随着手机的普及和移动互联网的快速发展，各类交通应用程序不断融入到我们的生活，城市日益增长的人口和出租车资源配置的问题就显得日渐突出。本文主要针对南京市出租车资源合理配置的问题，选择特定的时间和空间，以乘客平均等待时长和不同空驶率下的出租车司机收入作为两项指标，建立检测出租车资源配置的规划模型。通过SPSS和MATLAB对数据进行图像拟合和处理，并设计Floyd算法量化指标，最终进行匹配和优化分析。同时，对优化后的方案进行模型分析和合理性的检验。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1研究的内容1
1.1研究问题的背景与意义1
1.1.1南京出租车资源配置问题的背景1
1.1.2南京出租车资源配置问题的意义2
1.2主要研究内容2
1.3资源配置问题的介绍2
2研究方法2
2.1南京出租车资源配置的指标建立2
2.1.1指标建立2
2.1.2研究方法2
3南京市出租车资源配置的模型分析 3
3.1模型分析3
3.1.1选定空间区域3
3.1.2空驶率的计算3
3.2建立模型3
3.3求解模型4
4模型算法与仿真分析 7
4.1基于Floyd算法的候车时长计算7
4.2空驶率的计算8
4.2.1关于出租车空驶率的分析8
4.2.2关于Floyd仿真分析9
5方案优化9
5.1出租车公司优化方案分析9
5.1.1滴滴出行的补贴政策9
5.2模型的建立9
5.3模型的求解10
5.3.1滴滴顺风车补贴政策10
5.3.2滴滴顺风车的拼车补贴政策11
6模型评价13
6.1模型的优点13
6.2模型的缺点13
7总结13
致谢13
参考文献13
南京市出租车资源配置问题的算法 *51今日免费论文网|www.jxszl.com +Q: #351916072# 
与实现
引言
引言
1 研究的内容
1．1 研究问题的背景与意义
1．1．1 南京市出租车资源配置问题的背景
在日常出行的时候，我们可以选择很多种出行方式，例如公交车、出租车、私家车等等，但是很显然由于出租车方便快捷且价格低廉，所以成为了人们首选的出行方式，然而由于需求量大，在高峰时段出租车非常难打，随着网约车的出现，现在市场上有多家打车服务平台，实现了打车也联网，不仅方便了人们出行，也给司机师傅带来更多的客源，提升了出租车行业的服务效率。然而由于数据的复杂性和时效性，尽管已经有众多相关研究，但对于该问题还有优化和深入研究的空间。我们对数据进行整合、处理和分析，并以数学方法进行模型设计和实现，避免不必要的资源浪费才能够获得较为精确的结果用于资源配置。
1．1．2 南京市出租车资源配置问题的意义
精确分析南京市出租车的资源配置问题，以及对其优化方案进行合理分析。期待对加速城市交通网络的快速发展，推动城市化建设发挥重要推进作用。本文的研究结果也会为南京市的出租车运营公司做出决策提供合理的支持，同时也为交通部门对出租车的相关管理提供数据，具有良好的理论价值和实用价值。
1．2 主要研究内容
本文通过建立合理的数学模型和利用官方大数据，研究的具体内容为：
（1）评估空车率和乘客等待时间。
（2）提出优质的算法缓解当前的严重问题。
1．3 资源配置问题的介绍
资源是指一国或一定地区内拥有的物力、财力、人力等各种物质要素的总称，资源配置是将社会上的某些资源在时间和空间上进行配置，某些资源由于本身很稀缺，所以我们必须采用某些方式来合理的分配资源，使仅有的一些资源能发挥最大的作用，即用最少的资源耗费，产生最适用的商品和劳务，获取最佳的效益。由于资源分布的不平衡性，经济政治发展的不平衡性，管理体制与经营方式的差异性以及社会制度对人才智力科技发展的影响作用的不同，社会资源常常呈现出不均衡的发展状态。因此，只有对资源进行相对合理的配置，才能显著提高经济效益，才能使经济充满活力[1]；否则，经济效益就会明显降低，同时，经济发展也会受到影响。
2 研究方法
2．1 南京市出租车资源配置的指标建立
“打车难”问题的出现其根本原因是出租车的供不应求，以南京市为例，全市拥有833.5万常住人口，有出租车12432辆，其出租车万人拥有量为14.91辆/万人。目前国家对城市出租车拥有量的标准中并没有上限规定，现行的《城市道路交通规划设计规范（GB5022095）》仅给出了出租车拥有量的下限，即大城市不少于每千人2辆，小城市不少于每千人0.5辆，中等城市可在其间取值。通过以上资料可看出南京地区的出租车供应量并没有满足要求。
2．1．1 指标建立
从根源缓解出租车供不应求的问题应从增加供应量和减少打车需求量两方面入手。本文将判断在特定时间和地点下出租车的数目和需要用车的用户是否匹配，乘客在各个时段的平均等车时间以及司机师傅一个月的接单数作为衡量匹配程度的标准。判断打车软件的优化方案是否对实际问题有帮助的办法是指在特定时间下，尤其指高峰时段时，能否满足用户的需求量能否在较短的时间内到达乘客的所在地[12]。
2．1．2 研究方法
首先选取南京市特定区域作为研究对象，收集125个路口不同时段的相关数据，我们通过大数据分析的方法，首先对数据进行清洗，将无关数据删除，然后利用相关性分析配合层次分析法，将离散的数据量拟合为连续值，这样对我们后序的研究有极大的帮助，最后得到了各个时间各个地区出租车的空车率。其次，我们统计了乘客在各个时间各个地区的平均等待时间以及司机师傅的每月实际收入作为两个重要指标。利用经典的贪心算法弗洛伊德算法求解了每位乘客的等车时间均值，利用数据分析的方式，我们预测出了司机师傅的实际月收入，两项指标最终由MATLAB进行可视化，我们可以清晰的看出模型的趋势和结果。最后，建立我们的出租车与乘客匹配模型，求解在不同的时间和空间下的乘客与出租车的匹配程度，根据结果和评价指标，判断最终结论。

原文链接：http://www.jxszl.com/jsj/jsjkxyjs/57702.html