刘瑞琪 吕佳乐

摘要：多年来，虹桥机场一直是上海空港的代名词，现已成为我国最大的国际海空港之一。随着机场服务管理系统的发展，滋生了乘客候车时间较长以及出租车排队载客时间较长等一系列时间成本问题。针这些问题，本文综合分析了日间夜间载客收益的差异、一天内的航班数和乘客吞吐量、场内排队车辆数及乘客数等因素，并通过模型的建立和分析为出租车司机找到使收益最大化的最优决策。

本文将基于排队论对蓄车池内出租车拉客区司机的决策进行了评析，从而达到乘客、出租车和机场服务管理部门的多方共赢。

关键词：排队论;多目标决策;贝叶斯检验;泊松分布

按客流量决定是否前往机场蓄车池机场某一时段的客流量很大程度上取决于这一时段出发和到达的乘客数量，我们在获取了上海虹桥机场9月14日一天范围内的出租车GPS信息后，通过将出租车经纬度范围限定在虹桥机场T2航站楼申昆路出租车蓄车场，坐标范围为（31.1872969，121.327628）至（31.1846038，121.356638）。

车辆从东部入口进入蓄车池后开始进入等待状态，然后按照先后顺序依次通过北部出口，进入乘客等待区。在每日客流高峰时间段，蓄车场出租车的GPS位置信息每分钟刷新一次，假定乘客安置行李再到上车离场的服务时间为30s，则可以获得每分钟出租车进出场的情况。为此，我们选取了反应蓄车场内出租车基本状态的指标。

通过对限定范围内的出租车载客状态进行每分钟计数，其中0代表载客，1代表空车，当载客状态值为0时我们认为该出租车已载乘客准备离场。状态值为1时认为该车为蓄车场中的等客车辆。

通过对每分钟出租车GPS信息的统计与数理统计检验，我们得到虹桥机场蓄车场的进出场车辆数目与对应航班到达的情况有着较高的相关性。

统计结果表明蓄车场在每30分钟的时间间隔内会达到动态平衡，即在20：00至20：30时间内蓄车场始终保持212辆的满场状态。当然在客流量极大的情况下，蓄车场会启动人工调度措施。即蓄车场理论停车位不能直接代表等客的出租车数量。

为准确的获得场内等待车辆与航班到达数的关系，本文建立了多元线性回归模型。其中选择了国内航班到达乘客量（x1）、国内航班出发乘客量（x2）、出租车空车率（x3）、蓄车场平均车速作为自变量（x4）。接下来建立多元线性回归模型

Pearson相关系数表明各自变量都与因变量存在着较强的正自相关或负自相关，上海出租车总量在6万辆左右，一天内的GPS信息更新数据量达到了亿万级别条，通常的计算机无法直接对此类数据进行处理。我们在对数据进行了充分降维后，建立了多元回归线性模型。

在经过变量选择后选取的四个自变量充分揭示了蓄车场车辆变化的85.77%的信息，损失的信息则主要来源于并不是所有的乘客都会乘坐出租车，他们可能会选择自己驾车或乘坐公共交通。

得到模型：

得出結论：在国内航班到达乘客量（x1）、国内航班出发乘客量（x2）、出租车空车率（x3）、蓄车场平均车速作为自变量（x4）为0的条件下，蓄车池出租车数量最多可容纳268辆，即在等待乘客期间若蓄车池出租车数量达到268辆，就选择去市区拉乘客，在等待乘客期间若蓄车池出租车数量没有达到268辆，出租车司机可选择在乘车区等候。

参考文献：

[1]李小春.“互联网+”时代的出租车资源配置问题研究[J].现代商贸工业，2019，40（11）：85-86.

[2]魏中华，王琳，邱实.基于排队论的枢纽内出租车上客区服务台优化[J].公路交通科技（应用技术版），2017，13（10）：298-300.

[3]胡稚鸿，董卫，曹流，高忠，陆志勇，吕俊，黄宏标，顾非凡.大型交通枢纽出租车智能匹配管理系统构建与实施[J].创新世界周刊，2019（07）：90-95.