摘 要：該文主要針對出租車最優使用效率進行了相關研究，通過構建單位時間內的盈利率指標——收益效率w，對A方案及B方案的收益效率進行比較，從而能夠幫助出租車司機做出更優的決策。為了方便比較，該文計算司機采用B方案在與A方案相同的時間段內的期望收益效率，而B方案的收益來源于提前回到市區拉客所享受的收益效率。
關鍵詞：出租車 決策模型 期望收益 蓄車池
出租車是大多數乘客下飛機后去往其他目的地選擇的交通工具之一。對于送客到機場的出租車司機而言，一般都面臨著直接在機場載客或回市區拉客的選擇[1]。每個出租車司機必然會根據可觀測信息，如某時間抵達的航班數量和機場的出租車數量等，以及相關因素并結合經驗來做出決策[2]。但僅僅通過經驗來主觀決斷可能并不能保證在機場的出租車司機每次都能做出最優的決策。如果將司機的決策過程量化，以客觀數據來為司機定制決策方案，在一定程度上能使司機做出正確選擇的概率得到提升[3]。而如何選擇和利用準確的相關數據有待研究。而從機場的角度來看，如何根據機場的道路情況設置上車點提升乘車效率、合理制訂出租車等待方案來均衡出租車收益以吸引更多的出租車也是有待研究的問題。
1 模型的建立與求解
1.1 模型的建立
出租車司機選擇決策模型，根據圖1所示，當出租車司機將乘客送到機場，即到決策點時，將面臨A：直接在機場載客與B：回市區拉客兩個選擇。如果司機選擇A方案，那么當他返回市區并到達目的地所花費的時間為(t1+t2)，并且支出t2時間段內的油費，但可獲得載客收益。在這段時間內的收益效率為：
如果司機選擇B方案，那么他回到市區的最短時間為t0，會付出空載費用并可能損失潛在的載客收益，但能最快享受到在市區范圍內的收益效率。為了方便比較，計算司機采用B方案在與A方案相同的時間段(t1+t2)內的收益效率：
根據現實情況可知t2服從某種概率分布，如果方案A的期望收益效率大于B，那么出租車司機選擇方案A更優的概率較大，即：
1.2 模型的求解
由1.1中的公式可推出：
其中出租車收益W、d、t與k都可以通過現實數據推導。
出租車司機在機場載客等待的時間t1取決于排隊出租車和乘客的數量。“蓄車池”中的出租車數量是可觀測的，而乘客的數量變化規律與到達的航班數量變化規律有關，即：
若mT0≤q+1，假設經過“乘車區”的隊伍人群總量與T0時刻經過“蓄車池”的車輛總數相等距初始時刻T0需經過tA：
以下首先考慮tA≠0的情況：
在T'時刻時，隊伍人群總量與T0時刻“蓄車池”中車輛數目相等，即：
由客觀數據可知h(T)的方程，代入上面方程可解出T'。
根據現實情況，可知某時刻的隊伍群體書加上這一間隔時間段新增的群體數再減去已乘車的群體數，用數學表達式列出來為：
其中，mT0設為已知量(后續用窮舉法)，都可由客觀數據得出。易知每個時刻放行的出租車量與“乘車區”的人數有關：
結合上面公式可求各個時間段的。
假設距初始時刻T0總共進入“乘車區”的出租車數量為Ntotal，即：
1.3 選擇策略分析
根據1.2中得出的出租車選擇決策模型公式，當出租車在市區范圍內享受的平均收益效率w0小于公式右側的數值時，飛機場的出租車司機選擇A方案更為合理。當等式成立時，兩種方案均可考慮。反之，選擇B方案更為合理。
2 結語
該文在建立模型之前對大量數據進行了認真的分析和處理，通過將出租車的GPS數據顯示在基于 Leaflet的地圖上，可以更加清晰地觀察分析，尋找數據中的規律。在計算方案A的收益效率時，引入了乘客到達的速率、初始時刻乘客數量、乘客選擇乘用出租車的概率等多個相關變量，使模型更加可靠，更加貼近實際。
為了緩解機場出租車司機因為收益低而不愿搭載短途乘客的社會問題，該文對出租車收益的影響因素進行分析，建立了司機決策模型，能夠廣泛應用于機場、車站等人流量較大的地方，能夠在一定程度上緩解“客流擁堵”的問題，體現了一定的管理智慧。
參考文獻
[1] 曹流.大型交通樞紐出租車智能匹配管理系統[J]. 國企管理，2019，54(2)：68-68.
[2] 林思睿.機場出租車運力需求預測技術研究[D].電子科技大學，2018.
[3] 劉嘉偉，孔劉柳.網約車補貼與出租車配置效率的關系——以上海為例[J].電子商務，2018(9)：21-22.
[4] 張夢媛，錢興新，金志遠.“人車互等”情況下機場出租車司機決策模型[J].信息技術與信息化，2020(5)：49-51.
[5] 郭振義.白云機場旅客抵離方式選擇研究[D].華南理工大學，2015.
[6] 董艷瑩，劉芯彤.基于排隊論的出租車上客區優化模型[J].中國新通信，2020，22(10)：237.
推薦閱讀：出租車計價器在檢工作中的問題解決策略
