陈琛 杨昊 付子辰

摘要：在发展过程中由于技术的局限性和策略的不完善，导致滴滴打车依然面临着许多问题。比如滴滴在加入加价功能时没有考虑到加价操作存在着不合理性和流程上的漏洞，再比如没有考虑到司机之间因利益分配不均而产生的恶性竞争。为了解决上述问题应当采取一些策略比如改进加价功能，改善司机间的利益分配制度及优化行车线路等。

关键词：加价问题;补贴方案;迪杰斯特拉算法;A*算法

中图分类号：F27文献标识码：Adoi：10.19311/j.cnki.16723198.2019.04.035

1滴滴打车平台发展现状

“打车难”和高空载率的现象在过去的中国的出租车市场普遍存在。这致使了资源的严重浪费。然而伴随着“互联网+”时代的来临，出现了许多依托移动互联网建立的新型打车软件服务平台，滴滴打车就是在这样的背景下产生的。滴滴打车的出现为我们的出行生活带来了许多便利，比如提升了出租车的利用率;乘客可以通过和司机间的实时互动来准确定位以减少等待时间;接单前无法得知乘客目的地所以不会出现拒载问题。滴滴打车在创立之后没有停下自身技术水平提升的脚步，开发和更新了许多的新功能，比如顺风车，拼车，预约叫车，加价功能等。但在发展过程中由于技术的局限性和策略的不完善，导致滴滴打车依然面临着许多问题。

2面临的问题

2.1打车软件的加价问题

为了提高用车高峰时间用户打车的成功率滴滴提供了加价功能。它的本意是为了缓解高峰期的用车压力同时可以适当提升司机和滴滴自身的收入但却因为滴滴自身考虑不够周到而引起了不小的争议。因为本身市场调节就不够完善，而滴滴的加价规则又过于随意，没能提供一个很好的动态加价规则，再加上部分滴滴司机受困于滴滴打车的订单派送机制无法接单，从而无法真正缓解高峰期用车压力。同时加价功能使乘客利益受损，出行成本增加，乘客对滴滴软件就会产生不满，导致滴滴用户的流失，自身陷入舆论风波中，削弱自身竞争力，损害了自身形象，同时由于用户的抵触心理，加价功能带来的利润有限。

2.2现有的出租车补贴方案无法缓解打车难

根据平时我自己打车的经历，我认为造成“打车难”问题的原因有两方面：从时间上看，造成了用车高峰期、天气恶劣的情况和节假日期间打车难的主要原因是车辆和用车人数间的供求不平衡;而从空间上看，车辆集中地区交通阻塞导致车辆无法快速运转，偏远地区车辆稀少导致了“打车难”。而出租车补贴无法改变上述状况，所以难以缓解“打车难”问题。查阅相关资料可得知，滴滴打车和快的打车2014 年的出租车补贴政策如表1所示。

从2014 年移动打车应用行业报告中我们可以得知：用户在工作日的上下班时间，即每日的早晨六点到八点和下午四点到六点，以及周末的上午十点以及晚八点到十点的时间段里使用打车软件的频次是最高的。通过社科院的调查报告结果可得知，近54%的人在打车的过程中需要等待车辆10 min 以上，出租车的等待时间则更长。而用户对打车软件的使用频次较高的时间段，同时也是用户订单量处于较的位置的时间段，由此可以得出出租车补贴方案无法在根治打车难问题。同时可以参考《高峰期打车难，大数据给答案，换乘率低是主要原因》得知：在贵阳市中心城区出租车的车辆保有量高达7 000辆，可是用车高峰期时段平均空车量只能占到10%。并且通过数据可知：当处在用车高峰期时实载率可以达到83%，同时可以对比车辆的平均速度，当不在用车高峰期时可以达到43 km/h，然而高峰期只有21 km/h。可知用车高峰期时车辆拥堵车速缓慢致使乘客到达目的地时长变长，出租车运转的效率低。由此可以得出出租车补贴方案无法从根本上“缓解打车难”这一问题的结论。

3滴滴打车软件的优化方案

3.1如何改进加价功能

滴滴没有考虑到单纯的加入竞价系统是不合理并且在流程上是存在着巨大漏洞的。盲目加入加价功能的结果就是破坏了乘客的良好用户体验， 并使公司蒙受了巨大的经济损失和导致了信誉危机，产生了一系列的不良的连锁反应。所以要想办法提升技术手段修补漏洞以减少违规违法行，同时使竞价系统更为完整和合理，在保障消费者权益的同时，通过提出合理的补贴政策来提高司机积极性。

3.2改善司机间的利益分配制度

因为利益的分配不均，司机之间也会出现恶性竞争，想要改变这一现状就要考虑在司机运营时能挣得多少钱以及在什么时段运营挣得比较多，根据车型的不同，排量的大小以及运营的时段来设置不同的提成，通过这种方式使得利益分配不会差距过大。

3.3如何优化行车线路

3.3.1最短路径

如果路径点规模较大时，为了满足导航的时效性要求，减少规划过程所需的时间，我们可以使用一种非常具有实用性路径规划方法即启发式算法。我们可以利用“A*算法”“迪杰斯特拉算法”等算法加入导航帮助我们规划路线。

3.3.2迪杰斯特拉算法基本思想

根据《Dijkstra算法的打车软件司机端选择最短距离乘客优化问题》中介绍的方法我们可以把 G=（V，E）看成是带权有向图，并将顶点集 V划分成为两组，用 S来表示第一组已求出的最短路径的顶点集合，且最开始S中仅含有原点，在这之后，求出的所有最短路径，V1，V2，…VK全部添加入S中。再用 U 来表示还没有确定的最短路径的顶点集合并将其看作第二组，然后将 U 中顶点按最短路径长度值的递增次序依次放入S中，在添加顶点的过程中应始终保持从V 到S中顶点间的距离为最短路径，具体步骤为 ：（1）S的初始状态为：S 中只包含原点，即S={V}。U 中包含了除了原点之外的所有顶点，比较从V到 U 中顶点之间的距离（不相邻的点之间的距离为∞），将距离最小的顶点P取出并放入到S中，所选定距离就可以看作为V到 P 的最短路径的长度了。（2）再根据顶点P来重新修改顶点V和 U 中各个顶点之间的间距 ：如果原点V和 U 之间的距离（经过P时）和原来的距离相比较（不经过 P 时）更短的话，就再次修改顶点 U 的距离值，顶点 V 到顶点 P 再加上边（P，U）上的权的值即为修改后的距离值。（3）在S能够包含所有顶点前一直重复上述步骤。

3.3.3A*算法的基本原理

在静态路网中，A*算法是用来求解最短路径最为有效的方法之一。A *算法公式可以写作：G（n）+ H（n）=F（n），其中，把从初始状态到状态n的实际代价设为G（n），状态n到目标状态路径最优解的估计代价设为H（n），初始状态经过n到目标状态的代价估计设为F（n）。（在路径搜索问题中，图中的节点可视为状态，距离可视为代价）F（n）的选取（或者说H（n）的选取）是求解最短路径的关键条件。如果我们把D（n）视为状态n和目标状态之间的距离，则H（n）有以下三种选取的情况：（1）当处在H（n）< D（n）到目标状态的实际距离的情况下时，由于范围太大，点数过多，导致了搜索效率很低，但是还是能够得到最优解的。（2）当H（n）=D（n）时，最短距离即为H（n），就会严格沿最短路径进行搜索，这个时候搜索效率是最高的。（3）当 H（n）>D（n）时，由于范围小，点数少，所以搜索效率高，但可能无法找到最短路径。

4展望：滴滴打车的发展趋势

伴随着网约车市场的不断发展壮大，消费者对于打车软件功能的需求也越来越多元化，不断推陈出新提供更完善的功能和更好的服务是滴滴打车想要进一步发展不可忽视的要求。作为一款手机应用软件，滴滴打车不应当固步自封，而是应该寻求多方面的合作，应当在未來加强与网络供应商之间的联系，使平台在稳定的运行的同时也能得到有效的监管，同时给企业不断注入活力和创新能力，制定出更具有可操作性和更加切实可行的政策，在提升自身竞争力的同时得到社会的认可，以此寻求今后更加长远的发展。

参考文献

[1]佚名.2014 年移动打车应用行业报告[R].北京：TalkingData 移动数据研究中心，2014.

[2]欧鲁男.高峰期打车难，大数据给答案，换乘率低是主要原因[Z].20150910.

[3]何其祎.Dijkstra算法的打车软件司机端选择最短距离乘客优化问题[J].地理空间信息，2014，（06）.

[4]吕继荣，刘昕，关凯霖，王荣翔.“互联网+”时代的出租车资源配置[J].现代电子技术，2017.