《数学建模b题国家二等奖分解.doc》由会员分享，可在线阅读，更多相关《数学建模b题国家二等奖分解.doc（16页珍藏版）》请在三一办公上搜索。
1、“互联网+时代的出租车资源配置摘 要本文是一个资源配置最优化问题。在充分考虑影响出租车资源“供求匹配指标的根底上，对不同城市出租车资源匹配度进展了评价；考虑到“互联网+时代对出租车资源配置的影响，研究了其对缓解“打车难现状的作用，并通过分析给出了合理使用打车软件，以改善“打车难的实施方案。针对问题一：通过查阅资料，分析得到影响“供求匹配程度的司机和乘客的五个重要指标：里程利用率、出租车满载率、城市出租车万人拥有量，乘坐率，乘客等待时间；针对上述指标，采用熵权法和层次分析法,借助lingo软件计算得到各指标权重；考虑到城市交通状况与时间和空间的正相关性，对城市交通时间和地点按照热度等级分类，结合
2、权重建立了多因素综合评价模型，利用matlab软件计算出不同时间段、不同地点出租车资源匹配程度综合评价值。通过司机供应量和乘客需求量比拟，得到过渡区的平常时间段供求匹配程度高，密集区的平常时间段、过渡区的顶峰期、郊区的平常时间段供求匹配程度中；郊区的顶峰期和密集区的顶峰区的供求匹配程度低，又考虑到打车软件使用率对里程利用率的影响，根据对出租车司机与乘客的双向补贴与年龄，进展资源利用率的匹配。针对问题二：本问在第一问得到的五指标权重的根底上，选取滴滴和快的软件的补贴方案为研究对象，利用加权求和法与综合评价法，借助于matlab计算了使用软件前和使用后加补贴分别的的供求匹配度，并对两种软件匹配度进
3、展了分析比拟。通过比拟，得出滴滴和快的两家软件公司的补贴对缓解打车难问题都作出了贡献；针对软件使用的情况进一步分析，发现存在二次打车难度情况，但在通常情况下补贴方案对“缓解打车难有帮助，对于顶峰期特别严重时二次打车难度无法解决，甚至当打车补贴金额太多时会导致资源浪费，加重打车难度。针对问题三：本文在本对问建立了一个较为完善的打车软件服务平台，首先，引入了信誉度、补贴率、选择论等新概念对打车软件服务平台进展优化，在一定程度上对乘客与司机进展了补贴。其次，将补贴延伸为补贴率，将补贴这个固定的概念转变为一个动态的、受多方因素干预的概念。最后，将司机的补贴金额与乘客对司机的打分进展挂钩，一定程度上可以
4、提升司机的服务态度，同时用随机抽查来考核乘客的态度，对乘客的评分进展干预。关键词二次打车难 信誉度 补贴率 熵权-层次分析法一问题重述与问题分析随着社会逐渐步入“互联网+时代，打车难的问题再次出现在人们眼前，成为了又一个被众多人所关注的社会热点问题，为了解决这个问题，有多家公司在移动互联网的根底上制作了不同的打车软件服务平台，为实现乘客与出租车司机之间的信息互通提供了一个信息交互平台，同时针对乘客和出租车司机推出了多种出租车的补贴方案。问题一：试建立合理的指标，建立一个合理的数学模型，在数学模型的根底上分析在不同时空下出租车资源的“供求匹配程度。问题二：分析各公司的出租车补贴方案是否对“缓解打
5、车难有帮助？问题三：如果要创建一个新的打车软件服务平台，将会设计什么样的补贴方案，并论证其合理性。针对问题一：时空可通过时间段即顶峰期，包括上下班，周末，节假日等时段和平常时间确定。空间即城市不同地区，如人车密集区，过渡区，郊区。先确定指标进展理想化资源配置分析，再全面考虑资源的使用率配置，综合分析，优化供求匹配程度划分的科学性。针对问题二：使用问题一中的供求匹配程度来衡量打车的难度。这里一个城市在使用软件前后的比照结果不具备较强的说服力，故在这里列举15个城市在使用软件前和后加补贴的匹配程度进展比照，从而增强说服力。假设使用后供求匹配程度大于使用前，如此使用软件对缓解打车难的问题有帮助；否如
6、此无帮助。为论证判断合理性，再次考虑二次打车难度给出了正确的判断。针对问题三：在本问中要求创新，自己创建一个打车平台。从最优化方面给出一个补贴方案使公司，司机，利益最大化，也使乘客满意度高，继而使用率高。综合多方面给出一个补贴方案。二符号系统符号说明打分补贴率乘客的综合补贴率司机的综合补贴率乘客的信誉评分乘客的补贴金额司机的补贴金额三模型假设1. 假设A市的人口不会大幅迁入迁出，根本保持稳定；2. 假设城市出租车总数不会出现大幅度变化，保持一个固定值；3. 假设选取的城市都具备代表性；4. 假设同一空间下的车辆、人群密度一样。四模型的建立与求解本文通过出租车资源的供求匹配程度的实际分析可以得出
7、，影响出租车资源的供求匹配程度的指标有以下五个：里程利用率、出租车满载率、城市出租车万人拥有率、乘客等待时间、乘客乘坐率。其中里程利用率、出租车满载率、城市出租车万人拥有率为针对司机而言的三个指标。里程利用率，反映出出租车在一天运营过程中的使用率，可以用某辆出租车当天载客行驶里程数与总里程数的比值来表示。出租车满载率，反映出出租车在某段时间内的使用率，具体指固定一个观测点之后，统计经过这个观测点的出租车总数以与其中的载客出租车的数量，载客出租车在出租车总数中所占的比例即为出租车满载率。城市出租车万人拥有量，反映出一个城市拥有的出租车的总数量，即就是在一个城市内平均每万人拥有出租车的车辆数，为一
8、个固定值。而乘客等待时间、乘客乘坐率如此是对于乘客而言的两个指标。乘客乘坐率，反映了某一段时间内，乘客的出行率。可以用某段时间内乘客乘坐人数比需要搭乘的总人数。乘客等待时间的倒数，其值与乘客等待时间成反比。经过查阅相关资料，在Excel软件中将局部城市的三个指标的量值进展汇总统计，得到表1。表1 局部城市的三大指标的量值城市城市出租车万人拥有量里程利用率出租车满载率某某3665.51%75.60%某某3457.40%69.80%3468%71.80%某某3273.79%69.20%某某2984.10%75.60%某某2570.00%75.40%某某2469.02%75.60%某某65.40%6
9、7.60%某某67.88%69.20%某某72.00%70.80%某某2264.51%68.60%某某2068.00%72.00%某某69.25%77.40%某某71.70%71.00%某某69.10%58.80%为了计算的准确度，本文使用熵权-层次分析法对三个指标的权重进展计算。熵权法计算权重首先，本文根据表1制作原始矩阵随后，利用极值法对原始矩阵进展无量纲化2处理 1将原始矩阵进展无量纲化处理后得到的矩阵记为继而，对矩阵进展归一化处理，从而使得，且不会破坏原有数据间的比例关系。在此根底上，分别定义第个评价指标的熵为其中，这样选择的使得，同时方便后续进展处理；第个指标的差异系数为；第个评价指
10、标的熵权为。最后，计算第个指标的熵权，即为各个指标权重，将求解出的，记为熵权-层次分析法的，即表2 熵权权重指标城市出租车万人拥有率里程利用率出租车满载率熵权权重AHP层次分析法首先，制作一份调查问卷，在互联网上进展调查，将所得结果结果进展汇总分析，建立判断矩阵。由于把所有元素都和某个元素做比拟，即制作次比拟，任何一个判断的失误均可导致排序出现不合理的情况，从而导致结果偏离实际值。所以本文引用数字与其倒数作为标度，对指标进展两两比拟，由专家组进展打分评价后的综合结果，从而得到判断矩阵。 2由判断矩阵满足式2，可得判断矩阵是正互反矩阵。即这个判断矩阵的一致性是可以承受的，故该判断矩阵具备合理性。
11、据此计算出各个指标的权重为。同时，在此令权重为熵权-层次分析法的。表3 层次分析法权重指标城市出租车万人拥有率里程利用率出租车满载率层次分析法权重熵权-层次分析法首先定义出一个目标函数，随后根据目标函数构造出一个非线性规划方程，从而将权重集成的问题转化为了一个最优化问题。在1和2中得到的两个方法的指标对应权重分别为和进展集成后可以得到新指标权重为故15个被评价对象对应的3个评价指标的原始数据矩阵为随后将原始数据矩阵使用式1进展无量纲化处理，得到新数据矩阵记利用得到的个被评价对象的评价值为利用得到的个被评价对象的评价值为将得到的两组被评价对象的评价值看成是维空间的两个向量，即和。找到一个向量使其
12、到和的距离和最小，即将该向量视为对和某种意义上的组合的结果。即既“照顾到了和，又对和没有主观上的“偏重。用与和一样的构成方法构造，即。在这里，距离的计算采用了m维空间的欧式距离进展计算，公式如下： (3)通过解式3的非线性规划方程组，得到的值，为且该权重值为两方法集成后的新指标权重，即为熵权-层次分析法所得到的最终的各项指标权重。表4 综合权重指标城市出租车万人拥有率里程利用率出租车满载率层次分析法权重将得到的两组被评价对象的评价值看成是维空间的两个向量，即和。找到一个向量使其到和的距离和最小，即将该向量视为对和某种意义上的组合的结果。即既“照顾到了和，又对和没有主观上的“偏重。用与和一样的构
13、成方法构造，即。在这里，距离的计算采用了m维空间的欧式距离进展计算，公式如下： (3)通过解式3的非线性规划方程组，得到的值，为且该权重值为两方法集成后的新指标权重，即为熵权-层次分析法所得到的最终的各项指标权重。同上对影响乘客需求量的两大指标用熵权法求权重为0.4896,0.51043的建立与求解以打车软件使用最为普遍的城市为例，此城市可针对不同的时间不同的地域的供求匹配程度进展考虑，在这里将不同地域分为密集区、过渡区、郊区。不同的地区由于人口规模与车辆的比例会影响到区域出租车密度，对于郊区而言，郊区的里程利用率较低。将不同时间分为顶峰期和平常期。表5 时间段划分顶峰期平常期上班期79；13
14、14除顶峰期外的所有时间下班期1112；67周末节假日在查阅了相关资料、搜集相关数据之后，制作出了如表3所示的不同时空的指标值表。表6 不同时空司机供应量的指标值区域时间段区域出租车密度里程利用率满载率密集区顶峰期6092.00%70.20%平常期3985.00%57.20%过渡区顶峰期4588.00%65.20%平常期3075.00%54.40%郊区顶峰期1740.50%88.80%平常期1327.50%95.00%表7不同时空的乘客需求量“供求匹配程度评价区域时间段乘客乘坐率乘客等待时间的倒数密集区顶峰期1/20平常期1/10过渡区顶峰期1/15平常期1/5郊区顶峰期1/30平常期1/40
15、对以上两个对象分别建立综合评价模型。对以上两种原始矩阵进展无量纲化处理的,再进展归一化处理得到。利用加权求和法综合评价供应量与需求量用供应率的差值衡量匹配程度模型表8综合评价值当说明匹配程度高，时，说明匹配程度中。当时匹配程度低。4.1.4模型的优化：考虑软件使用率补贴与年龄两个方面影响的是使用人数，即打车软件的使用率，综合影响到里程利用率。在这里结合年龄和补贴两个因素，根据使用率给出里程利用率的值：首先，引进年龄的因素图1 每个年龄段在人口中的构成比例对于不同年龄段的人来说，对新事物的承受能力是不同的，本文在这里搜集了相关的数据资料，得到了1835岁的人对新事物的承受能力最强的事实，因此得到
16、如下使用率关于年龄的计算公式然后，在此根底上引进补贴的情况图2 补贴金额与供求匹配度的关系示意图由图2可知，随着补贴金额的提升，供求匹配度先随之提高，而在达到临界值之后，供求匹配度反而开始下降，且对打车软件公司的利益造成损失，此时可能会发生供不应求的现象，对于解决打车难的问题没有帮助。综上所述，考虑到使用率对里程利用率的影响，在这里对4.1.1中的模型进展套用，得到最终的优化结果。本问使用15个城市在采用各个打车软件公司提供的补贴方案是否使打车难问题得到解决的问题进展验证，在这里缓解打车难用出租车资源供求匹配程度进展衡量。Step1：使用打车软件前的出租车资源供求匹配程度使用加权求和法得到综合
17、值来表示匹配度，将使用打车软件前的15个城市的三大指标的对应指标值以与计算出的综合值制作成表9。表9 使用打车软件前的出租车资源供求匹配程度城市出租车万人拥有量里程利用率满载率匹配程度某某3647.71%58.37%某某3449.00%48.88%3435.32%50.76%某某3252.71%40.82%某某2974.37%55.73%某某2546.19%55.82%某某2455.13%53.19%某某51.39%48.43%某某49.39%47.64%某某49.74%49.27%某某2254.28%50.85%某某2048.02%52.54%某某54.57%55.20%某某51.66%54
18、.25%某某57.48%54.27%Step2：使用打车软件后的出租车资源供求匹配程度这里以最普遍的两个打车软件：滴滴打车和快的打车在某一年的补贴影响供求匹配度的关系为例。搜集大量资料、数据搜集之后，补贴金额的多少直接影响司机的决策，从而增大里程利用率。在这里补贴与使用率成正相关。图3 补贴金额与使用率的关系示意图从图3可知，当补贴金额达到一定值时，软件的使用率的增长幅度慢慢趋近于0，因此可以得到补贴关于使用率的关系式，其中表示软件使用率，表示补贴金额，为使用率与补贴金额间的相关系数。针对滴滴打车软件，从而影响出租车的满载率，其中，。使用Step1中的方法进展加权求值其中，为为第个因素的权重，
19、分别表示城市出租车万人拥有量、里程利用率，表示出租车满载率与补贴的关系。同理，对于快的打车软件进展类似计算，得到。表10 使用打车软件后的出租车资源供求匹配程度城市A情况的满载率A综合值B情况的满载率B综合值某某78%13.139881 70%13.117644 某某71%12.385944 62%12.360927 76%12.439040 65%12.408464 某某68%11.733724 61%11.714266 某某76%10.737351 69%10.717893 某某77%9.279010 68%9.253994 某某78%8.925921 71%8.906464 某某69%8
20、.806502 60%8.781485 某某69%8.720566 62%8.701109 某某73%8.493304 65%8.471066 某某70%8.182516 61%8.157500 某某72%7.496491 64%7.474254 某某81%7.385233 72%7.360216 某某70%5.919512 65%5.905613 某某76%4.292158 65%4.261582 从本问中所举例的滴滴打车与快的打车软件来看，这15个城市使用了打车软件之后的出租车资源匹配程度都有不同程度的提高，即这两个软件的补贴方案是合理的，对打车难的现象有所缓解。然而，在使用软件之后虽然对
21、打车难问题有所缓解，不过如果补贴金额过高，导致人们在出行时发现打车不仅不花钱反而甚至会赚钱时，大多数人都会因此而采用打车出行。由于每个城市的出租车数量都是一个固定的值，即出租车总数不变，打车的人数急剧增多之后反而会导致二次打车难的问题，使得使用补贴政策来缓解打车难的目的难以从根本上达到，因此，补贴政策就成为了打车软件在缓解打车难问题上的关键所在。在本问中要求创新，自己创建一个打车平台。从最优化方面给出一个补贴方案使公司，司机，利益最大化，也使乘客满意度高，继而使用率高。综合多方面因素给出一个补贴方案。在这里引入信誉度的概念，并将之与补贴金额进展联系，假设用户或司机中的一方做了违反用户与司机间的
22、约定的事或做了对对方有害的事，不会直接降低这一方的补贴金额，而是会对这一方的信誉度进展降低，当信誉度降低至0时将不会拥有公司提供的补贴。在这里对信誉度进展打分，并对其进展分级、引入对应的综合补贴率，制作出如表11所示的乘客信誉度与补贴率的对应关系表11 乘客信誉度与补贴率的对应关系信誉分级信誉度评分综合补贴率一级90100115%二级8090110%三级7080105%四级6070100%五级506070%六级405040%七级0400%现有的打车软件皆为司机抢单模式，不利于乘客与司机进展信息沟通，即乘客无法知道司机所在的位置司机需要多长时间才能赶到乘客所处的位置，也不知道该司机的服务态度等信
23、息。故本文在这里引入了乘客打分项，即对司机的信誉度而言，多出了乘客打分一项，制作出如表12所示的乘客打分表，而对乘客而言没有司机打分一项，取而代之的是对司机的随机抽查，并据此对乘客的信誉评分进展干预。表12乘客与司机的打分补贴率的对应关系乘客打分乘客信誉评分打分补贴率12345结合表12制作出如表13所示的司机信誉度与补贴率的对应关系表13司机信誉度与补贴率的对应关系信誉分级信誉度评分打分补贴率初始补贴率综合补贴率一级90100100%二级809090%三级708080%四级607070%五级506060%六级405040%七级0400%即假设一个乘客的信誉评分为85分，他给司机的打分为4，那
24、么打分补贴率为，司机的信誉度评分为75，如此他的初始补贴率为80%，那么该司机的综合补贴率为136%。对于补贴金额的计算，本文认为补贴应当是双向的，即乘客在乘坐出租车时可以得到相应的车费减免，而司机可以得到额外的补贴收入。原有出租车的计价器上只有三个信息，一个是载客，一个是空车，最后一个是停止运营。而本文在此引入了一个新的概念，将三个信息扩大为四个信息，新增的第四个信息为有客，代表该出租车目前虽然没有乘客，不过在软件上已经接到了订单，正在前往下订单乘客的所在地。在这里做一个假设来对这个补贴金额进展说明，假设现在在地有一名乘客使用软件下单，乘客需要前往地，接到单的司机在地且这辆出租车为空车。、两
25、地间的直线距离记为，、两地间的直线距离记为，天然气的价格为。于是在这种情况下乘客获得的车费减免可以用式4进展计算 4而司机获得的补贴可以用式5进展计算 5式4和式5即为本文在本问中建立的补贴金额的计算公式。在乘客与司机的信息交互上，本文引入了推荐的模式，即向符合条件的司机推送出下单乘客的性别、年龄、信誉评分的信息，不会出现乘客的真实某某等信息，在收到订单推送后的司机可以自主选择是否接这个订单，假设选择接单，那么将会将司机的相关信息反应至用户面前，达到5个反应信息之后由用户选择满意的司机来完成订单，倘假设都不满意可以根据实际情况进展更广X围的订单推送，从而获得符合要求的司机的信息反应，并完成订单
26、。而为了保证订单的质量，乘客在下单的时候需要预支付一定的押金，押金是按照当时出租车的收费标准，使用、两地间的直线距离作为行驶里程计算出的总价，这个总价将作为押金预支付，假设订单完成，如此使用押金支付车费，不足以支付的局部将由乘客补齐；假设订单被乘客主动取消，如此会收取一定比例的违约金，并对乘客的信誉评分进展降低的操作，假设为非乘客原因取消订单，如此返回全部押金。在这里使用C语言对上述打车软件服务平台进展模拟，模拟过程中不考虑乘客打分的因素，乘客、司机的信誉度、性别、年龄将使用随机函数进展随机生成，同时随机生成乘客、司机的所处位置的坐标以与目的地的位置坐标，司机是否愿意接单在这里也使用随机数进展
27、生成，将这些随机生成的数据分别存储在对应的文件内。生成随机数据之后将会完成整个程序的模拟过程，并且获得相应的模拟结果。该模拟系统的源代码详见附录7.2。图4、5 模拟软件截图五模型评价1.使用熵权-层次分析法计算权重，从主观与客观两方面进展较全面的考虑，合理的衡量了供求匹配程度的指标权重，具有科学性和合理性，同时具备较强的说服力。2.问题一中从资源配置和使用率两方面进展考虑供求匹配程度，基于资源配置建立了初步的数学模型，随后参加了使用率的因素进展模型的优化，使得优化后的模型具备较高的可行性。3.问题二从苍穹数据搜集获取使用打车软件之前的数据，来计算供求匹配程度，并于使用软件后的匹配程度进展比照
28、，具备较强的说服力，且考虑到二次打车难的问题，具有全面性，科学的对软件的补贴政策能否解决或缓解打车难的问题给出了判断。4.问题三中在现有打车软件的不足点的根底上，基于模拟退火算法使用语言进展编程，建立了属于自己的打车服务平台，引入了信誉评级的概念，给出了自己的具备合理性的补贴方案并引入了系统中，具备较高的合理性、科学性和较强的说服力。5.文中的数据来源于苍穹数据网，具备真实有效性。模型的缺点1.考虑因素概念太大，因此出现考虑不全面的现象。2.由于数据的准确性，没有用一个确定的式子表示补贴与使用率的关系，导致计算结论的准确度较低。六参考文献1 费智聪，熵权-层次分析法与灰色-层次分析法研究，某某大学，硕士学位论文2 X卫华 赵铭军，指标无量纲化方法对综合评价结果可靠性的影响与其实证分析，统计与信息论坛，第20卷第3期，2005年5月3 综合评价模型建模，百度文库，
