《数学建模滴滴打车模型分析》由会员分享，可在线阅读，更多相关《数学建模滴滴打车模型分析（18页珍藏版）》请在金锄头文库上搜索。
1、 2014-2015学年第一学期数 学 建 模（公选课）学院 物理与光电工程学院专业 电子科学与技术 班级 卓越工程师二班 序号 222 组号 57 学号 3113008634 姓名 邓航 联系电话： 15622703037 指导教师 徐圣兵 2014年10月 30日后打车时代究竟能走多远-基于数学分析的打车软件盈利模式的评估体系 1摘要打车软件作为新兴的交易平台，增加了交易机会。且与街头扬招方式相比，打车软件优势也很明显，它可以让出租车司机迅速找到它的客户。出租车正在寻找客人而“空跑”。打车软件的出现则改变了这种信息不对称，大大降低了司机的“空载率”，减少了司机和乘客之间的交易成本司机扫街和
2、乘客扫街的时间成本。其次，改变了支付方式。传统现金交易有两个弊病，一是安全性。另外，大量现金交易增加了司机的交易成本：时不时收到假钞，蒙受经济损失；每周几次到银行存钱也增加了时间成本。这些优势就使得打车软件极具有盈利的可能，只有软件找到用户并增强对他们的粘性，就有许多渠道来针对他们来盈利。随着近两年打车软件的兴起，从原先40多款打车软件的百花齐放演变成现在的嘀嘀、快的双雄争霸，市场竞争也趋于白热化。2014年伊始，嘀嘀打车和快的打车进入史上空前的“烧钱大战”，在高峰期甚至达到2月17日 乘客返现1015元，新司机首单立奖50元，而且每单都有补贴十块。目前两大打车软件纷纷将针对乘客的补贴降至3元
3、/单，对司机端的补贴，嘀嘀是5元/单，快的4元/单。部分城市的嘀嘀打车更已取消“立减优惠”，取而代之的是“用嘀嘀添新衣”的广告或改送购物网站现金券。那么，在后打车时代，滴滴打车这类打车软件还能走多远了？我们通过对打车软件盈利模式的研究来探索这个问题。 关键词：空载率，支付方式，交易成本，后打车时代2模型的假设打车软件开拓的市场基本成熟，大公司的投资也不再，补贴也不再，利用生活服务来增强对用户的粘性。假设软件公司为用户提高的生活服务质量日趋完善，出租车司机的覆盖率每年增长，但增长速度每年递减，最后使用打车软件的人数稳定在一定数量（即达到饱和状态）。假设出租车司机的覆盖率与顾客的等待时间成反比，即
4、t=k2/p2；k2为常系数。假设顾客的满意度跟等待时间成负相关，且满足s=100-k1*t，其中t顾客等待打车的时间，k1为常系数，顾客的满意度跟的士的覆盖率成正相关，可以这么理解，使用打车软件的出租车越多，乘客越容易在短时间内打到车，即满意度越高。假设顾客的覆盖率与满意度成正比打车软件收取的广告费Q跟打车软件的覆盖率及使用的频率成正相关，且满足Q=k5*v*N(p1+p2)，N为全国总人数。假设的士司机因打车软件每月多赚取的收入S为司机因降低空载率而省下的油费，并假设司机每月跑的路程不变，为l，而每公里油费为o，而使用软件前的空载率为w1，使用软件后的空载率为w，w跟p1呈正相关，跟p2呈
5、负相关。软件收取向司机的额外收入提成为p%3符号的约定及意义p1 司机覆盖率（使用软件的司机占全国司机的比例）p2 顾客覆盖率（使用软件的顾客占全国总人口的比例）p 向出租车司机额外收入的提成百分比s 顾客的满意度k1k9 ，b1，b2 常系数w 出租车的空载率n 年份t 顾客打车等待的平均时间v 顾客每年打车的频率P 向出租车司机每年收取额外收入的提成总和Q 软件所能带来的广告费N 全国总人数K 司机的平均空载率Y 软件的年利润4模型构成一覆盖率的变化规律出租车司机的覆盖率p2的变化规律根据上述图表1及假设，由于出租车的覆盖率随年份的增长率不断下降，且最后值趋于不变，这一数学函数我们联系到了
6、指数函数，所以我们小组大胆假设p2的变化规律满足以下关系式p2=k3*e(-n+k4) +b1 其中k3,k4，b1为常系数，n为年份由图表1所给的数据可以确定k3=1 ，k2=2021，b1=0.001 （1）顾客的覆盖率p1的变化规律根据假设和，出租车司机的覆盖率与顾客的等待时间成反比，即t=k2/p2；顾客的满意度跟等待时间成负相关，且满足s=100-k1*t，由这两个式子得到s=100-k1*k2/p2；且由假设顾客覆盖率p1与满意度s成正比，我们易得p1=k7*100-k1*k2/p2由图表2所给的数据可以确定k7=0.0004 ，k1*k2=0.0001 （2）二打车软件每年收取的
7、广告费Q的变化规律根据假设，可得到向用户收取的广告费与用户的覆盖率p1，p2及频率v呈正相关，我们有Q=k5*v*N（p1+p2）=k5*N（p22+100*p2-k1*k2）/p2;由图表3，可以确定v=2.63，N=15*108，k5待定 (3) 三 向出租车司机收取的费用P的变化规律基于假设，空载率为w跟p1呈正相关，跟p2呈负相关。便假定其满足一下等式w=k8*p1-k9*p2+b2因此易得每月司机省下的油费为（w1-w）*l*o由图表4的数据可以确定出w1=0.4，k8=0.02，k9=0.4，b2=0.036 (4)而每月向出租车司机收取的费用S的变化规律为S=k6*(w1-w)*
8、l*o由图表5的数据可以得出l=60000，o=1.5 (5)而每年向出租车司机收取的费用S的变化规律为P=12*S打车软件的总利润Y=Q+P （6）5模型求解此时我们除了常系数k5，其他系数都确立了，因为现在我们打车软件还只是探索，因此打车软件对用户收取的广告费的情况还不得而知，只得又我们去估测。那么现在打车软件的变量因素就只剩下年份t及比例系数k5.利用式（6）将年利润Y（t，k5）用不同的t及k5表示出来 表1 不同t及k5下软件每年利润Y（单位：十亿元）模型优点：这个模型纯属典型的优化模型，跟上课讲的冰山运输那个例题殊途同归，只有简单的年份变量及未知的比例系数变量k5作为双变量，决定着
9、盈利额Y。另外，函数的结构也不复杂，除了覆盖率p2为t的指数函数，其余的都为简单的反比例函数或是线性函数。从而大大降低了建模的难度。缺点：然而这个模型的建立实际上相当的粗糙，因为从模型的建立可以看出，我们假设的出租车司机的覆盖率仅由年份t来决定，实际上其因变量相当复杂，但为了建模简易的需要，而不得不把它简化了。当然，还有其他变量因素也是大大简化过了的。另外，也是为了建模的需要，由表格数据算出的常系数也是经处理过的。最后，由于现在来说打车软件的盈利模式相当模糊，因此从网上查阅的资料文献的可靠度不是很高，从而使得结果产生较大误差。而且由于事先设置的变量过于冗杂，导致在计算过程中可以统一的变量重复被
10、计算。结果分析，由表1的数据显示到了后期因为打车软件逐渐饱和，利润有下降的趋势，但其依然有发展的可能。且十年以后，经过之前软件的种种投资，已渐渐将用户的手机支付习惯培养起来，因此覆盖率p2的比例系数k1将有所提高，从而使得打车软件更具有盈利的可能。而对于手机的使用习惯我们的模型并未明确的给出，但是未来的手机一定是更加让人们贴近生活，让生活更加方便，因此手机的使用习惯会更加生活化而不只是现在的打游戏聊天。6附录：根据上方网的关于打车软件市场分析报告，我们查阅有一下图表 20122014年全国使用打车软件出租车司机人数 图表1 图表2 图表4 图表5一些大公司如阿里巴巴，腾讯，微信支付等，他们想通
11、过这种补贴的方式养成用户移动支付的习惯，从而有助于他们在未来的发展。另一方面，他们想收集用户的地理定位信息，从而利用这些信息来大做文章。-知乎网打车软件的的市场开拓这一阶段基本完成，打车的补贴基本停止，开始通过提高生活服务来固定用户。比如说，继日前针对老年人提供免费叫车服务后，快的打车于4月17日联合大众斯柯达、雅培集团又推出了关爱孕妇出行计划，只要是怀孕的女性，都可以享受免费专车接送服务。当然，还有其他许多模式的合作来提高服务质量。-光明网 不少城市里有市民利用相关的打车软件来拼车，且司机向搭便车的顾客收取一定的金额来赚取费用，这既有利于提高乘车效率，又给带来一定的增值。有营运牌照的高端车辆
12、租赁机构（可以引申到各类服务提供商）。对有特殊用车需求的用户提供高端服务（短途少量货物运输、高档汽车服务、短长途接送等），从中抽取佣金。-知乎网开启会员活动及会员卡充值活动，顾客可以交费用而成为会员，且利用推出充多少送多少的优惠活动来吸引及固定用户。以后顾客就可利用会员卡里的余额来打的了。打车软件大大降低了出租车的空载率。据滴滴打车的市场调研，使用过打车软件的出租车司机月收入增10001500元。-东方卫视新闻报道心得体会：经过这学期数学建模的选修，对数学建模也有了初步的了解。本以为自己的数学功底不错，能够轻松应对数学建模，上了几节课后发现其实不然。数学建模考虑的因素有很多方面，且要抓住主要因
13、素就更考验水平了。另外，也要找到默契的伙伴，因为完成这个建模的任务确确实实很艰巨，一个人的力量很有限，少不得队友。但是遇到困难不能害怕，要懂得迎难而上。说实话，刚开始的时候我毫无思路，因此这是一个陌生的领域，可以说是一无所知。但经过网上的几番查阅资料及和队友的讨论，渐渐有点头绪，有了思路，慢慢将其展开了。因此，这次选修课虽然难度比以往的大很多，但完成后的快感难以用言语表达。窗体顶端Latitude , longitude , your height feet, time zone.Tabulate every days beginning .Show Suns declination (celestial latitude) and altitude above the horizon, too.Daylight Saving Time窗体底端Convert your shadow length (in feet of 1/3 your height) into time of day, for given date, latitude 39.0N, longitude 116.0E, in GMT+0800 time zone. Leftmost shadow is at local noon, dusk
