一种网络预约出租车市场准入机制的优化方法及系统

摘要

本发明提供一种网络预约出租车市场准入机制的优化方法及系统，数据采集模块获取各样本城市的网约车准入机制及GDP、待优化城市的问题网约车准入机制及GDP，数据预处理模块对样本城市的网约车准入机制数字化处理，将数字化后的网约车准入机制通过数据类型筛选，得到连续型变量和二分类型变量，并存储在网约车准入机制库，GDP存储在各城市GDP存储库中；数据分析模块对待优化城市的问题网约车准入机制进行数据分析，得到问题准入机制的数据类型，在网约车准入机制库中找到样本城市的同类型准入机制，计算模块优化问题网约车准入机制，得到优化后的准入机制取值。本发明根据网约车运行过程的实际问题，制定更具有针对性的网约车准入机制。

说明书

技术领域

本发明属于信息处理技术领域，具体涉及一种网络预约出租车市场准入机制的优化方法及系统。

背景技术

网络预约出租汽车(简称网约车)与巡游出租汽车(巡游车)共同组成出租汽车，是城市综合交通运输体系的组成部分，也是城市公共交通的补充，能够为社会公众提供个性化运输服务。近年来，随着互联网技术和共享经济的发展，网约车市场迅速扩张，已成为传统用车市场的重要补充。为规范网约车经营服务行为，促进网约车市场更好地发展，更好地满足人民群众多样化出行需求，交通运输部、工信部等7部委联合于2016年7月27日发布《网络预约出租汽车经营服务管理暂行办法》，主要从平台、车辆、司机三个大方向对网约车市场规范化进行初步把控。除国家层次做出的宏观调控外，各地方也纷纷出台了针对网约车发展的市场准入机制，进一步细化网约车市场调控。

然而，目前网约车市场准入机制缺乏科学的制定方法及原则，导致制定的准入机制不够合理；部分城市差异较大，但所制定的市场准入机制却极其相似，无疑会导致网约车市场混乱、管理困难等问题。为促进网约车市场规范发展，有必要设计一套网约车市场准入机制优化方法，规划出更加科学合理的网约车市场准入机制。

发明内容

有鉴于此，本发明提供了一种网络预约出租车市场准入机制的优化方法及系统，对已有各个城市的网约车准入机制数据进行处理分析，能够为待优化城市提供一份更加完善的网约车准入机制，工作量小，优化后的准入机制更加合理、更具备地方特色，针对性地为待优化城市提供一份可以解决自身网约车市场问题的网约车市场准入机制方案。

本发明是通过以下技术手段实现上述技术目的的。

一种网络预约出租车市场准入机制的优化方法，具体为：

获取各样本城市的网约车准入机制及GDP、待优化城市的问题网约车准入机制及GDP，对所述样本城市的网约车准入机制数字化处理，将数字化后的网约车准入机制通过数据类型筛选，得到连续型变量和二分类型变量，并存储在网约车准入机制库，所述GDP存储在各城市GDP存储库中；对所述待优化城市的问题网约车准入机制进行数据分析，得到问题准入机制的数据类型，在所述网约车准入机制库中找到样本城市的同类型准入机制，基于K-means聚类分析算法优化问题网约车准入机制，得到优化后的准入机制取值。

进一步地，所述问题准入机制的数据类型包括连续型变量和二分类型变量。

更进一步地，针对所述二分类型变量，对样本城市及待优化城市的GDP进行K-means聚类分析，得到待优化城市的同类城市；再统计待优化城市的同类城市中，对问题准入机制的限制情况，若半数及半数以上城市均对问题准入机制进行限制，则对待优化城市也进行限制，若限制问题准入机制的同类城市未超过半数，则待优化城市无需限制。

更进一步地，针对所述连续型变量，首先对样本城市数字化后的同类准入机制和GDP同时进行K-means聚类分析，得到最佳聚类结果，记录最佳聚类结果中各个类别的质心位置(X

进一步地，对所述样本城市的网约车准入机制数字化处理，具体为：将文本形式的准入机制转化为数字列表。

一种网络预约出租车市场准入机制的优化系统，包括依次信号连接的数据采集模块、数据预处理模块、数据存储模块、数据分析模块、计算模块和查询模块；

所述数据采集模块，用于获取样本城市的网约车准入机制及GDP、待优化城市的问题网约车准入机制；

所述数据预处理模块，包括数字化处理模块和数据类型筛选模块，数字化处理模块将文本形式的准入机制转化为数字列表，数据类型筛选模块对数字化后的网约车准入机制通过数据类型筛选，得到连续型变量和二分类型变量；

所述数据存储模块，包括GDP存储库和网约车准入机制库；

所述数据分析模块，用于分析数据类型；

所述计算模块，包括二分类型变量计算模块和连续型变量计算模块，二分类型变量计算模块计算连续型的问题准入机制值，连续型变量计算模块计算二分类型的问题准入机制值；

所述查询模块，展示优化后的问题准入机制。

本发明的有益效果为：本发明以样本城市的网约车准入机制数据为基础，首先对样本城市的网约车准入机制进行处理和类型筛选，得到连续型变量和二分类型变量，并存储在网约车准入机制库；当城市网约车运行过程出现问题，需要优化准入机制时，进行问题准入机制分，得到问题准入机制的数据类型，在网约车准入机制库中找到样本城市的同类型准入机制，基于K-means聚类分析算法优化问题网约车准入机制，得到优化后的准入机制取值。本发明可降低数据处理的人工成本，可以实现大批量的数据处理，且实施过程易复制，能有效提高优化网约车准入机制的效率，并可根据当地网约车运行过程的实际问题制定更加具有针对性的科学合理的网约车准入机制。

附图说明

图1为本发明所述网络预约出租车市场准入机制优化系统结构图；

图2为本发明所述网络预约出租车市场准入机制优化方法流程图；

图3为本发明所述二分类型变量的网络预约出租车市场准入机制优化方法流程图；

图4为本发明所述连续型变量的网络预约出租车市场准入机制优化方法流程图；

图5为本发明所述数据采集模块所收集的样本城市分布图；

图6为本发明所述样本城市数据采集及分析的运行流程图；

图7为使用本发明方法进行连续型网约车准入机制优化时，GDP与价格下限的1-60类聚类误差趋势图；

图8为使用本发明方法进行连续型网约车准入机制优化时，GDP与价格下限的最佳聚类效果图。

具体实施方式

下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。

如图1所示，本发明的网络预约出租车市场准入机制优化系统包括：数据采集模块、数据预处理模块、数据存储模块、数据分析模块、计算模块和查询模块，6个模块之间依次进行信号连接；数据采集模块用于搜集各城市网约车准入机制及各城市GDP，并可接收待优化城市的问题准入机制；数据预处理模块包括数据化处理模块和数据类型筛选模块，数据化处理模块用于数字化网约车准入机制，数据类型筛选模块将数字化后的网约车准入机制筛选为两类：连续型变量准入机制和二分类型变量准入机制；数据存储模块包括网约车准入机制库和各城市GDP存储库，各城市GDP存储库中以连续型变量的形式存储每个城市的GDP数值，网约车准入机制库则以连续型变量或二分类变量的形式存储数字化后的网约车准入机制，连续型变量的形式存储通过连续型变量存储模块存储，二分类变量的形式存储通过二分类型变量存储模块存储；数据分析模块用于对待优化城市的问题准入机制进行数据分析，得到问题准入机制的数据类型，并从数据存储模块取出样本城市的同类型准入机制传递给计算模块；计算模块包括二分类型变量计算模块和连续型变量计算模块，用于计算优化后的问题准入机制取值；查询模块用于指定城市的网约车准入机制查询和展示。

如图2所示，本发明的网络预约出租车市场准入机制优化方法，能够结合样本城市的网约车准入机制现状、待优化城市的经济发展水平及网约车市场实际存在的问题，分别对二分类型变量的网约车市场准入机制和连续型变量的网约车市场准入机制进行优化。具体的步骤如下：

步骤(1)，数据采集模块采集样本城市的网约车准入机制及GDP。为了深入了解各地区的网约车准入机制并为待优化城市的网约车准入机制进行完善，需选取典型的城市进行比较分析。本实施例选取了60座样本城市的网约车准入机制和GDP，样本城市分布情况如图5所示，所收集的样本城市数量足够多，且分布范围广泛，同时包含一线城市(北京市、上海市等)、新一线城市(成都市、西安市、南京市等)、二线城市(福州市、济南市、长春市等)、三线城市(蚌埠市、丽水市等)和四线城市(北海市、牡丹江市等)，足够代表全国各城市网约车准入机制的基本情况。

步骤(2)，由数据预处理模块进行数字化处理和数据筛选，得到数字化筛选后的网约车准入机制数据，并分别存储在数据存储模块中，得到分为连续型变量和二分类型变量的样本城市网约车准入机制数据。

数据数字化处理及筛选存储的具体过程为：

步骤(201)，对获得的网约车准入机制进行数字化处理，将文本形式的准入机制转化为数字列表，如表1、表2所示分别为60个样本城市的部分网约车车辆、驾驶员准入机制数字列表。

表1各个样本城市的网约车车辆准入机制数字列表(部分)

表2：各个样本城市的网约车驾驶员准入机制数字列表(部分)

步骤(202)，对于数字化后的网约车车辆、驾驶员和平台准入机制的数据类型，分为二分类型变量和连续型变量，存储在数据存储模块的网约车准入机制库；对于GDP数据，存储在各城市GDP存储库中，如图5所示。

步骤(3)，对采集的待优化城市问题准入机制进行数据分析，并根据数据类型(二分类型数据或连续型数据)执行不同的计算步骤。

待优化城市网约车准入机制的采集及分析的具体步骤为：

步骤(301)，采集待优化城市的网约车准入机制，通过步骤(2)转化为数字化列表；

步骤(302)，筛选出待优化城市问题准入机制的同列数据(即各个样本城市对这一准入机制的限制情况)；

步骤(303)，对问题准入机制的数据类型进行判别，若问题准入机制为二分类型变量，则按照步骤(4)计算优化后的建议准入机制数值；若问题准入机制为连续型变量，则按照步骤(5)计算优化后的建议准入机制数值。

步骤(4)，对二分类型数据格式的网约车准入机制进行优化，如图3所示，具体方法如下(以某城市网约车驾驶员是否应持有本市户籍或居住证为例)：

步骤(401)，样本城市数量为P，对各个样本城市和待优化城市的GDP进行K-means聚类分析，类别数从1类到P类不等，生成聚类误差图，由于现有样本城市共计60个，加上待优化城市共61个城市，故类别数从1类到61类不等；

步骤(402)，在P种聚类方案中生成最佳方案，最佳方案对应的聚类个数为Q个，最佳方案确定原则为：误差值下降逐渐稳定，不再突降；此示例中，当聚类数达到10类以上时，误差值下降逐渐平缓，此时过多划分类别不会带来误差的显著下降，故取10类为最佳聚类个数，其对应的分类结果即为最佳聚类结果；

步骤(403)，由步骤(402)得到与待优化城市的国民经济发展水平相似的同类城市共Q个，在步骤(301)得到的网约车准入机制数字化列表中，对网约车驾驶员设置持有本市户籍或居住证的限制记录为1，不限制网约车驾驶员持有本市户籍或居住证记录为0，对同类城市是否设置网约车驾驶员持有本市户籍或居住证一列进行累加，生成累加结果S；

步骤(404)，比较

步骤(5)，对连续型数据格式的网约车准入机制进行优化，如图4所示，具体方法如下(以某城市网约车车辆的价格下限优化为例)：

步骤(501)，消除数据之间的量纲差异，对各个样本城市的GDP与现状存在问题的车辆价格下限price进行标准化处理，生成这两个属性标准化后的数值price

步骤(502)，样本城市数量为M，对GDP

步骤(503)，在M种聚类方案中生成最佳方案，最佳方案对应的聚类个数为N个，最佳方案确定原则为：误差值下降逐渐平滑；此示例中，当聚类数达到20类以上时，误差值下降逐渐平缓，此时过多划分类别不会带来误差的显著下降，故取20类为最佳聚类个数，其对应的分类结果即为最佳聚类结果，最佳聚类效果如图8所示，每个数据点的坐标由GDP和准入机制中的车辆价格下限确定，同一类别的数据点处于同一框内，由于最佳聚类个数为20个，故共图8中共有20类不同的数据点；

步骤(504)，记录样本城市对网约车车辆价格下限约束的最小值price

步骤(505)，记录最佳聚类方案中，N个类别质心的坐标(GDP,price)，其中第j个类别质心位置记作(GDP

步骤(506)，待优化城市国民生产总值为GDP

步骤(507)，基于欧几里得距离公式计算待优化城市的质心位置与各个聚类类别质心的距离，第i次计算时待优化城市的质心位置与第j个类别质心的距离计算公式为：

步骤(508)，只要的price

步骤(509)，取出全部d

步骤(510)，第t次计算时，待优化城市的网约车车辆价格下限取值price

步骤(6)，查询模块输入需要查询的待优化城市网约车准入机制名称，进行相应优化后网约车准入机制的查询。

综上所述，经过理论以及实例展示，本发明提出的一种基于聚类分析的网约车准入机制优化方法，能够降低网约车准入机制数据处理的人工成本，并可以实现大批量的网约车准入机制优化，且实施过程易复制，能有效提高优化网约车准入机制的效率，并可根据当地网约车运行过程的实际问题制定更加具有针对性的科学合理的网约车准入机制。

所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。