数学建模刹车距离所有资料

一：实验内容矩阵的基本操作矩阵的输入、加、减、乘、除、求逆、求特征值、特征向量、对角化、上三角化、Jordan标准型、合同变换等求解线性方程组齐次线性方程组非齐次线性方程组理解左除和右除操作绘制点和函数曲线坐标原点、坐标轴刻度的设定在坐标平面上绘制点在坐标平面上绘制函数曲线表达建模结果(以汽车刹车距离的数学模型为例，教材第 2.4节) 假设已经建立了带有未知参数的数学模型，并有一些实际数据。根据实际数据估算模型中的参数。然后将数学模型表达的曲线和实际数据绘制在同一个坐标平面内，并据此对数学模型做出分析。

二：问题分析

1 刹车距离与车速有关；

2 刹车距离由反应距离和制动距离两部分组成，前者指从司机决定刹车到制动器开始起作用汽车行驶距离，后者指从制动器开始起作用到汽车完全停止行驶距离。

3 反应距离又反应时间和成酥决定，反应时间取决于司机个人状况和制动系统的灵敏性，对于一般规则可使反应时间为常数，且在这段时间内车速尚未改变。

4 制动力在一般规则下又可看作是固定的。

三：模型假设

1 刹车距离d等于反应距离d1与制动距离d2之和；

2 反应距离d1与车速v成正比，比例系数为反应时间t1;

3 刹车时间用最大制动力F，F作的功等于汽车动能的改变，且F与车的质量m成正比。

四：模型建立由假设 2 d1=t1v 由假设3 在F作用行驶距离d2作的功Fd2时车速从v变成0，动能的变化为mv^2/2,

如图所示，汽车的刹车距离有反应距离和刹车距离两部分组成，反应距离指的是司机看到需要刹车的情况到汽车制动器开始起作用汽车行使的距离，刹车距离指的是制动器开始起作用到汽车完全停止的距离。反应距离有反应时间和车

速决定，反应时间取决于司机个人状况（灵敏、机警等）和制动系统的灵敏性，由于很难对反应时间进行区别，因此，通常认为反应时间为常数，而且在这段时间内车速不不变。刹车距离与制动作用力、车重、车速以及路面状况等因素有关系。有能量守恒制动力所做的功被汽车动能的改变所抵消。设计制动器的一个合理原则是，最大制动力大体上与汽车的质量成正比，汽车的减速度基本上是常数。路面状况可认为是固定的。

二、模型假设

基于以上分析，作出如下假设。

（1）人的反应时间为一个常数。

（2）在反应时间内车速不变。

（3）汽车的减速度基本上是一个常数。

（4）路面状况是固定的。

（5）汽车的总刹车距离等于反应距离和刹车距离之和。

（6）反映距离与车速成正比，比例系数为反应时间。

（7）刹车时使用最大制动力做的功等于汽车动能的改变，且制动力与车的质量成正比。

符号说明：

(1)t表示反应时间

(2)d表示总刹车距离

(3)表示反应距离

(4)表示刹车距离

(5)v 表示速度

(6)F表示制动力

(7)m表示质量

美国的某些司机培训课程中有这样的规则:在正常驾驶条件下车速每增加10英里/小时,后面与前面一辆车的距离应增加一个车身长度。又云，实现这个规则的一种简便方法是所谓“2秒规则”，即后车司机从前车经过某一标志开始默数2秒钟后到达同一标志，而不管车速如何。试判断“2秒规则”与上述规则是否一致？是否有更好的规则？并建立刹车距离的模型。

解：(1)计算车速10英里/小时2秒钟前进距离说明车速10英里/小时时两规则并不一致。

1.3.1 问题分析

制订这样的规则是为了在后车急刹车情况下不致撞上前车，即要确定汽车的刹车距离。

刹车距离显然与车速有关，先看看汽车在10英里/小时（约16km/h）的车速下2秒钟行驶多

大距离。容易计算这个距离为：10英里/小时×5280英尺/英里×1小时/3600秒×2秒=29.33

英尺（=8.94米），远大于一个车身的平均长度15英尺（=4.6米），所以“2秒准则”与上述

规则并不一样。为判断规则的合理性，需要对刹车距离作较仔细的分析。

刹车距离由反应距离和制动距离两部分组成，前者指从司机决定刹车到制动器开始起作用汽车行驶的距离，后者指从制动器开始起作用到汽车完全停止行驶的距离。

反应距离由反应时间和车速决定，反应时间取决于司机个人状况（灵巧、机警、视野等）和制动系统的灵敏性（从司机脚踏刹车板到制动器真正起作用的时间），对于一般规则可以视

反应时间为常数，且在这段时间内车速尚未改变。

制动距离与制动器作用力（制动力）、车重、车速以及道路、气候等因素有关，制动器是一个能量耗散装置，制动力作的功被汽车动能的改变所抵消。设计制动器的一个合理原则是，

最大制动力大体上与车的质量成正比，使汽车的减速度基本上是常数，这样，司机和乘客少

受剧烈的冲击。至于道路、气候等因素，对于一般规则又可以看作是固定的。 (2) 刹车距离模型

刹车距离由反应距离和制动距离组成。

反应距离指从司机决定刹车到制动开始起作用汽车行驶的距离。制动距离指制动器开始起作用到汽车完全停止行驶的距离。解：(1)计算车速10英里/小时2秒钟前进距离:

说明车速10英里/小时时两规则并不一致。 (2) 刹车距离模型

刹车距离由反应距离和制动距离组成。反应距离指从司机决定刹车到制动开始起作用汽车行驶的距离。

制动距离指制动器开始起作用到汽车完全停止行驶的距离。模型假设

3)刹车时使用最大制动力F ，F 作的功等于汽车动能的改变，且F 与车质量m 成正比。

模型建立由假设2)

v t d 11= (1)

由假设3 2221mv Fd =

而 F=ma ,则 2

221v a

d = 其中a 为刹车减速度，是常数，则：

22kv d = （2）

则刹车距离与速度的模型为

英尺秒秒英尺33.2923600/528010=??=d 英尺一个车身平均长度

15=l .

)12

1之和和制动距离等于反应距离刹车距离d d d .

,)211t v d 比例关系为反应时间成正比与车速反应距离

21kv v t d +=

其中1t 根据经验取0.75秒，先利用实际数据来确定k

表1 车速与刹车距离

则刹车距离与速度关系为:

表1中第4列为计算的刹车距离,第5列是采用最大刹车距离时的

刹车时间。

由(4)还可以得到刹车时间与车速关系: t=0.75v+0.0255v (5)

车速（英里/小时）

车速（英尺/秒）

实际刹车距离

(英尺)

计算刹车距离

(英尺)

刹车时间 (秒)

20 29.3 42(44) 43.98 1.5 30 44.0 73.5(78) 82.45 1.8 40 58.7 116(124) 131.92 2.1 50 73.3 173(186) 192.37 2.5 60 88.0 248(268) 263.82 3.0 70 102.7 343(372) 346.25 3.6 80

117.3

464(506)

439.68

4.3

列数据有第及第由32)7,,2,1(,75.02

=+=i kv v d i i i 0255

.0).75.0(7

=-=

∑∑==i i i i i i v v v d k )

4(0255.075.02v v d +=

图1 实际(*)与计算刹车距离(实线)比较

表2 修正后t 秒规则

车速(英里/小时) 0~10 0~10 0~10 0~10 t (秒) 1 2 3 4

[问题的提出]

行驶中的汽车，在刹车后由于惯性的作用，要继续往前滑行一段距离后才会停下，这段距离就叫刹车距离。研究刹车距离对于安全行车及分析交通事故责任都有一定的作用。

[讨论与分析]

1、汽车的“刹车”，其机理是控制轴承的转动，这样就让汽车轮子只能滑动或者说平动。当然，在实际情况中，有时只是“部分刹住”了，部分刹住时，轮子除滑动外还有滚动，这时形成的“刹车距离”与“刹车”的力度密切相关。

2、刹车距离s与哪些主要因素有关呢？显然与刹车时的速度、车子的质量、路面状况以及空气阻力有直接关系。车速越大，惯性就越大，刹车距离就越远；车子的质量越大，刹车距离也越远；路况越好，越光滑，刹车距离也越远。例如火车刹车后就较难停住，往往要滑行好远。天雨、下雪结冰时，汽车刹车后刹车距离也较长。所以汽车在行进时遇到弯道，车多时、天雨路滑时一般要慢行，控制速度，缩短刹车距离，减少交通事故。

3、速度为v的汽车刹车“完全刹住”后，假设是在理想的光滑、水平的直行路面上，根据牛顿第一定律可知中它将一直保持速度v进行下去，永不会停止。在实际路面上之所以行进s后要停下来主要是在水平方向受到了与运动方向相反的摩擦力的作用。（在竖直方向，受到重力及支撑力达到平衡）。根据牛顿第二定律有f=ma,（f为合摩擦力，m为质量，a为加速度），又可把刹车后运动过程看成匀减速运动，所以，02-v2=2as,消去a有

s=-(f<0,a<0).

4、在实际情况下，当某种车型、某种路面确定时，刹车距离s与车速v的关系可近似抽象为二次函数s=mv+nv2.对于某种车型的车，也可实际测定刹车距离s与速度v的函数关

系。

[建模实例]

例1：刹车距离是分析事故的一个重要因素。在一个限速40千米/小时以内的弯道上，甲、乙两辆汽车相向而行，发现情况不对，同时刹车，但还是碰了。事发后现场测得甲车的刹车距离略超过12米，乙车刹车距离略超过10米，又知甲、乙两种车型的刹车距离s(米)与车速x(千米/小时)之间分别有如下关系:

s甲=0.1x+0.01x2

s乙=0.05x+0.005x2

问超速行驶应负主要责任的是谁.

分析：要弄清主要责任者，就需分析行驶速度，要弄清速度问题，就要运用刹车距离

函数和实测数据，构建一元二次不等式。

略解：由题意列出不等式

s甲=0.1x+0.01x2>12

s乙=0.05x+0.005x2>10

这是常见的一元二次不等式，分别求解，得

x<-40或x>30

x<-50或x>40

由于x>0，从而可得，x甲>30千米/小时，x乙>40千米/小时。

经比较知乙车超过限速，应负主要责任。

注：解实际应用题首先要正确理解题意，恰当地进行数学化设计，化归为课本中的标

准化模型加以解决。

例2：已知汽车从刹车到停车所滑行的距离(米)与时速(千米/小时)的平方及汽车总重量成正比例.设某辆卡车不装货物以时速50千米行驶时,从刹车到停车走了20米,如果这辆卡车装着等于车重的货物行驶时,发现前面20米处有障碍物,这时为了能在离障碍物5米以外处停车,最大限制时速应是多少(答案只要保留整数部分,设卡车司机发现障碍物到刹车

需经过1秒钟)?

分析：设从刹车到停车滑行距离为s米，时速为v千米/小时，卡车总重量为t,根据

题意得

s=k·v2·t0(k为比例系数)

略解：设卡车空载时的总重量为t0,则

20=k·502·t0

设卡车限速为x千米/小时(x>0)，则

20-5-x≥2kt0x2,消去kt0，化简得，-15≤0

即2·18x2+5·125x-15·18·125≤0

由题意，其解（舍去小数部分）为0

注：1、在数学建模的过程中我们所处理的变量、参数及常数往往都是带单位的量。

对于测量值的单位必须给予足够重视，不可掉以轻心。必要时还要进行量纲分析。

2、此题建模后，在对一元二次不等式这个模型求解时，涉及到较大数据的处理。学

会数据分析和处理的方法有时是很必要的。

理论上来说：当汽车刹车轮胎抱死时，汽车刹车距离与质量无关

因为从能量守恒可以得到摩擦力对物体做的功等于物体动能的变化量：Fns=1/2mu(平方）其中F是车对地面的压力，n是车跟地面的摩擦系数，s是刹车距离，m是车的质量，u 是车的速度，其中车对地面的压力等于车的重力F=mg，所以得到mgns=1/2mu(平方） s =u(平方）/2gn

所以理论上来说：当汽车轮刹车胎抱死时，汽车刹车距离与质量无关

而现实生活中往往车载货越多，刹车距离就越长

这是因为现实生活中汽车载货越多刹车时会比较容易出现轮胎抱死，而且最大的制动力（摩擦力）是在滚动接近与滑动的零界点，这时候摩擦力就≠Fn了

空车时的轮胎没有抱死，摩擦力大于Fn

由上面的公式可以说明质量越大，刹车距离就越长

数学建模

潍坊学院数学与信息科学学院数学建模实训论文实训题目：幸福感的评价与量化模型学生姓名、学号、专业班级 1、 2、 3、指导教师： 2012

论文题目摘要问题一，采用加权平均的方法对主观指标进行分值量化（采取100到0分赋值法）利用熵值法求出二级指标对一级指标的权重向量，最后，建立了网民幸福指数的数学模型。（单独一页，不得少于400字）关键字：二级模糊综合评价，层次分析法

一问题重述改革开放三十多年，我国经济建设取得了巨大成就，人们物质生活得到了极大改善。但也有越来越多的人开始思考：我们大力发展经济，最终目的是为了什么？温家宝总理近年来多次强调：我们所做的一切，都是为了让人民生活得更加幸福。在今年的全国两会期间，“幸福感”也成为最热门词语之一。幸福感是一种心理体验，它既是对生活的客观条件和所处状态的一种事实判断，又是对于生活的主观意义和满足程度的一种价值判断。它表现为在生活满意度基础上产生的一种积极心理体验。而幸福指数，就是衡量这种感受具体程度的主观指标数值。美国、英国、荷兰、日本等发达国家都开始了幸福指数的研究，并创设了不同模式的幸福指数。如果说GDP、GNP 是衡量国富、民富的标准，那么，百姓幸福指数就可以成为一个衡量百姓幸福感的标准。百姓幸福指数与GDP一样重要，一方面，它可以监控经济社会运行态势；另一方面，它可以了解民众的生活满意度。可以说,作为最重要的非经济因素，它是社会运行状况和民众生活状态的“晴雨表”，也是社会发展和民心向背的“风向标”。国内学者也对幸福感指数进行了研究，试图建立衡量人们幸福感的量化模型，可参看附件的参考论文。根据你自己对幸福感的理解，要求完成以下工作： 1、附表给出了网上调查的一系列数据，根据这些数据，试建立网民幸福感的评价指标体系，并利用这些指标建立衡量幸福指数的数学模型。 2、试查找相关资料，分别建立某一地区或某一学校教师和学生的幸福指数的数学模型，并找出影响他们幸福感的主要因素。 3、你所建立的评价体系和模型，能否推广到更加普遍的人群，试讨论之。 4、根据你所建模型得出的结论，给相关部门(例如政府、或学校管理部门等)写一封短信(1页纸以内)，阐明你对幸福的理解和建议。二问题分析在问题一中，由于幸福指数的影响因素较多，我们可以采用表（表5-1）二级分层结构，即采用二级模糊综合评判的方法，就足以解决问题了。我们发现要通过模糊综合评价对网民幸福指数幸福感指数进行衡量，缺少了各个因素的权重值，所以就必须要求出影响网民幸福指数的一级指标的权重才能进行网民幸福指数的衡量。因为网民幸福指数有每个一级指标构成，所以要求出每个一级指标对于幸福指数影响的权重，而每个一级指标又是有二级指标来决定的，也要求出一级指标下每个二级指标对于一级指标影响的权重。对于此，我们引入熵权法先求解二级指标对于一级指标的权重，进而求解出一级指标对于网民幸福指数的权重。三符号说明

11属性数据分析

技能训练十一属性数据分析一、训练目的与要求 1．掌握属性数据分析方法。 2．掌握属性数据分析图表与原图形的组合。二、训练准备 1．训练数据：本训练数据保存于文件夹Exercise-11中。 2．预备知识：属性分析的方法。三、训练步骤与内容 1．数据准备将训练数据复制，粘贴至各自文件夹内。启动MAPGIS主程序。在主菜单界面中，点击参数按钮，在弹出的对话框中，设置工作目录最终指向Exercise-14（盘符依据各人具体情况设置）。 2．属性分析执行如下命令：空间分析?空间分析?文件?装载区文件，加载要进行属性分析的数据文件。 Step1: 加载数据文件中所提供的REGION.WP区文件执行如下命令：属性分析?单属性分类统计?立体饼图，选择属性分析类型。

Step2: 属性 Step3: 选择分类属性字段为小麦，保留属性字段为乡名、水稻、玉米Step4: 设置分类方式为分段方式 Step5: 确定，退出设置分类值域按图中所示输入

分类统计结果图 3．保存文件执行如下命令：文件?保存当前文件，换名保存属性分析所生成的图形文件，系统生成的表格文件（*.WB）不需要保存。 Step: 将缺省文件名改为“属性分析”，点击保存按钮。按此方法依次将线、区文件名均改为“属性分析” 4．文件组合执行如下命令：图形处理?输入编辑?打开已有工程文件，打开所提供的Exercise-14.MPJ，在工程文件管理窗口，点击鼠标右键，选择“添加项目”选项，将前面生成的属性分析.WT、属性分析.WL、属性分析.WP添加进此工程文件。关闭REGION.WP、POINT.WT、RIVER.WL和LINE.WL四个文件。执行如下命令：其它?整块移动，调整属性分析.WT、属性分析.WL、属性分析.WP三个图形文件的位置，使与主图位置相适应。若此三个图形与主图相比过大的话，执行如下命令：其它?整图变换?键盘输入参数，来进行调整（注意应确定REGION.WP、POINT.WT、RIVER.WL 和LINE.WL四个文件处于关闭状态）。

数学建模的经典模板

一、摘要内容：（1）用1、2句话说明原问题中要解决的问题；（2）建立了什么模型（在数学上属于什么类型），建模的思想（思路），模型特点；（3）算法思想（求解思路），特色；（4）主要结果（数值结果，结论）；（回答题目的全部“问题”）（5）模型优点，结果检验；模型检验，灵敏度分析，有无改进，推广要求（1）特色和创新之处必须在这里强调；（2）长度（3）要确保准确、简明、条理、清晰、突出特色和创新点；二、问题的提出内容：用自己的语言阐述背景，条件，要求；重点列出‘问题’也即要求；要求：（1）不是题目的完整拷贝（2）根据自己的理解，用自己的语言清楚简明的阐述背景、条件和要求；三、条件假设内容（1）根据题目中的条件做出假设（2）根据题目中的要求做出假设；要求（1）合理性最重要；（2）假设合理且全面，但不欣赏罗列大量的无关假设，关键性假设不能缺；（3）合理假设作用：简化问题，明确问题，限定模型的适用范围四、符号约定五、问题分析 1．名词解释 2．问题的背景分析 3．问题分析六、模型建立抽象要求（1）模型的主要类别：初等模型、微分方程模型、差分方程模型、概率模型、统计预测模型、

优化模型、决策模型、图论模型等（2）几种常见的建模目的：（对应相对（1）的方法）描述或解释现实世界的各类现象，常采用机理型分析方法，探索研究对象的内在规律性；预测感兴趣的时间爱你是否会发生，或者事物的房展趋势，常采用数理统计或模拟的方法；优化管理、决策或者控制事物，需要合理地定义可量化的评价指标及评价方法；（3）建模过程常见的几个要点：模型的整体设计、合理的假设、建立数学结构、建立数学表达式；（4）模型的要求：明确、合理、简洁、具有一般性；例如：有些论文不给出明确的模型，只是就赛题所给的特殊情况，用凑得方法给出结果，虽然结果大致对，但缺乏一般性，不是建模的正确思路；（（与第三点对应））（5）鼓励创新，特别欣赏独树一帜、标新立异，但要合理（6）避免出现罗列一系列的模型，又不做评价的现象；具体要求：（1）基本模型：首先要有数学模型：数学公式、方案等；基本模型，要求完整，正确，简明（2）简化模型：要明确说明，简化思想，依据；简化后的模型尽可能给出；七、模型求解每一块内容包括：计算方法设计或选择、算法设计或选择、算法思想依据、步骤及实现、计算框图、所采用的软件名称写作要求： 1、需要建立数学命题时：命题叙述要符合数学命题的表述规范，尽可能论证严密 2、需要说明计算方法或算法的原理、思想、依据、步骤。若采用现有软件，说明采用此软件的理由，软件名称 3、计算过程，中间结果可要可不要的，不要列出 4、设法算出合理的数值结果 5、最终数值结果的正确性或合理性是第一位的 6、对数值结果或模拟结果进行必要的检验。结果不正确、不合理、或误差大时，分析原因，对算法、计算方法、或模型进行修正、改进 7、题目中要求回答的问题，数值结果，结论，须一一列出 8、列数据问题：考虑是否需要列出多组数据，或额外数据对数据进行比较、分析，为各种方案的提出提供依据 9、结果表示：要集中，一目了然，直观，便于比较分析 ▲数值结果表示：精心设计表格；可能的话，用图形图表形式 ▲求解方案，用图示更好 10、必要时对问题解答，作定性或规律性的讨论。最后结论要明确内容（1）算法设计或选择，算法的思想依据，步骤；（2）引用或建立必要的数学命题和定理；（3）在不能给出精确解的情况下，需要给出不知一种解法（算法），并进行测试比较，给出

数学建模作业一：汽车刹车距离.doc

汽车刹车距离一、问题描述司机在遇到突发紧急情况时都会刹车，从司机决定刹车开始到汽车停止行驶的距离为刹车距离，车速越快，刹车距离越长。那么刹车距离与车速之间具有什么样的关系呢？二、问题分析汽车的刹车距离有反应距离和刹车距离两部分组成，反应距离指的是司机看到需要刹车的情况到汽车制动器开始起作用汽车行使的距离，刹车距离指的是制动器开始起作用到汽车完全停止的距离。反应距离有反应时间和车速决定，反应时间取决于司机个人状况（灵敏、机警等）和制动系统的灵敏性，由于很难对反应时间进行区别，因此，通常认为反应时间为常数，而且在这段时间内车速不变。刹车距离与制动作用力、车重、车速以及路面状况等因素有关系。由能量守恒制动力所做的功等于汽车动能的改变。设计制动器的一个合理原则是，最大制动力大体上与汽车的质量成正比，汽车的减速度基本上是常数。路面状况可认为是固定的。三、问题求解 1、模型假设根据上述分析，可作如下假设： ①刹车距离d 等于反应距离1d 和制动距离2d 之和； ②反应距离1d 与车速v 成正比，且比例系数为反应时间t ； ③刹车时使用最大制动力F ，F 作的功等于汽车动能的改变，且F 与车质量m 成正比； ④人的反应时间t 为一个常数； ⑤在反应时间内车速v 不变； ⑥路面状况是固定的； ⑦汽车的减速度a 基本上是一个常数。 2、模型建立由上述假设，可得： ⑴tv d =2； ⑵2221mv Fd =,而ma F =，则2221v a d =。所以22kv d =。综上，刹车距离的模型为2kv tv d +=。 3、参数估计可用我国某机构提供的刹车距离实际观察数据来拟合未知参数t 和k 。转化单位后得：

回归分析在数学建模中的应用

摘要回归分析和方差分析是探究和处理相关关系的两个重要的分支,其中回归分析方法是预测方面最常用的数学方法,它是利用统计数据来确定变量之间的关系,并且依据这种关系来预测未来的发展趋势。本文主要介绍了一元线性回归分析方法和多元线性回归分析方法的一般思想方法和一般步骤,并且用它们来研究和分析我们在生活中常遇到的一些难以用函数形式确定的变量之间的关系。在解决的过程中,建立回归方程,再通过该回归方程进行预测。关键词:多元线性回归分析;参数估计;F检验

回归分析在数学建模中的应用 Abstract Regression analysis and analysis of variance is the inquiry and processing of the correlation between two important branches, wherein the regression analysis method is the most commonly used mathematical prediction method, it is the use of statistical data to determine the relationship between the variables, and based on this relationship predict future trends. introduces a linear regression analysis and multiple linear regression analysis method general way of thinking and the general steps, and use them to research and analysis that we encounter in our life, are difficult to determine as a function relationship between the variables in the solving process, the regression equation is established by the regression equation to predict. Keywords:Multiple linear regression analysis; parameter estimation;inspection II

初中数学建模案例资料

初中数学建模案例

中学数学建模论文指导中学阶段常见的数学模型有：方程模型、不等式模型、函数模型、几何模型和统计模型等。我们也把运用数学模型解决实际问题的方法统称为应用建模。可以分五种模型来写。论文最好自己写，如果是参加竞赛的话从网上找的会被搜出来的。一、建模论文的标准组成部分建模论文作为一种研究性学习有意义的尝试，可以锻炼学生发现问题、解决问题的能力。一般来说，建模论文的标准组成部分由论文的标题、摘要、正文、结论、参考文献等部分组成。现就每个部分做个简要的说明。 1. 题目题目是给评委的第一印象，所以论文的题目一定要避免指代不清，表达不明的现象。建议将论文所涉及的模型或所用的计算方式写入题目。如“用概率方法计算商场打折与返券的实惠效应”。 2. 摘要摘要是论文中重要的组成部分。摘要应该使用简练的语言叙述论文的核心观点和主要思想。如果你有一些创新的地方，一定要在摘要中说明。进一步，必须把一些数值的结果放在摘要里面，例如：“我们的最终计算得出，对于消费者来说，打折比返券的实惠率提高了23%。”摘要应该最后书写。在论文的其他部分还没有完成之前,你不应该书写摘要。因为摘要是论文的主旨和核心内容的集中体现，只有将论文全部完成且把论文的体系罗列清楚后，才可写摘要。

摘要一般分三个部分。用三句话表述整篇论文的中心。第一句，用什么模型，解决什么问题。第二句，通过怎样的思路来解决问题。第三句，最后结果怎么样。当然，对于低年级的同学，也可以不写摘要。 3. 正文正文是论文的核心，也是最重要的组成部分。在论文的写作中，正文应该是从“提出问题—分析问题—选择模型—建立模型—得出结论”的方式来逐渐进行的。其中，提出问题、分析问题应该是清晰简短。而选择模型和建立模型应该是目标明确、数据详实、公式合理、计算精确。在正文写作中，应尽量不要用单纯的文字表述，尽量多地结合图表和数据，尽量多地使用科学语言，这会使得论文的层次上升。 4. 结论论文的结论集中表现了这篇论文的成果，可以说，只有论文的结论经得起推敲，论文才可以获得比较高的评价。结论的书写应该注意用词准确，与正文所描述或论证的现象或数据保持绝对的统一。并且一定要对结论进行自我点评，最好是能将结论推广到社会实践中去检验。

实验十四属性数据分析

实验十四属性数据分析一、实验目的 1．掌握属性数据分析方法。 2．掌握属性数据分析图表与原图形的组合。二、实验准备 1．实验数据：本实验数据保存于文件夹Exercise-14中。 2．预备知识：属性分析的方法。三、实验步骤与内容 1．数据准备将实验数据复制，粘贴至各自文件夹内。启动MAPGIS主程序。在主菜单界面中，点击参数按钮，在弹出的对话框中，设置工作目录最终指向Exercise-14（盘符依据各人具体情况设置）。 2．属性分析执行如下命令：空间分析?空间分析?文件?装载区文件，加载要进行属性分析的数据文件。 Step1: 加载数据文件中所提供的REGION.WP区文件执行如下命令：属性分析?单属性分类统计?立体饼图，选择属性分析类型。

Step2: 属性 Step4: 设置分类方式为分段方式 Step3: 选择分类属性字段为小麦，保留属性字段为乡名、水稻、玉米 Step5: 确定，退出设置分类值域按图中所示输入

数学建模各种分析报告方法

现代统计学 1.因子分析(Factor Analysis) 因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，我们还可以为市场细分做前期分析。 2.主成分分析主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。主成分分析和因子分析的区别 1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。 2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。 3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。 4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。 5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,

数学建模中常见的十大模型

数学建模常用的十大算法==转 (2011-07-24 16:13:14) 转载▼ 1. 蒙特卡罗算法。该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟来检验自己模型的正确性，几乎是比赛时必用的方法。 2. 数据拟合、参数估计、插值等数据处理算法。比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用MA TLAB 作为工具。 3. 线性规划、整数规划、多元规划、二次规划等规划类算法。建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件求解。 4. 图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 5. 动态规划、回溯搜索、分治算法、分支定界等计算机算法。这些算法是算法设计中比较常用的方法，竞赛中很多场合会用到。 6. 最优化理论的三大非经典算法：模拟退火算法、神经网络算法、遗传算法。这些问题是用来解决一些较困难的最优化问题的，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用。 7. 网格算法和穷举法。两者都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具。 8. 一些连续数据离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只能处理离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 9. 数值分析算法。如果在比赛中采用高级语言进行编程的话，那些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用。 10. 图象处理算法。赛题中有一类问题与图形有关，即使问题与图形无关，论文中也会需要图片来说明问题，这些图形如何展示以及如何处理就是需要解决的问题，通常使用MA TLAB 进行处理。以下将结合历年的竞赛题，对这十类算法进行详细地说明。以下将结合历年的竞赛题，对这十类算法进行详细地说明。 2 十类算法的详细说明 2.1 蒙特卡罗算法大多数建模赛题中都离不开计算机仿真，随机性模拟是非常常见的算法之一。举个例子就是97 年的A 题，每个零件都有自己的标定值，也都有自己的容差等级，而求解最优的组合方案将要面对着的是一个极其复杂的公式和108 种容差选取方案，根本不可能去求解析解，那如何去找到最优的方案呢？随机性模拟搜索最优方案就是其中的一种方法，在每个零件可行的区间中按照正态分布随机的选取一个标定值和选取一个容差值作为一种方案，然后通过蒙特卡罗算法仿真出大量的方案，从中选取一个最佳的。另一个例子就是去年的彩票第二问，要求设计一种更好的方案，首先方案的优劣取决于很多复杂的因素，同样不可能刻画出一个模型进行求解，只能靠随机仿真模拟。 2.2 数据拟合、参数估计、插值等算法数据拟合在很多赛题中有应用，与图形处理有关的问题很多与拟合有关系，一个例子就是98 年美国赛A 题，生物组织切片的三维插值处理，94 年A 题逢山开路，山体海拔高度的插值计算，还有吵的沸沸扬扬可能会考的“非典”问题也要用到数据拟合算法，观察数据的

数学建模-数据的统计分析

数学建模与数学实验课程设计学院数理学院专业数学与应用数学班级学号学生姓名指导教师 2015年6月

数据的统计分析摘要问题：某校60名学生的一次考试成绩如下： 93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55 计算均值、标准差、极差、偏度、峰度，画出直方图；检验分布的正态性；若检验符合正态分布，估计正态分布的参数并检验参数；模型：正态分布。方法：运用数据统计知识结合MATLAB软件结果：符合正态分布

问题重述某校60名学生的一次考试成绩如下： 93 75 83 93 91 85 84 82 77 76 77 95 94 89 91 88 86 83 96 81 79 97 78 75 67 69 68 84 83 81 75 66 85 70 94 84 83 82 80 78 74 73 76 70 86 76 90 89 71 66 86 73 80 94 79 78 77 63 53 55 （1）计算均值、标准差、偏差、峰度，画出直方图；（2）检验分布的正态性；（3）若检验符合正态分布，估计正态分布的参数并检验参数。模型假设假设一：此组成绩没受外来因素影响。假设二：每个学生都是独自完成考试的。假设三：每个学生的先天条件相同。三．分析与建立模型像类似数据的信息量比较大，可以用MATLAB 软件决绝相关问题，将n 名学生分为x 组，每组各n\x 个学生，分别将其命为1x ，2X ……j x 由MATLAB 对随机统计量x 进行命令。此时对于直方图的命令应为 Hist(x,j) 源程序为： x1=[93 75 83 93 91 85 84 82 77 76 ] x2=[77 95 94 89 91 88 86 83 96 81 ] x3=[79 97 78 75 67 69 68 84 83 81 ]

数据挖掘中客户的特征化及其划分(一)

数据挖掘中客户的特征化及其划分(一) 摘要]良好客户关系已成为电子商务时代制胜的关键。在激烈的市场竞争中，客户关系管理逐渐成为企业关注的焦点。深入研究客户和潜在客户是在市场中保持竞争力的关键。本文通过对客户行为的特征化分析，以数据挖掘为分析工具，对客户关系管理进行了讨论，给出了相应的划分方法，使用这些划分方法，对客户进行分析是有意义的。关键词]客户关系管理数据挖掘聚类分析一、引言在激烈的市场竞争中，客户关系管理(CustomerRelationshipManagement)逐渐成为各企业关注的焦点。一个成熟的CRM系统要能够有效地获取客户的各种信息，识别客户与企业间的关系及所有交互操作，寻找其中的规律，为客户提供个性化的服务，为企业决策提供支持。在企业与客户的交互操作中，“二八原则”是值得借鉴的，即20%的客户对企业做出80%的利润贡献。但究竟谁是那20%的客户？又如何确定特定消费群体的消费习惯与消费倾向，进而推断出相应消费群体或个体下一步的消费行为？这都是企业需要认真研究的问题。二、客户的特征化及其划分企业认识客户和潜在客户是在市场保持竞争力的关键。特征分析是了解客户和潜在客户的极好方法，包括对感兴趣对象范围进行一般特征的度量。一旦知道带来最大利润客户的特征和行为，就可以直接将其应用到寻找潜在客户之中。有效寻找客户，认识哪些人群像自己的客户。因此，在争取客户的活动中，对感兴趣对象进行特征化及其划分是很有意义的。对客户的特征化，顾名思义就是用数据来描述或给出客户（潜在客户）特征的活动。特征化可以在数据库（或数据库的不同部分）上进行。这些不同部分也称为划分，通常他们互不包含。划分分析（SegmentationAnalysis）通常用于根据利润和市场潜力划分客户。如：零售商按客户在所有零售商店的总体购买行为，将客户划分为若干描述他们各自购买行为的区域，这样零售商可以评估哪些客户有最大利润。划分是把数据库分成互不相交部分或分区的活动。一般有两种方法：市场驱动法和数据驱动法。市场驱动法需要决定那些对业务有重要影响的特征，即需要预先选择一些特征变量（属性），以最终定义得到划分。数据驱动法是利用数据挖掘中的聚类技术或要素分析技术寻找同质群体。三、数据挖掘的概念数据挖掘(DataMining)是从大型数据库或数据仓库中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在有用信息。通过数据挖掘提取的知识表示为概念、规则、规律、模式等，它对企业的趋势预测和行为决策提供支持。 1.分类分析分类是指将数据映射到预先定义好的群组或类。分类要求基于数据属性值来定义类别，通过数据特征来描述类别。根据它与预先定义好的类别相似度，划分到某一类中去。分类的主要应用是导出数据的分类模型，然后使用模型预测。 2.聚类分析聚类是对抽象样本集合分组的过程。与分类不同之处在于聚类操作要划分的类是事先未知。按照同一类中对象之间较高相似度原则进行划分，目的是使同一类别个体之间距离尽可能小，不同类别中个体间距离尽可能大。类的形成是由数据驱动的。 3.关联规则关联规则是从大量的数据中挖掘出有价值的描述数据项之间相互关联的知识。关联规则中有两个重要概念：支持度（Support）和信任度(Confidence)。它们是两个度量有关规则的方法，描述了被挖掘出规则的有用性和确定性。关联规则挖掘，希望发现事务数据库中数据项之间的关联，这些规则往往能反映客户的购买行为模式。

数学建模汽车刹车距离论文

数学模型姓名：班级：学院：指导老师：

摘要：司机在驾驶过程中遇到突发事件会紧急刹车，从司机决定刹车到汽车完全停止住汽车行驶的离称为刹车距离，车速越快，刹车距离越长。就要对刹车距离与车速进行分析，它们之间有怎样的数量关系？美国的某些司机培训课程中有这样的规则:在正常驾驶条件下车速每增加10英里/小时,后面与前面一辆车的距离应增加一个车身长度。又云，实现这个规则的一种简便方法是所谓“2秒规则”，即后车司机从前车经过某一标志开始默数2秒钟后到达同一标志，而不管车速如何。试判断“2秒规则”与上述规则是否一致？是否有更好的规则？并建立刹车距离的模型。汽车在10英里/小时（约16千米/小时）的车速下2秒钟下行驶多大距离。容易计算这个距离为：10英里/小时*5280英尺/英里*1小时/3600秒*2秒=29.33英尺（=8.94米），远远大于一个车身的平均长度15英尺（=4.6米），所以“2秒准则”与上述规则并不一样。所以我们还要对刹车距离与速度做更仔细的分析，通过各种分析（主要通过数据分析）以及各种假设，我们提出了更加合理的准则，即“t秒准则”。在道路上行驶的汽车保持足够安全的前后车距是非常重要的，人们为此提出各种五花八门的建议，就上面的“一车长度准则”，“2秒准则”以及我们提出的t秒准则。这些准则的提出都是为了怎样的刹车距离与车速的关系来保证行驶的安全。所以为了足够安全要做仔细的分析。关键字：刹车距离；车速；t秒准则。一问题分析问题要求建立刹车距离与车速之间的数量关系。制定这样的规定是为了在后车急刹车情况下不致撞到前面的车，即要确定汽车的刹车距离。刹车距离显然与车速有关，先看看汽车在10英里/小时（约16千米/小时）的车速下2秒钟下行驶多大距离。容易计算这个距离为：10英里/小时*5280英尺/英里*1小时/3600秒*2秒=29.33英尺（=8.94米），远远大于一个车身的平均长度15英尺（=4.6米），所以“2秒准则”与上述规则并不一样。为了判断规则的合理性，需要对刹车距离做教仔细的分析。一方面，车速是刹车距离的主要影响因素，车速越快，刹车距离越长；另一方面，还有

数学建模如何查找资料

在数学建模中文献资料的查找是十分关键，其实不仅是在数学建模中，在学习和做研究就是如此，不阅读文献资料就相当于闭门造车，什么都弄不出来，现在的工作几乎都可以说是站在前人的肩膀上，从出生开始就是站在前人的肩膀上了，所学的任何书本知识都是前人总结出来的。通过文献资料的阅读可以知道别人在这个方面做了多少工作了，怎么做的工作，取得了哪些进展，还存在什么问题没解决，难点在哪里，热点在哪里，哪里是关键，哪些是有价值的，哪些是无意义的等等等等......，并且可以通过查找文献得到一些很有用的信息，比如某个教授牛的程度，所擅长的领域等等，呵呵，翻教授老底了，比较好玩，选导师的时候强烈推荐。文献查找主要有三个模式： A.书 B.书+中外文期刊数据库 C.书+中外文期刊数据库+学位论文 D.书+中外文期刊数据库+学位论文+搜索引擎对于全国赛推荐D模式，但要改为Dc模式：中外文期刊数据库+学位论文

对于美赛则要改为Da模式：外文期刊数据库+搜索引擎在此要解释下为何如此推荐，对于参加建模的来说一般书基本上是用不上了的，没必要去查了，直接查找数据库即可了，全国赛的题目大多是研究了很多年的东西了，这个也是和国内学术环境相关的，虽然近几年的赛题是体现最新形式的，但是相关的研究还是有的，还是可以参考的，要知道国内鲜有几个教授牛的站在国际前沿还给本科生出个数模题玩玩的，一般都是老东西新面孔的。也就是可以归类为学术研究类的新面孔老方法类。所以查数据库是最有效率的方法，并且查学位论文是尤其推荐的，要知道查找学位论文是最高效率得到信息的途径。虽然学位论文很长，很吓人，没有七八十页也有个一百多页，其实看多了学位论文就知道真正有用的东西页就那么个十多页最多二十多页，直接翻到那个部分看就可以了，为什么篇幅这么大就和中国的教育中的一些硬性指标相关了，每个级别的学位论文都有一个规定的字数范围，虽然大部分是垃圾，但为了达到这个字数要求也得凑足这个数字，水了，中国高等教育的悲哀啊。

数学建模所需要的知识

学习数学建模需要哪些书籍及软件我也要参加今年九月份的数学建模比赛，以下是我们老师给我们的几点建议，希望对你有些帮助。赛前学习内容 1建模基础知识、常用工具软件的使用一、掌握建模必备的数学基础知识（如初等数学、高等数学等），数学建模中常用的但尚未学过的方法，如图论方法、优化中若干方法、概率统计以及运筹学等方法。二、，针对建模特点，结合典型的建模题型，重点学习一些实用数学软件（如Mathematica 、Matlab、Lindo 、Lingo、SPSS）的使用及一般性开发,尤其注意同一数学模型可以用多个软件求解的问题。例如, 贷款买房问题: 某人贷款8 万元买房，每月还贷款880.87 元，月利率1％。（1）已经还贷整6 年。还贷6 年后，某人想知道自己还欠银行多少钱，请你告诉他。（2）此人忘记这笔贷款期限是多少年，请你告诉他。这问题我们可以用Mathematica 、Matlab、Lindo 、Lingo 等多个不同软件包编程求解 2 建模的过程、方法数学建模是一项非常具有创造性和挑战性的活动，不可能用一些条条框框规定出各种模型如何具体建立。但一般来说，建模主要涉及两个方面：第一，将实际问题转化为理论模型；第二，对理论模型进行计算和分析。简而言之，就是建立数学模型来解决各种实际问题的过程。这个过程可以用如下图1来表示。 3常用算法的设计建模与计算是数学模型的两大核心，当模型建立后，计算就成为解决问题的关键要素了，而算法好坏将直接影响运算速度的快慢答案的优劣。根据竞赛题型特点及前参赛获奖选手的心得体会，建议大家多用数学软件（Mathematica,Matlab,Maple,Lindo,Lingo,SPSS 等）设计算法，这里列举常用的几种数学建模算法. （1）蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法，通常使用Mathematica、Matlab 软件实现）。（2）数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）。（3）线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）。（4）图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备，通常使用Mathematica、Maple 作为工

(完整版)数学建模五步法与灵敏度分析

灵敏度分析简介：研究与分析一个系统（或模型）的状态或输出变化对系统参数或周围条件变化的敏感程度的方法。在最优化方法中经常利用灵敏度分析来研究原始数据不准确或发生变化时最优解的稳定性。通过灵敏度分析还可以决定哪些参数对系统或模型有较大的影响。因此，灵敏度分析几乎在所有的运筹学方法中以及在对各种方案进行评价时都是很重要的。用途：主要用于模型检验和推广。简单来说就是改变模型原有的假设条件之后，所得到的结果会发生多大的变化。举例（建模五步法）：一头猪重200磅，每天增重5磅，饲养每天需花费45美分。猪的市场价格为每磅65美分，但每天下降1美分，求出售猪的最佳时间。建立数学模型的五个步骤： 1.提出问题 2.选择建模方法 3.推到模型的数学表达式 4.求解模型 5.回答问题第一步：提出问题将问题用数学语言表达。例子中包含以下变量：猪的重量w（磅），从现在到出售猪期间经历的时间t（天），t天内饲养猪的花费C（美元），猪的市场价格p（美元/磅），出售生猪所获得的收益R（美元），我们最终要获得的净收益P（美元）。还有一些其他量，如猪的初始重量200磅。（建议先写显而易见的部分）猪从200磅按每天5磅增加（w磅）=（200磅）+（5磅/天）*（t天）饲养每天花费45美分（C美元）=（0.45美元/天）*（t天）价格65美分按每天1美分下降（p美元/磅）=（0.65美元/磅）-（0.01美元/磅）*（t天）生猪收益（R美元）=（p美元/磅）*（w磅）净利润（P美元）=（R美元）-（C美元）用数学语言总结和表达如下：参数设定： t=时间（天）

w=猪的重量（磅） p=猪的价格（美元/磅） C=饲养t天的花费（美元） R=出售猪的收益（美元） P=净收益（美元）假设： w=200+5t C=0.45t p=0.65-0.01t R=p*w P=R-C t>=0 目标：求P的最大值第二步：选择建模方法本例采用单变量最优化问题或极大—极小化问题第三步：推导模型的数学表达式子 P=R-C （1） R=p*w （2） C=0.45t （3）得到R=p*w-0.45t p=0.65-0.01t （4） w=200+5t （5）得到P=（0.65-0.01t)(200+5t)-0.45t 令y=P是需最大化的目标变量，x=t是自变量，现在我们将问题转化为集合S={x:x>=0}上求函数的最大值： y=f（x）=（0.65-0.01x)(200+5x)-0.45x （1-1）第四步：求解模型用第二步中确定的数学方法解出步骤三。例子中，要求（1-1）式中定义的y=f （x）在区间x>=0上求最大值。下图给出了（1-1）的图像和导数（应用几何画板绘制）。在x=8为全局极大值点，此时f（8）=133.20。因此（8，133.20）为f在整个实轴上的全局极大值点，同时也是区间x>=0上的最大值点。第五步：回答问题根据第四步，8天后出售生猪的净收益最大，可以获得净收益133.20美元。只要第一步中的假设成立，这一结果正确。

数学建模作业2汽车的刹车距离模型及黄灯持续时间分析模型

佛山科学技术学院上机报告课程名称数学建模上机项目汽车的刹车距离模型及黄灯持续时间分析模型专业班级姓名学号一、问题提出问题一：司机在驾驶过程中遇到突发事件会紧急刹车，从司机决定刹车到车完全停住汽车行驶的距离称为刹车距离，车速越快，刹车距离越长。（1）已知交通部门提供的一组汽车的刹车距离数据如下：车速29.3 44 58.7 73.3 88 102.7 117.3 实际刹车距离42 73.5 116 173 248 343 464 分析刹车距离与车速之间具有怎样的关系，利用以上数据，求出具体的数学模型。并在同一幅图中画图，对计算出的刹车距离与实际刹车距离进行比较。问题二：（2）在城市道路的十字路口，都会设置红绿交通灯。为了让那些正行驶在交叉路口或离交叉路口太近而又无法停下的车辆通过路口，红绿灯转换中间还要亮起一段时间的黄灯。试建立十字路口黄灯亮的时间的数学模型。二、问题分析问题一：汽车的刹车距离大致可分为反应距离和制动距离。反应距离由反应时间和车速决定，反应时间取决于司机个人状况(灵巧、机警、视野等)和制动系统的灵敏性(从司机脚踏刹车板到制动器真正起作用的时间)，对于一般规则可以视反应时间为常数，且在这段时间内车速尚未改变。这里，我们取多数人的平均反应时间为0.75秒。制动距离与制动器作用力(制动力)、车重、车速以及道路、气候等因素有关，制动器是一个能量耗散装置，制动力作的功被汽车动能的改变所抵消。设计制动器的一个合理原则是，最大制动力大体上与车的质量成正比，使汽车的减速度基本上是常数，这样，司机和乘客少受剧烈

的冲击。至于道路、气候等因素，对于一般规则又可以看作是固定的。问题二：设汽车行驶速度为法定速度0v ，一定的刹车距离为1S ，通过十字路口的距离为2S ，车身的长度为L ，则黄灯的时间应t 使距停车线1S 之内的汽车能通过路口，即021/)(v L S S t ++≈，如果考虑到司机有一定的反应时间，则黄灯持续的状态就也包括驾驶员的反应时间。根据分析，下面建立十字路口黄灯亮的时间的数学模型。三、模型假设（一）为了解决汽车刹车距离问题，作出以下几点假设：（1）道路、气候、驾驶员等条件相同，汽车没有超载，也没有出现故障；（2）汽车在平直道路上行驶，驾驶员紧急刹车，一脚把刹车脚踏踩到底，汽车在刹车过程没有转方向；（3）驾驶员的反应时间为常数1t ，汽车在反应时间做匀速直线运动；（4）汽车在制动过程做匀速直线运动，减速度a 是常数，制动力所做的功等于汽车功能的损失。引入以下符号： v ～车速（m/s ）；d ～刹车距离（m ）；1d ～反应距离（m ）；2d ～制动距离（m ）； 1t ～反应时间（s ）。（二）为了计算十字路口黄灯亮的时间，作出以下几点假设：（1）驾驶员在通过交叉路口时，匀速驾驶车辆；（2）汽车在平直道路上行驶，驾驶员紧急刹车，一脚把刹车脚踏踩到底；（3）仅仅考虑汽车直行的情况，不考虑转弯或掉头的情况；（4）不考虑人行道中路人对来往车辆的影响。符合说明：四、模型建立（显示模型函数的构造过程）