陈丽贞，陈丽珊

（安徽财经大学 金融学院，安徽 蚌埠 233030）

“互联网+”时代出租车补贴效果实证研究

陈丽贞，陈丽珊

（安徽财经大学 金融学院，安徽 蚌埠 233030）

随着“互联网+”新经济形态的发展，打车软件营造了出租车行业全新的营销模式，大数据时代互联网高效配置与信息处理刺激了传统出租车行业的创新能力与生产力.本文以上海市为研究对象，结合供求程度比值分析由于乘客时空地域的差异性导致的资源配置问题.通过建立补贴政策双因素评价模型，分析打车软件的补贴政策对“打车难”现象的缓解程度以及出租车供求最佳配置问题，并结合上海市出租车资源供应量以及人流分散程度，对补贴政策提出合理性方案.

“互联网+”；双因素评价；供求平衡；优化配置

打车软件是一种互联网手机模式应用，随着“互联网+”时代兴起，“移动出行”市场的启动发展迅速，其中滴滴和快的抢占市场，将传统打车与互联网进行结合，创新营销运营模式，大大提高手机软件叫车成功率.快的与滴滴打车软件的联姻，使得市场总份额高达99.8%[1]，高效信息平台与补贴并未缓解上海“打车难”问题，如何实现出租车资源的优化配置仍是亟待解决的重要问题.

1 上海市“打车难”问题的分析

随着政府管制以及油费增加部分地区私家车数量逐渐减少，同时出租车资源在该地区分布相对稳定，在需求日益增长的情况下，造成了该地区居民“打车难”问题.上海市交通拥堵程度增加也是造成“打车难”的原因之一，比如居民打车到人民广场在顺畅路段的时间只要20分钟，而上下班高峰时段至少费时40分钟，相当于少跑了两趟车，少满足了两次居民需求[2].在恶劣天气，交通环境更拥堵，出现事故的风险也大大增加，承包的车辆一般不具备相关保险，维修费全部由个人承担，导致很多出租车司机拒绝在雨天暴雪天气初车.同时在上海，乘客与出租车司机的错位关系更加明显，出租车的交接班大都在上下班高峰期，即使有空车也无法营运.在各地区繁华街段拒载现象尤其严重，即使存在大量的空车，对于近距离需求的乘客往往遭到拒绝，“距离近的被拒绝，距离远的被宰”，使得出租车行业的形象不断下降.

拒载的深层原因是因为出租车积极性受挫，随着油价上升，公司份子钱并未降低，导致出租车司机盈利空间减少.对于双班的出租车司机份子钱普遍在8025元，单板4000左右，每月耗油600多升花费5000多，油价补贴650元左右，加上扣除维修费每月剩余3000左右[3].油价的波动成为出租车司机盈利风险的较大影响因素，而补贴政策的实施在一定程度上刺激了出租车司机的积极性，使得出租车资源供求错位得到缓解的可能.

2 出租车补贴方案双因素评价模型

嘀嘀打车软件企业在3月份连续四次下调补贴金额，补贴金额从最初的每单13元以上降至每单5元以上，司机的补贴仍在每单5元.双方投入市场补贴金额远超出24亿元.在现阶段投入的大量资金打造“互联网+”软件服务平台，补贴政策的实施效果并未在根本上缓解打车难问题.

表1　滴滴快的2014-2015年部分补贴政策信息

查阅相关公司补贴政策的相关资料，选取滴滴打车及快的打车公司，统计其在建立之初至今所发行的出租车补贴政策，并将其补贴政策分类，主要分为三种：①对出租车司机每单进行奖金补贴；②对出租车乘客进行车费立减补贴；③对出租车司机进行客户端首单奖金补贴[4].部分2014及2015年两公司补贴政策见表1：

假设：出租车需求量=出行人口总量×出行乘出租车比例，即需求=Z·α.且一个城市在一定时间内出租车供给量y不变.出租车资源“供求匹配”程度为h，根据各公司补贴前后出租车数量不变，有：

假设在出租车补贴方案实施前的出租车空驶率为p1，拒载率为q1，在补贴前的出行乘坐出租车的人数k1为Zα1=k1；且第i位乘客在乘坐出租车前共等待了n1辆出租车，则在某一固定时间内共等待了辆出租车.由此可知：在这段时间内有空车辆，在这之中可以提供的出租车乘坐量为位.在各公司的出租车补贴方案补贴实施后，假设乘出租车出行的人数比例增加到α2，则有：

Z·α2=k2位乘客，根据出租车打车软件司机端要求规定，在司机接受乘客订单要求后，必须前往乘客订单地点送乘客前往目的地，在中途不再载客，根据上海市统计数据得知，在普通乘车日期内，居民出行约有60%的乘客会选择使用滴滴快的等打车软件进行出租车微信支付补贴服务，即0.6k2的乘客固定了乘车人数与司机数量，该部分的出租车司机在路途中会选择拒载，剩余出租车数量为y-0.6k2，剩余人数为0.4k2，由此可知，在出租车补贴方案实施后，总的出租车需求为：0.4k2+f.

f：代表在这段时期内出租车司机接到的订单量，或在这段时期内总的打车软件的客户使用量.

假设在各公司的出租车补贴方案补贴实施后，出租车空驶率为p2，拒载率为q2，则不拒载率为(1-q2)，可以得出在出租车补贴方案实施后的总的出租车供给量为：

综上所述建立等式数学模型

为探究各公司的补贴方案对缓解打车难的帮助，本文对出租车补贴方案双因素评价模型进行定性分析，将式(3)代入等式(4)化为不等式，即：

由等式(4)、(5)可知：

并化简可得：

显然，在0＜q1＜0.5时，在区间内始终小于1，所以在此假设条件下，软件公司的出租车补贴方案对乘客“打车难”有着一定的缓解，但联系实际，在此假设条件成立的同时，增大了出租车司机的乘车拒载率，对于不使用打车软件的乘客而言在很大程度上加大了打车的难度.

由此可知，拒载率在正常范围内的波动下，“打车难”对于补贴政策存在缓解的现象.资料显示目前上海的拒载率为37%[5]，处于不稳定状态，补贴政策的实施在一定时间内存在合理性.随着拒载率的逐渐增加，补贴政策的效用将日益减小.上海市需要通过颁布相关政策与试行条例来减少拒载率，从而保障出租车司机与乘客的满意程度与纠正供求的错位偏离程度.

3 建立补贴政策合理性评价模型

根据模型Ⅱ假设人数f(x)=Z·α，a为出行人数中选择乘出租车的比例.假设补贴方案中司机进行软件接单每单补贴μ元，乘客使用软件规定进行付费补贴υ元，假设在补贴方案前拒载率为q1，空载率为p1，补贴方案实施后拒载率为q2，空载率为p2，联系实际可知，在对出租车司机进行补贴后拒载率会增高，空载率随之降低，对乘客进行补贴后空载率会有一定幅度的降低，与拒载率相关性较低，由此可知：

根据出租车补贴方案双因素评价模型有假设现乘出租人数为：Z·α1=k1且假设在补贴方案实施后的乘出租车出行比例为α2，则在补贴后的乘出租车人数为：Z·α2=Z·(α1+Δα)，由于因出租车乘客补贴而选择乘坐出租车的人数随着乘客使用软件规定进行付费而补贴的数额变化而变化，有假设等式Z·Δα=c4·υ

由此可得补贴方案实施后的乘出租人数为

将式(9)中各个等式、不等式进行化简，得出参数μ、υ在出租车达到最大日载客量时的方程为：

由出租车补贴方案双因素评价模型可知

将式(9)与式(10)相结合，以p2、q2的函数代替p1、q1，优化过程取最优条件，即假设A=1,有：

由题意假设，q2为补贴方案实施后的出租车拒载率，取其极值另q2=0，将模型简化为

将等式两边展开，有：

根据式(13)，在补贴方案中司机进行软件接单每单补贴数额a增加时，为使等式成立，可得出出租车行驶空载率p2随之降低；在补贴方案中司机进行软件接单每单补贴数额a降低时，为使等式成立，可得出出租车行驶空载率p2随之增加，验证了合理性评价模型的可行性.

补贴政策的实行在理论上通过减少空载率从而缓解了“打车难”的问题，现有的补贴政策大都集中表现为乘客的费用减免与司机首单补贴，对于补贴时间段的补贴政策缺少有效的措施.在上下班高峰期，由于正处于出租车交接班，使得拒载率与空载率升高，可以出台相关补贴措施，如在高峰时段与路段合乘出租车使得合乘者各付共同路段车费的60%[6，7]，并可以打印多份发票.同时，可以主张司机高峰期抢单的补贴，加重拒载现象的惩处力度，能够有效的保障补贴对象的合理性，切实缓解“打车难”问题.

4 小结

在“互联网+”新经济形态下，出租车资源配置并未达到最佳，在高峰期与距离市中心偏远地区仍存在供求失衡[8]，打车软件出台的覆盖式补贴政策并未有效的缓解“打车难”问题，需要结合不同时空的人流分散程度进行合理调配，才能更好的实现出租车资源的最优配置.同时，需要加强出租车管理强度，针对拒载现象加强打击力度，在补贴方案的制定方面需要根据不同时间段、结合乘客与司机的受惠程度，才能发挥补贴的最大效应，更大程度的缓解“打车难”问题.——————————

〔1〕罗聪坤.关于出租车打车软件问题的研究—以政府在市场监管中的作用为视角[J].兰州教育学院学报，2015，31 (3):149-151.

〔2〕张珍珍.打车难缘由解析[N].今日声音，2013.09.

〔3〕冯亦珍.出租车常拒载,上海今夏又现打车难[N].新华日报，2007，07.02.

〔4〕曾宪培.从打车软件想到的出租车管制分析[J].交通企业管理，2014(10)：1-2.

〔5〕李冬新，栾洁.滴滴打车的营销策略与发展对策研究[J].青岛科技大学学报（社会科学版），2015，31(1):105-108.

〔6〕李继学，张柱庭.关于促进打车软件发展的思考[J].交通运输部管理干部学院学报，2015，25(1).

〔7〕樊启敏，刘伍刚.“打车难”的成因分析与破解对策[J].交通科技，2013.10.

〔8〕邓峰.打车软件之争的经济法视角[J].中国电子商务，2014，(11):11.

F540.5

A

1673-260X（2015）12-0109-03