基于投入产出模型对机场出租车决策的研究
来源:用户上传
作者:
摘 要：针对机场出租车司机决策及资源配置问题，文章综合考虑出租车司机和乘客双重效益，把出租车司机的决策过程看作对投入产出预估进而决策的过程，建立投入产出系统及向量法决策模型，应用Poisson分布、基于Delphi法改进后的AHP等方法量化各指标，分析得到决策方案。并选取2017年首都机场的实际相关数据，结合圈层外推法，对模型进行检验，验证了模型的有效性。该模型可更好地对机场出租车司机的决策进行量化研究，也可以为机场制定相关政策提供可靠依据。
关键词：向量法决策模型;改进AHP法;Poisson分布;选择策略
中图分类号：U492.41 文献标志码：A 文章编号：2095-2945（2020）16-0066-03
Abstract： Aiming at the problem of airport taxi driver decision-making and resource allocation， this paper comprehensively considers the dual benefits of taxi driver and passenger， regards the taxi driver's decision-making process as the process of input-output prediction and decision-making， establishes the input-output system and vector decision-making model， quantifies each index by using Poisson distribution and improved AHP based on Delphi method， and analyzes the decision-making scheme. The actual data of the Capital Airport in 2017 was selected， and the model was tested in combination with the sphere extrapolation method to verify the validity of the model. The model can better quantify the taxi driver's decision at the airport， and can also provide a reliable basis for the airport to formulate related policies.
Keywords： vector method decision model; improved AHP method; Poisson distribution; selection strategy
1 概述
出租車作为机场运输的主要交通工具之一，对机场的客运起着至关重要的作用。大多数乘客抵达机场后可通过乘坐出租车到达目的地，而出租车司机可以选择在机场蓄车池等待接客，也可以选择空载回到市区载客，而在现实情况中，有诸多因素会影响出租车司机的决策。由于出租车司机是独立的实体，其决策会影响机场的出租车供应，因此，有必要深入分析影响出租车司机决策的因素及其机理，找出最佳选择策略，提高机场运输效率。
国外对出租车司机决策问题的研究较早，提出的研究方法和模型相对较多。如：M. Anil提出一种基于大型出租车GPS数据集的逻辑回归模型，量化各参数的潜在影响。Saiedur针对机场出租车和乘客排队环境的不平衡性，提出了融合三个现实世界数据集的队列预测模型。R.C.P. Wong提出一种采用顺序logit方法对客户搜索中的空乘出租车驾驶员的双层决策建模方法。随着国内机场的不断建设和服务设施完善，机场运输越来越规范化和智能化。黄岩[1]提出一种出租车上客点系统的设计及现场组织管理方法。耿中波[3]建立了基于VISSIM微观交通仿真的比选方法。吴娇蓉[2]抽象出3种典型的出租车管理模式，分析了不同模式的特点、运行效率和设置方式。
本文为对不同决策的有效性进行评估，选择投入、产出和不均衡性三类一级指标建立决策选择模型。通过对决策模型三个指标的量化，确定决策向量，从而选择出最优决策方案。并结合圈层外推法、改进AHP法进行实例分析，给机场出租车司机提供决策选择方案，根据实际数据对模型的合理性以及相关因素的依赖性进行分析。
2 模型建立
通过查阅相关资料[3]以及结合机场实际情况得知，即使全国各个地区经济发展水平、交通运输能力、机场年均航班数普遍存在差异，但影响机场出租车司机决策的主要因素却大致相同，且所选指标应具有科学性、代表性、全面性，因此本文提出一种基于投入产出系统的出租车司机决策模型，即将司机的决策过程看作一个对投入产出预估计后进行决策的过程，建立此系统的一级评价指标为投入（成本）、产出（收益）、不均衡性，此处不均衡性为客观随机的对司机决策产生影响的因素;再在这三类一级指标基础上建立各个二级评价指标，并通过对这些评价指标的量化，得到投入产出系统定性定量的综合评价体系，进而分析研究与出租车司机决策相关因素的影响机理[4]。
2.1 基于Poisson分布对投入指标的量化
根据实际情况，采取排队论中的等待制模型M/M/S/∞，该模型中出租车到达规律服从参数为？姿的Poisson分布，在[0，t]时间内到达的出租车数x服从的分布为：
2.2 对产出指标的量化 因为在此模型中出租车司机的产出即盈利主要来源于拉送顾客所得直接盈利额，所以设单次任务所产生的直接盈利额为h，则单次任务产出P（h）=h。
2.3 改进AHP方法对不均衡性指标的量化
本文采用改进AHP方法对不均衡性指标进行量化。首先根据各指标之间的层次关系，利用相关数据进行拟合得到各因素图像，并通过文献中专家的意见来确定不均衡因素的各个二级指标对影响司机决策因素的影响程度，以此构造判断矩阵。但由于没有完善、统一的模型来对指标做出合理性的分析，各种模型的分析评价都存在着对指标分析的不准确性，因此本文利用Delphi法对数据进行筛选，结合多位专家意见选取影响出租车司机决策的指标，避免决策的片面性。模型表示为：
2.4 决策向量评价体系
3 实例分析
利用2017年首都机场的相关数据[3]，采取上述模型进行评估决策，进而给出首都机场出租车司机的决策选择方案，并通过数据检验分析上述模型的合理性和对相关因素的依赖程度。
因为北京市所有出租车辆不可能都开往首都机场，因此结合圈层外推法确定首都机场吸引出租車的有效半径为18.6524km。采用改进AHP法所得最终确定加权后的不均衡性指标为：I=0.1356x1+0.3845x2+0.0862x3+0.3937x4。
对2017年首都机场相关数据分析如下：
（1）天气因素
第I类天气下的日均进港旅客数相对其它三类天气多了约11%，而另外三类天气下的日均进港数之间差异很小，这主要是因为第一类天气对航班及旅客出行几乎无影响，而第II、III、IV类天气较恶劣，对航班降落影响较大，容易造成航班延误、滞客等情况，间接影响了出租车乘车点的顾客人数。
（2）不同季节进港人数
虽然进港旅客数春季（3、4、5月）较少，夏季（6、7、8月）较多，但不同季节之间进港旅客数并无显著差异，因此季节对机场乘坐出租车的人数影响较小。
（3）不同时间段的进港人数
旅客进港人数在早上8：30后剧增，并分别在11：30、16：30、23：30附近形成高峰期，随后在23：40后锐减，因此一天中各时段旅客进港情况对出租车司机决策的影响较大
（4）产出收益
由北京市出租车收费情况可知虽然单次任务平均耗油费波动很小，但也是出租车司机时常关注的因素;由其影响因素作用机理分析可知上述影响因素对不均衡性指标的影响程度与量化的不均衡性指标符合得很好，验证了该模型的合理性。
所以依据投入产出系统模型基于不均衡性指标最小、资源绩效比最大使该系统向量模值最小的原则，该机场出租车司机的决策方案应为：
在第I类天气、节假日、11：30-23：30时间段、夏季等条件下选择前往蓄车池等待载客更优。
在第II、III、IV类天气、工作日、23：30-11：30时间段、春秋冬季等条件下选择空车返回市区拉客更优。
由以上数据分析及验证可知该模型具有优良的鲁棒性，且对节假日、天气、不同时间段、消耗油费、单次直接盈利额、司机完成单次任务所需时间成本等因素具有很强的依赖性，而对季节等因素则依赖性较低。
4 结束语
（1）通过分析研究与出租车司机决策相关因素的影响机理，综合考虑了机场乘客数量的变化规律和出租车司机的收益，建立了基于投入产出系统的出租车司机决策模型以及向量评价体系，将抽象系统影响因素可视化和量化，便于定性定量分析。
（2）通过实例研究验证了模型的有效性，能够为出租车司机作出更有利的决策。
参考文献：
[1]黄岩，王光裕.虹桥机场T2航站楼出租车上客系统组织管理优化探讨[J].城市道桥与防洪，2014（12）：7-9+35-36.
[2]吴娇蓉，李铭，梁丽娟.综合客运枢纽出租车上客点管理模式和效率分析[J].交通信息与安全，2012，30（04）：18-23.
[3]耿中波，宋国华，赵琦，等.基于VISSIM的首都机场出租车上客方案比选研究[J].中国民航大学学报，2013，31（06）：55-59.
[4]范筱洁，王园园.圈层外推法在交通影响分析中的应用[J].交通与计算机，2007（03）：137-140+145.
转载注明来源:https://www.xzbu.com/1/view-15231234.htm
