基于问题一模型的最优化模型为：

max

F
iF
ii1
st
F
bt
i
xi
aY2i
x1
01z
x2
i
01
01x
i1234
若ω＞0，则证明补贴方案在一定程度上可缓解打车难问题，且ω越大，越能缓解打车难问题；
若ω＜0，则证明补贴方案在一定程度上加重了打车难问题。
72问题三模型的解决
经计算机模拟可得，该模型改善的打车难易程度符合实际情况，合理性得证，具体
如下：
1选取舟山东路附近早高峰时段相关数据为第一样本
将舟山东路附近分为打车困难和一般两个区域，各区域中相关数据如下：
相关数据名称
出租车分布量x打车需求量z补贴等级k
表9舟山东路两处区域有关数据一览表困难区域
21953
一般区域
15712
由补贴等级k可知，打车困难区域每单补贴15元，打车一般区域每单补贴10元，且打车一般区域出租车有10流入打车困难区，将上述数据带入最优化模型，求解得：
表10：模型各数据改变量与结果一览表
项目名称
困难区困难区域各一般区一般区域各域数据改变量域数据改变量
出租车分布量x
219
2347
157
1413
打车需求量z
Y
2
5
5
1
1
438
4694
157
1413
fF
2847305111020591845
F
2041
10205
8164
19
f8164＞0
说明一定程度下补贴方案有效缓解打车难问题。
2选取西溪湿地附近晚高峰时间段相关数据为第二样本
将西溪湿地附近分为打车一般和困难两个区域，各区域中相关数据如下：
相关数据名称
出租车分布量x打车需求量z补贴等级k
表11：西溪湿地附近两处区域有关数据一览表困难区域
276163
一般区域
14652
由补贴等级k可知，打车困难区域每单补贴15元，打车一般区域每单补贴10元，且打车一般区域出租车有10流入打车困难区，将上述数据带入最优化模型，求解得：
表12：模型各数据改变量与结果一览表
项目名称
出租车分布量x打车需求量zY
2
FF
困难区困难区域各一般区一般区域各域数据改变量域数据改变量
276
2906
146
1314
16
16
5
5
1725
181625
292
2628
112125118056250593125
18981304
170821898
1304＞0
说明一定程度下补贴方案有效缓解打车难问题，但比舟山东路附
近早高峰改善情况较差一点。
73结果分析
将问题三论述结果与问题二进行比对，由问题二中方案可知对不同时空区域进行统一补贴的效果并不明显，对于缓解打车难问题基本无贡献，仅增加打车软件市场份额；而从问题三的分段补贴方案结果出发，显然可以发现分段补贴可使得同一区域内不同打车难度的区域模块打车难度明显改善，并且不同时间段不同区域改善程度不同。因此，此次r