数学建模y05C城市出租车交通规划综合模型

城市出租车交通规划综合模型

一、问题重述

城市中出租车的需求随着经济发展、城市规模扩大及居民生活方式改变而不断变化。目前某城市中出租车行业管理存在一定的问题，城市居民普遍反映出租车价格偏高，另一方面，出租车司机却抱怨劳动强度大，收入相对来说偏低，整个出租车行业不景气，长此以往将影响社会稳定。

现为了配合该城市发展的战略目标，最大限度地满足城市中各类人口的出行需要，并协调市民、出租车司机和社会三者的关系，实现该城市交通规划可持续发展，需解决以下的问题：

（1）从该城市当前经济发展、城市规模及总体人口规划情况出发，类比国内城市情况，预测该城市居民的出行强度和出行总量，这里的居民指的是该城市的常住人口。同时结合人口出行特征，进一步给出该城市当前与今后若干年乘坐出租车人口的预测模型。

（2）根据该城市的公共出行情况与出租车主要状况，建立出租车最佳数量预测模型。

（3）油价调整（3.87元/升与4.30元/升）会影响城市居民与出租车司机的双方的利益关系，给出能够使双方都满意的价格调节最优方案。

（4）针对当前的数据采集情况，提出更合理且实际可行的数据采集方案。（5）从公用事业管理部门的角度考虑出租车规划的问题，写一篇短文介绍自己的方案。二、模型假设

1．常住人口和暂住人口的出行特征相近，划分为第一类人，在所有分析过程中假设其出行特征完全一样。而短期及当日进出人口为第二类。

2．由于短期及当日进出人口情况复杂，假设第二类人口在于乘坐出租车方面相关出行特征（如乘车出行强度等）在未来几年内保持不变。

3．由于城市地理状况和居民的生活习惯在短时期内不易改变，所以在各交通小

2005年全国研究生数学建模竞赛一等奖1

中山大学：辛松歆，林嘉伟，肖彦子

区之间采用的出行方式也相对固定，假定居民从A地到B地所习惯采用的出行方式在未来几年内保持不变。

4．假设居民中出行人口占总人口数的比例不变。

5．假设对于出行人口而言，在出行方式选择方面的比例与出行人次的比例一样。6．假设在未来几年内，出租车固定营运成本不变。

7．由于每次一起打车的人数，与居民的生活习惯相关，所以假设出租车每趟载客人次不变，即不受出租车数目和收费方案的不同而改变。

8．基于题目给出的图表数据，假定出行与公交数据的统计口径只针对常住人口，不包括其他人口。

9．由于数据的采集统计等存在误差，本文假定所有计算数据在5%~10%误差范

围内可以接受。三、问题分析

题目中要求考虑城市的发展战略目标，人民群众的出行需要，减少环境污染和资源消耗，并结合该城市经济和自身特点，类比国内外城市情况，预测该城市居民出行强度和出行总量。由于题目附录给出的历史数据几乎只有2004年一年的数据，而做一次出行调查将耗费大量人力物力，所以对一个城市而言也无法得到太多出行特征的历史数据。为了更好地预测该城市居民的出行强度，必须通过对我国其他城市特别是规模相近城市的居民出行特征的分析，总结出规律并以此来预测。

对于乘坐出租车人口的预测的问题，由于人们生活习惯相对固定，所以在各交通小区之间采用的出行方式也相对固定。所以针对规划期中交通总量在各区中的增长，通过交通分布的OD矩阵如何计算出未来各区的交通量成为预测乘坐出租车的人口准确与否的关键。再者，题目给出的只是常住人口的出行方式的数据，而乘坐出租车的人口中即包括了常住人口也包括了流动人口，而且流动人口由于对城市的不熟悉，坐出租车的机会更大，所以必须充分考虑第二类人口对预测的影响。

如何预测该城市出租车的最佳数量，除了考虑乘坐出租车人口数量外，还必须考虑出租车的运行状况，通过考虑出租车所承担的城市客运交通量和出租车的

2005年全国研究生数学建模竞赛一等奖

2

中山大学：辛松歆，林嘉伟，肖彦子

空驶率的关系，从而确定出租车的最佳拥有量和实际运营数量。

如何评价一种出租车收费方案的优劣，如何在油价调整后给出一种可行的收费方案，除了考虑空驶率外，应该兼顾公众、出租车方和社会环境等综合因素给出，本文将紧紧围绕这一线索在下文展开建模、求解和分析的过程。四、符号定义

下标r、t、s:分别表示常住人口（Resident）、暂住人口（Temporary）、短期

及当日进出人口（Shortdated）。而1表示第一类人，2表示第二类人。

Popk：表示k类人口的数量，如Popr表示常住人口的数量。

Traffic

Popk：表示乘坐某种交通工具的k类人口的数量。

TIk,year：表示year年k类人的出行强度(TravelIntensity)，如TIr,2004表示2004

年常住人口的出行强度，单位：人次。

，如TQr,2004表示TQk,year：表示year年k类人的日均出行总量（TravelQuantum）

2004年常住人口的日均出行总量，单位：人次/日；

GIi：分别表示表示i年的人均可支配收入(GovernableIncoming)，单位：元。CGIi,j：表示到i年j月累计人均可支配收入(CumulativeGovernableIncoming)

单位：元

QTraffic,year：表示year年以Traffic交通方式出行的OD分布矩阵，如QBus,2004表示

2004年公交出行的OD分布矩阵，而QAll,2004表示2004年全方式出行的OD分布矩阵。其中tij（t是Traffic交通方式单词的开头字母）表示从i区到j区的以Traffic交通方式出行量。

RTraffic：表示在各交通小区之间采用的Traffic出行方式所占的比例的OD分布矩

阵，其中t'ij（t是Traffic交通方式单词的开头字母）表示从i区到j区的以Traffic交通方式出行占所有交通模式的比例。该矩阵在未来几年

2005年全国研究生数学建模竞赛一等奖

3

中山大学：辛松歆，林嘉伟，肖彦子

内保持不变。

Gi：表示各交通小区i的交通发生量，单位：人次。Aj：表示各交通小区j的交通吸引量，单位：人次。Fgi：表示交通小区i的发生交通量的增长系数Fgi、Faj。Faj：表示交通小区j的吸引交通量的增长系数Fgi、Faj。C：表示常量。

Diste：表示日均每辆出租车有效（Effective）行驶里程（Distance），即出租车载

客时的日均行驶里程。

Distine：表示日均每辆出租车无效（Ineffective）行驶里程（Distance），即出租车

在未载客时的日均行驶里程。

TDiste：表示日均全市出租车的总（Total）有效行驶里程。TDistine：表示日均全市出租车的总无效行驶里程，

Dist：表示日均每辆出租车行驶的总里程，一天中有效行驶里程与无效行驶里程

之和。

TDist：表示日均全市出租车行驶的总里程。T：表示日均每辆出租车运营时间。

Vwoking：表示平均运营速度，出租车全天行驶总里程与运营时间之比，平均运营

速度与出租车行驶速度以及驾驶员等客、休息时间的长短有关。

P：表示平均每趟载客（Passenger）人数。

D：表示平均每趟载客坐出租车的出行距离（Distance）。

N：表示某一年全市出租车的拥有量。

NWorking：表示出租车的每天实际运营的量，这是由于部分出租车处于年检或维修

而没投入运营。

d：表示出租车中每日实际运营的弹性比例。VR：为空驶率。

2005年全国研究生数学建模竞赛一等奖

4

中山大学：辛松歆，林嘉伟，肖彦子

五、模型的建立

1．城市居民出行强度和出行总量的预测模型

由于考虑到出行强度的调查数据只能来自于对城市大规模的交通普查，在现实中考虑到经济成本的原因，只能若干年做一次普查，所以一般不能得到详尽的常住人口出行强度的历史数据。

因此，只能通过对我国其他城市特别是规模相近的城市的居民出行特征的分析来取得对未来各年的常住人口出行强度预测的方法，这里主要采取了截面数据的多元回归预测的方法。即选择常住人口出行强度为因变量；城市（或区）常住人口规模、城市（或区）建成面积、人均可支配收入为自变量。（1）城市规模发展预测

我国城市在未来一段时间内，规模会不断扩大，人口会不断增加，人民生活水平将不断提高。针对城市的总体规划，可以根据未来人口规模（2010年及2020年）采用三次样条曲线进行插值。采用Matlab软件进行数据处理，得到2004年~2020年各年预计的人口规模，如下表：

表1.1：2004年~2020年各年预计的人口规模

年份

项目常住人口流动人口其中

暂住人口短期、当日进出人口

总体规划人口规模（单位：万人）

2004185.1555.0033.0022.00240.15

2005199.3759.8435.9123.94259.21

2006212.82.4238.6525.77277.24

2007225.5168.7241.2327.49294.23

2008237.4472.73.6529.10310.19

2009248.6076.5145.9130.60325.11

2010259.0080.0048.0032.00339.00

………………………………

2020321.00100.0060.0040.00421.00

合计

第一类人口第二类人口

218.1522.00

235.2723.94

251.4725.77

266.7427.49

281.0929.10

294.5130.60

307.0032.00

…………

381.0040.00

其中第一类人口包括常住人口和暂住人口，第二类人口包括短期及当日进出人口，这是根据出行特征划分的，把出行特征相近的人口划归为一类。

通过观察1980~1998年南京等各主要城市面积与城市人口规模增长率的变化规律，大致呈现城市面积随着人口规模的增大而增大，具体参考文献[2]。但由于各城市的地理位置不同，具体的增长率亦有所不同。所以为简化起见，在此

2005年全国研究生数学建模竞赛一等奖

5

中山大学：辛松歆，林嘉伟，肖彦子

假定，该城市发展也大致满足该规律：城市面积的增长率大约等于该城市人口规模增长率的一半左右。由此可以得到2004年~2020年各年预计的城市面积规模，如下表：

表1.2：2004年~2020年各年预计的各年预计的城市建成面积（单位：平方公里）

年份城市建成面积

2004181.77

2005195.73

2006208.94

2007221.39

2008233.1

2009244.06

20102.27

…………

2020315.14

观察附录2中的某城市2002~2004年1～12月份居民累计收入与消费情况，由于给出的数据有4个月份（即1、2、11、12月）的累计数据缺失，故选用了三年各月份都完整的其余8个月份的数据。

首先，利用普通最小二乘（OLS）的思想，找出一个平均的居民可支配收入年增率RGI（RateofGovernableIncome）来最小化：

minåCGI2002,j(1+RGIi)-CGI2003,j

RGIi

j=3

10

{[]+[CGI

2

2003,j

(1+RGIi)-CGI2004,j]2}在Matlab中，采用无约束优化中默认的BFGS算法，求出最近似的年增长率RGI为：11.09%；接着，根据2004年末居民累计可支配收入额，即2004年度居民累计可支配收入额：GI2004=CGI2004,12=8617.48(元)

最后，由RGI和GI2004得到2004年~2020年各年居民可支配收入，如下表：

表1.3：2004年~2020年各年预计居民可支配收入（单位：元）

年份每年居民可支

配收入

20048617.48

20059573.16

200610634.82

200711814.22

200813124.42

…………

202046363.88

综上所述，该城市的整体规模如表1所示：

表1：2004年~2020年各年城市总体规划规模

年份

项目常住人口流动人口其中

暂住人口短期、当日进出人口

城市总体规划规模

2004185.1555.0033.0022.00218.1522.00

2005199.3759.8435.9123.94235.2723.94

2006212.82.4238.6525.77251.4725.77

2007225.5168.7241.2327.49266.7427.49

2008237.4472.73.6529.10281.0929.10

2009248.6076.5145.9130.60294.5130.60

2010259.0080.0048.0032.00307.0032.00

……………………………………

2020321.00100.0060.0040.00381.0040.00

第一类人口第二类人口

2005年全国研究生数学建模竞赛一等奖6

中山大学：辛松歆，林嘉伟，肖彦子

人口总数（万人）建成面积（平方公里）每年居民可支配收入（元）

240.15181.77

259.21195.73

277.24208.94

294.23221.39

310.19233.1

325.11244.06

339.002.27

…………

421.00315.14

861795731063411814131241457916196……46363

（2）出行强度（出行总量）预测

为了给出该城市常住人口出行强度的预测，这里认为出行强度与城市自身的地理环境、经济情况等多方面有关系；这里仅提炼：城市（或区）常住人口规模、城市（或区）建成面积、人均可支配收入等三个考虑变量，数据来源参考文献[2][3][4][5]。收集整理后数据如表2所示：

表2：部分城市规模及出行强度表

数据对象

常住人口出行强度

(次/人日)

2004年该目标城市2000年苏州市1996年苏州市1996年无锡市1993年天津市1984年广州市1987年成都市1994年汕头市1998年广州东山区1998年广州荔湾区1998年广州越秀区1998年广州海珠区1998年广州天河区1998年广州芳村区1998年广州白云区1998年广州黄埔区

1.932.432.782.582.442.282.162.632.352.132.211.831.921.932.521.86

市（或区）常住人口规模（万人）

185.151081051063792251426658.278352.110744.751768.6840.680213.176934.6914.1386

积

市（或区）面（平方公里）181.77缺74.06缺338.8缺79.585.517.2011.808.9090.40108.3042.601042.70121.70

每年可支配收入

（千元）8.61748缺缺缺缺缺缺缺11.2557011.2557011.2557011.2557011.2557011.2557011.2557011.25570

考虑因变量TI和自变量Pop、Area、GI和人口密度Pop积AreaPopArea、人均占地面

等形式，通过Eviews软件多次试验回归，建立一个回归结果相对合

意的多元线性回归计量模型：

TIi=b0+b1×

PopiAreai

+b2×+ei，ei:N(0，s2)AreaiPopi

7

2005年全国研究生数学建模竞赛一等奖

中山大学：辛松歆，林嘉伟，肖彦子

回归结果：

TI=1.785+0.0977×

PopArea

+0.0233×AreaPop

(0.000)(0.008)(0.004)

括号内为5%的t统计值，均显著，F统计值为：0.0076，拟合优度

R2=0.804，基本符合一般经济计量模型回归的几个指标。

其中由于引入居民年可支配收入变量GI的系数不显著，缺少个别地区的数据，这里不将该变量作为居民出行强度的解释变量。（可能与样本中无法获得1998年广州各区居民年可支配收入GI，只能用广州市平均的GI代替有关。）

若时间和数据允许，有更多其他城市的样本数据，应该可以发现GI对TI还是有解释作用的。毕竟居民可支配收入多了，带来的旅游购物等其他出行的需要也会相应增加。

将回归公式，和2004年~2020年各年的数据，可以得到2010和2020年的常住人口出行强度约为：2.02次/人日，2.18次/人日。为了避免各年直接套用回归模型造成的出行强度波动过大，不符合实际。将TI2004=1.93次/人日和TI2020=2.18次/人日插值，得到各年预计的出行强度如下表

表3：2004年~2020年各年预计的出行强度（单位：次/人日）

年份各年常住人口出行强度

20041.93

20051.9456

20061.9612

20071.9769

20081.9925

20092.0081

20102.0238

…………

20202.18

从2004年到2020年常住人口出行强度的增加了12.95%，年平均增长率为：0.76%，这说明该城市在短期内出行强度保持相对稳定，略带增长。

利用2004年~2020年各年常住人口规模，利用下式，可以得到未来若干年常住人口出行总量的预计如下表：

TQk,year=TIk,year×Popk,year

表4：2004年~2020年各年预计的日均常住人口出行总量（单位：万人次/日）

年份常住人口出行总量

2004357.34

2005387.

20017.38

2007445.81

2008473.10

2009499.21

2010524.16

……

……

2020

699.78

2005年全国研究生数学建模竞赛一等奖8

中山大学：辛松歆，林嘉伟，肖彦子

2．乘坐出租车人口的预测模型

（1）推算各交通小区不同出行方式OD分布中出租车所占比例

根据交通调查得到的居民出行全方式OD矩阵QAll为：

1

QAll

éa11a=êê21êMêëan1

2

a12La1nù1a22La2nú2

ú

MOMúM

ú

an2Lannûn

L

n

其中公交出行的OD矩阵QBus为：

1

QBus

2

éb11b12=ê

êb21b22êMMê

ëbn1bn2

Lb1nù1Lb2nú

ú2

OMúM

ú

LbnnûnL

n

由此可以得出公交车在居民出行全方式中的比例OD矩阵RBus为：

1RBus

2

''éb11b12ê''=êb21b22êMMê''bbêën1n2

Lb1'nù1

'ú2Lb2núOMúM

'úLbnnúûn

L

n

其中，bi',j=

bi,j

ai,j

，i,j=1,L,n；

由假设知道，在交通道路状况以及人们生活习惯一定的情况下，所以在各交通小区之间采用的出行方式也相对固定，即假定居民从A地到B地所习惯采用的出行方式在未来几年内不变，所以矩阵RBus在未来几年内不变。

表5：居民不同时距出行方式结构

方式分钟0～1011～2021～3031～40

步行73.55.9518.5810.57

自行车9.0821.0125.5517.09

公交车3.0714.2934.50.26

出租车1.473.656.329.11

摩托车8.739.087.4.79

其他4.096.026.778.18

合计100100100100

2005年全国研究生数学建模竞赛一等奖9

中山大学：辛松歆，林嘉伟，肖彦子

41～5051～60>60

6.456.516.87

12.0511.1210.25

58.2767.7266.47

10.390.290.08

3.924.623.72

8.929.7412.61

100100100

求出矩阵RBus后再根据表5可以查出各区之间的大概时距，由于居民不同时距出行方式结构不变，所以可以推算出租车在居民出行全方式中的比例，即OD矩阵RTaxi，由表6所示。

表6：出租车占全出行方式比例的OD分布

DO

1区2区3区4区5区6区

1区

2区

3区

4区

5区

6区

0.03340.00080.00300.00080.00260.0687

0.00080.02440.07560.09120.10450.0760

0.00320.07520.03610.08260.08660.0623

0.00080.09100.07710.04220.09660.0620

0.00250.10810.08560.10210.04220.0480

0.010.07260.05960.07210.07220.0287

同理，由于居民不同时距出行方式结构不变，所以矩阵RTaxi在未来几年内不变。（2）交通OD分布预测

交通分布预测是推算各交通小区间的交通分布量，交通分布预测的方法可分为两类，增长率法和构造模型法。根据题目所给数据的特点，采用平均增长率法。用平均增长率法预测的基本步骤描述如下：

用qij表示现状OD表中从交通小区i到交通小区j的交通量。Gi(0)、A(0)j分别表示现状交通发生量和交通吸引量。

用Gi、Aj表示各交通小区将来的交通发生量和交通吸引量。用下式计算各交通小区的发生、吸引交通量的增长系数Fgi、Faj：

Fgi=

Gi

Gi(0)Faj=

AjA

(0)j

（*）

(1)

作为要推算的交通量的第一次近似值qij，可由Fgi、Faj的函数，用下式给

出：

(1)

qij=

1(0)(0)

qij(Fgi+Faj)2

10

2005年全国研究生数学建模竞赛一等奖

中山大学：辛松歆，林嘉伟，肖彦子

一般来说，由对交通分布量求和得到的交通发生量和交通吸引量分别为：

(1)

Gi(1)=åqij

j

(1)

A(1)=qåjij

i

(0)(0)

这时，用Gi(1)、A(1)j代替（*）式中的Gi、Aj，算出增长系数。求解第二次迭

代的近似值：

(2)

qij=

1(1)(1)(1)

qij(Fgi+Faj)2

重复上述作业，直至：

(k)Fgi=

Gi

Gi(0)AjA(0)j

(k)

Faj=

(k)

都接近于1时，相应的qij即为所求的OD交通量。

（3）居民乘坐出租车人次数

首先，根据前面预测出的城市居民出行总量，可以推算出把未来城市居民出行的总增量D为

D=TQ未来-TQ现状

根据城市发展的战略目标，该增量在各区出行量中如何分配，有部门决定。即

Di=aiD

式中ai（i=1,2,Ln）为各区所占比重，a1+a2+L+an=1。

从而可以推出各区出行发生平均增长系数Fi为

Fi=

Gi+DiD

=1+i

GiGi

然后，利用平均增长率法预测出各交通小区间的交通分布量矩阵QAll,未来为：

2005年全国研究生数学建模竞赛一等奖11

中山大学：辛松歆，林嘉伟，肖彦子

1

QAll,未来

éa11ê=êa21êMêêëan1

2a12

a22Man2

La1nù1

ú

La2nú2OMúM

ú

Lannúûn

L

n

由于居民不同时距出行方式结构不变，通过与表6中对应元素相乘，可以推出居民出租车出行方式的OD矩阵QTaxi,未来为：

1

QTaxi,未来

2

ét11t12

ê

=êt21t22êMMêêëtn1tn2

Lt1nù1

úLt2nú2OMúM

úLtnnúûnL

n

'

其中，tij=aij×tij，i,j=1,L,n。

ni

nj

最后，可以得到居民以出租车出行的次数为TQ

Taxi

r,未来

=ååtij。

（4）总人口中乘坐出租车人次数

因为第一类人口中常住人口和暂住人口的出行特征相近，所以暂住人口以出租车方式出行的强度一样，即

TQrTQt

=

PoprPopt

∴

TQt=

Popt

×TQr

Popr

而对于第二类人口而言，由于假设其出行特征保持不变，所以

TQ1

=C1，C1为常数Pop1

∴

TQ1=C1´Pop1

综上所述，乘坐出租车的总人次为

Taxi

TQTaxi=TQ1Taxi+TQ2

2005年全国研究生数学建模竞赛一等奖12

中山大学：辛松歆，林嘉伟，肖彦子

（5）总人口中乘坐出租车人口

对于常住人口而言，假设其出行人口占总人口数的比例不变。

Pop出行Pop

∴

=C2，C2为常数

Pop出行=Pop×C2

所以第一类人口中乘坐出租车的人口为：（假设出行方式结构一样）

出行

Pop1Taxi=Pop1×dTaxi

式中，dTaxi

为出行方式结构中出租车所占的比例，即dTexi

Taxi

TQ=

TQ。

对于第二类人口而言，由于对城市不熟悉，所以坐出租车的几率最大，所以为简化，将此类人口都归入可能乘坐出租车的人口中，即

TaxiPop2=Pop2

所以乘坐出租车人口为

TaxiTaxi

PopTaxi=Pop1+Pop2

3．出租车最佳数量预测模型

在城市交通规划中，往往要进行城市居民与流动人口出行调查，结合出租车运营状况调查，获得可以为预测未来出租车拥有量的数据。出租车的空驶率与城市出租车拥有量有密切关系，从出租车所完成的城市居民和流动人口出行周转量入手，结合空驶率的分析，对城市出租车拥有量进行计算。在此参考陆建、王炜等专家对出租车拥有量模型进行建模，具体参考文献[7]。

在计算出租车的拥有量时，因为：

第一，平均每一趟乘坐的收费，只与每次乘坐的距离和乘车收费标准有关，其中每次乘坐距离假定与城市中出租车数量无关。城市中出租车数量也与乘车收费标准无关。

第二，平均每一天乘车的收费，就是第一中的平均每一趟乘坐的收费乘以平均每天乘坐出租车的次数。其中，平均每天乘坐出租车的次数，是对于居民本身而言的，不会因为出租车量的增加而这个次数有所变化。

综上考虑，这里的出租车数量与具体收费无关。在该问题求解中不纳入考虑。

2005年全国研究生数学建模竞赛一等奖

13

中山大学：辛松歆，林嘉伟，肖彦子

（1）空驶率

根据城市中出租车的日客运量TQTaxi，以及居民的平均坐出租车的出行距离

D，以及平均每趟载客人数P，则可以推算出全市出租车总有效行驶里程TDiste

为

DTQTaxi×DTaxi

TDiste==(TQ1Taxi+TQ2×)PP所以可以推出空驶率VR的计算公式为：

VR=1-TDiste

T×V×N（2）出租车拥有量

将得到的空驶率VR的计算公式进行变换，得到城市出租车总量计算公式为

NWorking=

TDiste

T×V×(1-VR)

（**）

一般情况下，出租车运营中的主要客源产生于白天，白天出租车的运营方式主要表现为行驶过程中沿途载客，而夜间居民和流动人口出行量大大减少，图1为某城市全日各时段出行量趋势图[3]。部分城市出行调查结果显示，从早晨6:30到晚上19:30的13小时中，集中了全天90%左右的出行量，因此夜间出租车客源大为减少，出租车的运营方式表现为在行驶过程中沿途载客和在主要客源发生地等客2种方式。

图1：某城市全日各时段出行量趋势图

2005年全国研究生数学建模竞赛一等奖14

中山大学：辛松歆，林嘉伟，肖彦子

利用式（**）计算得到的出租车拥有量是在全日出行量平均计算基础上得到的，由于出租车客源在时间分布上存在着明显的差异，该出租车拥有量将超过夜间出行需求而无法满足白天的需要。因此，出租车拥有量应满足90%出行量所对应的白天T小时的需求，应按照白天T小时的出行需求计算出租车拥有量，对式（**）进行修正得

'

NWorking=

0.9TDiste

T×V(1-VR)

'

式中：NWorking为以白天T小时出租车拥有量。

在对典型城市的出租车运营状况进行调查时发现，城市中的出租车并不都处于运营状况。有的出租车出于年检、修理、接受处罚或驾驶员个人情况等原因而没有投入运营。因此，城市出租车拥有量应为

N=

'

NWorking

d=

0.9TDisteT×V(1-VR)d式中，d表示出租车中每日实际运营的弹性比例。六、模型的应用求解1．出行特征现状分析（1）城市规模分析

依据《城市学》中指出人口在100~200万之间为大城市，该城市在2004年统计人口为185.15万，因此为大城市，而且这个统计标准还是仅根据城市本身的常住人口，并不包括大量的流动人口在内[25]。

2004年城市建成区面积181.77平方公里，根据现有中国36大城市建成区面积的计较，这个城市排名在12位左右，基本可以推断出该城市属于发展中的大城市。该城市的人均道路面积6.16平方米，通过类比国内外城市可以知道，该城市人均道路面积偏低，需要加快道路建设与城市的发展同步[26]。

由该城市总体规划人口规模看到，这个城市在未来一段时间内人口规模会不断增加，城市规模也会相应的增大，交通需求量也会相应增加，需要对交通合理规划。

2005年全国研究生数学建模竞赛一等奖

15

中山大学：辛松歆，林嘉伟，肖彦子

（2）居民出行目的特征

题目中所给城市，按不同的出行目的构成如表7所示。在各种出行目的中，除回程外，上班出行比例最大，达16.04％；其次为生活购物以及上学，比例分别为11.41％和11.17％。这3种出行比例之和为38.62％，加上这3种出行的回程，因上班、购物和上学而引起的出行比例约为70.2％。因此，解决好上班、购物和上学及其回程的交通问题，是完善该城市客运交通的主要内容。

表7：居民出行目的的结构

目的

出行次数（万人次）

比例（％）

上班57.116.04

上学39.811.17

公务出差5.51.55

生活购物40.611.41

文体娱乐11.73.29

探亲访友13.93.91

看病2.90.81

私有经营6.41.8

回程160.344.97

其他18.05.05

合计356.2100

（3）居民出行方式特征

出行方式结构，一般指城市居民日常出行采用各种交通工具的人数比例，是反映城市交通发展水平的一个重要指标。居民出行方式一般可分为步行、自行车、公交车、出租车、摩托车和其他等6种。同样的出行总量，不同的出行方式结构对城市交通系统的要求有很大的差异。该城市居民出行方式结构中步行和自行车比例最高，两者比例合计高达56.19％；而出租车比例相对较小，只有3.97％，是所有出行方式中比重最小的。说明目前该城市的整个出租车行业相比实际中的同类城市发展相对落后，存在一定的问题。

表8：居民出行方式结构

方式

出行次数（万人次）

比例（％）

步行139.539.17

自行车60.617.02

公交车91.625.71

出租车14.23.97

摩托车27.47.69

其他22.96.44

合计356.2100

（4）城市公共出行情况

对于城市而言，中心区的交通道路网发展比边缘区较为成熟，城市人口对于中心区的依赖程度也比边缘区高，一般来说，城市中心区的人口出行总量比边缘区的人口出行总量大。由表9可以看出中心区和边缘区出行强度存在较大差异。中心区较边缘区的出行强度1要高39.24%，中心区较边缘区的出行强度要高出15.95%。

2005年全国研究生数学建模竞赛一等奖16

中山大学：辛松歆，林嘉伟，肖彦子

表9：城市不同区域居民的出行强度

区域

内容人数（人）出行人数（人）出行次数（人次）出行强度1（次/人日）出行强度2（次/人日）

中心区105142085935723143982.202.69

边缘区79183053691312471671.582.32

全市1843250137627035615651.932.55

注：出行强度1：全部居民的平均出行强度

出行强度2：有出行的居民平均出行强度

表10：居民出行全方式OD分布

DO

1区2区3区4区5区6区合计

1区513783272774535621187192263518630347

2区2919759297832732373363285048746202

3区472607762446322650381776767923724090

4区2212831281480153320977282808515257

5区19459353477492285012566609865609

6区38324938103653081447953380059

合计63565974139672021152413586037927035615

通过对居民出行全方式OD分布表中数据分析，从1区出发到1～6区的出行次数为635658人次，从1～6区出发到达1区的出行次数为630347人次，平均进出人次为633003人次；同样的分析，可以推算出各区的平均进出人数，进行排序及累计加总，得到新的表11如下：

表11：各区的平均进出人数

出行次数

（人次）

区域号

5区2区3区1区4区6区

进入次数（人次）86560974620272409063034751525780059

出发次数（人次）860374139672021163565952413579270

平均进出次数（人次）86325174379972215063300351969679665

累计进出次数（人次）8632511607050232920029622033481935615

由表中进出各区的人数排序和总量，第5区、第2区与第3区三个区的累计进出人口次数为2329200人次，结合表5给出的进出中心区的次数为2314398人次，误差相差为0.％，可以认为这个城市中第2区、第3区及第5区为中心

2005年全国研究生数学建模竞赛一等奖

17

中山大学：辛松歆，林嘉伟，肖彦子

区，其余的第1区、第4区及第6区这三个区为边缘区。（5）出租车的主要状况

根据附录给的数据可以知道出租车的每天实际运营的量为

NWorking

日客运量36.7´104

===5326.6（辆）每车日均载客量68.9

而题目中给出该城市的出租车拥有量为N=6200辆，所以出租车中每日实际运营的弹性比例为：

d=

NWorking

N

=

5327

=86%6200

究其原因，可能是处于车辆检修、年检、接受处罚或者是驾驶员的个人情况等没有投入运营，因此在规划出租车拥有量时应考虑到一定的投入运营弹性。

由题目中，还可以得到该城市中出租车平均每趟载客P=1.7人次，而平均每趟载客坐出租车的出行距离为

D=

日均载客里程210.07

==5.18（公里）

日均载客次数40.52

出租车平均行驶速度为Vwoking＝32公里/小时，而平均的运营时间为：

日均营业里程424.00公里/日均行驶速度为32公里/小时=13.25小时

T=

日均营业里程424.00

==13.25（小时）

日均行驶速度32

这与前面分析结论一致。

根据调查结果，现状城市出租车平均空驶率达VR=50.46％，大量道路交通资源被无效的出租车空驶所占用，出租车数量超过了实际需求。根据发达国家和国内出租车营运组织先进城市的经验，城市出租车空驶率大致为30％～40％较为合理。

出租车日客运量约为36.7万人次，其中常住人口出行次数占据了为14.2万人次，比例为38.70％。因为第一类人口中其出行特征相近，如果常住人口185.15万人对应38.70%的话，那么暂住人口33万人就对应的比例也为38.70%，所以第一类人口出租车出行的次数为：

2005年全国研究生数学建模竞赛一等奖

18

中山大学：辛松歆，林嘉伟，肖彦子

TQ1Taxi=TQrTaxi×

Pop1218.15

=14.2´=16.73（万人次）Popr185.15

TaxiTaxi

TQ2=TQTaxi-TQ2=36.7-16.73=19.96（万人次）

则第二类人口22万人却占了.4%，为19.96万人次，其出租车出行的强度为

TI

Taxi

2

TaxiTI219.96===0.91（次/人 日）Pop222

2．预测居民出行强度和出行总量

由题目所给数据，根据第五部分中的城市居民出行强度和出行总量的预测模型可以得到未来几年内居民的出行强度和出行总量如表12所示。

表12：未来几年内居民的出行强度和出行总量

年份人口规模（万人）各年常住人口出行强度（次/人日）常住人口出行总量（万人次）

357.34

387.

417.38

445.81

473.10

499.21

524.16

……

699.78

1.93

1.9456

1.9612

1.9769

1.9925

2.0081

2.0238

……

2.18

2004240

2005259

2006277

2007294

2008310

2009325

2010339

……

……

2020

421

3．预测当前与今后乘坐出租车人口（1）总人口中乘坐出租车人次数

从2004~2020年各年预计的出行总量看，对比2004年，到2010年该城市将新增出行总量可以按城市规划的具体划分按比例分配到中心区和边缘区。

这里假定，城市规划重点在于建设边缘区，按1/3：2/3的比例调配给中心区和边缘区。即具体每一区按规划分到了一定量新增的出行总量，如第2区的发生总量增加为：55.61万人次×（1/3）=18.万人次。

表13：未来各区的交通出行增量

项目

2004年常住人口出行总量2010年常住人口出行总量

数量（万人次）357.34524.16

按1/3：2/3比例调配给中心区和边

缘区

2005年全国研究生数学建模竞赛一等奖19

中山大学：辛松歆，林嘉伟，肖彦子

对比2004年，新增出行总量166.82

中心区共新增：55.61边缘区共新增：111.21

2020年常住人口出行总量对比2004年，新增出行总量

699.78342.44

中心区共新增：114.15边缘区共新增：228.29

所以各区的交通发生量增长系数如表14所示。

表14：各区的交通发生量增长系数1区

2004年出行总量2010年出行总量2020年出行总量2010年出行增长率2020年出行增长率

635658100635813966251.582.20

2区741396926762.7112161.251.51

3区720211905577.711007111.261.53

4区5241383512851021.712.45

5区8603104626012413931.221.44

6区79269449969840235.75.6810.60

通过平均增长率法进行OD分布预测得到未来各年居民出行全方式OD分布如表15.1和15.2所示。

表15.1：2010年居民出行全方式OD分布单位：人次

DO

1区2区3区4区5区6区合计

1区6515375956306527618257538457814382

2区4068475041184984610153061128391118550

3区6600011706570447072141114065202201093961

4区2839806809420991079076827697599

5区26251678110475117850916537165301239360

6区9355126682676172112198306266021

合计82277511104109136571345212286132631795229873

表15.2：2020年居民出行全方式OD分布单位：人次

DO

1区2区3区4区5区6区合计

1区797517484278163834391326191321008134

2区52411450691608046053870674209731510523

3区8567815860295857995025152370330631483315

4区35613573281558063138423109668582

5区33471688741479061524091203275268651632800

6区15053207184387612318356351488461856

合计101979514990181481993912790161571745676986210

2005年全国研究生数学建模竞赛一等奖20

中山大学：辛松歆，林嘉伟，肖彦子

所以未来各年居民以出租车出行的次数如表16.1和16.2所示。

表16.1：2010年居民出租车出行OD分布单位：人次

DO

1区2区3区4区5区6区合计

1区21749291922368581222

2区3120700520457970414

3区211879822159609880126051530

4区2240035247186761042342338794

5区67558694521203338679466586

6区6009191595551815569010171

合计22680400355086341446653869726230136

表16.2：2020年居民出租车出行OD分布单位：人次

DO

1区2区3区4区5区6区合计

1区2660837249288693127938

2区4027968121535520738815956

3区27411919345907851131982061692

4区2852186872235751337068049743

5区857444126551556150747129187783

6区96515032616113261008617387

合计27999090691345342786114163307407

最后，可以得到居民以出租车出行的次数为

TQrTaxi,2010=23.0万人次TQrTaxi,2020=30.7万人次

所以

TaxiTaxi

TQ2010=TQ1Taxi+TQ2=(259+48)´TaxiTaxiTQ2020=TQ1Taxi+TQ2

23.0

+32´0.91=56.42万人次25930.7

=(321+60)´+40´0.91=72.84万人次

321

（2）总人口中乘坐出租车人口

出行Pop1,2010

Pop出行137.6r,2004

=Pop1,2010×=307´=229.2（万人）

Popr,2004184.3

23.0

=10.08（万人）523.0

Taxi出行Pop1,2010=Pop1,2010×dTaxi=229.2´

TaxiTaxiTaxiPop2010=Pop1,2010+Pop2,2010=10.08+32=42.08（万人）

2005年全国研究生数学建模竞赛一等奖21

中山大学：辛松歆，林嘉伟，肖彦子

Pop

出行1,2020

Pop出行137.6r,2004

=Pop1,2020×=381´=284.5（万人）

Popr,2004184.3

30.7

=12.5（万人）698.6

Taxi出行Pop1,2020=Pop1,2020×dTaxi=284.5´

TaxiTaxiTaxiPop2020=Pop1,2020+Pop2,2020=12.5+40=52.5（万人）

4．出租车最佳数量预测模型根据以上建立的模型和数据，计算

N=D；P0.9TDiste

，

T×V(1-VR)dTexi

其中TDiste=(TQ1Texi+TQ2)×

由现状分析有：P=1.7人次、D=5.18（公里），Vwoking＝32公里/小时，

TexiT=13.25（小时），TQ1Texi=16.73（万人次），TQ2。=19.96（万人次）

根据发达国家和国内出租车营运组织先进城市的经验，城市出租车空驶率大致为30％～40％较为合理。这里以空驶率VR=35%为城市规划的目标，并进一步提高出租车的使用效率和交通资源，提高出租车中每日实际运营的弹性比例d到90％的水平。代入数据求解得：N最优2004= 4340（辆）。

N最优2004

关于最优出租车数量的验证：=1.81（辆/千人），经资料显示大于中

Pop2004等城市最低的每千人出租车用有辆数1.5的下限标准。但还达不到大城市的2.0辆/千人的下限标准。

2010年、2020年最佳出租车数量的预测可以根据同样的方式计算求得，这里假设该城市平均每趟载客坐出租车的出行距离D将随着城市面积的扩展而增大，通过计算可得为：N最优2010= 7268（辆），N最优2020= 9834（辆）。因此，在2010年和2020年，这个城市的每千人拥有出租车数量将达到大城市的下限标准。这

2005年全国研究生数学建模竞赛一等奖22

中山大学：辛松歆，林嘉伟，肖彦子

与实际的城市远景规划相一致。七、关于出租车收费方案的讨论

题目中提出：按油价调价前后（3.87元/升与4.30元/升），分别讨论是否存在能够使得市民与出租车司机双方都满意的价格调整方案。若存在，给出最优方案。

在讨论该方案时，我们先看看当前我国各大城市出租车收费改革的一个趋势：降低出租车起步价和起始计价的公里数；

带来的现象：就是空载率明显降低，而搭乘出租车的客运量增多，司机比以前更累了，短途的乘客比例明显增多，每部出租车每天的收入有的增加，有的减少。居民在这种价格改革中受益，慢慢改变了其出行的习惯和结构，长期来说是对出租车行业发展有利。

分析原因：

（1）可能起步价低了，原来采用其他出行方式如“步行”和“公交车”会有一定比例的人会选择“打的”，即使出行结构中出现了“转移”现象。

（2）减价后，可能对于结伴出行，“打的”可能相对“公交车”更划算。下面，将分三点讨论这个问题：

1．关于现行油价下，当前的收费方案是否合理的讨论

在上文模型求解的讨论中，本文认为：当前的城市的出租车情况不合理，原因是空载率高达50%左右，大大浪费了交通资源和燃料等资源，使出租车的运行效率大大降低。而造成空载率没有达到国际合理的35%水平的原因是：不合理的收费方案和过多的出租车数量。

在不改变目前该城市出租车的总数量及实际运营数量的前提下，怎样挑选和评价一个合理的出租车收费方案，本文将在后面建立的AHP层次分析模型进行解答，并将证明近似存在这样的一种收费标准。2．关于油价价格调整前后，出租车营业状况变化的分析

比较油价价格调整前后，每部出租车的运营情况，在分析该问题之前，本文已经知道，在当前城市中6200辆出租车，实际运营5300辆不变情况下，油价调

2005年全国研究生数学建模竞赛一等奖

23

中山大学：辛松歆，林嘉伟，肖彦子

价前后的收入和支出情况，如下表：

表17：油价调价前后的收入和支出情况

油价调价前

1．日均营业里程2．油耗状况3．油价

4．日均用油开支（4=1*2*3）5．日均载客趟次

6．每趟载客收费（约）注7．日均营业收入（7=5*6）8．日均营业毛利润（8=7—4）9．年均营业毛利润（9=8*365）10．年固定营运成本11．年均营运净利润（11=10—9）

7513元/年•车329.12元/日•车120129元/年•车

112616元/年•车

830元/年•车

3.87元/升1.01元/日•车

40.52趟/日12.17元/趟493.13元/日•车

310.81元/日•车113446元/年•车

424.00公里/日•车10升/每100公里

4.30元/升182.32元/日•车油价调价后

其中每趟载客收费（6）的简单估算中，假定暂不考虑远程载客和乘客临时停车费用，则有：

每趟载客里程=

日均载客里程210.07公里/日g车==5.18公里/趟；

日均载客趟数（4）40.52趟/日

然后由下表给出每趟载客收费的分解表如下：

表18：每趟载客收费的分解表

客运量分布权重（现状分析中给出）

白天晚上总计

90%10%100％

时间（小时）16824

营运时间（小时）11.9251.32513.25

8元（起点）+2.18公里*1.8元/公里9.6元（起点）+2.18公里*2.16元/公里

载客收费分解

营运收入（元）10.741.4312.17

由上面两表分析可知，油价的上升直接给每部出租车的年用油开支增加了6683元/年•车（7513元/年•车—830元/年•车），而油价调价后每部出租车的年均营运净利润仅为830元/年•车，若考虑数据统计和计算上5%的误差，或者各部出租车之间情况差异，将不少的司机出现负的营运负利润。这将给有“现代骆驼祥子”之称的出租车司机雪上加霜，每天长时间劳作却不能保证固定营运成本（含司机基本工资）的完成。而如果缺乏对出租车司机的激励，对于出租车行业将会是致命打击。

同时，在考虑提高出租车收费标准时，要照顾到居民及其他各类人口的实际

2005年全国研究生数学建模竞赛一等奖24

中山大学：辛松歆，林嘉伟，肖彦子

接受水平，更要考虑到城市建设中出租车业的长远发展利益。一味的跟随油价的上升而调高收费，如果超出了合理的波动水平，则可能造成对出租车客运量的急剧减少效应，进而改变公众的出行习惯，在这种情况下，很多出租车司机和运营商将面临入不敷出，整个行业也将面临萎缩，想要重新恢复公众出行习惯就很难了。

所以，这里基于上述分析，本文提出以下几个粗略的观点：

1）由于油价的调整，适度地提高出租车的收费标准是必须的；必须使每部出租车的年均营运净利润的因油价提高带来的损失不能超过30%。

2）高后的出租车收费标准应该使平均每趟的收费增幅不超过10%。3）新的出租车收费标准应方便实行，比如容易找钱，不容易出现混淆等。4）新的出租车收费标准应该能使公众方和出租车方双方相互的满意度达到最大。

5）也许存在一种可能方案，使到即使在油价调整后，收费标准没有太大的提高或降低,但是由于改变了收费方案的设计等其他因素，使到居民乘坐出租车的出行强度增加，空载率降低，从而使出租车的客运量增加，出租车方的利益和公众利益得到兼顾。

3．建立评价收费方案合理与否的AHP层次分析模型

基于前面文章的分析，一个合理的出租车收费方案必须使到公众方和出租车方双方相互的满意，同时，该收费方案带来的乘坐出租车各方面(无论客运量，乘坐出租车出行强度，空载率等的变化)都应该满足在城市规划方面的可持续环境和经济发展的战略要求，因此一下构造了三个满意指数：（1）公众满意指数Idxpublic

（1.1）空载率VR(VacancyRate)

首先，由于模型求解中的模型的空载率分析，此处的空载率不仅考虑了居民的因素，更包括了第一类和第二类人口。

其次，居民认为出租车空载率越高越好，因为当想乘坐出租车时，可以方便找到车，不用等待太久。

在的空驶率构造中：

2005年全国研究生数学建模竞赛一等奖

25

中山大学：辛松歆，林嘉伟，肖彦子

Texi

TDiste=(TQ1Texi+TQ2)×

D

P

VR=1-

TDisteT×V×N出租车总客运量TQTexi和具体的收费方案是有关系的，合理的收费方案可能会在一定程度上提高出租车总客运量，即出现本来选择其他交通方式的人群向乘坐出租车方式转移，而较高的收费标准又不可避免出现反向转移。在该模型的求解中，本文将给出TQTexi和具体收费方案间的简化关系。（1.2）收费水平Chrg：收费指数分两种情况考虑：

第一，平均每一趟乘坐的收费，与每次平均乘坐的距离和乘车收费标准有关，其中，不同的出租车收费方案将对应不同的每次平均乘坐距离，较低的收费标准使乘车的门槛降低，增加短途客运量，会导致每次平均乘坐距离的下降。

第二，平均每一天乘车的收费，就是第一中的平均每一趟乘坐的收费乘以平均每天乘坐出租车的次数。其中，平均每天乘坐出租车的次数，对于不同的收费方案也是有不同的。

综上考虑，由于比较难以量化，在模型的求解中，将近似给出具体收费和具体收费方案间的简化关系。（2）出租车方满意指数Idxtaxi（2.1）实载率1-VR：

对于出租车方，实载率越高越好，高的实载率说明出租车载客的效率提高，可以很容易找到客源，即有利于增加收入，又有利于提高司机的工作成就感等。（2.2）收入水平PI：

对于不同的收费方案，出租车日营运总收入TI（TotalIncome）的营运收入是变化的。如：2004年该市出租车日营运总收入为：为2.96万元；在新的收费方案下，可能有所变化。

因为出租车的总数量和运营数量是不变的，那么对于每个出租车司机，他面临的每日平均收入PI（PersonalIncome）:PI=

TI

;WN

26

2005年全国研究生数学建模竞赛一等奖

中山大学：辛松歆，林嘉伟，肖彦子

（2.3）劳动强度

衡量司机劳动强度的大小，是可以有很多因素考虑的。比如司机每天的营运时间，司机每天营运的距离，司机每天载客的趟数等。

同样由于时间和能力所限，这里作一个简化处理：仅考察平均每辆出租车每日的载客人次量。对于每部出租车，他面临的每日平均载客量PC（PersonalCarryingCapability）,PC=

TC

。WN

为了使建模AHP的指数值越大，表示方案越合理，这里用劳动强度的倒数作为模型方案层的一个成分。（3）环境综合指数：Idxenvironment

环境因素，这里为简化，仅考虑自然环境和投资环境两项：（3.1）对于自然环境：

仅考虑一个空载率作为衡量指标，越低的空载率说明对资源的利用更高，比如城市的交通资源和燃料资源等，对自然环境越有利。（3.2）对于投资环境：

考虑到城市发展中第二类人口对城市发展的重要性，比如一些因商务出差、贸易、旅游等的短期流动人口对城市的经济发展等有不可忽略作用。而这部分采用出租车作为交通方式要更为频繁。过低的空载率将会难以满足这部分人口随时的交通需求，因此从这方面考虑，要提高空载率。

综上所述，基于环境因素而言，维持一个合理的空载率更显得重要。上文中提及文献中认为发展中国家城市中出租车空载率为：35%比较合适。这里使用空载率偏离(VR-35%)作为衡量指标。

为了使建模AHP的指数值越大，表示方案越合理，这里用空载率偏离的倒数作为模型方案层的一个成分。

4．根据上述建模，用层次分析法（AnalyticHierachyProcess,AHP）对模型进行细化：

（1）对衡量方案合理性建立综合评价模型

这里建立的出租车方案综合评价指数Index，越合理的方案，其指数值越大。

2005年全国研究生数学建模竞赛一等奖

27

2

中山大学：辛松歆，林嘉伟，肖彦子

图2：层次分析结构图

A:出租车方案综合目标层A：评价指数IndexC1:公众满意准则层C：指数IdxpublicC2：出租车方满意指数IdxtaxiC3：环境综合指数Idxenvironment方案层P：P1:空载率VRP2：收费水平P3:实载率1-VRP4:收入水平P5:劳动强度倒数P6:空载率偏离倒数(VR-35%)-2ChrgTIPI=WNTCöæçPC=÷WNøè-1这里选取了几种国内同类城市的出租车的价格方案作为备选方案（如下表），说明该模型的运行求解过程：

表18：全国部分城市出租车价格表

方案1

城市上海成都广州沈阳南京

价格

上海出租车起步价10元（3公里），超3公里后每公里计价2元，超10公里每公里计价3元

起价5元，每公里1.4元

7元2.3公里，超出后每公里2.6元7元起步，3公里以上每公里加价1.67元7元起步，3公里以上每公里加价1.60元

①起租基价3公里，基价租费：白天8.00元，晚上9.6元。

本文所考虑目标城市

②超过起租基价公里，每车公里价：白天1.8元，晚上2.16元。③上日21时至次日凌晨5时为夜间行车时间。

④远程载客从10公里开始，计价器将50%回空费输入表内，加收回空费。⑤行驶中乘客要求临时停车10分钟内免费，后每超过5分钟按1车公里租价收取等候费。

23456

2005年全国研究生数学建模竞赛一等奖28

中山大学：辛松歆，林嘉伟，肖彦子

给定这六种收费方案后，由于比较难以建立两者的关系，这里基于时间与能力，在当前的油价方案中，取定六种方案的几个方案层指标值的大小比较关系，而避免直接求解和标准化的复杂过程：

表19：方案层指标值的大小比较关系

方案层指标P1:空载率

各收费方案指标值大小比较（相应赋值6~1）

3>5>4>1>6>22>5>4>6>3>12>6>1>4>5>3

VR

P2：收费水平

Chrg

P3:实载率

1-VR

P4:收入水平

PI=

TI

WN

-1

1>3>6>4>5>2

P5:劳动强度倒数

TCöæ

çPC=÷

WNøè

1>4>5>2>6>3

P6:空载率偏离倒数

(VR-35%)-2

2>3>5>6>1>4

（2）构造判别矩阵

因为判别元素的值反映了综合评价指数对各因素相对重要程度的认识，一般是采用数字1-9极其倒数来表示的。这里认为对于一种收费方案的评价，三个指数的影响是同样重要的，为简化计算，取各比例因子相等为1，为因此构造判别矩阵如下：

表20：构造判别矩阵

AC1C2C3

C1P1P2C2P3

C1111

P121

P31

C2111

P211

P41

C3111

P51

29

2005年全国研究生数学建模竞赛一等奖

中山大学：辛松歆，林嘉伟，肖彦子

P4P5

C3P6

11

11P61

11

（3）层次单排序及其一致性检验

通过判别矩阵A的特征根求解AW=lmaxW得到特征向量W,经过归一化后即得同一层次响应因素对于上一层次因素相对重要性的排序权值，即进行层次单排序.

计算一致性指标：

CI=

()lmax-n

，n为判别矩阵的阶数；n-1

表21：判别矩阵的平均随机一致性指标RI

根据1－9阶判别矩阵的平均随机一致性指标RI的值：

阶数10.00

20.14

30.58

40.90

51.12

61.24

71.32

81.41

91.45

RI

计算出各层次排序计算及一致性检验的结果为

表22：各层次排序计算及一致性检验的结果

判别矩阵特征向量

lmax

3.0002.0000

T

CI

0.00000.0000-0.50000.0000

RI

0.58000.14000.58000.0000

CR

0.00000.00000.00000.0000

A-CC1–PC2-PC3-P

(0.3333,0.3333,0.3333)T

(0.50,0.50)T(0.50,0.50,0.50)(0.50)T

2.00002.0000

（4）层次总排序

由最高层次到最低层次逐次进行对每一层次所有因素对于最高层（总目标）相对重要性进行排序

表23：最高层（总目标）相对重要性排序

层次C

层次P

C10.3333

C20.3333

C30.3333

层次P总排序值

2005年全国研究生数学建模竞赛一等奖30

中山大学：辛松歆，林嘉伟，肖彦子

P1P2P3P4P5P6

0.50000.50000.5000

0.5000

0.33330.16670.16670.1667

0.5000

0.16670.1667

0.50000

1.0000

（5）层次总排序的一致性检验

从高层到低层，逐层计算。设对层次B总排序的随机一致性比率：

åaCI

j

m

j

CR=

åaRI

jj=1

j=1m

j

其中，如果B层次的某些因素对于Aj单排序的一致性指标为CIj相应的平均随机一致性指标为RIj。层次的排序一致性检验如下：

表24：一致性检验

P4:收入水

平

P5:劳动强度倒

数

P6:空载率偏离倒数

-1

各方案

P1:空载率VR

P2：收费水平

P3:实载率

Chrg

162453

1-VR

TI

PI=

WN

TCöæ

çPC=÷

WNøè

(VR-35%)265143

-2

1．上海2．成都3．广州4．沈阳5．南京6．本文所考虑目标城市

3152

461325

615324

6312

代入公式

ér11

êr21êV=R×P=êLêër61

r12

r13L

é3ép1ùêr16ùêú1

êp2

r26úêúê6ú·êp3ú=êLúêúê4úêMúêr66û5êp6úëûê

ë2

162453

461325

615324

6312

2ùé0.3333ùé 4.17ù6úê0.1667úê 4.00úúêúêú5úê0.1667úê 4.33úú·êú=êú1úê0.1667úê 4.00ú4úê0.1667úê 4.50úúêúêú3ûë0.1667ûë 3.50û

r22r23LLLLr62r63L

从分析中，可以看到，第五个方案（南京市的出租车收费方案）在油价调整前是

2005年全国研究生数学建模竞赛一等奖31

中山大学：辛松歆，林嘉伟，肖彦子

六个方案中评价指数最高的，即综合考虑了公众、出租车方和社会各方因素后得最合理方案。

南京市的收费方案：“7元起步，3公里以上每公里加价1.60元”，对比原来的方案在收费标准上是下调的。通过初步验证，实行该收费方案，每部出租车司机的营业净利润和居民在出租车上的开支也满足了第一步中的五点要求。

对于油价调整后的情况，同样可以根据该模型和方法，计算并在其他城市的收费方案中找寻更加合理的方案，由此来证明合理方案的存在性。八、数据采集方案的讨论

综合本文的思路，数据方面的作用是不可忽视的。为了能使模型能更具有精确的可预见性，下面数据的采集和选择中的一些看法：

1）最好能有该城市以前年度的一些交通出行数据，如出行强度、出行总量等。如果能有同类型城市的类似的出行强度等调查数据，对于建立一个更合理的模型及其预测运用都将帮助很大。

2）在控制成本前提下，每隔若干年能通过调查问卷的形式对居民进行出行特称数据的采集，比如提问：“你认为在未来一年内（或若干年内），你的出行特征会怎么样呢？”。或采取网络问答手段，不时进行这方面数据的收集。

3）例如在本文给出的截面数据多元回归分析方法中，如果能给出收集并提供该城市在经济方面（比如人均GDP等）、土地利用率等方面的数据。

4）为了能更准确的给出未来城市出行的特征，最好能给出未来城市规划的一些重大投资项目或活动等信息。比如2008年北京举办奥运会、2010年广州举办亚运会对城市的未来交通情况和出租车需求将会有巨大的影响。

5）在给出统计数据的同时，最好能一起注明统计数据的统计方法、统计无差和精度、统计口径等问题，对于交通预测模型的建立和应用将有很大帮助。九、模型评价1．模型创新之处

1）利用截面数据的回归计量模型对未来城市交通出行强度进行预测。由于

2005年全国研究生数学建模竞赛一等奖32

中山大学：辛松歆，林嘉伟，肖彦子

居民出行强度和出行总量的数据取得存在一定，因此在理论界，对未来出行强度的预测也十分困难。本文选择城市规模、人口规模及居民可支配收入等解释变量，利用相近城市已有的历史统计资料，尝试给出居民出行强度的回归预测方法。该模型可以推广到国内同类城市的交通出行强度预测，能极大降低交通数据调查的人力物力。

2）基于居民全方式OD分布矩阵的平均增长法的交通模型，结合对未来各年新增出行总量的各区调配方案，迭代得到未来居民全方式OD分布表。在调配方案中引入控制变量，为实际留下空间。

3）最大创新之处在于怎么样的出租车价格收费方案更合理，本文将这两者的评价标准用AHP层次分析模型，统一到最后一个简化的综合评价指数，综合考虑公众方、出租车方（包括司机和出租车运营商）和规划部门三者的利益关系，清晰、易理解。而且模型中空载率、收费价格以及规划部门侧重哪方利益的因子都可以进行调节，可以方便地推广到中国同类城市及城区交通问题的决策，具有较好的实用性及扩展性。2．模型不足之处

1）由于缺乏大量的统计调查数据，预测城市居民出行强度模型中各个变量的权重及系数由常识或相关资料推导得出，与真实的情况稍有出入。

2）在建立AHP的整个过程中，不一定能够完全涵盖现实中的所有相关因素，对现实的抽象必定造成与现实有出入的问题，在具体的实施上，也存在一定的量化难度。十、模型扩展

1）本模型在预测出行强度方面的多元回归模型形式上选择具有很大可扩展性。如能结合城市发展规划制定者、交通学专家和计量经济学家联手设计，选择更多更合理的解释变量，建立更合理的回归模型，将大大提高模型预测的精度。

2）本文采用的全方式OD交通矩阵平均增长预测法可以扩展到其他更精确

2005年全国研究生数学建模竞赛一等奖33

中山大学：辛松歆，林嘉伟，肖彦子

的OD交通矩阵预测方法，比如：Frator法和Detroit法。

3）在评价出租车收费方案的AHP模型中，存在更具操作性的指标或指数作为方案层的因子。为有兴趣的学者提供进一步研究的空间。十一、研究成果短文

出租车作为城市公共交通的一种特殊方式，由于其快速、便利、舒适、安全等特性，不仅是城市常规公共交通的重要补充，而且在建立城市形象、满足高层次的出行需求等方面都具有重要的意义。但是出租车行业的迅猛发展，给城市综合交通管理带来了许多新的问题和挑战，比如：出租车综合规划诸如城市中出租车的数量要控制在怎样的范围？空载率控制为多少？油价调整后该如何制定价格标准才能让城市居民和出租车司机都满意？

本文正是基于为城市交通规划种种问题分忧解难的角度出发，综合考虑各方利益，运用截面数据回归的方法预测未来城市交通的变化，以及借助层次分析模型，制定当前及未来最优出租车数量和合理的出租车收费方案。从结果我们发现，当前困扰该城市交通主要的问题是：空载率过高，车辆的最优数为：4340辆，目前偏多了，收费方案也有不合理的地方。

综上所述，本文建议：

1）对出租车数量的控制要缓慢增加出租车的数量，慢慢等待旧车淘汰，逐渐提高车辆的实际运营率；

2）出租车的收费可以采取降低起步价和起点计费距离的方案。

3）在城市经济实力允许下，逐步引入GPS智能调度系统针对各区的交通状况提供切合实际的出租车的调配方案，减少道路拥堵和尾气带来的污染。

4）出台相关的税收（如燃油税等），引导出租车数量朝合理健康的方向发展。

5）尽一切可能充分利用道路交通资源，提高出租车的运营效率，使市民满意、司机满意、各方满意，使出租车业的发展为城市未来的发展做出应有的贡献。

2005年全国研究生数学建模竞赛一等奖34

http://www.zjwxyw.com/

杭州印刷公司http://www.zjwxyw.com/