基于排队论的机场出租车最优决策模型
基于排队论模型的车场出租车调度问题
数据库技术Database Technology电子技术与软件工程Electronic Tech n o l ogy&Software En g ineering 基于排队论模型的车场出租车调度问题文/史可为张心悦陈润桓（南京邮电大学江苏省南京市210003）摘要：本文针对愈发引人关注的机场出租车决策问题，建立了基于司机收益心理的多级指标决策模型，并参考实地机场数据建立了理想乘车区模型；本文通过建立排队论模型为短途车的载客方案设计提供了一系列可行的方案。
最后通过仿真验证了模型的合理性，旨在合理有效地解决机场出租车面临的一系列问题，促进机场出租车产业的高效发展。
关键词：模糊综合评判法；排队论；蒙特卡洛仿真；粒子群算法1问题背景介绍送客到机场的出租车司机会根据实际情况对下一步工作做岀两种选择：（1）前往缓冲区等待，载客人返回市区。
此时出租车需要付出等待时间成本。
（2）直接空车返回市区载客。
此时出租车司机会付出空载损失费用和损失潜在的载客收益。
两种选择方式引发了值得探讨的问题：（1）司机应该如何进行决策使自己获益最大；（2）管理者应如何管理机场候车区使得总乘车效率最高；（3）为使收益均衡，管理部门应如何给出租车分配“优先权”。
针对这三个问题建立模型求解。
2模型的建立与求解2.1基于多级评价指标的司机载客方案选择决策模型结合文献和实际情况⑴分析发现司机对某方案收益大小的预估主要取决于机场抵达航班的乘客数量、蓄车池内已在等待的出租车的数量、天气状况、道路拥堵情况囚。
因此我们进行指标分级：某段时间内的乘客数量受某时间段内抵达机场的航班数量、蓄车池内已在等待的出租车的数量和当前时间因素（节假日、普通工作日等）影响⑶。
2.1.1基于线性最小二乘拟合的乘客数量回归模型来利用最小二乘法⑷对乘客数量X2关于m个子项指标的变化曲线进行拟合，步骤如下：首先确定回归方程的维数。
由于不同类别的自然环境和特殊时期对乘客数量的影响程度一般由专家打分得出⑸，均为常数因此乘客数量的变化规律是关于某段时间内抵达航班数的二维线性函数。
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题
机场出租车司机综合决策及机场出租车管理模型引言机场出租车司机的综合决策及机场出租车的管理模型是机场出租车服务的重要组成部分。
在繁忙的机场交通中，司机需要面对各种决策问题，如何合理地选择乘客、路线和交通方式，以提高服务质量和效率。
同时，机场管理部门也需要建立科学合理的管理模型，以确保出租车运营的顺畅和乘客的满意度。
机场出租车司机综合决策机场出租车司机在日常工作中面临许多综合决策问题。
下面将从选乘客、选择路线和选择交通方式三个方面进行探讨。
选乘客•司机需要根据乘客的目的地、行李数量和交通时间等因素，综合考虑选择合适的乘客。
•在早晚高峰期间，司机可以优先选择去市区的乘客，以提高收入和节约时间。
•对于长途的乘客，司机可以主动询问他们的行程安排，以便更好地规划自己的工作。
选择路线•司机需要综合考虑交通状况、距离和时间等因素，选择最佳路线。
•对于熟悉机场及周边道路的司机来说，他们可以通过了解路况和选择次优路线，避免拥堵和延误。
•使用导航系统是司机选择路线的重要工具，通过实时交通信息，司机可以做出更明智的决策。
选择交通方式•在机场交通中，司机不仅面对乘坐出租车的乘客，还有选择乘坐其他交通工具的乘客。
•因此，司机需要在不同的情境下，判断乘客选择交通方式的可能性，并根据自身收益和乘客需求做出决策。
•对于一些短途的乘客，司机可以向他们提供其他交通方式的建议，如地铁、公交等，以减轻机场交通压力。
机场出租车管理模型为了实现机场出租车服务的高效和有序，机场管理部门需要建立合理的管理模型。
下面将从调度管理、价格管理和投诉处理三个方面进行探讨。
调度管理•机场出租车的调度管理是保证出租车运营效率和服务质量的关键。
•管理部门可以通过引入智能调度系统，根据实时交通情况和乘客需求，合理分配出租车资源。
•合理的调度策略可以减少出租车等待时间和空驶率，提高出租车利用率。
价格管理•出租车价格的合理管理可以提高乘客的满意度和司机的收入。
•管理部门可以通过建立动态定价模型，根据路程、时间和交通状况等因素，灵活调整价格。
基于排队论和蒙特卡洛算法的机场出租车司机决策问题
1 问题背景随着国民经济的增长及居民消费水平的提升刺激了航空运输的发展，飞行出行方式更加普遍。
乘客下飞机后通过何种方式离开机场，给机场多元化交通方式的运力带来了更大的压力[1]。
出租车由其便捷和灵活的特点，是机场交通运输的重要工具之一。
国内的多数机场都是将送客（出发）和接客（到达）通道分开的。
送客到机场的出租车司机将根据自己的经验抉择是前往到达区排队等待载客返回市区还是直接放空返回市区拉客。
2 模型求解对于出租车司机的决策问题，主要问题是对选择(A)前往到达区排队等待载客返回市区和选择(B)直接放空返回市区拉客进行抉择。
是否选择(A)是通过时间成本来衡量，选择(B)的衡量指标是空载费用和可能损失潜在的载客收益。
图1 决策思维导图同时影响时间成本的因素为等待时间和单位时间出租车平均收入，影响等待时间的因素为乘客数量、排队出租车数量以及通行能力，影响空载费用的因素有市区到机场的距离、耗油费用。
将上面的表述做成思维导图如图1所示。
2.1 时间成本2.1.1 影响因素说明由以上分析可知，影响司机做出选择(A)的主要因素为时间成本，而影响时间成本的因素有等待时间和单位时间出租车平均收入，同时影响等待时间的因素有乘客数量、排队出租车数量以及通行能力。
（1）乘客数量在不考虑其他因素的情况下，乘客数量越少，等待时间越长，时间成本越高，做选择（A）的可能变小，乘客数量越多，等待时间越短，时间成本越低，做选择（A）的可能变大。
（2）排队出租车数量在不考虑其他因素的情况下，排队出租车数量越多，等待时间越长，时间成本越高，做选择（A）的可能变小，排队出租车数量越少，等待时间越短，时间成本越低,做选择（A）的可能变大。
（3）通行能力通行能力是指道路上某一点，某一车道或某一断面处，单位时间可能通过的最大交通实体数（辆/H）。
通行能力越强时，单位时间内通过的车辆越多，排队等候的时间则会越少，时间成本越低，做选择（A）的可能变大，通行能力越低，单位时间内通过的车辆越少，排队等候的时间则会越多，时间成本越高，做选择（A）的可能变小。
基于排队论的机场出租车接客模型
基于排队论的机场出租车接客模型摘要：机场的出租车接客问题一直都是困扰司机和乘客的难题，出租车司机能否根据实际情况做出正确决策会直接影响其收益状况。
本文分别从司机和乘客两方面分析影响出租车司机决策的因素，建立了排队论模型分析司机的决策方案目的在于保证乘车效率的情况下使出租车司机的效益最大化。
关键词：logistic模型；排队论；平均到车率引言国内大多数机场所在地都远离市区，大部分乘客在机场下飞机后都需要前往市区及周边目的地，出租车是主要的交通工具之一。
机场大都是将乘客出发区与到达区分开建设，因此送客到机场的出租车司机都会面临两种选择：（A）前往乘客到达区排队等待载客返回市区。
出租车必须到机场的“蓄车池”排队等候载客，排队出租车和乘客的数量多少直接影响司机的等候时间。
（B）直接空载返回市区拉客。
出租车司机不仅需要承担燃油费及过路费等空载成本还会损失潜在的载客收益。
本文通过分析与出租车司机决策相关因素的影响机理，综合考虑机场乘客数量的变化规律和出租车司机的收益，建立出租车司机选择决策模型，并给出司机的选择策略。
1 司机决策影响因素分析影响出租车司机决策的确定因素主要为当天的航班数量、乘客数量和“蓄车池”内排队出租车数量的多少，而当天的天气状况和是否节假日为不确定因素。
因此当天的乘客数量与“蓄车池”内出租车的数量为影响司机决策的关键因素，当“乘车区”内等待的乘客数量增多时，“蓄车池”中的出租车数量也会相应增加，且二者的增长率相同，即可以用“蓄车池”内出租车的数量与到达机场的出租车数量之间的关系表述乘客数量与到达机场的出租车数量之间的关系。
综合考虑乘客数量与“蓄车池”内出租车数量的变化规律和司机收益，可以得出如下结论：当司机在“蓄车池”内因排队消耗的时间成本小于其返回市区需要承担的空载费用则其会选择A方案，反之会选择B方案。
2 分析“蓄车池”内出租车数量变化情况logistic模型又称阻滞增长模型，最初用于分析人口增长到一定数量之后增长率下降的问题[1]。
机场出租车司机的最优决策模型
租车司机将市内乘客送到机场之后袁将会面临两种 队等待的出租车数量尧到达机场的乘客数量尧乘坐出
选择院一是前往野 到达区冶 排队等待载客返回市区袁 租车的乘客数量尧此时间段内市区出租车服务密度尧
花费一定时间等待下飞机乘坐出租车的乘客袁将他 天气因素尧节假日因素尧司机的心理因素和驾驶状态
们运载回市内袁得到相应的收益曰二是立刻放空返回 市区接单拉客袁得到收益袁损失潜在的机场载客收益 并付出空载费用遥 出租车司机的两种不同决策选择 导致所获得的净收益不同遥 出租车司机这两种不同 决策净收益的影响因素有许多袁包括在一定时间段 内到达机场的飞机航班数尧飞机机型和乘坐率尧机场 乘坐出租车的乘客比率尧此时段在野 蓄车池冶 排队等
随着科技的发展尧社会的进步和生活水平的不 成本和等待时间成本的大小关系并由此构建机场出
断提高袁飞机已成为人们长途旅行的重要交通工具袁 租车司机的决策模型袁但其忽略了机场出租车所载
乘客下飞机后要去市区或周边目的地袁出租车以其 灵活便捷的特点袁成为多数人首选的交通工具遥 出
乘客多为长途袁其在单位时间的收益远高于市区载 客的收益曰俞雪永等咱猿暂 综合考虑了一定时间段内排
圆园圆员 年 员园 月 韵糟贼郾 圆园圆员
机场出租车司机的最优决策模型鄢
陈修素员 袁 陈摇 睿圆鄢鄢
渊员援 重庆工商大学 数学与统计学院袁重庆 源园园园远苑曰 圆援 重庆财经学院袁重庆 源园员猿圆园冤
摘摇 要院基于载客路程这个随机变量的密度函数建立了机场出租车所载乘客的期望收益函数袁给出了任 意时刻起单位时间内候车总人数的表达式袁在揭示了出租车等待乘客的时间与候车人数关系的基础上袁获得 了每辆出租车的平均服务时间的估计公式曰综合考虑出租车司机不同选择的有关收益和费用袁考察机场出租 车司机决定排队载客起至搭载乘客到达目的地止这一包括了出租车司机等待和载客的完整过程对应的时间 区间内袁基于出租车司机不同选择对应的单位时间的平均净收益构建了出租车司机选择的最优决策模型袁给 出出租车司机的最优选择策略曰建立了机场短途载客且再次返回机场载客的出租车排队的野 优先权冶 模型袁 且能有效地均衡出租车司机的收益袁更有便于操作的优点遥
基于排队论的机场出租车乘车站点优化设计
基于排队论的机场出租车乘车站点优化设计摘要出租车是城市客运体系中的重要组成方式，具有方便、快捷、舒适、通达性高等特点。
本文中所论述的主要是机场出租车城车上车点优化设计来提升通行能力。
首先在尽可能保证乘客和司机安全的情况下，设计了直线式站点和岔路式站点两种机场并行双车道乘客乘车方式。
而后运用排队论方法，构造单路排队多通道服务系统，最终得出直线式和岔路式对出租车流量推荐适用范围：直线式2站位、3站位和4站位对应的通行能力范围分别为：<100、(100,150)、>150（taxi/h）；岔路式2站位、3站位和4站位对应的通行能力范围分别为：<120、(120,180)、>180（taxi/h）。
如此设置“乘车点”能使总的乘车效率提高。
关键词排队论站点设计一、模型假设1.本文只考虑出租车司机，不考虑网约车；2.假设交通状态处于理想状态，没有交通意外事故发生；3.假设每个站位的平均服务时间相同。
二、乘车点优化设计2.1 上车点形式选择研究本文考虑了如下两种乘车模式，如下图6,7：图 2 直线式乘车方式两种乘车方式分别具有其优缺点。
直线式车辆进出站点容易，减少车辆站点延误，并且设计简单，成本较低，改扩建较为方便。
但是停靠占用一条车道，形成道路瓶颈，降低路段通行能力，高峰期容易造成交通堵塞，而且出租车停靠时，尾随车辆必须减速行驶或变换车道，存在安全隐患。
而岔路式对路段交通影响较小，很大程度上减少了交通运行的延误，但是同样存在变换车道才能进站服务，停靠延误较大、相比直线式，占用空间资源较大的缺陷。
2.2站位数设计模型停车站站位数是各站点中微观优化设计的一个主要目标，在确定了站点位置和形式后，确定站位数成为站点优化设计的又一重要工作，也是站点优化设计研究的关键部分。
2.2.1排队论分析首先，由于各车辆平均上客时间差别不大，前后车辆上客时间差在0.3秒左右，为简化计算，可以假设在每个点位的平均服务时间相同的前提下，运用排队模型对出租车上客点进行分析。
基于排队生灭理论的机场乘车效率问题
基于排队生灭理论的机场乘车效率问题交通问题一直是现代生活中的一个隐患，出租车作为主要的载客交通工具之一，在日常出行中起到了很重要的作用。
本文提及到的是关于送客到机场的出租车，希望根据机场的航班时间表和客流量为出租车司机在蓄车池排队等候进场载客和直接放空返回市区拉客两者之间中做出最佳选择，使得其利益最大化。
标签：选择决策模型;排队生灭理论;收益;优化机场作为承接多种交通方式的交通枢纽，其客流量较大，为了保证枢纽安全、高效、有序地运转，需利用枢纽的交通方式将到站乘客尽快疏散。
其中，出租车作为乘客离站的一种交通方式，等候乘车的排队服务秩序水平一定程度上影响着乘客的离站效率。
枢纽是否能够有序快速地运转直接影响出租车司机的决策、服务导向和其收益水平，因而确定出租车司机本身合理的决策偏好称为解决问题的关键。
我们旨在通过建立合理的出租车决策模型，给出司机正确的选择策略。
并在一些特殊情况下合理安排出租车和乘客，在保障车辆和乘客安全的条件下，使得乘车效率提高，保障出租车司机的收益尽量均衡。
一、机场出租车司机决策存在的问题分析对送客到机场的出租车司机的两种选择其一为载客返回，其二为空车返回，进行分析可知，运用排队理论分析出租车司机的时间成本和空载成本，了解送客到机场的出租车司机的下一步决策可能与哪些因素有关。
研究机场乘客数量的变化规律，合理优化出租车司机的收益，转换排队生灭模型中的对象，即可较容易得到出租车司机的排队时间，进而决定决策模型。
二、模型假设前提（1）假设所有的司机都是理性人，有共同预期目标，即出租车司机的目标为收益最大化，自身成本最低化。
（2）假设出租车司机与乘客无权选择匹配对方且司机无权拒载乘客。
（3）假设相同经营活动行为的出租车司机收益服从正态分布，围绕着一个均值上下微幅波动。
三、基于问题的模型的建立与求解（一）出租车司机收益模型在假设条件下，所有的出租车司机认为都是理性人且具有相同的预期，同时相同经营活动下，预期收益都是十分相近的。
数学建模优秀论文-机场出租车的调查分析与对策
非工作日航班次数 工作日航班次数
时间
图 2 某市航班出发时刻表
4
航 140
班 次
120
数 100
80
60
40
20
0 6:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 23:55
图 3 某市航班到达时刻表
工作日航班次数 非工作日航班次数
时间
由此可得出司机收益的计算公式 总收益=载客收益-油费-空车等待损失/空车返回邮费损失（潜在收益损失）
。
（2）中等类型：选择比较，A 是效用高于 B，选择 A；B 是效用高于 A，选择 B。
（3）临界类型：临界状态，A 与 B 的效用相同，两者均可选择。
问题二 通过查阅相关资料收集到了机场及所在城市的出租车的相关数据，我们就可以知道
某一城市某时刻机场的客流量和每辆出租车载客的平均收益，本模型利用数据分析中的 灰色系统模型研究影响出租车司机决策的因素。
最后，我们对模型的优缺点进行了分析，并提出了改进方案。
关键词：选择决策模型 灰色系统相关性检验 方差分析 排队论 机场出租车送客
1
一、 问题重述
为了出租车司机能更快更高效的接送客人，并能得到更高的回报，需要选择一种可 行的“优先方案”，由于每个时段的客流量不同，每次完成送客的司机都会面临两种选 择。
根据某市飞机起飞与到达时刻表的对比散点图（图 2、图 3），我们将使用排队论 来划分工作日与休息日的客流信息，各时段“蓄车池”出租车数量，从而设计出每个时 段更适合司机选择的方案。
航 180 班 160 次 数 140
120 100
80 60 40 20
0
6:00 8:00 10:00 12:00 14:00 16:00 18:00 20:00 23:40
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题一、机场出租车司机综合决策机场出租车司机的综合决策是指在面对各种情况时，司机需要综合考虑多个因素进行决策。
这些因素包括但不限于路线选择、行车速度、客户需求、交通状况等。
1. 路线选择在选择路线时，司机需要考虑多个因素。
首先是客户的目的地，其次是交通状况和道路情况。
如果客户要前往市中心或者繁华商业区，司机需要选择最短的路线；如果客户要前往郊区或者远离市中心的地方，司机需要选择最快捷的路线。
同时，司机还需要考虑道路情况，如是否存在拥堵、施工等情况。
2. 行车速度行车速度是影响出租车服务质量和效率的重要因素之一。
在城市拥堵时段，司机需要根据实际情况调整行车速度以避免浪费时间和资源。
在高峰期间，司机还需要注意安全驾驶以避免事故发生。
3. 客户需求客户需求也是影响出租车服务质量和效率的重要因素之一。
司机需要根据客户的需求提供相应的服务，如协助搬运行李、调节车内温度等。
4. 交通状况交通状况是影响出租车服务质量和效率的重要因素之一。
司机需要根据实际情况调整路线和行车速度以避免浪费时间和资源。
在拥堵时段，司机需要选择最快捷的路线；在高峰期间，司机还需要注意安全驾驶以避免事故发生。
二、机场出租车管理模型机场出租车管理模型是指通过对机场出租车运营过程中各个环节进行有效管理，提高服务质量和效率的一种模型。
1. 车辆管理对于出租车公司来说，车辆管理是非常重要的一环。
公司需要保证所有的运营车辆都符合相关标准，并且始终保持良好状态。
此外，公司还需要对每台车辆进行定期维护和检查，以确保其安全性和可靠性。
2. 司机管理司机是出租车服务质量和效率的关键因素之一。
公司需要招募具有良好驾驶技能和服务态度的司机，并且对其进行培训和管理。
此外，公司还需要对司机的行为进行监督和管理，以确保其符合相关规定和标准。
3. 订单管理订单管理是出租车服务质量和效率的重要因素之一。
公司需要建立有效的订单系统，以便司机能够及时接收和处理订单。
机场出租车最优决策--以四川成都双流机场为例
2021年3月Mar 2021第31卷第2期Vol. 31 No. 2四川文理学院学报SichuanUniversi yofAr sandScienceJournal机场出租车最优决策----以四川成都双流机场为例冯爱芬*，王琰，胡启帆，曹振雪，庞碧玉，王莹，张锦心（河南科技大学数学与统计学院，河南 洛阳471023）摘 要：针对出租车到达机场后选择接乘客回市区还是直接放空返回市区拉客的问题，建立决策模型，采用简单随机抽样方法，选取成都双流国际机场及其所在城市成都的出租车相关数据为研究对象，利用曲线估算和折线图分析航班人数、季节月份等相关因素对选择出租车的乘客数量变化的影响，建立相关 性函数和出租车的收益模型.根据决策模型的结果，选取相应决策方案.关键词：if 条件循环；简单随机抽样；决策模型；相关性函数中图分类号:F572. 88；O224文献标志码:A文章编号 1674—5248(2021)02—0099—050引言为加快建设智慧出行3添砖加瓦.客从机地区，出租要的交通工具 •而送客到机场的出租 机都会面临两择：（A ）搭载乘客 ；（B ）空载两择都会有潜在的损失，为的出租车运营、减客 等间和总的出租车空驶时间,「1（本文从油耗、时间成本& 系等多方面构建指标体系，构建 模型严并 都出租车都双流机场数 得出结果•研究此类问题,1出租车司机决策模型的建立11数据预处理分 租车GPS 轨迹，对挖掘居民够 显著作用随机抽取2018年9月2019年9月其中 （2019年8月23日），全租车GPS 总数据，将其在地图上标地标得以密度图形：图1 成都市出租车一天的轨迹分布收稿日期2020 — 10 — 20基金项目：国家级大学生创新创业重点项目（202010464052）；河南省高等教育教学改革研究与实践项目（2019SJGLX262）；河南科技大学教学与改革研究与实践重点项目（2019YBZD —009）；河南科技大学大学生研究训练计划项目（SRTP ：2019199）作者简介：冯爱芬（1968 —），女，河南新安人.副教授，硕士，主要从事图论与组合优化与数学规划研究.*通讯联系人,e — mail ：2681513281 @qq. com.・99・2021年第2期王琰，冯爱芬"，胡启帆，曹振雪，庞碧玉，王莹，张锦心：机场出租车最优决策选定经度(103. 955559,103. 963597),纬度(30. 566706,30. 573784)该范围为返还筛选该区间的数据，得到图2,图3,图4,其中横 租车编号，纵坐标表示出租数.图2 坐标点数图3 除去未载客的坐标点数由此得到一系列出租车乘坐人数.该天在机场附近的出租车48辆，78次载人，载人数量约为 200人.模型中的出租车人数均据于此方法.1. 2影响因子(1)航班数影响出租车乘坐人数因子卩1通过Excel 散点图和spss 工具对成都双流机场数 ，可以得 班数到乘坐出租车人数的多少，而航班人数的二次方与租车的人数有线性关系，显著性较高•取第一区间为1,由其他区间和第一区间的值大小对比，得到对应Pi 的值，见表1.表1航班数影响出租车乘坐人数因子航班数[24,33([34,43([44,53([5463([6473([7483(影响因子P111. 14601. 17091. 20621. 25971. 3509(2)季度影响因子P 2道路 中天气因素定程度对某个地 畅产 ，页资料得平年 为春运期间，吞吐量较相 份高，八为旅游，机场吞吐量为全年最高，十 于国庆假期，且温度适宜 ，月吞吐量为全年第折线图所后三度的数据分别与第一季度进行对比 ，具体结果2.表2季度影响因子p 2节春夏秋冬因p 211. 18981 10901. 2736图5 2016 — 2018年机场乘坐出租车人数・100・王琰，冯爱芬*，胡启帆，曹振雪，庞碧玉，王莹，张锦心：机场出租车最优决策2021年第2期1.3乘坐出租车总人数根据问题分析可知，第n航班乘坐出租车总人数有两方面影响因素，即航班人数和天气因素对乘坐人数的影响，分别用01、伦表示影响因子,可建立相关函数模型.M n=01)02)Q n(1)01为航班数影响乘坐人数因子,02为天气因素影响出租车乘坐人数因子，q n为第n航班乘坐出租车总人数,Q n为机场一班飞机平均乘坐出租人数14A和B决策的收益现分别对影响A决策和B决策的相关因素进行分析，考虑A决策，出租车司机前往到达区排队等待载客返回市区，其收益与排队等待时间长短、已在“蓄车池”排队的出租车数量以及候车乘客的数量有关.A决策的收益为载客赚取费用W A1减去路上消耗油的费用W A2,其中载客赚取费用W A1可由出租车从机场到市区所需时间#1乘以出租车平均速度◎乘以出租车行驶单位里程收取的价格J2得到，即：W A1=O•11•:2(2)路上消油的用租驶位里程耗油的费用乘6这一次载客的里程.可列：W A2=-:•j1(3)故对A决策的收益建立模型如下：W a=o•#1•jj2—j1)(4)B决策的收益等于在市区载客赚取的金额W B1,减去路上消耗油的费用W B2.其中在市区载客赚取的金额可由在市区载客的时间乘6速度o6租驶位里程取的j2得考虑到A决策和B决策中都会有机场到市区的这一段行程时间，所6B中在市区载客的时间就等于出租车司机在B决策中总时间#2减去机场到市区时间#1.因此在市区载客赚取的金额为：W B1=O*#2—t*)•：2(5)油耗费用为B决策总时间t所消耗费用，即:w B2=o*t2*j1(6)6上两分6得B的益为：W b=W b1—W B2=O*(f2—t i)*j2—O*t*j17)化简后得到：W b=(t2*(j2—j1)—11*j2)*O(8)1.5排队等待乘客的时间考虑A决策中排队等待乘客的时间t3,这是一个分段过程，如果出租车到达机场的时候刚好等待乘出租车的人多于蓄车池里候着的车辆数,此时可6直接载客回市区，对应的等待时间t3=0；如果出租车到达机场的时候蓄车池里还有车即蓄车池里等待载客的车辆数多于目前要乘坐的人数,此时需要等到到下个人流出行高峰，对应等待时间t=)1,6此类推可建立如下模型：0,1—2*s〉0)1,2—(2*s—M1)(02)1,M3—((2*s—M1)—q2)>0t=/(9)n)1,Mn—(((2*s—q1)—q2)$—…—M n1)>0后：0,M1一2*s>0)1,M1+M2—2*s>02)1,M1<M2+m3—2*s>0t=/(10)n)1,—M i—2*s>0$*=1其中2租辆数s辆人数,n)1表示机场航班的n个间隔时间“n”取1,23,…….如“n=2”时表示二个机场人数间歇,即在此间歇后又将有一批人坐出租车.1.6决策模型为了将效益A和效益B进行比较,需约束一个平等条件,即在时间价值相等的条件下,将两者效益为：W at1+t3W bt(11)W模型为：#A,W>0选择方案=/B,W)0A或B,W=0模型已建立：*101*2021年第2期王琰，冯爱芬"，胡启帆，曹振雪，庞碧玉，王莹，张锦心：机场出租车最优决策□叽#1+#3#2(12)整体流程见图6:［祕］输入v,/?i,02,m,s,n=1，切t?,ji，)2>QnQn=PlMnh=(n-1)P1W A=vt10'2-;1)w fl=(t20-2-A)-t1；2)v厂W=、.W A W B、W<0、W>0/选择方案B1选择方案A、f、结束］图6机场出租车决策模型流程图2模型求解出租车单位里程耗油费用八的求解方法: 2018年9月到2019年9月成都市所有出租车的耗油量和气量，分别乘以其该时间段的单位价格6.67元/L和4元/m3,继而除以出租车全年的公里数，即可得到：1=0.36元/m3，其中全年耗油量、天然气量、总公里数均由成都租车官网中得官方网站上查找到的相关数据，进行筛选、处理和分析，并后取得租车的行・102・驶平均速度o=34.93km/h，出租车行驶单位里程收取的价格j2=1.9元/m3.o=34.93km/h.我大量出租车从机场到市区的数彳亍分类，并考虑到假设条件，信息的前提下，选取作为出租车从机所需时间，求得结果为#1=26min.相同方法解得出租等到一个乘客的平均时间#2= 41m巾,m=6，6=3.假设现在航班有50班，夏季，得简单匹配系数B1、仔2分别为1.1709和1.1898.将以上数据代入模型，利用MATLAB进行求解，运行程序，得果为：选择方案A#.因此，出租机在该的选择方案为决A3模型的合理性分析3.1优缺点分析(1)理论模型的合理性，该模型理论依据为出租车司机益最大化，假设条件理情设定，模型对实体实.(2)数据具有合理性，每个初始值的选取都有官方来源理，比租驶单位里程耗油的费用：1的求解方法：2018年9月到2019年9月成都市所有出租车的耗油量和天然气量，分别乘以其单位 6.67元/L和4元/m3,继而以租年的里数，得j1=0.36/m3.其中全年耗油量，天然气量，总公里数均由都租车官网中得到.(3)预期应用和需求分析，预期应用的效果具有性，租机以得班数量和间数(4)影响因子较多，考虑不够全面，数据是网络查找的往年的数据，模型简单.3.2模型对相关因素的！性相关因素有季节月份，天气，一天之中的时间，航班数量等等，它属于并列关系•从对模型的研究分析里可以看出，以上四个相关因素均有，依赖性最大的班数量，成线性关系，其节月份，在特殊的节假日机场吞吐量较大，有定的，间性大，气因素较王琰，冯爱芬*，胡启帆，曹振雪，庞碧玉，王莹，张锦心：机场出租车最优决策2021年第2期3.3模型的推广类似场合适用，且对以后的评价决策模型具有参本文针对不同类型问题选取了不同的模型，考价值.且有数据支持，建立的模型对各个城市的机场等参考文献：［1］何胜学.基于增强学习的网格化出租车调度方法*+计算机应用研究，2019(3)：62—766.［2］田冰，李谄君，李昊举，等.大型交通枢纽下的出租车智能调度研究*+电子元器件与信息技术，2019(11)48—49+52.［3］刘秋杰.我国智慧交通发展与国外经验借鉴*+四川文理学院学报，2018(5):53—56.［4］王1.基于出租车GPS轨迹数据挖掘的居民出行特征研究［J+中国高新区，2018(4):37—38.徐秀娟，贾棋，马瑞新，等.天气影响的城市交通实验平台设计与实现［J+实验室科学，2018(1):68—72.［责任编辑加晓昕］Optimal Decision of Airport Taxi:Taking Chengdu ShuangliuAirport in Sichuan Province as an ExampleFENG Aifen*,WANG Yan,HU Qifan,CAO Zhenxue,PANG Biyu,WANG Ying,ZHANG Jinxin (Mathematics an；Statistics School of Henan University of Science an；Technology,Luoyang Henan471023,China)Abstract:In order to solve the problem of whether the taxi chooses to pick up the passengers back to the urban area or return directly to the urban area after arriving at the airport,the decision model is established,and the taxi related data of Chengdu Shuangliu International Airport and Chengdu is selected as the research object by using the simple random sampling method.The influence of flight number,seasonal month and other related factors on the number of passengers who choose taxi was analyzed by using curve estimation and line chart,and the correlation function and taxi income model were es5ablished.According5o5he resul5s of5he decision model5hecorrespondingdecisionschemeisselec5ed.Key words:If conditional cycle；simple random sampling；decision model；correlation function・103・。
基于排队论的机场出租车决策模型研究--以浦东机场为例
基于排队论的机场出租车决策模型研究--以浦东机场为例徐士博;程晓燕;孙闯闯
【期刊名称】《甘肃科技》
【年(卷),期】2022(38)7
【摘要】出租车以其方便快捷的特点,已成为人们出行的主要交通工具之一。
尤其是选择飞机出行的人们,在离开机场时,出租车往往是一个不错的选择。
本研究以上海浦东国际机场为例,分析了出租车司机决策机制,并根据现有的机场数据建立了出租车司机决策模型。
然后基于排队论给出了机场出租车司机的决策方案。
优化结果表明,设置7个可同时供乘客上车的“服务台”可达到乘客等待时间、车辆排队时间以及“服务台”建设费用最小的效果。
【总页数】4页(P68-71)
【作者】徐士博;程晓燕;孙闯闯
【作者单位】甘肃农业大学理学院
【正文语种】中文
【中图分类】F571
【相关文献】
1.基于排队论的机场出租车最优决策模型
2.基于排队论的机场蓄车池优化方案的应用研究
——以上海浦东机场为例3.基于排队论对机场出租车问题的研究——以首都国际机场为例4.基于排队论的机场出租车司机决策模型——以杭州市为例5.机场出租
车的管理和运营方案研究
——以浦东机场为例
因版权原因，仅展示原文概要，查看原文内容请购买。
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题
机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题机场出租车司机综合决策及机场出租车管理模型和机场的出租车问题一直是广大机场管理部门和出租车司机所关注的重要问题。
合理的综合决策及有效的管理模型能够提高机场出租车服务质量和运行效率，优化机场出租车管理过程，降低运营成本，提升乘客满意度。
下面将从机场出租车司机综合决策、机场出租车管理模型和机场出租车问题三个方面来进行介绍。
一、机场出租车司机综合决策1. 乘客接载决策机场出租车司机在决策是否接载乘客时，需要考虑诸多因素，如乘客目的地、路况、出租车空车率、乘客数量等。
司机可以通过分析历史数据和实时数据，结合智能调度系统的支持，进行最优的乘客接载决策，提高司机的收益和顺利率。
2. 路线选择决策机场出租车司机在决策路线选择时，可以利用导航系统、交通信息实时更新系统等辅助工具，根据交通拥堵情况和路面信息，选择最短、最快、最经济的路线，节省行驶时间和成本，提高司机效率和收入。
3. 资源配置决策机场出租车司机在决策资源配置时，需要考虑平衡各个终端的接送需求、司机资源的分布情况和运营成本。
司机可以通过合理地分配车辆和司机资源，提高载客率、降低空驶率，提升经济效益和服务质量。
二、机场出租车管理模型1. 预测模型机场出租车管理部门可以通过建立数据模型，分析历史数据和实时数据，预测乘客流量、交通拥堵情况等信息，为司机提供相关的决策支持，优化出租车服务和管理。
2. 调度模型利用智能调度系统，将机场出租车司机的位置信息、乘客需求信息、交通状况等数据进行实时分析和处理，生成最优的调度方案，提高出租车的利用率和工作效率。
3. 评估模型建立机场出租车服务质量评估模型，对司机的服务质量、行车安全等进行评估和监控，及时纠正和改进不足之处，提升乘客满意度。
三、机场出租车问题1. 排队问题机场出租车乘客排队时常常出现拥挤、混乱的情况，影响乘客体验和运营效率。
应通过完善的排队管理措施和优化的排队算法，提高乘客的排队效率和满意度。
基于排队论的机场出租车司机决策模型——以杭州市为例
里程 l1 与当地的出租车价格收费标准来进估计。 结合杭州市出租车收费标准，根据计算，我们可以得到，出租车司机在机场的平均接客收益为：
M=
28.5 + 3.75× (
11
+
2.5
×
(
l1
−
l1 −
3),
10)
3≤
, l1 ≥ 10 l1 < 10
11, l1 < 3
我们可以得到，A 方案的预期收入 H A 为： H=1 M − k1Ws
910
…
…
17:00~18:00
1628
18:00~19:00
945
19:00~20:00
928
…
…
查阅相关资料，我们选择了三个具有代表性的三个时间段，分别是：0:00~1:00、10:00~11:00 以及 18:00~19:00，我们通过电话询问该机场的工作人员，了解到到达车道上车点有 4 个以及上述时间段对应 的出租车流量，见表 2：
Received: Aug. 29th, 2020; accepted: Sep. 15th, 2020; published: Sep. 22nd, 2020
Abstract
In life, taxi drivers who send passengers to the airport often face the puzzle: should they go to the
分析得知，影响司机选 A 方案获得收益多少的影响因素有每小时出租车流量、平均每小时上车人数、 到达车道上车点数量以及某时间段乘坐出租车乘客数量。
影响司机选 B 方案获得收益多少的影响因素有司机返回市区获得的平均每小时收益与司机付m.2020.99181
基于机场出租车的动态决策模型
基于机场出租车的动态决策模型摘要每天城市中都有数以万记的出租车穿梭往来，而机场作为城市重要的交通枢纽同样需要大量的出租车去运输来往旅客。
对于一些出租车司机来说，去机场接送乘客已成为稳定的收入来源之一。
而已到达机场的司机需要考虑不同的因素来决定是留在机场拉客还是空车返回市区，做出不同决策的司机们往往会存在很大程度上的收入差距。
所以建立一个数学模型来帮助出租车司机们做出最佳的决策以收获最大的利润具有重要的意义。
本文中，我们查询相关文献选取了一些指标作为决策因子，基于灰色关联建立不同时间段的动态多指标决策模型，通过MATLAB计算出每个时间段下的决策模型与极端理想模型的灰色关联度，最后全天候分时段决策优度为出租车司机们提供决策辅助。
关键字：动态分布，决策因子，交通模型。
AbstractJianzhi Song,Huren Li,Xuemei Liu,Yujie Shi,Miao Yue(Dalian Maritime University)About the author: Jianzhi Song, male, Han Nationality, 1998, Studying in Dalian Maritime University, majoring in Marine engineering.[Note] : This paper is thesis C of 2019 National College StudentsMathematical Modeling Contest.Every day, tens of thousands of taxis shuttle between the city, and the airport, as an important transportation hub of the city, also needs a large number of taxis to transport passengers.For some taxi drivers, picking up passengers at the airport has become a steadysource of income.Drivers who have just arrived at the airport need to consider different factors in deciding whether to stay at the airport to solicit passengers or return to the city empty-handed. Drivers who make different decisions tend to have large income gaps.Therefore, it is of great significance to build a mathematical model to help taxi drivers make the best decision to reap the maximum profit. In this paper, we selected some indicators as decision factors after consulting relevant literature.The dynamic multi-index decision model based on grey correlation is established. MATLAB is used to calculate the grey correlation between the decision-making model and the extreme ideal model in each time period. At last, the decision-making excellence of time pision provides decision-making assistance for taxi drivers.Key words: dynamic distribution, decision factor, traffic model.一、问题分析对于机场乘客的变化规律由实际情况可得到大致分布规律——时段不同，机场到达的航班数量也不同，所以我们应该着重分析不同时间区间内乘客的数量变化，这给司机是否选择前往到达区排队等待造成最为直接的影响。
基于排队论的机场出租车“上车点”设计方案
2020年第2期101计算机应用信息技术与信息化基于排队论的机场出租车“上车点”设计方案杨寒玉* ** 杨寒石*** 张 雷*YANG Han-yu YANG Han-shi ZHANG Lei摘 要 基于目前国内大多数机场出租车的载客效率较低的情况，本文以山东省济南市遥墙国际机场的出租车载客数据进行建模分析，运用“排队论”的思想，建立基于“排队论”的出租车“上车点”乘车效率的数学模型，经过模型的求解和结果分析，设计出机场出租车三点并列式的“上车点”，来实现出租车载客的总的效率的提高。
关键词 排队论；出租车“上车点”；MATLAB ；方案建议doi：10.3969/j.issn.1672-9528.2020.02.033* 齐鲁工业大学（山东省科学院）网络空间安全学院 山东济南 250353** 山东省计算中心（国家超级计算济南中心）山东省计算机网络重点实验室 山东济南 250353*** 黑龙江大学电子信息工程学院 黑龙江哈尔滨 1500001 现状及主要问题在国内，多数机场都将送客和接客的通道分开，这会导致送客到机场的出租车司机面临着去“蓄车池”排队等候载客或者不载客返回的状况。
若不载客返回，则会使出租车司机付出空载的费用，造成一些经济损失。
大多数乘客在机场下飞机后通常要借助各种交通工具去其它的目的地，出租车作为国内主要的交通工具之一，经常作为机场乘客的交通选择。
在国内，多数机场只是设立了出租车载客的“蓄车池”和乘客候车的“乘车区”，并没有设立特定的“上车点”。
因此在机场经常会出现出租车排队载客，乘客排队乘车以及在乘坐车辆的过程中车辆行驶较为混乱的情况，这会使人们付出一定的时间成本，如果排队人数过多的话，会造成一定的交通堵塞，妨碍到其它车辆正常行驶。
本文以山东省济南市遥墙国际机场为例，将提供一种以排队论为理论基础的机场出租车“上车点”的设计方案。
即通过设置特定的“上车点”来解决一些机场出租车载客的一些问题。
基于模糊综合评价的机场出租车优先权排队模型
第36卷第4期 齐 齐 哈 尔 大 学 学 报（自然科学版） Vol.36,No.4 2020年7月 Journal of Qiqihar University(Natural Science Edition) July,2020基于模糊综合评价的机场出租车优先权排队模型李勇1，陈妍群2，沈琼1，姚慧慧3（1.安徽财经大学 统计与应用数学学院，安徽 蚌埠 233030；2.安徽财经大学 金融学院，安徽 蚌埠 233030；3.安徽财经大学 会计学院，安徽 蚌埠 233030）摘要：对于机场出租车优先权方案设计问题，首先，考虑在没有优先权的情况下，建立M/M/1排队模型来分析得到未设置优先权情况下蓄车池内出租车的平均等待时间。
然后，对蓄车池中不同状态的出租车按关键指标分为4类，进行模糊综合评价，得到优先级次 依次为等待时间长、等待时间较短、短途载客返回和其他情况的出租车。
最后，分析优先级方案中4类出租车具体运行方式，并计算各优先级出租车平均每次载客过程在机场的等待时间、逗留时间、等待队长和队长指标值，与M/M/1排队进行对比发现，各指标值都有降低，得出优先权方案设计的可行性。
关键词：M/M/1排队模型；模糊综合评价；优先权；MATLAB；机场；出租车中图分类号：F572 文献标志码：A 文章编号：1007-984X(2020)04-0081-05作为我国城市交通运输的重要组成部分，出租车具有方便快捷的特点，也是机场乘客的主要交通工具之一。
对于短途载客的出租车，为 尽量使各出租车司机收益相对均衡，越来越多的机场倾向于给这类出租车赋予一 的排队优先权[1]。
机场蓄车池在互联网加大数据广泛运用下，使得其对蓄车池内出租车等待时间、离开载客时间等指标的实时监测、计算成为可能。
对于出租车司机不能选择乘客和拒载，难以避免短途载客影响收益均衡问题，管理部门拟对某些短途载客再次返回的出租车给予一 的“优先权”，例如浦东机场就特别推出 短途轨迹智能识别系统。
机场出租车司机决策优化模型研究
机场出租车司机决策优化模型研究作者：李惠子华旭李悦之来源：《中国集体经济》2020年第32期摘要：文章针对机场出租车司机的决策问题进行了相关研究，综合考虑了乘客数量及出租车收益对出租车司机的决策进行分析，通过构建Logit模型来对乘客行为进行分析，并利用马尔科夫链法得出乘客选择出租车的稳定分流率并做出乘坐出租车决策的乘客的数量，以及车租车运力供给与实际出车需求的匹配关系模型，最后根据阈值于供需关系的比较提出出租车司机决策方案。
关键词：Logit模型;决策分析;排队论如今我国社会经济已经取得了重大成就，而中国的机场建设也迎来了崭新的篇章。
其中出租车作为机场的交通运输枢纽最重要的一环，是乘客离站的一种主要方法手段，是公共交通的重要补充。
分析司机收益的相关决策机理和机场接客的选择方案，以及如何对短途往返载客的出租车给予适当的优先权是当下考虑的难题。
同时优化设置关于出租车载靠范围与乘客候车区域的上车点，也是人群治安疏散机场的重点之一。
现送客到机场的出租车司机将会面临两种选择，一是在蓄车池等候;二是放空返回市区拉客，需要从两种选择中选择一种以做出出租车司机的最优决策。
一、模型建立假设在ti时刻有航班i到达，记为F，航班载客人数为p，不同乘客从下飞机到出港的系列行为的时间分布是不同的，假设乘客从下飞机到机场出口的时间概率分布为f（t），所以旅客在t时刻到达机场的概率：根据出租车与乘客之间的供给关系可以得到一个临界值，当出租车乘力与乘客之间的供需差额达到这一数值时，供需间就会存在一个缺口，由此引入出租车的乘力缺口T-NICK这一概念。
1. 当供求平衡时有|S-D|<T-NICK;2. 当出租车供给过多时有S-D>T-NICK;3. 当出租车数量较少时有D-S>T-NICK。
因此当为情况1时出租车司机去留均衡，情况2时选择离开，情况3时选择留在蓄车池等待乘客。
四、结语本文通过构建Logit模型来对乘客行为进行分析，这种模型的构件原理是乘客出行效用的最大化，即乘客总是偏向于乘坐对自己效用最大的交通方式。
基于最佳收益的机场出租车司机决策模型
基于最佳收益的机场出租车司机决策模型摘要：机场是迎接各地宾客的最直接、最前沿的窗口阵地，它的服务与秩序，直接影响人们对城市的第一印象。
目前，各大城市对各种交通方式进行有效的管理，提高了资源的利用效率。
但是，出租车司机想在机场提高接待乘客的收益效率，仍受众多因素的影响。
这些影响因素是多方面的，比如旅游季节、天气好坏、早晚高峰、节假日等。
该如何在保证车辆和乘客安全条件下提高乘车效率，是机场管理部门应及时调整的问题。
在实际中，出租车司机不能选择乘客和拒载，相对于载短途客的出租车司机收益将会下降。
本文综合具体要求及相关政策，根据数学模型求出可得到的最佳收益，最后建立决策模型，提供给出租车司机较为定量的选择策略。
关键词：最佳收益；决策模型；选择策略1引言大多数乘客下飞机后要去市区（或周边）的目的地，出租车是主要的交通工具之一。
国内多数机场都是将送客（出发）与接客（到达）通道分开的。
送客到机场的出租车司机都将会面临两个选择：(A) 前往到达区排队等待载客返回市区。
出租车必须到指定的“蓄车池”排队等候，依“先来后到”排队进场载客，等待时间长短取决于排队出租车和乘客的数量多少，需要付出一定的时间成本。
(B) 直接放空返回市区拉客。
出租车司机会付出空载费用和可能损失潜在的载客收益。
在某时间段抵达的航班数量和“蓄车池”里已有的车辆数是司机可观测到的确定信息。
通常司机的决策与其个人的经验判断有关，比如在某个季节与某时间段抵达航班的多少和可能乘客数量的多寡等。
如果乘客在下飞机后想“打车”，就要到指定的“乘车区”排队，按先后顺序乘车。
机场出租车管理人员负责“分批定量”放行出租车进入“乘车区”，同时安排一定数量的乘客上车。
在实际中，还有很多影响出租车司机决策的确定和不确定因素，其关联关系各异，影响效果也不尽相同。
本文基于A、B两种方案的分析，对出租车司机的收益建立方程组。
接着考虑出租车拉到载客的概率P及拉载客所等待的时间T两个重要指标,并建立机场乘客数量，机场吞吐量与出租车在机场空载率的线性关系，进而得到拉到载客的概率与机场吞吐量的关系，最后联立收益方程组，根据已建立的数学模型，求出可得到的最佳收益，建立决策模型，提供给出租车司机较为定量的选择策略。
排队论模型解决出租车最佳数量预测
目录1 问题的提出------------------------------------------------------------- 32 模型建立与求解--------------------------------------------------------- 32.1问题1：居民出行强度和出行总量预测---------------------------------- 32.1.1 问题分析------------------------------------------------------- 32.1.2 符号约定------------------------------------------------------- 42.1.3 居民消费支出预测----------------------------------------------- 52.1.4 城市居民人口预测----------------------------------------------- 82.1.5 出行强度预测--------------------------------------------------- 82.1.6 出行总量预测-------------------------------------------------- 112.1.7 出租车人口预测模型-------------------------------------------- 142.2问题2：出租车最佳数量预测----------------------------------------- 162.2.1问题分析 ------------------------------------------------------ 162.2.2 符号约定------------------------------------------------------ 172.2.3 服务系统模型-------------------------------------------------- 182.2.3.1来客速率λ ------------------------------------------------ 182.2.3.2服务速率μ------------------------------------------------ 192.2.3.3单车对单人服务速率β-------------------------------------- 192.2.3.4状态及状态转移-------------------------------------------- 192.2.3.5模型建立-------------------------------------------------- 212.2.3.6模型求解-------------------------------------------------- 222.2.4 最优化模型---------------------------------------------------- 242.2.4.1模型建立-------------------------------------------------- 242.2.4.2模型求解-------------------------------------------------- 262.2.5 模型的验证---------------------------------------------------- 262.3问题3：价格调整方案模型------------------------------------------- 282.3.1 问题分析------------------------------------------------------ 282.3.2 符号约定------------------------------------------------------ 292.3.3 基于价格函数的泛函模型---------------------------------------- 302.3.4 模型求解------------------------------------------------------ 332.3.5 模型扩展------------------------------------------------------ 342.3.6 扩展模型求解-------------------------------------------------- 352.4问题4：数据采集的合理问题----------------------------------------- 352.5问题5：出租车规划短文--------------------------------------------- 363 参考文献-------------------------------------------------------------- 384 附录------------------------------------------------------------------ 384.1附录I ------------------------------------------------------------- 384.2附录2：----------------------------------------------------------- 401问题的提出最近几年，出租车经常成为居民、新闻媒体议论的话题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于排队论的机场出租车最优决策模型作者：姚入榕赵德昌
来源：《现代商贸工业》2020年第33期
摘要：本文以出租车机场排队接客为背景，基于M/M/1经典排队论模型，引入机场航班载客人数、通往出租车载客点的通道长度、旅客上车时间等参数，建立了司机在蓄车池等待时间与司机观察到的航班数量、蓄车池数量的函数关系。
又有蓄车池等待时间与机场旅客的订单时间之和等于空载返回市区的时间和在市区经营的时间之和，以此建立两种方案的综合收益函数，得出在不同条件下的理性选择方案。
但是，模型并未考虑司机和乘客的心理学因素，具有一定的局限性。
关键词：M/M/1排队论模型;分时段讨论;收益函数
中图分类号：F25 ; ; 文献标识码：A ; ; ;doi：10.19311/ki.1672-3198.2020.33.013
0 引言
随着民航行业的发展，飞机场的客流吞吐量不断增加，而出租车成了很多乘客下飞机后会采取的去市区（或周边）的目的地方式之一。
如果乘客在下飞机后想“打车”，就要到指定的“乘车区”排队，按先后顺序乘车。
机场出租车管理人员负责“分批定量”放行出租车进入“乘车区”，同时安排一定数量的乘客上车。
在此服务系统背景下，存在可优化问题，提高乘客排队乘车效率，简化出租车排队拉客程序等。
目前已有很多研究通过优化机场组织管理方式来提高出租车接客效率，比如同济大学黄岩、王光裕的《虹桥机场T2航站楼出租车上客系统组织管理优化探讨》，华东师范大学颜超的《上海市枢纽机场陆侧公共交通管理研究——以浦东国际机场为例》。
同时也有不少人对于m/m/1模型的排队效率做了研究，比如Sudeep Singh Sanga，Madhu Jain的《Cost optimization and ANFIS computing for admission control of M/M/1/K queue with general retrial times and discouragement》。
但却很少有人从出租司机的角度进行收益分析。
我们的模型依托于出租车司机真实面临的抉择场景，分析研究与出租车司机决策相关因素作用机制，建立出租车司机选择决策模型，旨在得出在不同参数下的司机决策结果。
1 问题分析
国内多数机场都是将送客（出发）与接客（到达）通道分开的。
因此送客到机场的出租车司机都将会面临两个选择。
1.1 前往到达区排队等待载客返回市区
出租车必须到指定的“蓄车池”排队等候，依“先来后到”排队进场载客，等待时间长短取决于排队出租车数量、乘客数量等因素。
机会成本为等待时间可能带来的营业收益。
1.2 直接放空返回市区拉客
出租车司机将承担空载回市区的成本，并无法获得机场拉客的收益。
在某时间段抵达的航班数量和“蓄车池”里已有的车辆数是司机可观测到的确定信息。
但在实际中，还有很多影响出租车司机决策的确定和不确定因素，其关联关系各异，影响效果也不尽相同。
但在两种方案的选择中，蓄车池等待时间与机场旅客的订单时间之和等于空载返回市区的时间和在市区经营的时间之和，我们基于此等式建立不同方案下的成本和收入模型，通过比较收益值的大小帮助司机作出决策。
2 基于M/M/1排队论的模型建立
2.1 模型的基本假设
（1）乘客无限多;机场内的顾客在不相交的两个时间区间内到达出租车上车点的人数相互独立且到达的人数只与该时间段的长度有关，即到达规律服从参数为λ的泊松分布。
（2）各顾客的服务时间相互独立，且服从参数为μ的负指数分布。
（3）机场为单车道，乘客和司机只加入一个排队队列，先到先上车。
（4）司机排队过程中，平均顾客到达率与司机决定在机场排队的时刻，观察到的航班降落数量信息相一致（忽略航班延误等因素）。
2.2 模型的理论依据
机场排队问题是一个典型的以排队论为基础的机场出租车载客效率优化问题。
和出租车收入均衡化。
特点是乘客上车时间服从参数为μ的负指数分布，司机接单里程长短服从正态分布，这使得計算收益方差大小的难度较大。
在此实际问题中，司机的行动过程为排队等待载客，载乘客去往目的地，留在市区载客或者返回机场载客。
我们可以将司机做出抉择后的一段时间作为研究范围，讨论司机可观测的指标对其决策的影响机理和两种方案分别带来的收益。
建立模型之后，我们选取上海虹桥机场作为例子，通过分析其2019年某一天的全部航班降落数据来验证模型的合理性。
2.3 模型的具体内容
司机在机场卸下客人后，面临方案A和方案B两个选择。
研究他在同一段时间内选择A 与B方案各自的收入和成本并计算收益，比较大小。
时间范围为：如果司机选择A，从他做出选择，到他在机场接的客人下车的一段时间（见表1）。
若司机选择A方案，设其在蓄车池中等待时间为t4，机场客人从上车到下车的时间为t3;若司机选择B方案，设其返回市区的时间为t2，在市区运营的总时间为t1，显然，
t1+t2=t3+t4。
2.3.1 订单成本估计
接到订单后，出租车司机面临的成本支出主要包含油费、税费、出租车公司的分红等。
其中税费和出租车公司的分红在城市中心和机场环线成本额差值较小，因而最大的成本差异在于油费。
机场相对城市中心地理位置偏远，交通状况较好，接客后行驶的平均速度较高;市中心
交通复杂，红绿灯较多，出租车运行速度较慢。
在实际生活中，油费和行驶车速的关系见图1。
当上式大于0的时候，GA>GB，出租车司机选择A方案，即在蓄车池内等候机场乘客。
当上式小于0的时候，GA<GB，出租车司机选择B方案，即直接放空返回城市拉客。
当上式等于0的时候，GA=GB，出租车司机可以根据车子剩油情况，当日市中心交通具
体情况考虑出行方案，一般在实际问题中出现概率较小。
3 结论与应用
本文基于机场出租车运行的两种模式，合理借鉴已有的经典M/M/1模型，建立了新的成
本收入模型，详细全面地分析了各种变量对司机收益的影响。
但同时，由于模型建立时未能考虑司机及乘客等待时的心理学效应，此模型具有一定的局限性，在可接受的范围内具有一定误差。
总之，司机在决定是否从机场接客时，应综合考虑飞机载客量、去往出租车接客点的通道便捷情况、天气状况（影响选择打车的乘客比例）等因素，做出个人收益最优的决策。
参考文献
[1]吴德宇.互联网时代出租车资源配置模型分析[J].科技创新与应用，2016，（19）：63-64.
[2]陆建，王炜.城市出租车拥有量确定方法[J].交通运输工程学报，2004，（01）：92-95.
[3]黄岩，王光裕.虹桥机场T2航站楼出租车上客系统组织管理优化探讨[J].城市道桥与防洪，2014，（12）：7-9+35-36.
[4]颜超.上海市枢纽机场陆侧公共交通管理研究[D].上海：华东师范大学，2015.
[5]Sudeep Singh Sanga，Madhu Jain.Cost optimization and ANFIS computing for admission control of M/M/1/K queue with general retrial times and discouragement[J].Applied Mathematics and Computation，2019：363.。