2015年全国大学生数学建模竞赛B题二等奖论文
2015全国大学生数学建模竞赛B题

“互联网+”时代的出租车资源配置摘要随着“互联网+”时代的到来,针对当今社会“打车难”的问题,多家公司建立了打车软件服务平台,并推出了多种补贴方案,这无论是对乘客和司机自身需求还是对出租车行业发展都具有一定的现实意义。
本文依靠ISM解释结构、AHP-模糊综合评价、价格需求理论、线性规划等模型依次较好的解决了三个问题。
对于问题一求解不同时空出租车资源“供求匹配”程度的问题,本文先将ISM模型里的层级隶属关系进行改进,将影响出租车供求匹配的12个子因素分为时间、空间、经济、其它共四类组合,然后使用经过改进的AHP-模糊综合评价方法建立模型,提出了出租车空载率这一指标作为评价因子的方案,来分析冬季某节假日市南岗区出租车资源“供求匹配”程度。
通过代入由1-9标度法确定的各因素相互影响的系数,得出各个影响因素的权重大小,利用无量纲化处理各影响因素,得出最终评判因子为0.3062,根据“供求匹配”标准,得出市南岗区出租车资源“供求匹配”程度处于供需合理状态的结论。
同理,也得到了市不同区县、不同时间的供求匹配程度,最后作出市出租车“供求匹配”程度图。
对于问题二我们运用价格需求理论建立模型,以补贴前后打车人数比值与空驶率变化分别对滴滴和快的两个公司的不同补贴方案进行求解,依次得到补贴后对应的打车人数及空驶率的变化,再和无补贴时的状态对比,最后得出结论:当各公司补贴金额大于5元时,打车容易,即补贴方案能够缓解“打车难”的状况;当补贴小于5元时,不能缓解“打车难”的状况。
对于问题三,在问题二的模型下,建立了一个寻找最优补贴金额的优化模型,利用lingo软件[1]进行求解算出最佳补贴金额为8元,然后将这个值带入问题二的模型进行验证,经论证合理后将补贴金额按照4种分配方案分配给司机乘客。
关键词:ISM解释结构模型;AHP-模糊综合评价;价格需求理论;线性规划一问题重述交通是社会生活众多产业当中的一项基础产业,不但和社会的经济发展关系紧密,与人们的生活也是息息相关。
2015年全国大学生数学建模竞赛B题国一优秀论文

2.1 概论 目前城市“打车难”的社会问题导致越来越多的打车软件出现在市场上。以
此为背景,我们需要首先分析影响出租车资源的“供求匹配”程度的因素,进而 分析现已出台的补贴政策是否能够通过调整“供求匹配”程度进而缓解“打车难” 的现象,并在最后提出了我们自己关于补贴方案的想法。 2.2 问题一分析
0.70
0.53
0.66
0.68
0.40
0.86
0.71
0.71
0.84
0.82
0.88
0.91
0.66
0.68
0.84
0.79
6
2.被抢单时间 t 被抢单时间 t 表示客户使用打车软件下单后被司机接单的时间,可在一定程 度上反映打车难易程度。在滴滴快的打车智能出行平台上,基于需要研究的三个
时间段,采集西安的被抢单时间 t,制作表格如下:
火车站 121.23 142.45 219.44 161.04 210.23 231.67 278.93 240.28 198.67 245.92 221.38 221.99
北大街 67.23 107.52 98.23 90.99 72.92 82.98 187.23 114.38 63.95 145.23 98.25 102.48
小寨 62.19 78.31 103.20 81.23 136.25 178.27 162.73 159.08 83.82 103.27 121.93 103.01
西安交大 子午大道
47.21
43.98
82.34
64.53
102.34 65.92
77.30
58.14
121.94 67.74
167.42 93.03
大学生数学建模竞赛B题优秀论文

关于高等教育学费标准的评价及建议摘要本文通过对近几年来学费变化的研究,综合分析影响学费变化的五个要素,引入了三个变因:学校属性、专业类型、地域差异对学费的影响,对其合理性进行了定量的分析和评价。
首先,我们基于层次分析法建立了模型一。
模型一以五个要素,即教育市场供求关系、全国家庭支付承受力、国家财政及相关社会捐助、个人收益率、教育成本为方案层。
对于教育市场的供求关系我们用灰色预测GM(1,1)模型预测出未来几年的招生人数,用蛛网模型求解稳定的价格点为3225.51 元;对于国家财政及相关社会捐助,我们用回归分析得出其效应关系。
模型一以效率和公平两个标准作为准则层,应用极差归一化思想,构造指标函数,综合建立成对比较矩阵。
我们定义学费合理化指数为目标层,经准则层,得出五个要素对学费合理化指数的组合权重向量。
考虑到成对比较矩阵仍有一定主观因素,我们用熵值取权法修正组合权重向量。
最后,拟合出最佳学费曲线及其波动区间,其中 2007 年的结论值为 3370.75 元。
模型一的突出优点是客观可信,美中不足的是结论为一个平均最优值,没有考虑其他变因的影响,使用的局限性较大。
然后,我们基于学校属性、专业类型、地域差异三个变因对结论的影响建立了模型二。
评价了这三个变因对五个要素的综合影响,修正了五个要素对学费合理化指数的影响,使得结论更趋于合理,应用范围更加广泛。
修正后通过若干数据的检验,得出平均最佳学费约为 3000 元。
基于这两个模型,以及对高校学费现状的了解,我们提出三点主要建议: 1.鼓励高校开拓资金来源渠道,学习国外筹款方式,如发行教育彩票等; 2.建议国家增加助学贷款发放力度,并能够分类别基于不同金额的贷款,并出台一些补贴政策弥补不同地区的差异; 3.大力扶持民办高等院校发展,实现高等教育大众化,这样不仅缓解高等院校招生压力,并且能够促进高校教育健康发展。
本文的特色在于基于翔实丰富的资料,根据五个要素及三个变因的分析,建立了一种合理的高校学费评价体系,其拥有适用性广,稳定性好,灵敏度高等特点,对三个变因,即学校属性、专业类型、地域差异进行了深入定量的分析,并根据模型结论给提出了我们的一些可行性建议。
2015年数学建模B题全国一等奖论文

基于供求匹配率的出租车资源配置模型摘要本文针对城市出租车资源配置问题,采用定性与定量相结合的研究方法,建立衡量出租车供求匹配程度的指标,分析打车软件各种补贴方案对所建指标的影响,在充分考虑各方利益的前提下,得到打车软件的最优补贴方案,对城市出租车行业资源优化配置、持续良性发展具有一定的参考意义。
为分析不同时空出租车资源的供求匹配程度,引入出租车资源供求匹配率这一指标,指标的定义为城市中实际运行的出租车辆数与居民出行需要的出租车辆数之比,反映城市中实际运行的出租车辆数与居民出行需要的出租车辆数之间的差异。
计算得出2013年出租车供求匹配率为0.7766,表示供不应求。
居民出行需要的出租车辆数与居民人均日出行次数、城市总人口数量、居民出行选择乘坐出租车的比例有关,也与每辆出租车日均载客次数、每单载客人数和车辆满载率有关。
对于居民人均日出行次数,利用十五个国大中城市的数据,将十二个城市经济指标聚类分析选出每类指标中典型的经济指标,建立居民人均日出行次数与这些典型经济指标间的多元线性回归方程,而与居民出行需要的出租车辆数相关的其他指标可查阅文献或年鉴获得。
分析市每天6:00-8:30,11:00-12:30,13:30-14:30,17:00-18:30四个时间段得供求匹配率分别为0.4111,0.5678,0.6062,0.5631,结果显示供不应求。
得到、、、、、、、八座城市的出租车资源供求匹配率分别为1.0936、0.8827、0.9430、0.7040、0.7049、0.7666、0.6583、0.5252,表明只有的出租车资源是供大于求,而其余七座城市为供小于求。
为了分析各公司的出租车补贴方案对缓解打车难是否有帮助,定性分析出租车日均载客次数、出租车满载率随打车软件对出租车司机每单补贴金额的变化趋势,分别建立阻滞增长模型,进而分析打车软件对出租车司机每单补贴金额的变化对所建指标的影响。
得到的结论为:对于使用打车软件的乘客来说,出租车补贴方案能够缓解打车难的问题;而对于不使用打车软件的乘客来说,出租车补贴方案则不能缓解打车难的问题。
全国大学生数学建模竞赛B题优秀论文

(1) 表示客流量随时间的变化值,R、RW、RG分别表示上海国际旅游入境人数本底值、外国游客入境人数本底值、港澳台游客入境人数本底值;
(2)R1表示2010年1、2、3、4、11、12月上海国际旅游入境实际人数,R2表示世博会期间上海国际旅游入境实际人数,RZ表示2010年上海国际旅游总入境实际人数;
最后,通过对模型结果的分析,量化评估上海世博会的影响力。从世博会对以上各个指标的贡献率可以看出:世博会极大地促进了旅游业的发展,并且对上海的财政收入做出了巨大的贡献。在分析所得结果的基础上,客观评价此模型,并指出其优点和缺点。
关键词:上海 世博会 影响力 本底趋势线 内插值
1.问题重述
2010年上海世博会是首次在中国举办的世界博览会。从1851年伦敦的“万国工业博览会”开始,世博会正日益成为各国人民交流历史文化、展示科技成果、体现合作精神、展望未来发展等的重要舞台。请你们选择感兴趣的某个侧面,建立数学模型,利用互联网数据,定量评估2010年上海世博会的影响力。
2.模型的假设与符号说明
2.1模型的假设
2010年上海世博会作为一场世界级的盛宴,要对其影响力进行定量评估,尚存在一些不确定因素。故为了研究方便,我们给出以下假设:
(1)假设世博会不受偶然事件严重冲击和干扰;
(2)假设旅游人数只受主要因素影响,其他一些因素可以忽略,比如天气等因素;
(3)假设世博会期间每月游览总人数波动不大,非世博会期间每月游览总人数波动也不大。
第二步,用Excel的指数模型、乘幂模型和SPSS的指数-三角函数复合模型 、直线-逻辑线增长复合模型 、直线-三角函数复合模型 对各个指标进行拟合,确定有关参数,获得各个指标的趋势线模型和方程,并计算各年的本底值;
2015数学建模竞赛B题获奖论文

“互联网+”时代的出租车资源配置 摘要
利用互联网上软件打车方式越来越普遍,人们在享受互联网+时代带来的方便的同 时,也体会到了它带来的不便,现在出租车“打车难”已经成为当今时代人们关注的热 点问题,出租车资源的供应匹配不合理,相应的公司也推出各种补贴方案来缓解打车难 的问题。以下是针对三个问题求解分析。 针对问题一,通过 excel 软件对大量的数据进行分析与统计,筛选出本文用到的不 同城市的不同时间关于出租车的详细数据,建立了 4 个指标:通过城市道路中心线总长 度与城市用地面积之比求得道路网密度、通过出租车数量与人口规模比求得万人拥有 量、通过全市的客运量与每天客流量求得出租车公共交通分担率、通过空行驶里程与日 运营总里程的比求得里程空驾驶率。 利用主成份分析法把这四个指标转化为一个指标体 系,其中的参数——权重用灵敏度分析方法求出,利用 MATLAB 软件画出权重比例,权 重是在整体评价中相对重要的程度,这四个指标权重构成了一系列权重体系,方便后来 在进行定量分析过程的计算简化,简化后涉及的变量只有一个出租车保有量,可以直观 通过此指标体系分析出出租车资源的供求分配程度。 针对问题二,本文通过对各软件用户下载量的分析,选择快的打车和滴滴打车不同 打车软件的不同补贴政策进行类比,得出打车软件有无缓解打车难问题的大致趋势, 再 根据模型一的求解过程,建立一个同模型一的数学模型,求出打车软件实施补贴方案之 后的出租车保有量, 将模型一的无打车软件补贴方案出租车保有量与有打车软件补贴方 案出租车保有量进行比较,可得出有打车软件补贴方案对 “缓解打车难”没有帮助。 针对问题三, 首先分别分析等待时间、 出租车空载率和价格与出租车司机的满意度、 乘客的满意度、社会的满意度、政府的满意度的关系,从而建立多目标函数数学模型, 通过满意度反应了打车软件补贴方案的受欢迎度,最后根据所求数据建立最优规划模型 验证别方案的合理性。
B题:电工杯数学建模竞赛获奖论文
1.预测每次航行各周预订舱位的人数,完善各航次每周实际预订人数非完全 累积表 sheet2。要求至少采用三种预测方法进行预测,并分析结果。
2.预测每次航行各周预订舱位的价格,完善每次航行预订舱位价格表 sheet3。 3.依据附件中表 sheet4 给出的每周预订价格区间以及每周意愿预订人数,预 测出公司每周给出的预订平均价格。 4.依据附件中表 sheet1-sheet4,建立邮轮每次航行的最大预期售票收益模型, 并计算第 8 次航行的预期售票收益。 5.在头等、二等舱位未满的情况下,游客登船后,可进行升舱(即原订二等 舱游客可通过适当的加价升到头等舱,三等舱游客也可通过适当的加价升到头等 舱、二等舱)。建立游客升舱意愿模型,为公司制定升舱方案使其预期售票收益 最大。
3.模型的假设与符号说明
3.1 模型的假设
1.假设邮轮旅游不存在高峰期,邮轮票价、预定人数等保持平稳状态; 2.假设题目表格中给出的平均价格在价格浮动比之内; 3.假设邮轮各个舱位预定平均价格和距离邮轮出发时间的关系保持一致; 4.假设意愿预定人数和实际预定人数的转换只和价格、舱位种类有关。 5.假设游客上船之后升舱没有任何手续费; 6.假设每个舱位中的人数和舱位的价格成反比例关系,并且三种舱位的比例 关系相同;
2015数学建模B题
2015数学建模B题;(公选课);后打车时代究竟能走多远;--基于数学分析的打车软件盈利模式的评估体系;1.摘要打车软件作为新兴的交易平台,增加了交易机;其次,改变了支付方式;2.模型的假设;①打车软件开拓的市场基本成熟,大公司的投资也不再;②假设软件公司为用户提高的生活服务质量日趋完善,;覆盖率每年增长,但增长速度每年递减,最后使用打车;定在一定数量(即达后打车时代究竟能走多远--基于数学分析的打车软件盈利模式的评估体系1.摘要打车软件作为新兴的交易平台,增加了交易机会。
且与街头扬招方式相比,打车软件优势也很明显,它可以让出租车司机迅速找到它的客户。
出租车正在寻找客人而“空跑”。
打车软件的出现则改变了这种信息不对称,大大降低了司机的“空载率”,减少了司机和乘客之间的交易成本——司机扫街和乘客扫街的时间成本。
其次,改变了支付方式。
传统现金交易有两个弊病,一是安全性。
另外,大量现金交易增加了司机的交易成本:时不时收到假钞,蒙受经济损失;每周几次到银行存钱也增加了时间成本。
这些优势就使得打车软件极具有盈利的可能,只有软件找到用户并增强对他们的粘性,就有许多渠道来针对他们来盈利。
随着近两年打车软件的兴起,从原先40多款打车软件的百花齐放演变成现在的嘀嘀、快的双雄争霸,市场竞争也趋于白热化。
2014年伊始,嘀嘀打车和快的打车进入史上空前的“烧钱大战”,在高峰期甚至达到2月17日乘客返现10—15元,新司机首单立奖50元,而且每单都有补贴十块。
目前两大打车软件纷纷将针对乘客的补贴降至3元/单,对司机端的补贴,嘀嘀是5元/单,快的4元/单。
部分城市的嘀嘀打车更已取消“立减优惠”,取而代之的是“用嘀嘀添新衣”的广告或改送购物网站现金券。
那么,在后打车时代,滴滴打车这类打车软件还能走多远了我们通过对打车软件盈利模式的研究来探索这个问题。
关键词:空载率,支付方式,交易成本,后打车时代2.模型的假设①打车软件开拓的市场基本成熟,大公司的投资也不再,补贴也不再,利用生活服务来增强对用户的粘性。
《2024年2016年全国大学生数学建模竞赛B题解题分析与总结》范文
《2016年全国大学生数学建模竞赛B题解题分析与总结》篇一一、引言全国大学生数学建模竞赛是具有广泛影响力的学术竞赛活动,旨在培养大学生的创新能力、实践能力和团队协作精神。
本文将针对2016年竞赛中的B题进行详细的解题分析与总结,以期为参赛者提供有益的参考。
二、题目概述B题主要涉及城市空气质量预测问题。
题目要求参赛者根据历史数据,建立数学模型预测未来一段时间内某城市的空气质量指数(AQI)。
此题重点考察参赛者的数据处理能力、模型构建能力以及预测精度。
三、解题分析1. 数据收集与预处理首先,我们需要收集该城市的历史空气质量数据,包括但不限于PM2.5、PM10、SO2、NO2等污染物的浓度数据,以及气象数据(如温度、湿度、风速等)。
对收集到的数据进行清洗,去除异常值和缺失值,并进行归一化处理,以便进行后续分析。
2. 模型构建根据数据的特性,我们选择时间序列分析方法进行建模。
具体而言,可以采用自回归积分滑动平均模型(ARIMA)或其变体如SARIMA等。
这些模型能够较好地捕捉时间序列数据的变化规律,并预测未来趋势。
在建模过程中,我们需要通过交叉验证等方法确定模型的参数。
3. 模型验证与优化建立初步模型后,我们需要用验证集对模型进行验证,计算预测值与实际值之间的误差。
根据误差情况,对模型进行优化,如调整参数、引入其他影响因素等。
同时,我们还可以尝试使用其他模型进行对比,如神经网络、支持向量机等,以找到最优的预测模型。
四、模型应用与结果分析经过优化后的模型可以用于预测未来一段时间内该城市的空气质量指数。
我们可以通过绘制预测曲线、计算预测值的置信区间等方式对预测结果进行分析。
同时,我们还可以根据预测结果提出相应的空气质量改善措施和建议。
五、总结与展望通过对2016年全国大学生数学建模竞赛B题的分析与求解,我们掌握了空气质量预测的基本方法和技巧。
在未来的学习和工作中,我们可以将所学知识应用到更广泛的领域,如气候变化预测、经济预测等。
《2024年2016年全国大学生数学建模竞赛B题解题分析与总结》范文
《2016年全国大学生数学建模竞赛B题解题分析与总结》篇一一、引言2016年全国大学生数学建模竞赛B题,以其独特的实际应用背景和复杂的数学建模需求,吸引了众多参赛者的关注。
本文旨在分析该题目的解题思路、方法及过程,并总结经验教训,以期为后续参赛者提供参考。
二、题目概述B题主要围绕“空气质量预测与治理”展开,要求参赛者建立数学模型,对某城市的空气质量进行预测,并探讨治理措施的效果。
题目既涉及数学建模的理论知识,又具有实际应用价值。
三、解题分析1. 数据收集与预处理在解题过程中,首先需要收集该城市的历史空气质量数据,包括PM2.5、PM10、SO2、NO2等主要污染物的浓度数据,以及气象数据、交通流量等影响因素数据。
对收集到的数据进行清洗、整理和标准化处理,以便进行后续的建模分析。
2. 模型选择与建立根据题目要求和数据特点,可以选择时间序列分析模型、多元线性回归模型、神经网络模型等。
在建立模型时,需要考虑各种影响因素的相互作用,以及模型的预测精度和泛化能力。
同时,还需要对模型进行参数估计和假设检验,以确保模型的可靠性。
3. 模型应用与验证将建立的模型应用于实际数据,进行空气质量预测。
通过对比预测值与实际值的差异,评估模型的预测精度和效果。
此外,还需要探讨治理措施对空气质量的影响,评估治理措施的效果。
四、解题方法与技巧1. 多角度综合分析在建模过程中,需要从多个角度综合分析问题。
既要考虑空气质量的主要影响因素,又要考虑各因素之间的相互作用;既要关注模型的预测精度,又要考虑模型的泛化能力。
只有综合考虑各种因素,才能建立更加准确、可靠的数学模型。
2. 合理选择模型与方法根据问题的特点和数据的特点,选择合适的模型与方法。
不同的模型与方法有不同的适用范围和优缺点,需要根据实际情况进行选择和调整。
同时,还需要对所选模型与方法进行充分的了解和掌握,以确保建模过程的顺利进行。
3. 注意数据的处理与分析数据是建模的基础,数据的处理与分析对建模的结果具有重要影响。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
(分钟/次) 12.99 12.68 12.11 86.86 14.08 58.69 11.56 294.67 56.52 52.31
运距(km) 6.46 7.05 6.58 9.68 5.43 8.16 5.15 15.33 6.07 8.17
5
匹配度
里程利用率
车辆载客率
等待时间
等效收益率
载 客 里 程
行 驶 里 程
图 5-1 评价指标体系
净 收 益
运 距
载 客 次 数
5.12 模型的建立 下表为广东省中山市出租车的统计数据(数据来自广东省统计年鉴):
表 5-1 样本数据(以 20 组为例,完整数据见附录 1) 序号 1 2 3 4 5 6 7 8 9 10 行驶里程(km/ 载客里程(km/ 每日载客次 单次载客时间 日) 546.67 376.84 516.81 282.98 421.33 295.50 353.55 123.38 345.02 407.69 日) 205.37 138.01 171.34 94.31 159.98 112.71 126.21 44.01 130.57 100.90 数(次/日) 31.77 19.58 26.03 9.74 29.45 13.81 24.52 2.87 21.52 12.35
【 】
1、车辆载客率: 车辆载客率指的是每辆出租车在单位时间段中上车的总人数占此时间段内每次出 勤席位都坐满的总人数的比率。其计算公式为: n ri t ······················(1) 4 n
ri 为单位时间 t 内的车辆载客率; nt 为单位时间 t 内的上车的乘客; n 为单位时间 t 内的载客次数。 车辆载客率在本模型中很好的反映了单位时间内出租车载客量信息,车辆载客率越 高,则说明此车辆单位时间内的出租利用率高,说明此时乘客乘车需求高,从而供求水 平匹配程度更低;反之,则说明出租车利用率低,能很好地满足乘客的乘车需求,因此 供求水平匹配程度更高。
编 号 专 用 页
赛区评阅记录(可供赛区评阅时使用): 评 阅 人 备 注
送全国评奖统一编号(由赛区组委会填写):
全国评阅统一编号(由全国组委会填写):
“互联网+”时代下的出租车资源配置研究
摘要
本文研究了“互联网+”时代下的出租车资源配置问题。针对所收集的数据,利用 Matlab 和 SPSS 分析研究,具体方案如下: 针对问题一:引入四个指标(车辆载客率、里程利用率、等效收益率和等待时间) 来衡量供求匹配程度,由于四个指标存在着量纲上的差异,先利用无量纲化中的阈值法 来消除原始变量量纲影响,然后通过熵值法确定出四个变量的权重。最后从时间和空间 对匹配度造成的影响分析得到以下结果: 1、时间角度:利用 Matlab 将一天时间内不同时刻的匹配度描述出来得到图 5-3, 分析得到匹配度在上下班高峰期的时候最低,在凌晨时间最高,因此不同时间段的供求 匹配度不同。 2、空间角度:分析某城市的城区和郊区两组匹配度数据,利用 SPSS 对其进行 t 参 数检验和非参数检验,得出两者有显著性差异,分析得到不同的空间能导致出租车的供 求匹配度不同。 针对问题二:引入三个变量(匹配度、出车率、满意度)来分析公司的出租车补贴 方案对打车难是否有缓解。 分别作出滴滴打车和快的打车的不同时间段的补贴方案对满 意度、出车率和匹配度的影响趋势图(图 5-7 和图 5-8)初步得到有补贴时,对缓解打 车难有一定帮助,然后利用层次分析法,利用 Matlab 编程得到层次总排序结果表(表 5-8),发现 3 号补贴政策为最优。但补贴方案存在一定缺陷,未考虑到不同时段和不 同里程的影响;且若长期高额补贴,则容易降低公司收益。 针对问题三:考虑到问题二中补贴方案出现的问题,初步将补贴政策和出车时间段 和里程做出模糊函数关系,然后在对 Carins 和 Liston-Heyes(1996)的模型进行了适当 的修改,建立多目标优化模型,将利益和缓解打车难的作为两个目标,做出补贴政策和 匹配度的关系示意图(图 5-10),并且通过数据模拟得到一个新的补贴方案(表 5-9) 并分析了其合理性。 关键词:打车难 熵值法 层次分析 匹配度
2、里程利用率: 里程利用率指营业里程与行驶里程之比,一般以一辆车为单位。其计算公式为: s pi t ·······················(2) S
st 为单位时间 t 内出租车的载客里程;
S 为单位时间 t 内出租车的总行用率。
4
这一指标反映车辆载客效率,如果比例高,说明车辆行驶中载客比例高,空驶比较 低,对于要车的乘客来说可供租用的车辆不多,乘客等待时间增加,说明供求关系比例 紧张,供求匹配关系低;如果比例低,则车辆空驶的比例高,乘客租用比较方便,供求 匹配关系高。 3、等效收益率: 等效收益率则反映的是单位时间段租车司机的收益水平,与出租车在单位时间段内 的运距和载客次数呈反比。其计算公式为:
3.模型假设
1、假设查到的数据都真实有效; 2、假设在一定时空内,出租车的数量基本不变;
4.符号说明
Ki ri pi mi xij bij H ij
W
匹配度 车辆载客率 里程利用率 等效收益率 第 i 辆车的第 j 项指标值 第 i 辆车的第 j 项标准化指标 j 个指标下的熵 j 个指标下的熵权 满意度 出车率
2015 高教社杯全国大学生数学建模竞赛
承
诺
书
我们仔细阅读了《全国大学生数学建模竞赛章程》和《全国大学生数学建模竞赛参 赛规则》(以下简称为“竞赛章程和参赛规则”,可从全国大学生数学建模竞赛网站下 载)。 我们完全明白,在竞赛开始后参赛队员不能以任何方式(包括电话、电子邮件、网 上咨询等)与队外的任何人(包括指导教师)研究、讨论与赛题有关的问题。 我们知道,抄袭别人的成果是违反竞赛章程和参赛规则的,如果引用别人的成果或 其他公开的资料(包括网上查到的资料),必须按照规定的参考文献的表述方式在正文 引用处和参考文献中明确列出。 我们郑重承诺,严格遵守竞赛章程和参赛规则,以保证竞赛的公正、公平性。如有 违反竞赛章程和参赛规则的行为,我们将受到严肃处理。 我们授权全国大学生数学建模竞赛组委会, 可将我们的论文以任何形式进行公开展 示(包括进行网上公示,在书籍、期刊和其他媒体进行正式或非正式发表等)。
2.问题分析
随着现代文明科技水平的提升,互联网被应用于越来越多的领域,“互联网+”是 互联网思维的进一步实践成果,它代表一种先进的生产力,推动经济形态不断的发生演 变。 为了解决打车难的社会问题, 多家公司也开始依托互联网来建立打车软件服务平台。 针对此种新型网络交通方式,对出租车的组员供求匹配程度和补贴方案进行研究,将有 利于提高出租车行业效率并且为人民群众带来更多便捷。 2.1 问题一的分析 题中要求从时间和空间两个角度来探求出租车资源的“供求匹配”程度,因此引入 四个变量分别来衡量:车辆载客率、里程利用率、等效收益率和等待时间。车辆载客率 指的是每辆出租车在单位时间段中上车的总人数占此时间段内每次出勤席位都坐满的 总人数的比率,能够反映出乘客乘坐出租的利用率;里程利用率是单位时间段载客里程 占此时间段总行驶里程的百分比,很好的反映了出租车的供求关系比率;等效收益率则 反映出单位时间段租车司机的收益水平效率, 利用运距分析资源供应方提供资源的有效 度;等待时间是指乘客利用软件打车后到出租车接乘客的时间段,反映的是出租车的接 人效率。 由于这四个指标是从不同角度来衡量出租车资源供求匹配程度,因此这四个值不能 做简单的平均计算。考虑到各个指标的量纲不同,并为了避免原数据信息量的丢失,采 用评价指标无量纲化的阈值法, 将多个变量指标标准化, 然后利用熵值法确定变量权重, 最终计算出匹配度,通过匹配度的大小,则可反映出出租车资源的“供求匹配”程度。 从时间角度分析,只需要用 Matlab 分析出某个地区在一天时间内的匹配度变化,即可 从中发现规律;从空间角度,考虑某个城市的城区和郊区是否有差异,然后利用 SPSS 做出 t 检验和非参数检验去判断两着之间是否有显著性差异即可。 2.2 问题二的分析 打车难是国内城市的顽疾,给许多市民带来了诸多不便,引起打车难现象主要有四 个原因,分别是出租车数量少、道路拥堵、出租车拒载和司机要价太高。要分析公司补 贴方案是否缓解打车难,从引起打车难的原因入手,引入四个变量,满意度、出车率、 匹配度和缓解度。先利用 Matlab 分别作出滴滴打车和快的打车的不同补贴方案对满意 度、出车率和匹配度的影响趋势图,分析出补贴方案对缓解度的影响趋势,其次将满意
我们参赛选择的题号(从 A/B/C/D 中选择一项填写): 我们的报名参赛队号(12 位数字全国统一编号): 参赛学校(完整的学校全称,不含院系名): 参赛队员 (打印并签名) :1. 2. 3. 指导教师或指导教师组负责人 (打印并签名): 日期: 年 月 日
2015 高教社杯全国大学生数学建模竞赛
mi =
wc ·····················(3) lt nt
mi 为单位时间 t 内的出租车等效收益率; w 和 c 分别为单位时间 t 内的司机收入和成本; lt 为单位时间 t 内的运距; nt 为单位时间 t 内的载客次数。这一指标反映的是司机的收益水平效率,若他的等
效收益率越高,则说明此出租车运行的效率高,乘客流动性高,需要乘车的乘客更多, 资源紧张,供求比例更低,匹配程度更低;反之,则说明该时间段的乘客流动性不强, 出租车资源不紧张,从而供求匹配程度低高。 4、等待时间: 等待时间是反映顾客在打车软件客户端下单后等待出租车直到上车的时间段,此指 标越高,则说明出租车运转效率低下,供求比例低;此指标越低,则说明出租车的运行 效率越高,供求比例也越高。 5、评价指标体系
1
1.问题重述
出租车是市民出行的重要交通工具之一,“打车难”是人们关注的一个社会热点问 题。随着“互联网+”时代的到来,有多家公司依托移动互联网建立了打车软件服务平 台,实现了乘客与出租车司机之间的信息互通,同时推出了多种出租车的补贴方案。 请你们搜集相关数据,建立数学模型研究如下问题: (1) 试建立合理的指标,并分析不同时空出租车资源的“供求匹配”程度。 (2) 分析各公司的出租车补贴方案是否对“缓解打车难”有帮助? (3) 如果要创建一个新的打车软件服务平台,你们将设计什么样的补贴方案,并论 证其合理性。