2015全国大学生数学建模竞赛B题
2015年数模国赛论文B题_3
赛区评阅编号（由赛区组委会填写）：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）。
我们参赛选择的题号（从A/B/C/D中选择一项填写）：B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（此承诺书打印签名后作为纸质论文的封面，注意电子版论文中不得出现此页。
以上内容请仔细核对，如填写错误，论文可能被取消评奖资格。
）赛区评阅编号（由赛区组委会填写）：2015高教社杯全国大学生数学建模竞赛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阅统一编号（由赛区组委会填写）：全国评阅随机编号（由全国组委会填写）：（此编号专用页仅供赛区和全国评阅使用，参赛队打印后装订到纸质论文的第二页上。
注意电子版论文中不得出现此页，即电子版论文的第一页为标题、摘要和关键词页。
）“互联网+”时代的出租车资源配置摘要：“互联网+”就是利用互联网平台、信息通信技术，将互联网及包括传统行业在内的诸多领域结合起来，在代表一种新的经济形态，即充分发挥互联网在生产要素配置中的优化和集成作用，将互联网的创新成果深度融合于经济社会各领域之中，提升实体经济的创新力和生产力，形成更广泛的以互联网为基础设施和实现工具的经济发展新形态。
2015年高教杯全国大学生数学建模B题太阳影子定位--赖增强介绍
2
四、符号与相关术语说明
为了便于描述问题，我们用一些符号来代替问题中涉及的一些基本变量，如表 1 所 示。其他一些变量将在文中陆续说明。
符号设定
表1
符号说明 太阳高度角
太阳高度角的余角 地理纬度 地理经度 秋分角
黄赤交角 23°26′ 坐标系变换的过度矩阵
杆的长度 杆的影子长度
真太阳时 太阳时角 太阳赤纬角 北京时间，即东八区时间
问题四是根据投影物体和阴影轨迹间的几何关系来估计拍摄照片的地理位置。即对 问题二和问题三模型的推广。应对视频每隔 3 分钟采用降噪技术，视角方向上退化画面， 利用比例尺和透视及相关数学知识提取影子长度，对问题进行求解。得到三组最优解。 分别为：海南省儋州市附近，北纬 19.4556°,东经 109.6529°，日期为 4 月 26 日；海 南省儋州市附近，北纬 19.4556°,东经 109.6529°，日期为 9 月 1 日；越南金兰附近， 北纬 12.0917°,东经 109.6529°，日期为 5 月 21 日。
2.根据某固定直杆在水平地面上的太阳影子顶点坐标数据，建立数学模型确定直杆 所处的地点。将你们的模型应用于附件 1 的影子顶点坐标数据，给出若干个可能的地点。
2015年全国数学建模竞赛B题全国一等奖论文6
pqt , y pqt ) (x
d qst
t 时刻第 q 类乘客类中心到第 s 类出租车类中心的距离
h qt ˆ h qst
tmn
[h L , hU ] t 时刻第 q 类乘客的人数， h qt qt qt
t 时刻离第 q 类乘客类中心最近的第 s 类出租车的数量
L U 乘客乘车从第 m 类出租车类到第 n 类出租车类的时间， tmn [tmn , tmn ]
) FQ (a
dQ( y ) p (a y (a P a L ))dy 0 dy
1
是一个闭区间且下界为正数， R + 是正实数区间， [a L , a P ] .
[a L , aU ] ，若 Q( y ) dy 为态度参数，则 定理 5.1.1 设 a
基于模糊多目标规划的出租车补贴模型 摘要
出租车“打车难”是当前社会的热点话题，乘客与出租车的供需不匹配也成 为实现他们信息互通的障碍，随着多家公司建立打车软件服务平台，推出多种出 租车补贴方案，出租车和乘客间的供需匹配问题逐渐成为“互联网+”时代的重 要课题之一。本文以上海市为例，通过出租车和乘客供求平衡指标，构建基于模 糊多目标规划和层次分析法的出租车资源供求匹配模型，并设计新的补贴方案， 从而有效缓解“打车难”问题。 针对问题一，首先从苍穹滴滴快的智能出行平台和数据堂网站搜集相关数 据， 分析反映出租车资源供需匹配程度的 5 个指标。 由于数据存在一定的模糊性， 本文利用连续区间有序加权平均（COWA）算子将相关指标转化为含参变量的实 指标，通过 K 均值聚类模型将上海的出租车分布和乘客需求量进行聚类，并构 建基于空车率、空车总代价、乘客总成本的模糊多目标规划模型，同时，利用基 于 COWA 算子的模糊层次分析法将模糊多目标规划模型转化为单目标规划模 型，结果表明，上海地区呈现供不应求的出租车资源分布状况，并且在上下班高 峰期时间段显得尤为突出。 针对问题二，通过在模糊多目标规划模型中增加补贴方案，重新求解模型， 并分析出租车等待时间、乘客等待时间、空车率的变动，结果表明，适当的补贴 能够在一定程度上提高供求匹配程度，缓解“打车难”的问题；然而一旦超过一 定补贴范围，出租车的供给与乘客的乘车需求匹配程度就会下降。 针对问题三，根据乘客与出租车的距离、单位出租车服务人数、乘车费用、 乘客人数等因素，构建新的补贴方案，并重新求解模糊多目标规划模型，结果表 明，新的补贴方案能有效地缓解“打车难”问题，模型结果也同时验证了补贴方 案的合理性。 最后，本文对所建模型进行了灵敏度分析，并对模型进行了优缺点分析。 关键词：多目标优化；层次分析法；供求匹配；补贴；COWA 算子.
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。
2015数学建模竞赛B题优秀论文介绍
一、问题重述
随着科技与经济的飞速发展，“互联网+”战略的影响已经深入各行各业。出 租车作为城市的交通工具之一，对人们的出行起着重要的影响，然而，“打车难” 一直是人们关注的一个社会热点问题。近几年来，“互联网+”战略与传统出租车 行业深度融合，打车软件作为其中典型的应用，已对传统出租车行业市场产生了 深远影响。依托移动互联网建立的打车软件服务平台，实现了乘客与出租车司机 之间的信息互通。同时，各家公司推出了多种出租车的补贴方案，进一步加强了 “互联网+”战略与传统出租车行业的融合,优化了出租车资源配置.
三、符号说明
符号 t ij k ij m ij n ij n ik Tij K ij M ij N ij
N ik
说明
2015.9.0５-9.1０ i 市６天每第 j 个 时间段抢单时间的均值
2015.9.0５-9.1０ i 市天每第 j 个时 间段的打车难度系数的均值
2015.9.0５-9.1０ i 市 7 天每第 j 个 时间段的乘客乘坐出租车总费用的 均值
基于“互联网+”对出租车资源配置影响的问题研究
摘要
本文通过对网络上收集的数据进行合理分析和处理，进一步研究发现，一段 时间内的出租车的车费（即所有司机此段时间内的收入之和），需求（此段时间 内通过打车软件呼叫车辆的人数），车辆分布（此段时间内的该市的处于运营的 出租车数量）相当于生产的环境因素，而打车难易度（网络资源综合实时数据提 供的衡量打车难度的数据），抢单时间（通过打车软件呼叫出租车到出租车司机 接 单 的 时 间 差 ） 可 以 看 做 产 出 的 “ 效 益 ”． 数 据 包 络 分 析 （Data Envelopment analysis, 简称 DEA 模型）的方法，用于评价相同部门间的 相对有效性（因此被称为 DEA 有效）.DEA 模型是经济理论中估计具有多个输 入,特别是具有多个输出的“生产前沿函数”(也称生产前沿面)的有力工具.因此 本文将 DEA 模型合理应用于问题一的模型构建。本文通过在苍穹网抓取到北京， 上海，深圳三个城市２４个小时段的上述五个信息，经过合理的处理，将 DEA 模型应用在数据上，再通过 MATLAB 编程，最后分析结果．问题二要求分析打 车软件的补贴政策是否有助于缓解“打车难”问题，这样就要求我们找到出现补 贴前后的情况．通过查找我们发现新华网报道中信银行旗下“中信打车付”将于 10 日启动新一轮立减补贴活动。本文将针对北京市的补贴政策前后的 EDA 值采 用多元线性回归分析法建立回归模型，在回归方程中加入 dummy 变量，没有补 助时，dummy 值为０，有补助时其值为１．利用 MATLAB 编程，得出相应结果．第 三问采用理论分析。
2015年数学建模B题全国一等奖论文
精心整理“互联网+”时代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。
软件公司三方的满意度，利用熵值法确定这三方各自满意度的权重，将三方满意度加权之和作为综合满意度，进而以综合满意度为目标函数，以打车软件对出租车司机每单补贴金额为控制变量，以补贴金额设置的范围为约束条件建立优化模型。
遍历所有可能的方案得到最优补贴方案为对出租车司机每单补贴9元,综合满意度为0.5710。
关键词：聚类分析；回归分析；灰色预测；阻滞增长模型；熵值法；最优化一、问题重述随着经济的发展，近年来，人们对出行的要求不断提高，城市出租车以其方便、快捷、舒适和私密性的特点成为越来越多人的出行选择。
但是，国内各大城市交通问题日趋严重，“打车难”也是人们关注的一个社会热点问题。
数据显示，包括上海、杭州等众多大城市，出租车非高峰期的空驶率始终在30%上下徘徊，而高峰期却打不到车。
这与众多市民反映的打车难背后所隐藏的强烈需求看似形成了一个矛盾。
究其原因，最主要的莫过于司机与乘客需求信息不对称，缺乏及时沟通交流的平台。
通过查阅文献可以确定居民出行选择出租车作为出行方式的比例从而，计算得出城市的出租车运输量的需求量。
然后根据供需平衡法预测出城市出租车需求量。
将城市实际出租车数量与城市出租车需求数量作比，得到衡量出租车资源的供求匹配程度的指标即供求匹配率。
对未来城市的出租需求量进行灰色关联预测，得到未来城市的出租需求量，通过计算不同城市的出租车需求量，进行不同时空的出租车资源供求匹配的分析。
对于各公司的出租车补贴方案是否对“缓解打车难”有帮助问题，由于难以得到各公司不同时间的补贴方案对居民打车难度的实际影响效果数据，我们从公司对每单的补贴金额入手，分析每单补贴金额范围为0～15元，认为补贴金额再高对公司利益有较大损失。
2015年数学建模b题国家奖论文
二、模型假设与符号说明
2.1 模型的基本假设
(1)在建模过程中，假设数据包含周期内油价保持不变； (2)假设从互联网上获取的数据都是真实可用的，具有普适性的数据； (3)假设出租车司机都能正确高高效的使用软件客户端；
2.2 符号说明
表 1 符号说明
Dij Dj
Ci
第 i 辆车第 j 天的载客次数 多辆车第 j 天的载客次数之和 每天不同时段上客次数 乘客等待时间 一位乘客的等待时间 出租车空载时间 出租车起步价 满意度之差
“互联网+”时代的出租车资源配置 摘要
本文针对日益严重的“打车难”问题，建立空载时间、单车单日平均载客次数和乘 客等车时间等相关参数反映出租车资源供求平衡程度，建立乘客和出租车司机双方的满 意度和价格-效用经济学的数学模型，并且对现行各公司的出租车补贴方案进行评判， 最后创建新的补贴方案，并论证其合理性。 对于问题一，应用经济学中的时间-价格-效用模型，分别列出了乘客的效用函数与 等车时间及乘车费用的函数关系和司机的效用函数与载客时间及载客收入的函数关系， 并且用两者之间效用差的绝对值作为目标函数，将乘车费用、乘客等车时间、司机空载 时间作为参考指标，并且通过乘客的平均等车时间来表示供求匹配。当乘客的平均等车 时间在 2.97, 6.44 min 内变化时，其供求匹配程度可达到 75%以上。 对于问题二，首先对打车软件市场发展和目前各大公司的补贴方案做了概述，然后 基于问题一的经济模型，增加补贴额度对两者效用的影响，通过推导，得到最终乘客满 意程度和司机满意程度与出租车市场价格的关系价格-效用模型（公式 24），再利用从 互联网上收集到的相关数据，用 MATLAB 进行数值拟合得到曲线的参数，从而确定补贴 阈值与出租车市场价格的函数模型（公式 25）。最后得出结论：目前的补贴方案在前期 补贴金额大于补贴阈值的时候，对于缓解“打车难”问题具有明显的积极作用，随着时 间的推移，打车补贴金额逐渐下降并且逼近补贴阈值时，方案对缓解“打车难”问题作 用较弱，当补贴金额小于补贴阈值时“打车难”问题有一定的回落，但由于形成用户粘 性等原因，总体来说“打车难”问题也得到了一定程度的解决。 对于问题三，通过分析目前各家公司补贴方案的存在的弊端，并且结合这些方案在 推广期间所展现出的优点，建立了多层次分析模型，将补贴方案分为初期推广阶段和后 期稳定运营阶段两个阶段；在初期推广阶段，针对首单，不同时段，不同城区，基于‘互 联网+’推广方式四种不同的情况进行不同力度的补贴；后期稳定运营阶段的主要任务 是细化补贴去向，根据不同时段、不同区域、不同自然天气条件和不同单此载客里程所 造成的供需关系变化建立弹性的补贴方案。最后，利用深圳市一段时间内不同区域的数 据进行验证，得到时段补贴方案、区域补贴方案、自然原因补贴方案和里程补贴方案。 本文主要采用经济学中的价格-效用模型和多层次分析模型，利用互联网和大数据 智能出行平台‘苍穹’进行数据搜索，大量运用 Excel 筛选处理数据，增加准确度，验 证模型的合理性。 关键词：价格-效用模型，多层次分析模型，MATLAB 数值拟合，Excel；
2015数学建模竞赛B题优秀论文汇总
打车难易程 度影响因素 的分析
模 型 II ： ISM 解 释 结构模型
问题三
从司机和乘客 角度分别确定 补贴方案
验证方案的合 理性
模型 III：多目 标规划模型
二、对具体问题的分析 1．对问题一的分析 本题要求我们合理选取影响因素，并建立评价指标，分析在不同时空条件出租车资 源供求匹配的程度。考虑到出租车供求匹配程度每个城市都有一定的差异，为了使研究 个更加具有针对性，本文选取上海作为城市代表，通过分析上海不同时空出租车资源的 “供求匹配”程度，提供一种评估出租车供求匹配程度的方法。首先，由于同一城市很 多参数保持不变，考虑到时间和空间的影响，选取运营车数、被抢单时间、街区面积、 乘车价格及人口密度等十个指标；其次结合主、客观赋权法，运用 AHP-熵值赋权模型 对各指标进行定量赋权；然后，根据各指标权重，通过对各指标赋权求和计算出不同时
4
序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
符号 Xi Yi A λ CR wi V T Fi Y Z
d
αi
m
m'
符号说ቤተ መጻሕፍቲ ባይዱ 层次分析法准则层指标 层次分析法方案层为各影响指标 模糊判断矩阵 模糊判断矩阵最大的特征值 一致性比率 各指标最终权重 邻接矩阵 可达矩阵 打车难易程度影响因素 有效接单数 出租车司机接单补贴 出租车司机平均每天接单数 出租车司机对四种不同类型订单的意愿接单水平 乘客每月向打车软件账户的存款金额 出租车公司给乘客的存款补贴金额
2
二、相关资料 1．滴滴快的智能出行平台，是滴滴快的的实时监测系统，通过该系统，我们可以 查看出租车的分布、打车的难易程度、打车的需求和抢单时，甚至可以查看乘客的运行 轨迹。 （详见网址链接 /） ； 2．2014 年上海市统计年鉴(2013 年各行政区的人口密度)。 三、要解决的问题 1．问题一选取影响供求匹配程度的因素，建立合理的指标，并分析在不同的时空 条件下出租车资源的“供求匹配”程度； 2．问题二查找各公司的出租车补贴方案，并分析这些补贴方案是否对“缓解打车 难”有帮助； 3．问题三假设现在要创建一个全新的叫车软件服务平台，结合前面研究的结论， 设计更加有效的补贴方案，并论证其合理性。
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。
2015年全国大学生数学建模竞赛B题
2015年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近几年来，随着燃油价格、维修等费用的上涨，导致了出租车运行成本显著上涨，“打车难”成了人们关注的一个热点问题。
为了缓解大城市打车难的问题，打车软件应运而生。
本文通过Matlab拟合和定性分析以及计算等方法，建立演化博弈模型，针对打车难问题设计出了合理的补贴方案。
针对问题一，根据2014年各省拥有的出租车总数量情况和城市人口情况，发现北京、上海、杭州、武汉等城市具有拥有出租车数量较多，常驻人口多，流动人口大，出租车需求量大等特点，所以选取这四个城市，查找高峰期与非高峰期时刻的出租车需求量和实载量数据，以实载量与需求量的比值作为指标，通过计算，分析出不同时空的出租车资源的供求匹配程度，在凌晨一点时上海出租车需求量大，其次是杭州、北京，武汉需求量小，早上七点时，北京出租车需求量大，其次是上海、杭州，武汉需求量小，下午一点时，北京需求量大，其次是上海、杭州，武汉需求量小，晚上19点时，上海出租车需求量大，其次是北京、杭州，武汉需求量小，但总体供小于求。
并采用Matlab 软件画出各个城市对应的供求关系图。
针对问题二，建立出租车司机与乘客对打车软件使用意向的演化博弈模型，通过乘客与出租车司机效益的对比，对模型求解与分析，得出结论，认为乘客由于出租车价格偏高而不愿意使用打车软件，又通过计算，发现出租车司机使用打车软件后由于较高的燃油费导致收入增加不明显，而不太愿意使用打车软件。
所以公司只在司机收入方面部分缓解了打车难这个问题。
针对问题三，通过分析传统打车方式下的出租车的供求关系，可以看出打车软件的出现却有其现实意义，但在实践过程中也存在一些不足，比如部分出租车司机抱怨有较高的燃油费，收入相对来说偏低。
面对燃油价格的变化，出租车经营者不能按照自己目标制定出租车经营策略。
本文根据燃油价格变化情况，以达到利润最大化为目标，制定了基于经营合理利润水平的出租车补贴方案；又根据出租车经营利润的变化率与燃油价格变化率成正比，制定了基于燃油价格变化率的出租车补贴方案。
2015年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近几年来，随着燃油价格、维修等费用的上涨，导致了出租车运行成本显著上涨，“打车难”成了人们关注的一个热点问题。
为了缓解大城市打车难的问题，打车软件应运而生。
本文通过Matlab拟合和定性分析以及计算等方法，建立演化博弈模型，针对打车难问题设计出了合理的补贴方案。
针对问题一，根据2014年各省拥有的出租车总数量情况和城市人口情况，发现北京、上海、杭州、武汉等城市具有拥有出租车数量较多，常驻人口多，流动人口大，出租车需求量大等特点，所以选取这四个城市，查找高峰期与非高峰期时刻的出租车需求量和实载量数据，以实载量与需求量的比值作为指标，通过计算，分析出不同时空的出租车资源的供求匹配程度，在凌晨一点时上海出租车需求量大，其次是杭州、北京，武汉需求量小，早上七点时，北京出租车需求量大，其次是上海、杭州，武汉需求量小，下午一点时，北京需求量大，其次是上海、杭州，武汉需求量小，晚上19点时，上海出租车需求量大，其次是北京、杭州，武汉需求量小，但总体供小于求。
并采用Matlab软件画出各个城市对应的供求关系图。
针对问题二，建立出租车司机与乘客对打车软件使用意向的演化博弈模型，通过乘客与出租车司机效益的对比，对模型求解与分析，得出结论，认为乘客由于出租车价格偏高而不愿意使用打车软件，又通过计算，发现出租车司机使用打车软件后由于较高的燃油费导致收入增加不明显，而不太愿意使用打车软件。
所以公司只在司机收入方面部分缓解了打车难这个问题。
针对问题三，通过分析传统打车方式下的出租车的供求关系，可以看出打车软件的出现却有其现实意义，但在实践过程中也存在一些不足，比如部分出租车司机抱怨有较高的燃油费，收入相对来说偏低。
面对燃油价格的变化，出租车经营者不能按照自己目标制定出租车经营策略。
本文根据燃油价格变化情况，以达到利润最大化为目标，制定了基于经营合理利润水平的出租车补贴方案；又根据出租车经营利润的变化率与燃油价格变化率成正比，制定了基于燃油价格变化率的出租车补贴方案。
15年国赛建模B题
2015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“互联网+”时代的出租车资源配置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。
1选取几个打车平台的补贴方案去分析，比如：快的打车补贴变化2014年1月20日快的打车乘客车费返现10元，司机奖励10元2014年2月17日快的打车乘客返现11元，司机返5-11元[10]2014年2月18日快的打车乘客返现13元[11]2014年3月4日快的打车乘客返现10元/单，司机端补贴不变[6]2014年3月5日快的打车乘客补贴金额变为5元2014年3月22日快的打车乘客返现3—5元2014年5月17日软件乘客补贴“归零”2014年7月9日，将司机端补贴降为2元/单。
[12]2014年8月9日，滴滴、快的两大打车软件再出新规，全面取消司机端现金补贴。
滴滴打车1月10日，滴滴打车乘客车费立减10元、司机立奖10元2月17日，滴滴打车乘客返现10-15元，新司机首单立奖50元2月18日，滴滴打车乘客返现12至20元3月7日，滴滴打车乘客每单减免随机“6-15元”3月23日，滴滴打车乘客返现3-5元5月17日，打车软件乘客补贴“归零”7月9日，软件司机端补贴降为2元/单8月12日，滴滴打车取消对司机接单的常规补贴2分析传统出租车公司的补贴方案3最后一定要联系到是否对“缓解打车难”有帮助上，结论是：有一定帮助，但并未完全解决问题（），同时产生了新的问题。
2015数学建模竞赛B题优秀论文
万人拥有量
人均 GDP
由上表1，可得出不同地区的出租车万人拥有量与该地区的人均 GDP的相伴概率值：
Sig 0.05,
即这两个变量在0.05水平（双侧）上显著相关。故GDP是影响出租车“供求匹配”程度 的一个合理性指标。 除此之外，车辆满载率是通过在客流集散较为集中的地点选取几个长期观测点， 公式为：车辆满载率=载客车数(辆)／总通过车数(辆)×100%；里程利用率是一般以一 辆车为单位，公式为：里程利用率=营业里程（公里)／行驶里程(公里)×100%[1]。此指 标反映车辆载客效率，若比例高，说明车辆行驶中载客率比例高，空驶率比较低，乘 客等待时间增加，对于要车的乘客来说供求关系比例紧张；若比例低，说明车辆空驶 率比例高，乘客打车方便，但司机的经济效益下降。 5.1.2 模型的准备 为了衡量指标对出租车的“供求匹配”程度的影响，本文采用出租车万人拥有量 以及 GDP 作为衡量出租车的“供求匹配”程度。 从时间分布上，出租车出行时间分布包括载客时间随时间轴的变化、载客里程随 时间轴的变化以及空驶时间随时间轴的变化，出租车出行在不同时间段上的分布,反映 了城市居民的生活节奏和交通需求在时间上的分布；从空间分布上，出租车的出行空 间分布反映了居民出行空间的流动规律及城市交通的主要流向 , 不同出行目的, 有不 同的空间分布规律[2]。 现采用北京市 24 小时车辆数数据（附件三），通过 MATLAB 软件编程实现，得到 北京市一天出租车需求分布图，如图 1：
4
150 北京市一天出租车需求图 北京市 0 0
5
10 时间t
15
20
25
图 1
北京市郊区一天出租车需求分布图
图 1 表示北京市郊区一天中出租车分布量与需求量，从图中可以得出一天中出租 车的需求量最大的时候就是上下班高峰的时候，出租车的需求量明显增多。而由于一 天二十四小时的出租车分布量与需求量的变化不是固定的。郊区的出租车分布量少， 在一天中大部分时间都小于其需求量，即该地出租车资源“供应匹配”程度明显较低。 5.1.3 模型的求解 为满足在不同时空的条件下，本文分别在不同地点相同时间、不同时间相同地点 下研究供求匹配程度[3]。 （1）不同地点相同时间的出租车“供求匹配”程度分析 首先本文对于不同地点相同时间的出租车“供求匹配”程度进行分析。分别选取 经济发展情况不同的八个城市，分别为：北京、南京、成都、大连、宁波、济南、深 圳、杭州，各城市的人均 GDP 和万人拥有量运用 Excel 进行分析如下图 2：
- 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)。
“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。
而出租车作为交通工具中的重要组成部分，可以给人们的生活带来更便捷的服务。
所以无论是国还是国外，对于与出租车相关的问题都有较深入的研究。
作为居民日常出行的交通工具，出租车在人们生活中发挥着重要的作用。
然而由于时间、空间等因素，导致出租车行业面临着巨大的挑战，与此同时，也会出现“打车难”的现象。
但这也正促进了依托互联网建立的打车软件的发展以及多种出租车补贴方案的出现。
当今，“互联网+”发展迅速，所以研究互联网与出租车有关的问题是很有意义，本文要求搜集相关数据建立数学模型求解下列问题：问题一：建立合理的指标，分析在不同时间和空间条件下出租车资源的“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“缓解打车难”有所帮助？问题三：若要创建一个新的打车软件服务平台，应该设计什么样的补贴方案，并论证方案的合理性。
二模型假设假设1：城市中不出现大量的人口迁入与迁出。
假设2：城市中出租车的数量短期不会发生变化。
假设3：城区面积不发生大规模扩展。
假设4：城市道路发展程度不会发生大变化。
假设5：手机打车软件的使用者年龄主要集中在18～35周岁。
假设6：其它交通工具发展水平不变。
假设7：城市人均收入短期不变。
三符号说明1,24)1,24)四问题分析问题一的分析对于问题一，要想得到出租车资源的“供求匹配”程度，首要的问题是建立一个合理的评价指标。
通过对影响出租车与乘客供求关系的广义因素进行分析，每种大的前提下又细分为其它的影响因子，也就是构造了两个层次，再将最底层的影响因子利用ISM解释结构模型[2]进行归类。
利用层次分析-模糊综合评价模型对得到的归类进行分析和求解，得到综合评判集合，然后考虑结合一种出租车供需合理的标准，例如空载率这一指标对供求匹配程度进行分析。
最后结合实际着重研究不同时间和空间前提下城市出租车资源的“供求匹配程度”。
问题二的分析对于问题二，求各公司的补贴方案对“缓解打车难”是否有帮助，考虑到不同补贴方案归根到底是补贴金额的不同，因此考虑寻找一种补贴金额与打车难的关系，通过逆向思考，补贴金额可以等效看为出租车价格降低的金额，出租车价格变化与打车人数需求之间构成价格需求，于是可利用价格需求理论模型对此进行分析，但是单一的打车人数多少不足以表示打车是否困难，于是考虑增加一个空载率指标与打车人数结合表示打车是否困难，最后评判打车困难时，由于打车难这是一个不可量化指标，因此要想得出打车难是否有缓解只能先建立一个标准，然后将价格需求理论模型的求解结果带入该标准。
即可知道各公司的补贴整车对打车难是否有帮助。
问题三的分析由于问题三是设计补贴方案，而问题二里我们建立了价格需求理论模型，求解了各个公司不同补贴方案对打车难缓解的影响，于是我们在问题三过建立一个补贴金额与乘客满意程度的双优化模型来设计一个补贴方案，然后利用问题二的求解结果对设计方案进行论证。
五、模型的建立与求解5.1 问题一模型的建立与求解5.1.1 利用ISM模型对影响因素分组由于出租车资源供求匹配关系受到较多因素影响，其中很多因素又相互包含，必须全面考虑各个因素。
所以我们采用ISM模型对相应影响因素进行分组、归类，使问题简化，方便求解。
ISM模型是..J N Warfield于1973年为了分析复杂的社会经济问题而提出的解释结构模型，是静态的定性模型,其特点是能够将复杂的系统逐级分解成若干个子系统。
为了分析出租车资源的供求匹配程度，我们考虑影响出租车与乘客供求关系的一些主要因素如表1。
表1 出租车与乘客供求关系主要影响因素然后分析这些因素互相之间是否有关系，用0表示相互之间无影响，用1表示相互之间有影响，从而得到相互影响关系的邻接矩阵如下：由于此矩阵中影响因素较多，所以运用Matlab软件对邻接矩阵进行求解，程序见附录一，得1000000100101110110100101010110100101111110111110000100000000000010000000000001000000000000100100000000010100000000001000000000000100011K ⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪=⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭可达矩阵可说明两个因素之间是否存在路径，并能清楚说明两因素之间影响程度。
定义集合()P I 为可达矩阵中要素I 一行中值为1的元素所在行元素集合，()H I 为可达矩阵中I 这列值为1对应的列元素集合，当()()()H I P I H I =时，I 即为该层元素，然后剔除矩阵中的W 元素，进行下一层元素计算,可以得到最终的分组：{}1168,,U A A A =; {}22310,,U A A A =; {}371112,,U A A A =; {}4459,,U A A A =。
通过分析每组所包含的因素，我们发现分组1U 里面所包影响因素可理解为经济水平对出租车供求关系的影响，2U 里面所包影响因素可以看作为不同空间对出租车供求关系的影响，3U 里面所包影响因素可以看作不同时间对出租车供求关系的影响，结果如表2。
时间因素3u是否是节假日5A 是否是高峰期4A其它4u乘客出行的紧急程度11A 旅游吸引能力12A 天气状况7A5.1.2 问题一模型的建立我们从出租车空载率角度考虑出租车资源的“供求匹配”程度问题，当出租车空载率过低时，说明打车的人少，出租车量小于乘客的需求；当空载率过高时，表明打车的人较多，出租车量大于乘客需求，出租车空载率能很好地反映出租车与人之间“供求匹配” 程度。
所以我们选取空载率这一指标作为模型最终评价因子分析，来分析不同时间和空间出租车资源的“供求匹配”程度问题。
我们利用()AHP —模糊综合评价方法建立模型，首先，利用()AHP 构造出一个层次分析模型，指标评价体系结构图如图1。
图1 层次分析结构图1）第一、二层权重集的确定第一层包括4个因素，即1234(,,,)U U U U U ，利用AHP 层次分析法比较几种指标间的关联度如图3。
表 3 第一层因素间关联度然后确定第一层指标权重，利用1～9标度法求解判断矩阵，构造第一层的评判矩阵Y 具体形式如下：11121314212223243132333441424344u u u u 11/41/41/4u u u u 4124=u u u u 41/2121/21/41/21u u u u Y ⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦ 其中：12u 表示1u 与2u 之间的关联度。
之后求解第一层的权重集W ={1W ,2W 3W ,4W }。
方法如下：先计算判断矩阵Y 每行元素的乘积i Q ，再对i Q 求五次方根，得到{}{}1234,,,0.232,0.821,1.736,0.427W W W W W ==归一化处理：利用公式 41/ii i i W W W ==∑对()1234,,,W W W W W =做归一化处理，得到1,234(,,)(0.100,0.462,0.305,0.133)W W W W W ==即为所求特征向量。
一致性检验：为了说明以上所求得特征向量是否能够合理的分配权重，需要进行一致性检验，方法如下：通过公式()4max 14iiYW W λ=∑求得判断矩阵的最大特征值，得到最大特征值max5.024λ=。
然后利用公式CI CR RI=和max1n CI n λ-=-，通过代入数据 1.12RI =,4n =，max 5.024λ= ，得到0.0350.1CR =<，这就表明评判矩阵Y 具有很好的一致性，所以()1234,,,W W W W W =中的各项均可以作为U 的权重系数。
同第一层权重的求解过程，对于第二层指标，由于第一层的每一个因素都包含()123,,ii i i u u u u =3个因素，于是得到第二层级的各项权重集：()()()()'1'2'3'4=0.2860.0810.5670.0860.1770.764=0.0760.6810.267=0.1820.0510.727W W W W =2）确定综合评判结果根据模糊综合评价法可知，综合判别公式12(,)m B W Y b b b =⋅=，其中41()(1,2)j i ij i b w y j m ===∑，将数据代入计算公式4'1()i i i B W W ==∑得到所研究问题的综合评判结果：()0.1160.3040.580B =。
3）综合评判矩阵B 的修正影响出租车供求匹配的具体因素有些有具体实际数据，各种数据的单位并不统一，不容易量化，而另外一些因素如：旅游吸引能力、乘客出行的紧急程度等影响因素是模糊的量。