2015全国大学生数学建模竞赛B题
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年数学建模B题滴滴打车问题优秀论文
基于双层规划的出租车补贴方案研究摘要在我国庞大的人口压力下,“打车难”已成为许多城市共同面临的问题。
而随着“互联网+”时代的到来,第三方打车软件的异军突起同时便利了乘客和司机双方。
本文针对此背景下存在的出租车资源“供需匹配”问题,通过寻找数据,建立相应的指标评判“供需匹配”程度的高低,并分析可缓解“打车难”问题的现存及待建立的补贴方案。
问题一中,我们选取车辆满载率、万人拥有量和乘客等待时间三个指标来衡量各区域不同时间段的“供需匹配”程度,对深圳市2011年4月18日一天的出租车运营数据进行了研究。
我们首先对所得数据进行聚类得到热点区域,然后分析出租车到达某区域的时间间隔与乘客等待时间的关系,得到各区域乘客等候时间随时间的变化情况:中心城市等候时间较长的时间段为上午8:00-11:00,下午17:00-19:00;郊区等候时间较长的时间段为凌晨4:00-7:00,下午12:00-14:00;偏远地区等候时间较长的时间段为凌晨3:00-5:00,上午9:00-11:00。
问题二中,我们结合深圳市出租车运行数据,分析乘客24小时内等待时间的变化得到一日内的出租车需求高峰时段。
针对现有的补贴政策,计算其补贴的高峰时段与所求得的高峰时段重叠率,当其重叠率高于75%后,则认为其所进行补贴的时段选取准确,可在高峰时段进一步提高司机积极性以缓解“打车难”现状。
最终结果显示,两大打车软件公司的补贴政策的高峰时间段的重叠率均高于75%,即较好地覆盖所求解的高峰时段,故对缓解“打车难”问题有帮助。
问题三中,在满足尽可能多的乘客需求量的基础上,我们建立了使打车软件公司及出租车司机的利益双向最大化的双层规划模型。
通过Matlab编程求解,我们得到了在高峰时段对出租车司机每单补贴14.75元,乘客每单补贴费2.18元,并以乘客对司机的服务评价星级为参考的补贴方案。
为了简化计算量,提高模型求解精度,本题中首先对所得数据进行预处理,热点分区后降低数据维度后,尽可能全面地考虑不同时空的各指标的取值。
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。
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年数学建模 B题
B题“互联网+”时代的出租车资源配置摘要本文针对现代生活中“打车难”这一问题,寻找引起其发生的主要因素,并在此基础上建立了与之相对应的打车软件服务信息平台,提出了最优控制策略,最后通过对深圳市出租车辆的调查做出了具体检验措施,验证出此模型的合理性。
针对问题一,本文首先运用层次分析方法,筛选出四至五个相对合理的指标以此来评判出对出租车供求的影响;其次运用SPSS软件对这些指标的数据进行预处理,应用主成分分析法从中再次筛选出三个重要指标,分别得出深圳市和佛山市供给量与需求量与对应三个重要指标间的关系,并利用MATLAB软件绘制供求量随影响因素变化的模型。
利用灰色预测模型来分别预测未来几年深圳市和佛山市供给量与需求量发展趋势,验证其匹配状况,进而解决不同时间下的匹配度问题。
运用灵敏度分析法,修正误差,完善模型。
针对问题二,考虑到出租车补贴主要为燃油补贴,由问题一的模型可知,燃油价格因素直接影响了供给量,通过问题一得出出租车补贴方案对缓解打车难有明显影响。
针对问题三,在软件平台建立上,为实现匹配度最佳,基于打车者与出租车距离最短,等待时间最短,首先利用图论的知识找出最短路径,进而运用改进的遗传算法求出最短时间,寻求到最优方案。
其次根据空载量,分情况讨论具体补贴方案。
最后根据GPS定位数据随机选取出“滴滴打车”某一时间内的经纬度,对以上服务信息平台进行检验,得出该平台较之前具有更好的合理性。
关键词:主成分分析灰色预测模型SPSS数据处理遗传算法一、问题重述随着经济的快速发展,人口密度的增大,“打车难”已成为全国大部分城市所面临的主要问题,人们均是采取“招手打车”方式,这不仅降低了司机载客量,而且对顾客来说,也浪费了很多时间。
现在出现了“滴滴打车”,“快的打车”等软件服务平台,让人们利用“互联网+”方便快捷地打到车。
而我们这个模型的主要目的既是通过搜集相关合理数据,从而进行以下问题的讨论。
1.寻找合适指标,建立数学模型,分析在不同时间地点的出租车需求量以及供应量之间的匹配程度。
2015高教杯数学建模全套
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”)A题太阳影子定位如何确定视频的拍摄地点和拍摄日期是视频数据分析的重要方面,太阳影子定位技术就是通过分析视频中物体的太阳影子变化,确定视频拍摄的地点和日期的一种方法。
1.建立影子长度变化的数学模型,分析影子长度关于各个参数的变化规律,并应用你们建立的模型画出2015年10月22日北京时间9:00-15:00之间天安门广场(北纬39度54分26秒,东经116度23分29秒)3米高的直杆的太阳影子长度的变化曲线。
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。
3. 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和日期。
将你们的模型分别应用于附件2和附件3的影子顶点坐标数据,给出若干个可能的地点与日期。
4.附件4为一根直杆在太阳下的影子变化的视频,并且已通过某种方式估计出直杆的高度为2米。
请建立确定视频拍摄地点的数学模型,并应用你们的模型给出若干个可能的拍摄地点。
如果拍摄日期未知,你能否根据视频确定出拍摄地点与日期?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。
C题月上柳梢头“月上柳梢头,人约黄昏后”是北宋学者欧阳修的名句,写的是与佳人相约的情景。
15年数学建模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。
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年五一数学建模联赛题目ABC
段之间行驶时间的相关性,并将这种相关性应用到第一问和第二问的最优路径搜索问题中,并设计算法解决考虑相关性的最优路径搜索问题,给出算例验证算法的有效性。
如果可能的话,从理论上分析算法的收敛性、复杂性等性质。
提示:这里的相关性,可以从空间和时间的两个方面考虑。
空间相关性:同一个时间段(例如7:00-8:00之间),路段a和路段b的相关性。
时间相关性:对于路段a,不同时间段的相关性,例如7:00-8:00和8:00-9:00之间的相关性。
当然,也可以两种相关性同时考虑。
第四问:从不确定性条件下交通网络的实际情况出发,在合理假设下,进一步完善前三问的数学模型和相关算法。
或者,提出一种或多种与前三问不同的最优路径的定义方法,建立相关的数学模型并设计算法,应用数值算例验证算法的有效性。
如果可能的话,从理论上分析算法的收敛性、复杂性等性质。
说明:本题中的所涉及的算例最好能采用真实的交通网络数据,也可以使用自己假设的数据,交通网络的规模越大越好。
B题空气污染问题研究近十年来,我国GDP持续快速增长,但经济增长模式相对传统落后,对生态平衡和自然环境造成一定的破坏,空气污染的弊病日益突出,特别是日益加重的雾霾天气已经干扰到社会的出行秩序和生活质量。
国家能源委员会《新能源产业振兴和发展规划》等“国家新能源发展战略”政策的出台,说明国家已经把能源环境问题上升到国家安全级别,经济发展转型、节能减排、能源利用新途径和发展新能源等方面的问题亟待解决。
一般认为影响空气质量的主要因素有PM2.5、PM10、二氧化氮、二氧化硫、一氧化碳、臭氧、硫化氢、碳氢化合物和烟尘等,以京津冀地区为研究对象解决以下问题:(1)参考现有国标和美标,建立衡量空气质量优劣程度等级的数学模型。
(2)查找数据并列出京津冀地区主要污染源及其污染参数,分析影响空气质量的主要污染源的性质和种类。
(3)建立单污染源空气污染扩散模型,描述其对周围空气污染的动态影响规律。
- 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哈尔滨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,得出哈尔滨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,也得到了哈尔滨市不同区县、不同时间的供求匹配程度,最后作出哈尔滨市出租车“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。
所以无论是国内还是国外,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内不会发生变化。
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:城市人均收入短期内不变。
三 符号说明i W影响“供求匹配”程度第一层因素的权重(1,24)i =L'i W影响“供求匹配”程度第二层各因素的权重(1,24)i =L''i W修正后的影响“供求匹配”程度第二层各因素的权重(1,24)i =LM用于评价“供求匹配”程度的评价因子 max λ 判断矩阵的最大特征值 B综合评判集i U 层次分析结构中第一层指标(1,24)i =L 1P 价格补贴之前打车人数 2P价格补贴之后打车人数 E出租车日均载客里程n出租车辆数 η出租车出勤率l每辆车平均的日行里程。
()S i乘客不满意度四 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,于是我们在问题三中通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A市民人均收入1A人口密度2A道路拥堵程度3A是否是高峰期4A是否节假日5A出租车数量6A天气情况7A私家车数量89A 季节 10A 城市交通发展水平 11A 乘客出行紧急程度 12A城市旅游吸引能力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:1A2A 3A4A 5A6A 7A 8A9A 10A 11A 12A1A 0 0 0 0 0 0 0 1 0 0 0 0 2A 1 0 1 0 1 1 0 1 0 0 0 0 3A 1 0 0 0 1 1 0 0 0 0 0 0 4A 0 1 1 0 1 1 0 1 1 1 1 1 5A 0 0 0 0 0 0 0 0 0 0 0 0 6A 0 0 0 0 0 0 0 0 0 0 0 0 7A 0 0 0 0 0 0 0 0 0 0 0 0 8A 0 0 0 0 0 0 0 0 0 1 1 0 9A 0 0 0 0 0 0 0 0 0 0 1 0 10A 0 0 0 0 0 0 0 0 0 0 0 0 11A 0 0 0 0 0 0 0 0 0 0 0 0 12A1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链接路径,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 =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。
表2 影响因素分组关系表经济水平因素1u市民人均收入1A 出租车数量6A 私家车数量8A空间因素2u道路拥堵程度3A 人口密度2A 城市交通发展水平10A季节9A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1U2U3U4U1U 1 1/4 1/4 1/4 2U 4 1 2 4 3U 4 1/2 1 2 4U1/21/41/21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 }。