B题“拍照赚钱”的任务定价
拍照赚钱的任务定价数学建模论文
“拍照赚钱”的任务定价分析“通过拍照赚钱”是一种自助服务模式，要求成员在应用程序上收集任务并在完成任务后获得为任务划定的报酬。
在此应用中，任务定价是其核心要素。
通过对“拍照赚钱”任务定价方案的分析，评价和改进，优化任务包装方案，达到了节约成本，提高任务完成度的目的。
对于问题一，通过分析附件一中的任务定价数据，我们可以看到任务评估的平均定价为69.11，任务定价的范围为[65,85]。
在分析未完成任务的原因时，首先，未完成任务的比例为37.9％。
其次，绘制任务完成和任务定价框的折线图。
未完成任务的价格低于已完成任务的价格。
最后，在地图上标记任务的完成。
可以看出，未完成的任务主要集中在区域1中，区域2的完成度最高。
对于第二个问题，选择附件1中的完整数据作为训练集，并将未完成的任务作为测试集。
通过按经度和纬度连接附件I和附件II，建立了以任务定价为因变量的线性回归模型。
利用该模型对原方案中未完成任务的定价进行了预测和分析，预测值为新的定价方案。
新方案的完成率比原方案高11.87％。
对于第三个问题，根据任务位置和成员位置的经纬度信息计算出每个成员到每个任务点的距离，并根据每个成员的任务配额和信誉来分配和打包任务成员，针对问题4和问题4，有必要为附件3中的新项目制定任务定价方案。
首先，从问题3中获得的约束公式用于打包和发布附件3中的数据，可以打包。
到300。
然后，对300组数据进行预测和分析，以获得一组任务定价。
为了知道该方案是好是坏，请进行一系列比较。
利用附件3中的数据，将问题2中建立的模型应用于预测和分析，并获得新的任务定价。
比较两个任务的总价值后，我们发现软件包发布方案的成本较低，因此此结果更为合理。
通过对“拍照赚钱”任务定价的分析，我们可以了解到打包发布任务的成本较低，方案较为合理。
关键词：多元线性回归任务定价任务包装R语言1，问题重述“通过拍照赚钱”是一种自助服务模式，用户可以下载应用程序并成为会员，然后选择执行任务以在应用程序上赚钱。
“拍照赚钱”的任务打包定价模型
由表1中可以看到，Hosmer－Lemeshow卡方统计量为24.927， 自由度为8，对应的P值为0.002＜0.01，所以得出的模型是整体显著 的。从表2中的Wald统计量及其P值来看，任务GPS纬度和任务标价 对应的P值小于0.01，通过了1%水平下的显著性检验；任务GPS经 度的P值小于0.1，表明在10%的水平下显著。各个参数结果如下：
0.6251提升到0.7713，证实了任务打包模型对企业降低成本，提高任务完成度有积极影响的假设。
关键词：任务定价 Logistic模型 k-标识码：A
文章编号：2096-0298(2018)05(b)-180-02
随着中国经济实力的不断增强、互联网的快速发展、企业成本 的增加，网络群众的力量开始被越来越多的企业所重视。众包作 为一种创新的电子商务模型，帮企业节约了大量的资金，在市场上 占据着越来越重要的地位“。拍照赚钱”是一种基于移动互联网的 自助式劳务众包平台，任务定价对用户能否获得满意的劳动报酬 和降低成本(时间成本、经济成本)具有重要的影响作用。如果任务 的标价不合理，就会造成有的地方会员争先选择，而有的地方却无 人问津。本文基于这种现状将任务打包处理，以此吸引会员完成任 务，降低企业成本。
在上式中，解释变量 每增加一个单位时，发生比 就变为原 来的 倍。当 ＞0时，发生比会随着 的增加而增加；相反当 ＜0时，发生比会随着 的增加而减小。
接着依据极大似然法，借助SPSS软件进行回归分析，将835组 数据代入Logistic模型中，对 、 、 的值进行估计，可以得到表 1、表2。
表1 模型整体显著性的Hosmer－Lemeshow检验结果
文基于2017年数学建模竞赛B题“拍照赚钱”的数据，运用Logistic回归建立模型，得出任务地理位置是影响任务完成度的最重要因素。
建模国赛B题
2017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）。
我们参赛选择的题号是（从A/B/C/D中选择一项填写）：B我们的参赛报名号为（如果赛区设置报名号的话）：所属学校（请填写完整的全名）：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)：（论文纸质版与电子版中的以上信息必须一致，只是电子版中无需签名。
以上内容请仔细核对，提交后将不再允许做任何修改。
如填写错误，论文可能被取消评奖资格。
）日期：2017年9月17日赛区评阅编号（由赛区组委会评阅前进行编号）：2017高教社杯全国大学生数学建模竞赛编号专用页赛区评阅编号（由赛区组委会评阅前进行编号）：赛区评阅记录（可供赛区评阅时使用）：全国评阅编号（由全国组委会评阅前进行编号）：“拍照赚钱”的任务定价摘要本文就企业做市场调查时采取的“拍照赚钱”模式的定价规律展开研究。
我们绘制了任务点在地图上的位置后，发现任务点围绕深圳、广州、佛山、东莞四个城市的中心点呈散射状分布，并根据城市具体情况及会员信息逐步建立更加适应实际情况的任务定价模型。
“拍照赚钱”的任务定价问题的建模与计算
“拍照赚钱”的任务定价问题的建模与计算作者：杨非非袁晨辉汤仕星邱淑芳来源：《价值工程》2018年第29期摘要：针对“拍照赚钱”的任务定价问题，文章选取了影响任务定价的几个主要因素，研究它们与任务定价之间的函数关系，建立多元线性回归模型和Logistic回归模型，在此基础上分析任务未完成的原因。
然后，利用支持向量机算法引入区域修正参数，得到新的任务定价模型。
最后，依据任务被完成的概率建立最大团“打包”定价模型，从而得到打包后的任务定价方案。
Abstract： For the task pricing problem of "making money by taking pictures"， this paper studies the relationship between the task pricing and its several main influencing factors， and then establishes multivariate linear regression model and logistic regression model to analyze the reason of unfinished tasks. Then， region corrected parameters are introduced by using the support vector machine algorithm and the new task pricing model is obtained. Finally， the maximum group "packing" pricing model is establishedbased on the probability of completing the task， and the "packing"task pricing scheme is obtained.关键词：任务定价；多元线性回归；Logistic回归；最大团；支持向量机Key words： task pricing；linear regression；logisticregression；maximalgroup；support vector machine中图分类号：O29 文献标识码：A 文章编号：1006-4311（2018）29-0194-04“拍照赚钱”是移动互联网下的一种自助式服务模式。
“拍照赚钱”的任务定价-全国大学生数学建模竞赛
M
N
Q Q
四. 问题分析
4.1. 问题一分析 问题一要求我们探索定价规律及研究任务未完成的原因。 从系统角度出发考 虑每个任务的定价有两个方向：任务与用户的关系、任务与任务的关系。从这两 个角度考虑，我们可以进一步分析任务与用户的关系主要有任务周围用户数量， 任务周围用户密度等；任务与任务之间的关系主要为任务的离群程度。 我们可以对以上因素量化， 并分别将定价与以上因素进行函数拟合，利用拟 合度判断定价是否与以上因素有关。 接着根据有关的因素对完成的任务与未完成 的任务分别进行分析，判断任务未完成的具体原因。 4.2. 问题二分析 问题二要求我们设计新的任务定价方案，并和原方案进行比较。这是一个博 弈问题的优化，博弈双方是定价与成功率。我们的目标是成功率尽可能高，定价 尽可能低。成功率除了与定价有关，还与问题一中的若干影响因素有关。我们可 以回归分析得到成功率关于以上因素的函数关系。 接下去可以建立优化模型并求解。根据给出的数据集，我们寻找成功执行的 任务定价与未成功执行任务的定价之间的差距，并寻找合理的定价区间。以该区 间为约束， 分别就成功率最高及定价总和最低为目标，将其划分为两个优化模型 并求解能得出总定价固定的情况下成功率最高的定价方案以及成功率固定总定 价最低的定价方案。 得出方案后可以就成功率与定价与原方案进行对比来判断新 定价获得的效果。 4.3. 问题三分析 问题三要求考虑多任务打包发布，修改定价并分析对任务完成情况的影响。 由于本题任务点分布不均匀，我们考虑对 DBSCAN 算法进行改进：算法的半径 改为得分半径，成功率高的点得分高，成功率低的点得分低。为了提高成功率， 我们将成功率低的点与成功率高的点打包。打包后还需要分析打包的合理性，即 打包任务周边会员的信誉、限额等因素，如果合理就保留该包，不合理就打散该任务本身价值、 路途花费。即任务打包后任务的本身价值不变，但由于路途花费（包括时间、交 通费用）减少，在系统定价时打包的任务总价低于原定价总和。根据原数据找到 任务本身价值、路途划分、总定价三者的关系，再根据问题二得到的优化模型进 行最优定价搜寻，最终可以对比打包前后成功率的变化情况来体现打包的效果。 4.4. 问题四分析 问题四给出了一个新项目，要求给出我们的定价方案及评估方案实施效果。 将数据代入问题二得到的定价模型以及问题三得到的打包模型进行求解， 输 出每个任务定价与成功率数据，并对结果进行分析。
“拍照赚钱”任务定价分析
一、引言“拍照赚钱”是移动互联网下的一种自助式服务模式，会员从APP上领取拍照任务，赚取对应报酬，帮助企业进行商业信息的搜集和调查[1]。
拍照任务定价是核心问题。
若定价过低，无人领取任务；定价过高，企业成本过高。
本文根据2017年大学生数学建模竞赛B题的样本数据，分析定价的规律和任务未完成的原因，并对已有定价模型起进行优化，以提高任务完成度。
二、定价模型进行频数分析以初步了解价格高低的大致分布状况，可确定65元为任务最低起价，划定定价区间：低价区（价格小于70）；较低价区（价格大于等于70且小于75）；中价区（价格大于等于75且小于80）；较高价区（价格大于等于80且小于85）；高价区（价格大于等于85）。
建立多元线性回归模型分析价格规律，令价格为被解释变量，影响因素为解释变量，影响程度为回归系数。
下面根据样本数据确定这些影响因素所代表的解释变量及其对应的回归系数。
（一）“地理位置”（x1）问题背景提示任务多关于商业数据的收集，任务发布的密集地即是商业区的聚集地，应是城市的中心地区。
根据样本数据的经纬度作散点图，观察发现：低价区在地理位置上分布密集且聚集明显，与城市中心区有关联。
交通便利、人流密集的城市区，完成任务的成本和花费相对于交通不便的乡镇区更低，任务接受者更偏好于接受城市区的任务，即能够以相对更低的价格接受发布在城市的任务。
由如上分析可得：越靠近城市中心点，定价越低；离城市中心点越远，定价越高。
低价区任务点的分布提示城市区的分布，低价区任务点的分布边缘提示城市和乡镇的边缘。
确定“地理位置”为第一个解释变量（x1），将任务点按照地理位置划分为“城市区”和“乡镇区”。
观察散点图发现低价区呈三个中心不同的聚集区趋势，用K均值聚类分析对低价区任务点分成三个区域，等同于三个城市区，三个中心对应三个城市中心点的经纬度（23.102063490780132，113.27916890673757）、（22.97700771477778，113.75894413666668）、（22.62107796724637，114.00599721014495）。
2017数学建模B题问题1解析——“拍照赚钱”的任务定价
【 关键词】 拍照赚钱 ； 多元 回归分析 ； 插 值与数据拟合 【 基金项 目】 ２ ０ １ ７年 陕 西省 教 育厅 科 学研 究项 目（ 编
号： １ ７ Ｊ ＫＩ １ ７ ７） ．
依据最ｄ ｘ Ｚ－ 乘法原理 ， 借助 Ｓ Ｐ Ｓ Ｓ软件对 ｎ ． ， ｎ ： ， 的值
随 着信 息 时代 的进 步 ， 智能手 机的像素越 来越 高 ， 拍 照 也 从 数 码 相 机 过 渡 到 了手 机 ， 手 机 不 仅 可 以拍 出生 活 照 、 风 景照等 ， 它还可 以用来拍照赚钱 ， 只要你 的手机 能拍 出清 晰 进行估计 ， 可 以得 到 表 ｌ 一 表３ ．
一． ３ ８ ８ 一ｌ ５１ ． ６ ４ ０ ． ｏ ｏ ｏ ． ３ ２ ４ １ ２ ８． １ ２１ ． Ｏ ０ ｏ
ｔ
Ｓ ｉ ｇ ．
４ ２ ９ ９ ． ７ ０ ９ ２ ２ ． ３ １ ６ ． Ｏ ｏ ｏ
． ０ ０ ４ ． １ ５ ０ ５ ４ ９
＝
ｄ ｘ ｚ． 乘法求解参 数． 以二 阶线性 回归模型为 例 ， 求 解 回归 参
数 的标 准 方 程 组 为
０． ４ ４７．
所 以任务定价 与 Ｇ Ｐ Ｓ纬度 、 Ｇ Ｐ Ｓ经度 、 任务执行情况 的
函数 关 系式 为
Ｙ ＝一０ ． ０ １ ８ ｘ ｌ一０ ． ５ ４ ９ ｘ ２＋１ ９ ． ２ ２ ６ ｘ ２＋４ ． ７ ２ ９ ． （ １ ）
残 差 ８ ． １ ６ ６ Ｉ ｏ ８ ９ ２ ６ ２ ９ １ ４ ８ ３ １ ． ８ ９ ８ 总计 １ ． ４ ７ ７ “ ８ ９ ２ ６ ５
． ｏ ｏ ０
因． 任务 Ｇ Ｐ Ｓ经纬 度与价 格 、 用户 是否 下载使 用 Ａ Ｐ Ｐ存 在 着 非 常 强 的相 关 性 ． 问题 １ ： 建 立 执 行 任 务 情 况 与 三 个 自变
“拍照赚钱”任务的打包定价问题
“拍照赚钱”任务的打包定价问题作者：苗刚瑞来源：《科学与财富》2017年第32期摘要：华北理工大学数学建模创新实验室1 华北理工大学以升创新教育基地2 华北理工大学信息工程学院3华北理工大学理学院4 河北省唐山市 063210关键词：劳务众包任务定价；模糊神经网络模型；回归方程；任务完成率；0 引言伴随着网络众包平台的兴起，“拍查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且有效地保照赚钱”是移动互联网下的一种自助式服务模式。
用户下载APP，注册成为APP的会员，然后从APP上领取需要拍照的任务（比如上超市去检查某种商品的上架情况），赚取APP对任务所标定的酬金。
这种基于移动互联网的自助式劳务众包平台，为企业提供各种商业检证了调查数据真实性，缩短了调查的周期。
因此APP成为该平台运行的核心，而APP中的任务定价又是其核心要素。
如果定价不合理，有的任务就会无人问津，而导致商品检查的失败。
由于在不同的地域，多个任务可能因为位置比较集中，导致用户会争相选择，一种考虑是将这些任务联合在一起打包发布。
基于此，本文建立基于神经网络模型的任务打包分配方法，模拟在一个包内装有不同任务数量，然后将此任务包络分配给一个用户，分析任务的完成情况。
研究不同任务包内任务数量与任务完成情况的关系，为众包平台提供更优的定价策略。
1 基于模糊神经网络的任务打包定价模型1.1 任务打包方案如果任务比较集中，而会员也在此区域内比较集中，则在该区域中，会员会争相选择任务，可能导致恶意抢夺，进而造成任务完成率低，于是，可以考虑一种将任务联合打包发布的方案，即将若干个任务捆绑，交由一个用户完成。
由于任务点相距不是很远，可以将邻近的任务点打包，在此通过绘制附件一中任务点分布的散点图选取100个任务点中心，将任务中心点方圆16km的任务点进行打包，作为一个任务包发布，而任务执行人则根据会员得到任务发布情况时间的早晚、会员与任务点之间的距离、会员信誉度、限额情况等进行综合考量得到最终结果。
- 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)。
2017年高教社杯全国大学生数学建模竞赛题目
（请先阅读“全国大学生数学建模竞赛论文格式规范”）
B题“拍照赚钱”的任务定价
“拍照赚钱”是移动互联网下的一种自助式服务模式。
用户下载APP，注册成为APP的会员，然后从APP上领取需要拍照的任务（比如上超市去检查某种商品的上架情况），赚取APP对任务所标定的酬金。
这种基于移动互联网的自助式劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。
因此APP成为该平台运行的核心，而APP中的任务定价又是其核心要素。
如果定价不合理，有的任务就会无人问津，而导致商品检查的失败。
附件一是一个已结束项目的任务数据，包含了每个任务的位置、定价和完成情况（“1”表示完成，“0”表示未完成）；
附件二是会员信息数据，包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会员信誉越高，越优先开始挑选任务，其配额也就越大（任务分配时实际上是根据预订限额所占比例进行配发）；
附件三是一个新的检查项目任务数据，只有任务的位置信息。
请完成下面的问题：
1.研究附件一中项目的任务定价规律，分析任务未完成的原因。
2.为附件一中的项目设计新的任务定价方案，并和原方案进行比较。
3.实际情况下，多个任务可能因为位置比较集中，导致用户会争相选择，一种考虑是
将这些任务联合在一起打包发布。
在这种考虑下，如何修改前面的定价模型，对最终的任务完成情况又有什么影响？
4.对附件三中的新项目给出你的任务定价方案，并评价该方案的实施效果。
附件一：已结束项目任务数据
附件二：会员信息数据
附件三：新项目任务数据。