机场出租车服务策略

陈帅杰　邱靖　刘佳舟

摘 要：每一名刚刚送客到机场的出租车司机都会面临前往到达区等待或空载返回市区两种选择。为了使得出租车司机的利润最大，建立一个决策模型。考虑“两种选择各自的净利润”和“司机在一天中的过往经验”两部分影响司机决策的因素。运用改造的费米规则合并两个因素，通过 Python 仿真，算出司机选择空载回市区和选择在机场继续等待的概率。将本文模型的结果与贪婪选择策略的结果进行对比，发现利用本文模型决策能给出租车司机带来更高更稳定的收益。

关键词：机场出租车  决策模型  费米规则

中图分类号：F562.5 文献标识码：A 文章编号：2096-0298（2020）03（a）--04

许多乘客下飞机后都会选择出租车作为代步工具。近几年来，随着机场客流量的不断增大，不管是“人等车”还是“车等人”的情况越发严重，传统交通管理模式已经无法满足旅客、司机等各方面的需求。缓和司乘矛盾、解决供需平衡、提升服务质量是摆在机场管理方面的一道难题。为出租车蓄车、供车提供依据，实现车辆提前调度，不再像以前那样“被动应对式”服务，才能确保旅客与出租车的各自需求，使得双方的利益最大化。

由于出租车服务带有随机性、动态性和异步性，数学解析模型很难精确刻画出出租车的服务过程。本文基于Python仿真模拟司机来往机场的载客状态，建立司机在不同情况下的决策模型，并通过数值实验评估了该方案的实施效果。

1 模型建立与求解

首先，我们将影响出租车司机决策的因素分为两部分。因素一是在机场选择留下等待送客和选择到市区找客各自的净利润，因素二是司机每次在市區选择的过往经验。

对于因素一，我们按照机场情况、司机回市区和回机场的状态分八种情况讨论（如表1所示），分别计算每种情况的净利润，之后用仿真多次测出不同情况下两种选择的净利润。

由于司机可观测到的确定信息只有某时间段抵达的航班数及“蓄车池”里已有的车辆数，在表1中，我们用航班到达数乘以单次航班的平均乘客数乘以乘客乘坐出租车的概率得出等待乘车的乘客数。司机做出选择的判断标准是，当出租车司机回城寻客且一直未找到乘客的时间过长时，会选择空载回机场。反之，则载人回机场。

对于因素二，我们将司机的过往经验量化为其倾向回城找客的概率，并设计一个乐观翡函数刻画其由于过往经验导致的心理变化。当司机在上一次选择回城找客中做出是否回机场判断的次数过高时，说明其很久都没有载到客。因此，根据经验，该司机在本次做出选择时会减少回城找客的倾向，那么本次选择回城找客的概率等于初始概率乘以悲观函数值;当司机在上一次选择回城找客中做出是否回机场判断的次数较低时，说明其很快载到客人。同理，司机本次选择回城找客的概率等于初始概率乘以乐观函数值。

之后，我们将两个因素用改造的费米规则合并起来，得出司机选择回市区和选择继续等待的概率，进而得到最佳决策方案。

我们从两种选择各自的净利润和司机在一天中的过往经验两个维度分析。之后，利用改造的费米规则合并两个因素，从而建立司机的决策模型。