评价服务质量等，提升乘客的出行体验。
3. 减少资源浪费：通过信息共享和智能调度，减少出租车资源的空驶时间和空驶距离，降低资源浪费。
在实践中，许多城市已经成功应用了“互联网+”出租车资源配置模型。
例如，通过手机APP叫车已经成为城市居民出行的主要方式之一；通过大数据分析，可以实时监测出租车的运营状况和需求情况，为司机提供更加精准的调度信息；同时，通过智能匹配系统，实现了乘客与司机的快速匹配，提高了出行效率。
1B09001-B285互联网 时代的出租车资源配置-数学建模竞赛优秀论文下载介绍
4
4.1 问 题 （ 1） 的 分 析
问题分析
该问题要求建立合理的指标，并分析不同时空出租车资源的“供求匹配”程度。本文基于“苍穹——滴滴快的智能 出行平台”[1] 中使用滴滴打车的出租车以及用户的行为情况，建立了供求匹配情况下的出租车模型，并用以评价上 海市的出租车资源“供求匹配”程度。 衡量出租车运营情况的最直观数据就是出租车的位置分布，衡量出租车需求程度的最直观数据是打车人数即请 求单数的分布，而直接和打车软件用户体验相关联的数据则是乘客打车时间，这里我们用接单时间来衡量。由于空 驶率K可以对应出租车供应量，而乘客等待时间可以对应出租车需求量，故两者的函数关系可以作为衡量供应量的 指标。通过对以上三个基本数据进行分析，我们得出可以用空驶率K和乘客等待时间T作为衡量供求情况的具体指 标。通过考察城区和郊区全天24小时的K变化规律，我们得出空间（城郊）和时间（全天）两个维度的供求关系分 布情况。 这部分我们分为三个部分进行探讨： 先，我们想确定在某个时间段内，研究上海市出租车粗略的空间分配情况。我们对某工作日和节假日进行抽 样，使用插值的方法在Matlab中分别绘制出了这一天低峰10：00、高峰17:00时段，全上海市的采样点地理位置(经 度x, 纬度y)与出租车分布、乘客需求量分布、以及等待时间的三维图像，为进一步讨论打下了基础。 接下来，我们想讨论时间对于出租车分配调度的影响。由于数据量过大，且不同数据指标取样点的空间位置不 是严格对应的，我们利用集簇的思想，选择了20个具有代表性的商圈以及城郊，并根据具体位置选择合适的半径， 囊括其周边的采样数据点，并算出平均等待时间，作为某一具体时刻，具体地点的供求分配程度的量度。我们选择 出具有代表性的商圈与城郊，考察他们在工作日、非工作日的情况，并作出了其周边一天内平均空载率Kave与真 实时间t的二维图像。 最后，我们引入了供求满意度函数f，建立了出租车供需关系平衡的数学模型，并综合第二部分中的数据，利用 曲线拟合工具得到了上海市区的供需平衡模型，并将其利用于评价上海市出租车资源“供求匹配”程度。
2015数学建模互联网时代的出租车资源配置
互联网+”时代的出租车资源配置要解决“打车难”，第一要务是弄清楚打车难的原因。
打车之所以难，不考虑管理等因素，主要因为以下三点: 一是出租车绝对数量供给不足，即出租车数量不满足国家标准。
出租车数量的国家标准为“大城市每万人不宜少于20辆”。
但实际上，在直辖市中，当前北京现有出租车6.6万辆，人均保有量约为33辆/万人，上海约为22辆/万人，天津约为27辆/万人，均超过国家标准。
只有重庆约为10辆/万人，不够国家标准。
二是出租车相对数量供给不足。
这是个摩擦性问题，其根本原因在于信息不对称。
通俗地说就是想打车的人不知道哪里有车，同时出租车不知道哪里有人打车。
简言之就是人找不到车，车也找不到人。
表现为空驶率高和打车难并存的怪现象。
打车难的现象在北京非常突出，但北京的出租车空驶率又在40%左右。
这充分说明，出租车相对数量供给不足是打车难的重要原因。
三是出租车利益供给不足，部分司机选择性停运。
通俗说就是出租车司机挣不到钱，不愿出车或选择性出车，导致道路上行驶的出租车数量少。
出租车司机挣不到钱的原因主要有三个:1.份钱高，交出去的多，成本高;2.道路拥堵，时间成本高，出车效益低;3.因为出租车大多只上交强险，只保第三方，因此暴雨、暴雪等恶劣天气，出车风险大，相对收益低。
出租车司机收益相对不高，是导致出租车选择性停运，引发打车难的根本原因。
找到了病根，病愈才有希望。
针对以上分析，需要因地制宜，具体问题具体分析，综合运用政策、技术、市场和社会动员等多种方式，缓解打车难。
首先，依靠市场和政府两只手解决好出租车利益供给不足的问题，切实增加出租车司机收入，提高出车积极性。
第一，通过浮动价格的机制解决拥堵期收入低的问题。
可通过两种思路实行浮动价格。
一是时间维度，可在高峰时段收取打车拥堵费，弥补出租车因拥堵造成的高昂的时间成本，即机会成本。
美国纽约的出租车管理经验可资借鉴。
二是空间维度，可将出租车根据城市道路状况对出租车进行分类，将城市划分为拥堵区域和非拥堵区域，拥堵区域运行的出租车价格是非拥堵区域的二到三倍，以此来提高出租车的拥堵收入。
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。
2022年数模国赛论文B题-1
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。
“互联网+”时代的出租车资源配置
摘要
本文是对在“互联网+”时代背景下“打车难”的问题进行研究。通过网络获取必 要的数据，对出租车市场上存在的“供需匹配”问题的分析和对各个打车软件公司补贴 方案的对比，建立“供求匹配”资源评价模型，并给出一种新的动态补贴计价系统。 针对问题一，选择西安地区作为研究对象，结合查找的可用数据，根据西安市城市 功能区的分布特点，将西安市主城区按纬度划分为 4 个区，利用车辆满载率、乘客满意 度、以及里程利用率三个指标建立“供求匹配”资源评价模型 E M N R ，对该 模型进行求解， 分析结果可得， 地区范围大且交通便利的核心文化区匹配程度相对最高； 城市的经济开发区的需求量次之。地区范围小且交通工具众多的城市核心商业区，出租 车的匹配程度相对最低，且节假日比工作日的供求匹配度低。 针对问题二，利用层次分析法判断不同公司的补贴方案是否对“打车难”问题的缓 解有帮助。通过综合的评价，选取万人拥有量、满载率、里程利用率、等车时间，和乘 车价格五个指标建立模型，得到滴滴打车，快的打车两个公司对缓解“打车难”有一定 的帮助。 针对问题三，对现有打车补贴方案进行分析，选定好评率、乘车距离、乘车时间三 个衡量指标，结合收集的数据，建立一种新的补贴方案，即寻求补贴金额与乘客乘车距 离，乘车时间，以及司机获得的好评率三个因素之间的最优比例关系。通过 Matlab 编 程模拟仿真可以得到一个动态的补贴方案，并且根据西安市情况的给出具体的参数，分 别绘制补贴金额随各个因素的变化曲线，与现有市场的补贴政策进行对比论证，得出其 具有合理性，可以推广应用到不同地区，不同公司对出租车的补贴方案中，具有一定的 普遍性。
R
评价总指标 E ：
营业里程数（公里） 行驶里程（公里）
(3)
《2024年“互联网+”时代的出租车资源配置模型》范文
《“互联网+”时代的出租车资源配置模型》篇一互联网+时代的出租车资源配置模型一、引言随着互联网技术的飞速发展，“互联网+”时代已经深入到我们生活的方方面面。
特别是在交通出行领域，互联网与出租车的结合，不仅改变了传统的出租车运营模式，也极大地提升了出租车资源配置的效率。
本文旨在探讨“互联网+”时代下出租车资源配置模型的设计与实施，以优化出租车服务，提高资源利用效率。
二、传统出租车资源配置的局限性在传统模式下，出租车资源的配置主要依赖于司机巡游和乘客叫车两种方式。
这种方式存在资源浪费、效率低下等问题。
一方面，空驶率较高，导致资源浪费；另一方面，乘客在叫车时可能面临等待时间过长的问题。
因此，传统模式下的出租车资源配置亟需改进。
三、互联网+出租车资源配置模型的设计（一）模型概述在“互联网+”时代，通过引入先进的互联网技术和大数据分析，可以实现对出租车资源的有效配置。
该模型主要包括三个部分：数据收集、数据分析与调度优化、服务反馈与改进。
（二）数据收集首先，通过安装车载GPS设备、智能终端等设备，实时收集出租车的位置、状态、乘客需求等信息。
此外，还可以通过社交媒体、手机APP等途径收集乘客的出行习惯和需求偏好等数据。
（三）数据分析与调度优化利用大数据分析技术，对收集到的数据进行处理和分析，预测未来一段时间内的乘客需求和出租车供需情况。
根据分析结果，通过智能调度系统对出租车进行合理调度，降低空驶率，提高出租车的使用效率。
（四）服务反馈与改进通过乘客评价、司机反馈等途径，收集用户对服务的评价和建议。
根据反馈信息，对模型进行持续改进和优化，提高服务质量。
四、实施效果与案例分析（一）实施效果通过实施互联网+出租车资源配置模型，可以有效降低空驶率，提高出租车的使用效率。
同时，乘客可以通过手机APP实时查看附近的可用出租车数量和位置，方便快捷地叫车。
此外，通过大数据分析，还可以为乘客提供个性化的出行建议和推荐。
（二）案例分析以某城市为例，实施互联网+出租车资源配置模型后，空驶率降低了XX%，同时乘客的平均等待时间也缩短了XX%。
《2024年“互联网+”时代的出租车资源配置模型》范文
《“互联网+”时代的出租车资源配置模型》篇一互联网+时代的出租车资源配置模型一、引言随着互联网技术的飞速发展，“互联网+”时代已经深入到我们生活的方方面面。
在交通出行领域，以“互联网+”为基础的出租车服务模式正在逐步改变传统的出租车资源配置方式。
本文旨在探讨“互联网+”时代下出租车资源配置模型的设计、运行及优势，并对其未来发展趋势进行分析。
二、传统出租车资源配置的问题在传统模式下，出租车资源配置主要依靠人工调度和司机的自主运营。
这种方式存在以下问题：1. 供需不平衡：在高峰时段，供不应求；而在非高峰时段，又可能出现空驶率较高的情况。
2. 调度效率低：由于缺乏有效的信息传递和数据分析手段，无法准确判断乘客需求和车辆位置。
3. 乘客体验差：叫车困难、等待时间长、费用不透明等问题较为突出。
三、互联网+出租车资源配置模型的设计针对上述问题，本文提出一种基于互联网的出租车资源配置模型。
该模型主要包含以下几个部分：1. 智能调度系统：通过大数据分析和云计算技术，实时收集并处理交通、天气、乘客需求等数据，为司机提供最优的接单建议。
2. 实时信息发布：乘客可以通过手机APP实时查看附近车辆信息、价格、司机信息等，方便选择合适的车辆。
3. 动态定价机制：根据供需关系和行驶距离等因素，动态调整价格，以平衡供需关系和提高司机收入。
4. 评价系统：乘客可以对司机进行评价，以提高服务质量。
四、模型的运行与优势该模型运行后，可以显著改善出租车行业的运营效率和服务质量。
具体优势如下：1. 提高调度效率：通过智能调度系统，可以实时匹配乘客需求和车辆位置，减少空驶率，提高车辆利用率。
2. 平衡供需关系：通过动态定价机制，可以平衡高峰时段和平峰时段的供需关系，减少乘客等待时间。
3. 提高服务质量：乘客可以通过APP实时查看车辆信息和司机信息，选择满意的车辆和服务。
同时，评价系统可以督促司机提高服务质量。
4. 提升乘客体验：乘客可以通过手机APP轻松叫车、支付和评价服务，提高了出行的便捷性和舒适性。
- 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摘要随着社会经济的快速发展和“互联网+”时代的到来，人们越来越享受物质生活带来的便捷，出租车逐渐成了出行的重要交通工具。
因为出租车不仅能够提供灵活、方便、直通的运输服务，并且让居民的出行更加实惠可靠。
之后打车软件的出现把出租车出行推向了热潮，许多公司为了盈利规划出各种补贴方案，我们通过对现有补贴方案的分析讨论，进而推出一种更优的补贴方案。
针对问题一，我们通过搜集相关资料，通过matlab软件，把成都市的不同时间和不同区域的出租车的需求量和供应量表示并进行分析。
应用Excel表格，体现不同车速下的的城市干道的通行能力，并令其做为指标，通过通行状况进而与出租车和乘客量相匹配，得出在时间上早晨9点左右与晚上8点左右是打车高峰期，容易出现“打车难”现象；在地区分布上，都江堰区，成华区和青羊区出租车容易出现出租车供不应求的关系。
针对问题二，利用matlab软件，根据滴滴打车和快的打车两种补贴方案，从打车难易指数的角度进行分析。
根据最初的补贴的补贴方案，滴滴打车的司机会选择交通比较便利、行程较近的道路搭乘乘客，但在后半段补贴投入突然大幅下降会造成客户源的大量流失。
由于高峰和低峰期居民对出租车的需求量不同，快的软件虽然增加了补贴效益，但可能会增加行驶行程从而增大可变成本。
通过对这两个打车软件的分析，即使它们在一定程度上缓解了打车难局面，然而在后补贴时代，打车软件仅仅一个打车功能显然无以为继。
针对问题三，我们采取动态补贴方案，根据时间与空间的不同，给予相应补贴。
此处，我们以成都为例，划分九个区域，分为高峰与常规时段，以成都某日各区域各时刻出租车数量与车单数为基础，制定动态补贴方案。
关键词：打车软件匹配模型动态补贴方案Matlab软件一、背景分析与问题重述随着社会经济的快速发展，城市人口密度和车密度逐渐增大，人们出行的重要交通工具——出租车，产生了“打车难”这一问题。
目前我们国家积极推行“互联网+”，让我们的生活拥有更加便捷的设施，嘀嘀打车和快的等打车软件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。
本题要求我们建立数学模型来解决以下问题：问题一：根据搜集的相关资料，建立合适的指标来分析不同时空出租车资源的“供求匹配”程度。
问题二：通过了解各公司的出租车补贴方案，判断这些方案能否缓解“打车难”现象。
问题三：根据（1）和（2）的结果分析，为一个新的打车软件服务平台设计一个新的补贴方案，并论证其合理性。
二、问题分析问题一：为了衡量不同时空出租车资源“供求匹配”程度，开始根据滴滴、快的智能出行平台查找到成都市出租车的分布情况和乘客的需求情况，根据这些数据，通过matlab作图反应出租车分布和乘客需求的分布情况，从时间上和空间上得到乘客需求较大的高峰期。
用Excel绘出城市干道的通行能力并作为指标。
在此基础上，建立匹配模型，从车流状况和需求状况与出租车分布来判断打车的难易程度和其难易程度的分布。
问题二：首先从根源上分析打车难的原因，通过matlab制图，通过选取最具有代表性的两个打车软件——滴滴打车和快的打车进行补贴方案分析。
快的打车的补贴增加了补贴效益，但可能会增加行驶行程从而增大可变成本。
而滴滴打车的补贴方案是每一笔减免，增加了补贴效益。
最后通过补贴方案对指标的影响，从而分析出租车补贴供求匹配度的改变。
根据匹配度反映补贴方案是否可以缓解“打车难”。
问题三：问题三要求我们设计补贴方案并论证其合理性，我们可以将某城市分为九个区，分区分时，找出每辆车所获补贴与其接单数的关系，并建立函数关系来求解动态补贴金额。
三、模型假设1.假设所搜集的出租车分布资料，出租车需求量符合地区状况。
2.假设所使用打车软件可以估算所有的居民需求。
3.假设乘客和出租车司机会因补贴方案更喜欢使用打车软件。
4.假设乘客在每个区域打车的难易程度是一样的。
四、符号说明v出租车的行驶车速v出租车的最高车速fk车辆密度k车辆阻塞密度jq汽车流量N单位时间内通过道路上指定断面的最大车辆数d两车之间的安全距离3d车辆的标准长度4d前后两车最小车头间隔S司机一天的总收益l出租车总行驶路程in某一区域内某刻有出租车总辆数g每单司机可获补贴z所有出租车总共接单数c每辆出租车接单数五、数据搜集数据来源于互联网，使用的是Github上yiyuezhuo的项目，其利用的python爬虫技术将苍穹滴滴快的智能出行平台数据爬取了下来，项目地址：https:///yiyuezhuo/cangqiong-scratch由于其已经将成都市2016年3月10日的数据爬取了下来，故本篇报告的数据支持为3月10日成都市的数据。
数据大致分为五种，分别是打车需求量，出租车分布，车费，被抢单时间，打车难易度。
六、模型的建立与求解6.1问题一模型的建立与求解6.1.1建模前分析通过对成都市一天内不同时间段的出租车需求量和供应量的对比，我们可以得出供求关系，而这种关系存在三种情况：供不应求，供过于求，供求相等。
我们以城市干道的通行能力为指标，对不同时空出租资源的“供应匹配”关系进行分析。
6.1.2数据分析与描述根据所搜集的数据进行整理，得到成都市在2016年3月10日一天内打车需求量三维曲面图。
图1-12016年3月10日一天内打车需求量三维曲面图图1-22016年3月10日成都市出租车分布散点图根据图1-1我们可以得出成都市大概在经纬度（103.64，31.00）、（104.10，30.67）的需求量最大，出租车数量点阵我们将图1-1与此拟合，得到在2016年3月10日这天出租车分布的散点图，从经纬度坐标我们通过拾取坐标系统（数据来源：/lbsapi/getpoint/index.html）可以得出在空间上成都市的都江堰市和青羊区出租车供不应求。
由于还存在出租车和乘客需求分布不均衡现象。
像都江堰市非常集中，而个别乘客分布点则非常孤立，周边基本上不存在出租车，显然，这也会导致打不到车的现象，但在其它地区基本上供求平衡。
图1-3成都市0-4时打车需求量图1-4成都市0-4时打车情况图1-5成都市5-8时打车需求量图1-6成都市5-8时打车情况图1-7成都市9-12时打车需求量图1-8成都市9-12时打车情况图1-9成都市13-16时打车需求量图1-10成都市13-16时打车情况图1-11成都市17-20时打车需求量图1-12成都市17-20时打车情况图1-13成都市21-24时打车需求量图1-14成都市21-24时打车情况由图1-3到图1-14描绘出了成都市全天打车的需求量和打车的情况，由上图数据可以明确的得出无论何时，均存在一定的出租车分布和乘客需求，对于夜生活繁华的成都，午夜乘坐出租车的居民也较多。
通过观察数据分布图，我们认为，在早晨9点左右，晚上21点左右，是乘客需求较大的高峰期，很容易造成出租车供不应求的关系。
6.1.3城市干道的通行能力道路通行能力是指单位时间内通过道路上指定断面的最大车辆数，是度量道路疏导交通能力的指标，其数值是相对稳定的。
在正常运行状态下，当交通流量远小于通行能力时，车速高，呈自由流状态；随着车辆的增加，运行状况恶化，当流量接近通行能力时。
车速降低，呈强制流状态，出现交通拥堵。
城市道路通行能力是影响出租车出行载客的一项重要因素，根据Greensheilds提出的车速与密度的线性模型)/1(j f k k v v -=（1）将常用的线性模型（1）代入vk q =中，得到流量与密度的关系)/1(j f k k k v q -=（2）由（1）和（2）可以导出流量与车速之间的关系)/1(f j v v v k q -=（3）也就是一条抛物线，最大流量出现在车速2/f v v =，即畅行车速的一半之处。
最小车头间隔主要有刹车距离决定，而刹车距离又与车速密切相关，交通工程中常用如下公式计算最小车头间隔d4320d d cv vt d +++=（4）根据经验知，很显然dv N /1000=（5）将（4）代入（5）中并进行单位换算，可得v d d cv t N 4306.31000+++=（6）参考交通工程的专业教材在一般情况下可取司机的刹车反应时间0t 为1秒，系数c 为0.013，安全距离3d=2m，按照（6）的计算结果如下图：图1-15城市干道基本通行能力N 与车速v 的关系图由初等数学知识可知，由（6）式可以得到当车速c d d v 43+=时通行能力N 达到最大值)(26.31000430d d c t N m ++=，当430,,,d d c t 变大时最大通行能力m N 减小。
6.1.4出租车和乘客的匹配模型由图1-15的折线图我们可以判断，当平均车速在28km/h 时，城市干道通行能力最强，也就说明当车速为28km/h，出租车司机可以最大限度的载客。
根据下图成都市3月10日各地区的平均车速来看：金牛区，锦江区平均车速比较贴近28km/h,出租车应当供应匹配，而在都江堰市，成华区，青羊区平均车速比较慢，容易造成出租车供不应求的现象。
图1-16成都市2016.3.10日各地区平均车速分布图综合以上成都市不同时空租车资源的“供求匹配”程度，我们可以得出以下结论：在时间上，早晨9点左右与晚上8点左右是打车高峰期，容易出现“打车难”现象；在地区分布上，都江堰市，成华区和青羊区出租车容易出现出租车供不应求的关系。
6.2问题二模型的建立与求解6.2.1模型的建立图2-1打车软件顾客补贴方案图2-2打车软件出租车司机补贴方案利用matlab 软件，绘制出滴滴打车和快的打车对司机和顾客的补助，如上图2-1，图2-2。
根据图表，我们可以看出补助金额的是逐渐降低以致为零。
由此可见，这些打车软件公司希望先通过大量的补贴来吸引乘客和司机，以提升知名度，并且尽快抢占市场份额，进而拉近与消费者之间的关系。
待消费者使用习惯形成后再行收费，巨大的经济效益会显现出来。
根据补贴趋势，我们可以分析到：1.当补贴很高的时候，一方面司机更愿意去接收订单，这样会大大减少乘客的等待时间。
另一方面，乘客也更倾向于使用打车软件，但是这对其中老人小孩，这些没有使用软件下订单的群体，便出现了“打车难”这一局面。
2.当补贴降为0以后，很显然司机的抢单热情下降，乘客也不再钟情于打车软件。
当到了打车高峰期，司机可以随时随地都可能拉到客人，而那些使用打车软件的乘客等车时间将会拉长。
综上所述，打车的难的局面并没有因为打车软件的存在而缓解。
6.2.2公司出租车补贴方案分析对于打车难这一问题，它的根源所在应该为出租车司机的收益问题。
出租车司机在拉客服务的过程中，考虑的是自己经济效益的所在。