滴滴打车市场需求影响因素分析

滴滴打车市场需求影响因素分析作者：周宝建郑川奇

来源：《商情》2020年第20期

【摘要】在互联网这个颠覆性技术快速发展的背景下，滴滴打车应运而生，自2012年开始运营以来，不断发展壮大。本文以中国成都市为例，应用SPSS23作为数据分析的工具，对滴滴打车的客户需求量、客户用车时间、滴滴车分布、车费、打车难易度、被接单时间等多个维度进行分析，分析滴滴打车的市场需求趋势，试图找出影响滴滴打车市场需求的相关因素，并做一些总结和梳理，提供政府相关部门决策参考，同时对于滴滴打车企业运营管理具有一定的参考价值。

【关键词】滴滴打车;市场需求;资料分析

1;引言

随着我国社会经济的不断发展，城市规模不断扩大，人们对于出行的需求与日俱增。在过去，出租车是人们出行的主要工具，但是随着城市人口规模的不断扩大，出租车企业对乘客不够重视、经营管理方式也存在着问题，导致人们的出行变得日益不便，此时，在互联网经济的发展下，“滴滴打车”应运而生。它改变了传统的打车方式，建立培养出移动互联网时代下引领的用户现代化出行方式。利用互联网的特点，将线上与线下结合起来，最大限度优化乘客打车体验，节省司机与乘客双方的资源与时间，并给滴滴公司带来利益。自2012运营至今，滴滴

公司已经占据中国网约专車市场88%以上的份额及99%以上的网约出租车市场份额。由此可见存在着巨大的市场需求。

2;研究目的

在滴滴打车不断发展的今天，对于供给与需求之间的配置平衡依然是滴滴公司面临的主要问题，如果可以预测在某些时间段内存在大量需求或只有少量需求，可以在其时区调度相应数量的车辆，实现供需平衡，最大限度地节省资源，提供乘客的用户体验，实现公司平台的利润最大化。文献研究了滴滴公司的价格补贴方案对供需之间的影响。文献研究了竞价政策对供需产生的影响。本文则利用数据分析软件SPSS对收集到的数据进行分析。并针对分析结论对滴滴公司运营提供相关建议，具有一定的决策参考价值。

3;市场供给与需求分析

通过从滴滴公司在网上公布的源数据，收集了2016年成都市从8月8日到8月14日的滴滴打车数据包括：打车需求量、被抢单时间、打车难易度、车费、车辆分布量等数据进行供给量与需求量之间的分析。首先对打车需求量与车辆分布数量进行统计，之后通过分析变量因素与需求量的相关性，探究变量因素对需求量的影响。

3.1打车需求分析

首先对消费者一天的打车需求量进行分析，将一天划分为0～23时，从图2可以看出，出行需求量大致集中在7～9时、12～14时、17～19时，在7～9时，17～19时形成2个驼峰，并在8时与18时达到顶峰。从20时之后开始呈下降趋势，在6时开始呈上升趋势。究其原因，在于7～9时、17～19时为早晚出行的早晚高峰，人们在此时进行上下班或者上下学活动，而12～14时为午饭时间，所以基本出行需求量聚集在这三个时间段内。而夜晚出行需求集中在20～21时，可推测因为人们外出娱乐或加班活动。

在对一天24小时的打车需求量进行分析后，接下来对一周的出行量进行分析。对滴滴打车需求数据时间分段统计结果见表1，其中概率分布为几个时间段的打车需求量占一天总体打车需求量的比例。从表中可以看出，周末几个时间段打车需求所占比例相差不大，较多的时间段为14：00～16：00为17%、17：00～19：00为20.5%、21：00～23：00为12.05%。工作日的时间段分布较大，早高峰平均占比为21.4%，晚高峰平均占比为19.7%，其次是14：00～16：00为14.9%，21：00～23：00为11.4%。

根据数据结果可以看出，工作日出行主要目的为工作，需求量集中在早晚高峰;周末主要活动为休闲娱乐，由于周末时间较为自由，周末早上打车需求量与工作日相比较小，相反中午12：00～13：00时间段、14：00～16：00时间段和傍晚17：00～19：00时间段的打车需求量

就会较大，与贾瑶基于LSTM对需求做出的预测拟合结果基本一致。按照工作日与非工作日的人们出行目的不同划分，可挖掘出人们的出行习惯。

3.2车辆供给分析

以一天24小时为自变量，车辆分布数量为因变量，画出如图3所示的折线图。与需求量的折线图进行对比可以看出出租车在白天基本与需求量的曲线贴近，一样都在7～9时的早高峰达到最大值，而在晚高峰需求达到另外一个顶峰时，供给并没有一样达到顶峰，推测为一些车辆司机不跑晚班或者去吃晚餐;供给与需求曲线最大的不同之处在于夜晚20时之后当需求开始呈现出下降趋势时，供给曲线却开始呈现出上升趋势，并且在23～0时时的供给量比之晚高峰还有之增加，探究其原因，结合滴滴打车价格政策与实际情况，可以得出原因在于夜晚滴滴车的价格会更高，往往在需求量没有那么多的时候，司机也被高收益比所吸引，使得供给量远远大于需求量。对于滴滴公司来说，这意味着在夜晚有较多的闲置车辆依然等待，造成资源浪费，滴滴公司应当采取适当的价格政策以协调供需之间的平衡。

3.3需求相关性因素分析

为了研究需求量与其他因素之间的相关性，以确定哪些变量会对需求量产生影响，将需求量与被抢单时间、打车难易度、车费在SPSS23中做双变量相关性分析，得到表2：相关性分析。依据皮尔逊相关系数（Pearson Correlation Coefficient）：

一般认为：

①相关系数的取值范围在-1和+1之间，即：-1≤r≤1。

②计算结果，若r为正，则表明两变量为正相关;若r为负，则表明两变量为负相关。

③相关系数r的数值越接近于1（-1或+1），表示相关系数越强;越接近于0，表示相关系数越弱。如果r=1或-1，则表示两个现象完全直线性相关。如果=0，则表示两个现象完全不相关（不是直线相关）。

④3.0≤|r|，称为微弱相关、3.0≤|r|≤5.0，称为低度相关、5.0≤|r|≤8.0，称为显著（中度）相关、8.0≤|r|≤1，称为高度相关。

3.4回归线性分析

在数据分析中，回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析。