【技术实现步骤摘要】
本专利技术涉网约车服务优化的，特别涉及一种网约车车队规模和收费费率协同优化方法。
技术介绍
1、互联网+时代给网约车运营商带来了巨大的机遇，为了最大限度地提高社会总体效益，需要对网约车收费费率和车队规模进行优化。然而，目前的确定方法主要考虑运营侧利益，且主要考虑乘客对价格的敏感性，从社会总体效益出发，兼顾企业和乘客利益进行收费费率和车队规模设置，未见有针对性的优化方法，并且也未检索到这类方法的专利技术专利。
2、经对现有技术的文献检索发现，有关网约车收费费率和车队规模的优化方法，主要有以下几种：
3、1、静态的不随乘客需求变化的定价方法。参照中国的《出租汽车运营服务规范gb/t 22485-2013》《出租汽车经营服务管理规定》相关要求，定价包括起步价、公里费、回程空车费、候客费、夜间服务费、节假日补贴费等，不随乘客需求变化而改变定价。
4、2、动态出租车服务定价方法。以运营成本最小、收入最大为目标，基于网约车服务供需关系、时间、位置等因素，考虑乘客对价格的敏感性，动态调整价格。在中国的代表性著作包括《网约车市场分析与定价策略》、《共享经济下的服务定价策略》。
5、3、考虑司机营运模式的网约车服务定价。根据租赁公司历史运营数据，建立续租预测模型、租赁公司收益变动模型和司机收益变动模型，确定最优的定价决策，实现网约车平台和司机的共赢。在专利技术专利申请“一种网约车定价方法、系统、存储介质及设备”(申请号201811239009.2)、专利技术专利申请“基于系统动力学的城市网约车定价模
6、方法1是传统的固定规则的出租车费计算方法，不考虑乘客需求变化，方法2是考虑动态平衡供需关系的设计方法，通过考虑乘客对价格的敏感性动态调整定价，目前也有了较为成熟的技术成果。方法3考虑了网约车平台公司和司机的共同利益，同时考虑乘客对价格的敏感性，进行动态定价，实现平台公司和司机共赢。但从优化目标层面，现有方法均只考虑运营侧(平台公司和司机)的利益，未考虑乘客利益；从考虑因素层面，现有方法仅考虑乘客对价格的敏感性，未同时考虑价格和等待时间的敏感性。
7、常规的设置方法未认识到乘客等待时间、平台上出租车服务的车队规模和服务的乘客数量之间的相关性：平台的最优定价策略可能并不总是遵循单调的趋势，很大程度上受乘客效用函数和出租车服务利用率在不同阶段的影响；当价格下降导致平台利润为负，而乘客利润的增加不足以弥补这种情况时，出现整体回报函数显示负值。因此，现有技术缺乏关注网约车平台的双边市场定价模式。
技术实现思路
1、针对现有技术中存在的不足之处，本专利技术的目的是提供一种网约车车队规模和收费费率协同优化方法，将网约车平台的利润及乘客收益计算的关键参数整合在一个统一的优化模型中，从而充分发挥出租车平台车辆资源分配效率，同时兼顾社会公平，促进市场良性发展。为了实现根据本专利技术的上述目的和其他优点，提供了一种网约车车队规模和收费费率协同优化方法，包括：
2、通过m/m/k排队模型和双边市场定价模型表述优化模型，该优化模型求解具体包括以下步骤：
3、s1、确定优化模型的输入参数与输出参数，其中输入参数包括：某时间段内服务的潜在乘客需求率；d，表示客户要求的平均服务单位数，其值为e(d)；r，网约车每提供一个服务单位的成本；ω，每一辆车固定单位成本；单位时间内乘客的候车成本，c；网约车平台的潜在车队规模，k；服务提供商的平均服务速度，μ；输出参数包括：u(υ)，特定乘客类型的期望效用函数；λ，已实现的客户请求率；r，平台利润；
4、s2、对价格和等待时间均敏感的乘客，同时考虑服务收益的情况下，通过期望效用函数计算，进一步计算可能的乘客候选者与根据平均乘客需求率出租车定价率；
5、s3、计算服务平台利润；
6、s4、计算乘客收益；
7、s5、进行目标函数优化，该目标函数即为平台利润最大化或平台利润和乘客收益最大化。
8、优选的，步骤s2中乘客期望效用函数，如式(1)所示：
9、u(υ)＝(ν-p)d-cwq (1)。
10、优选的，在所有请求服务的乘客中，可能的候选者λ如式(2)所示，
11、
12、优选的，定价率p是预先定义的，根据平均乘客需求率，在不同时期可能会有所不同，如式(3)所示，
13、
14、优选的，步骤s3中服务平台利润，如式(4)所示，
15、r＝(p-r)*λ*d-w*k(4)；
16、平台利润和乘客收益最大化目标π(k,λ)，如式(5)所示，
17、
18、其中，乘客收益权重β＝k/k；乘客乘车收益或总剩余cs，如式(6)所示，
19、
20、其中，
21、优选的，步骤s5中，当β＝0，即目标函数为平台利润最大化时，每个乘客类型的等待时间wq，可以使用m/m/k排队系统建模，如式(7)所示，
22、
23、其中，服务平台的可利用率服务车辆数k变量常数化k*(n*)＝n*。
24、所述平台利润最大化的目标函数，如式(8)所示，
25、
26、优选的，当β＞0，即目标函数为平台利润和乘客收益最大化时，如式(9)所示，
27、
28、优选的，当目标函数为平台利润最大化时，当客流量()增加时，服务车辆数(k*)、接受网约车服务人数(λ*)以及服务车辆利用率(ρ*)单调增加，乘客等待时间(wq*)单调下降，平台收益(r*)和整体收益(π*)单调增加，乘车价格(p*)非单调；
29、当标函数为平台利润和乘客收益最大化时，为保证整体利润π＞0，应有乘客收益权重
30、当乘客收益权重β增加时，服务车辆数(k*)、接受网约车服务人数(λ*)以及服务车辆利用率(ρ*)单调增加，乘客等待时间(wq*)单调下降，整体收益(π*)单调增加，乘车价格(p*)非单调；
31、当增加时，s*(λ*)、k*和ρ*单调增加，而单调减少，π*单调增加，p*非单调。
32、通过上述优化过程中需要考虑：平台对自身利润和乘客打车收益的权重分配也会影响到决策的变化。其一、前期进入市场以及后续提升竞争力，增加平台对于乘客打车剩余价值权重时，平台可以增加单位时间内的服务车辆规模k*以此来提升接受打车服务的人数λ*，但是值得注意的是平台不能盲目增加服务车辆规模k*，而是要时刻关注服务的利用率，应当在提升服务利用率的基础上，依据服务人员数量的增加，来调整增加服务车辆规模。其二、发现不断增大平台对于乘客打车剩余价值权重，并不能够一直增加系统的公平性，且增加过多时，反而会使总体收益损失，因为乘客收益的增加无法冲抵平台放弃的收益部分。因此，应视运营环境变化，设定合适的权重比。
33、本专利技术与现有本文档来自技高网...
【技术保护点】
1.一种网约车车队规模和收费费率协同优化方法，通过M/M/k排队模型和双边市场定价模型表述优化模型，其特征在于，该优化模型求解具体包括以下步骤：
2.如权利要求1所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，步骤S2中乘客期望效用函数，如式(1)所示：
3.如权利要求2所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，在所有请求服务的乘客中，可能的候选者λ如式(2)所示，
4.如权利要求3所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，定价率p是预先定义的，根据平均乘客需求率，在不同时期可能会有所不同，如式(3)所示，
5.如权利要求1所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，步骤S3中服务平台利润，如式(4)所示，
6.如权利要求5所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，步骤S5中，当β＝0，即目标函数为平台利润最大化时，每个乘客类型的等待时间Wq，可以使用M/M/k排队系统建模，如式(7)所示，
7.如权利要求6所述的一种网约车车队
8.如权利要求7所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，当目标函数为平台利润最大化时，当客流量增加时，服务车辆数(k*)、接受网约车服务人数(λ*)以及服务车辆利用率(ρ*)单调增加，乘客等待时间(Wq*)单调下降，平台收益(R*)和整体收益(π*)单调增加，乘车价格(P*)非单调；
...【技术特征摘要】
1.一种网约车车队规模和收费费率协同优化方法，通过m/m/k排队模型和双边市场定价模型表述优化模型，其特征在于，该优化模型求解具体包括以下步骤：
2.如权利要求1所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，步骤s2中乘客期望效用函数，如式(1)所示：
3.如权利要求2所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，在所有请求服务的乘客中，可能的候选者λ如式(2)所示，
4.如权利要求3所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，定价率p是预先定义的，根据平均乘客需求率，在不同时期可能会有所不同，如式(3)所示，
5.如权利要求1所述的一种网约车车队规模和收费费率协同优化方法，其特征在于，步骤s3中服务平台利润，...
【专利技术属性】
技术研发人员：汪超君，赵靖，韩印，任祎程，陈南，顾民，朱浩，沈峰，潘振兴，郑佳媛，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。