賀小麗+郭歡+樂(lè)朦+李明+李家越

摘 要：本文通過(guò)對(duì)某打車(chē)軟件后臺(tái)所抓取的數(shù)據(jù)信息為依據(jù)，采用灰色關(guān)聯(lián)度分析、神經(jīng)網(wǎng)絡(luò)算法等理論知識(shí)，借助MATLAB軟件編程，以武漢市為例對(duì)出租車(chē)市場(chǎng)的相關(guān)問(wèn)題進(jìn)行了系統(tǒng)分析研究。

關(guān)鍵詞：空駛率；灰色關(guān)聯(lián)分析；神經(jīng)網(wǎng)絡(luò)模型

中圖分類(lèi)號(hào)：U492 文獻(xiàn)標(biāo)識(shí)碼：A

1.出租車(chē)市場(chǎng)供求匹配灰色關(guān)聯(lián)度模型和神經(jīng)網(wǎng)絡(luò)模型

1.1 灰色關(guān)聯(lián)度分析理論

灰關(guān)聯(lián)分析是基于灰關(guān)聯(lián)空間而建立的一種分析方法，較好地融合了距離空間與拓?fù)淇臻g的特點(diǎn)。對(duì)一個(gè)抽象的系統(tǒng)或現(xiàn)象進(jìn)行分析，首先確定反映系統(tǒng)行為特征的數(shù)據(jù)序列，還需進(jìn)一步明確影響系統(tǒng)主行為的有效因素。有了系統(tǒng)行為特征數(shù)據(jù)和相關(guān)因素的數(shù)據(jù)，即可作出各個(gè)序列的圖形，從直觀上進(jìn)行分析。具體數(shù)學(xué)描述如下：

1.2 神經(jīng)網(wǎng)絡(luò)理論

人工神經(jīng)元的結(jié)構(gòu)模型，它是一個(gè)多輸入單輸出的非線性閾值器件，其中x1，x2，…xn表示神經(jīng)元的n個(gè)輸入信號(hào)量；w1，w2，…，wn表示對(duì)應(yīng)輸入的權(quán)值，它表示各信號(hào)源神經(jīng)元與該神經(jīng)元的連接強(qiáng)度；A表示神經(jīng)元的輸入總和，它相應(yīng)于生物神經(jīng)細(xì)胞的膜電位，稱為激活函數(shù)；y為神經(jīng)元的輸出；θ表示神經(jīng)元的閾值。

2.實(shí)例分析

2.1 數(shù)據(jù)的抓取和數(shù)據(jù)分析

數(shù)據(jù)采集步驟：

第一步，下載安裝Firefox瀏覽器。

第二步，打開(kāi)Firefox瀏覽器的菜單欄，在窗口最上方，點(diǎn)擊鼠標(biāo)右鍵，選擇“菜單欄”。

第三步，選擇工具——Web開(kāi)發(fā)者——瀏覽器控制臺(tái)，點(diǎn)擊“網(wǎng)絡(luò)”，則會(huì)顯示所有Firefox的通信消息。

第四步，打開(kāi)Firefox瀏覽器，輸入滴滴快的智能出行平臺(tái)網(wǎng)址（v.kuaidadi.com），點(diǎn)擊重要城市情況，選擇武漢城市，在可視化維度選擇中會(huì)出現(xiàn)出租車(chē)分布、打車(chē)難易度、打車(chē)需求量、被搶單時(shí)間、車(chē)費(fèi)、出行軌跡以及時(shí)間這幾個(gè)選項(xiàng)。

第五步，選擇出租車(chē)分布，在窗口下方時(shí)間軸的自動(dòng)掃描下，瀏覽器控制臺(tái)中會(huì)顯示所有Firefox的通信消息，只有標(biāo)志成XHR的通信消息才含有ZIP數(shù)據(jù)。

第六步，點(diǎn)擊其中一條消息，使用鼠標(biāo)右鍵，選擇菜單中“在新的瀏覽器標(biāo)簽頁(yè)中打開(kāi)”，即可以得到最近一周內(nèi)某一天24小時(shí)出租車(chē)分布的數(shù)據(jù)。

其中114.2732，30.5772分別代表經(jīng)緯度，163代表出租車(chē)分別數(shù)量。

第七步，在可視化維度選擇中依次點(diǎn)擊打車(chē)難易度、打車(chē)需求量、被搶單時(shí)間、車(chē)費(fèi)、出行軌跡，使用相同的方法，得到各個(gè)數(shù)據(jù)。

2.2 神經(jīng)網(wǎng)絡(luò)模型具體計(jì)算

將城市居民年人口總量、城市居民人均出行次數(shù)、城市居民人均出行距離、出租車(chē)平均營(yíng)運(yùn)時(shí)間、出租車(chē)平均車(chē)速出租車(chē)保有量作為輸入數(shù)據(jù)，以空乘率作為輸出來(lái)構(gòu)建出租車(chē)供求匹配程度分析的神經(jīng)網(wǎng)絡(luò)模型。采用的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為6-7-1，輸入層為6個(gè)神經(jīng)元，作用函數(shù)為線性傳遞函數(shù)（purelin），對(duì)應(yīng)輸入的權(quán)值w1，w2，...，w6分別用其對(duì)應(yīng)指標(biāo)與空駛率的關(guān)聯(lián)度；隱含層有7個(gè)神經(jīng)元，作用函數(shù)為對(duì)數(shù)S型傳遞函數(shù)（sigmoid）；輸出層為1個(gè)神經(jīng)元，作用函數(shù)同隱含層一樣為對(duì)數(shù)S型傳遞函數(shù)（sigmoid）。

2.3 模型檢驗(yàn)

以武漢市三環(huán)以內(nèi)城區(qū)為研究對(duì)象，根據(jù)附件四（滴滴打車(chē)智能平臺(tái)武漢市信息統(tǒng)計(jì)表）和相關(guān)資料得到以下數(shù)據(jù)：武漢市一天內(nèi)平均運(yùn)行的出租車(chē)數(shù)量，并可得到武漢市出租車(chē)的平均運(yùn)營(yíng)時(shí)間。得到一天內(nèi)統(tǒng)計(jì)的1643次乘車(chē)中共行駛10179km，平均每次出行里程D=6.195375。同時(shí)根據(jù)相關(guān)數(shù)據(jù)統(tǒng)計(jì)可以得到：

即9月6日武漢市出租車(chē)資源整體上處于供應(yīng)平衡的狀態(tài)。再利用同一地點(diǎn)9月4日的數(shù)據(jù)得到K=37.4252%以上2組結(jié)果表明武漢市出租車(chē)市場(chǎng)供需關(guān)系整體上處于平衡狀態(tài)。

2.4 分時(shí)段計(jì)算

據(jù)調(diào)查數(shù)據(jù)分析，得出了每一時(shí)刻的出租車(chē)空駛率，在8點(diǎn)9點(diǎn)早上班高峰空駛率呈負(fù)數(shù)，表明當(dāng)前情況出租車(chē)市場(chǎng)極度不平衡，中午12點(diǎn)午休時(shí)間及下午4至6點(diǎn)下班高峰期都屬于同一種情況；晚10點(diǎn)以后至早上7點(diǎn)以前空駛率極高最高峰可達(dá)90%；其余時(shí)間空駛率基本穩(wěn)定在30%～50%表明出租車(chē)市場(chǎng)供需基本平衡或供略大于需。利用上述數(shù)據(jù)按出租車(chē)分布100輛以上的為繁華區(qū)、60～100輛的為一般地區(qū)、60輛以下的偏遠(yuǎn)地區(qū)。假設(shè)繁華區(qū)、一般區(qū)、偏遠(yuǎn)區(qū)分擔(dān)城市出行量分別為50%，30%，20%。計(jì)算得空駛率為

其結(jié)果表明繁華區(qū)供需極度不平衡，一般區(qū)需求略大于供，偏遠(yuǎn)區(qū)供大于求。

結(jié)語(yǔ)

本文的神經(jīng)網(wǎng)絡(luò)模型使用了較為大量的數(shù)據(jù)作為系統(tǒng)輸入，因此在擁有足夠數(shù)據(jù)庫(kù)的情況下可以直接進(jìn)行其他市場(chǎng)或系統(tǒng)的相關(guān)計(jì)算，應(yīng)用面廣，拘束力不強(qiáng)，模型可以向同樣有多重因素相互作用和影響的事件推廣。

參考文獻(xiàn)

[1]帥朝暉.城市出租車(chē)資源配置研究[D].上海交通大學(xué)，2011.