《2015数学建模b题国家二等奖》由会员分享，可在线阅读，更多相关《2015数学建模b题国家二等奖（16页珍藏版）》请在金锄头文库上搜索。
1、“互联网+”时代的出租车资源配置摘 要本文是一个资源配置最优化问题。在充分考虑影响出租车资源“供求匹配”指标的基础上，对不同城市出租车资源匹配度进行了评价；考虑到“互联网+”时代对出租车资源配置的影响，研究了其对缓解“打车难”现状的作用，并通过分析给出了合理使用打车软件，以改善“打车难”的实施方案。针对问题一：通过查阅资料，分析得到影响“供求匹配”程度的司机和乘客的五个重要指标：里程利用率、出租车满载率、城市出租车万人拥有量，乘坐率，乘客等待时间；针对上述指标，采用熵权法和层次分析法,借助lingo软件计算得到各指标权重；考虑到城市交通状况与时间和空间的正相关性，对城市交通时间和地点按照热度等
2、级分类，结合权重建立了多因素综合评价模型，利用matlab软件计算出不同时间段、不同地点出租车资源匹配程度综合评价值。通过司机供给量和乘客需求量比较，得到过渡区的平常时间段供求匹配程度高，密集区的平常时间段、过渡区的高峰期、郊区的平常时间段供求匹配程度中；郊区的高峰期和密集区的高峰区的供求匹配程度低，又考虑到打车软件使用率对里程利用率的影响，根据对出租车司机与乘客的双向补贴及年龄，进行资源利用率的匹配。针对问题二：本问在第一问得到的五指标权重的基础上，选取滴滴和快的软件的补贴方案为研究对象，利用加权求和法与综合评价法，借助于matlab计算了使用软件前和使用后加补贴分别的的供求匹配度，并对两种
3、软件匹配度进行了分析比较。通过比较，得出滴滴和快的两家软件公司的补贴对缓解打车难问题都作出了贡献；针对软件使用的情况进一步分析，发现存在二次打车难度情况，但在通常情况下补贴方案对“缓解打车难”有帮助，对于高峰期特别严重时二次打车难度无法解决，甚至当打车补贴金额太多时会导致资源浪费，加重打车难度。针对问题三：本文在本对问建立了一个较为完善的打车软件服务平台，首先，引入了信誉度、补贴率、选择论等新概念对打车软件服务平台进行优化，在一定程度上对乘客与司机进行了补贴。其次，将补贴延伸为补贴率，将补贴这个固定的概念转变为一个动态的、受多方因素干涉的概念。最后，将司机的补贴金额与乘客对司机的打分进行挂钩，
4、一定程度上可以提升司机的服务态度，同时用随机抽查来考核乘客的态度，对乘客的评分进行干预。关键词 二次打车难 信誉度 补贴率 熵权-层次分析法一问题重述与问题分析1.1问题重述随着社会逐渐步入“互联网+”时代，打车难的问题再次出现在人们眼前，成为了又一个被众多人所关注的社会热点问题，为了解决这个问题，有多家公司在移动互联网的基础上制作了不同的打车软件服务平台，为实现乘客与出租车司机之间的信息互通提供了一个信息交互平台，同时针对乘客和出租车司机推出了多种出租车的补贴方案。问题一：试建立合理的指标，建立一个合理的数学模型，在数学模型的基础上分析在不同时空下出租车资源的“供求匹配”程度。问题二：分析各
5、公司的出租车补贴方案是否对“缓解打车难”有帮助？问题三：如果要创建一个新的打车软件服务平台，将会设计什么样的补贴方案，并论证其合理性。1.2问题分析针对问题一：时空可通过时间段即高峰期，包括上下班，周末，节假日等时段和平常时间确定。空间即城市不同地区，如人车密集区，过渡区，郊区。先确定指标进行理想化资源配置分析，再全面考虑资源的使用率配置，综合分析，优化供求匹配程度划分的科学性。针对问题二：使用问题一中的供求匹配程度来衡量打车的难度。这里一个城市在使用软件前后的对比结果不具备较强的说服力，故在这里列举15个城市在使用软件前和后加补贴的匹配程度进行对比，从而增强说服力。若使用后供求匹配程度大于使
6、用前，则使用软件对缓解打车难的问题有帮助；否则无帮助。为论证判断合理性，再次考虑二次打车难度给出了正确的判断。针对问题三：在本问中要求创新，自己创建一个打车平台。从最优化方面给出一个补贴方案使公司，司机，利益最大化，也使乘客满意度高，继而使用率高。综合多方面给出一个补贴方案。二符号系统符号说明打分补贴率乘客的综合补贴率司机的综合补贴率乘客的信誉评分乘客的补贴金额司机的补贴金额三模型假设1. 假设A市的人口不会大幅迁入迁出，基本保持稳定；2. 假设城市出租车总数不会出现大幅度变化，保持一个固定值；3. 假设选取的城市都具备代表性；4. 假设同一空间下的车辆、人群密度相同。四模型的建立及求解4.1
7、问题一的模型建立与求解4.1.1指标分析本文通过出租车资源的供求匹配程度的实际分析可以得出，影响出租车资源的供求匹配程度的指标有以下五个：里程利用率、出租车满载率、城市出租车万人拥有率、乘客等待时间、乘客乘坐率。其中里程利用率、出租车满载率、城市出租车万人拥有率为针对司机而言的三个指标。里程利用率，反映出出租车在一天运营过程中的使用率，可以用某辆出租车当天载客行驶里程数与总里程数的比值来表示。出租车满载率，反映出出租车在某段时间内的使用率，具体指固定一个观测点之后，统计经过这个观测点的出租车总数以及其中的载客出租车的数量，载客出租车在出租车总数中所占的比例即为出租车满载率。城市出租车万人拥有量
8、，反映出一个城市拥有的出租车的总数量，即就是在一个城市内平均每万人拥有出租车的车辆数，为一个固定值。而乘客等待时间、乘客乘坐率则是对于乘客而言的两个指标。乘客乘坐率，反映了某一段时间内，乘客的出行率。可以用某段时间内乘客乘坐人数比需要搭乘的总人数。乘客等待时间的倒数，其值与乘客等待时间成反比。4.1.2计算权重经过查阅相关资料，在Excel软件中将部分城市的三个指标的量值进行汇总统计，得到表1。表1 部分城市的三大指标的量值城市城市出租车万人拥有量里程利用率出租车满载率大连3665.51%75.60%沈阳3457.40%69.80%北京3468%71.80%广州3273.79%69.20%哈尔
9、滨2984.10%75.60%西安2570.00%75.40%武汉2469.02%75.60%南京23.7765.40%67.60%成都23.567.88%69.20%厦门22.7872.00%70.80%青岛2264.51%68.60%宁波2068.00%72.00%杭州19.669.25%77.40%济南15.571.70%71.00%深圳10.8669.10%58.80%为了计算的精确度，本文使用熵权-层次分析法对三个指标的权重进行计算。熵权法计算权重首先，本文根据表1制作原始矩阵随后，利用极值法对原始矩阵进行无量纲化2处理 （1）将原始矩阵进行无量纲化处理后得到的矩阵记为继而，对矩阵进
10、行归一化处理，从而使得，且不会破坏原有数据间的比例关系。在此基础上，分别定义第个评价指标的熵为其中，（这样选择的使得，同时方便后续进行处理）；第个指标的差异系数为；第个评价指标的熵权为。最后，计算第个指标的熵权，即为各个指标权重，将求解出的，记为熵权-层次分析法的，即表2 熵权权重指标城市出租车万人拥有率里程利用率出租车满载率熵权权重AHP层次分析法首先，制作一份调查问卷，在互联网上进行调查，将所得结果结果进行汇总分析，建立判断矩阵。由于把所有元素都和某个元素做比较，即制作次比较，任何一个判断的失误均可导致排序出现不合理的情况，从而导致结果偏离实际值。所以本文引用数字及其倒数作为标度，对指标进
11、行两两比较，由专家组进行打分评价后的综合结果，从而得到判断矩阵。 （2）由判断矩阵满足式（2），可得判断矩阵是正互反矩阵。即这个判断矩阵的一致性是可以接受的，故该判断矩阵具备合理性。据此计算出各个指标的权重为。同时，在此令权重为熵权-层次分析法的。表3 层次分析法权重指标城市出租车万人拥有率里程利用率出租车满载率层次分析法权重熵权-层次分析法首先定义出一个目标函数，随后根据目标函数构造出一个非线性规划方程，从而将权重集成的问题转化为了一个最优化问题。在1）和2）中得到的两个方法的指标对应权重分别为和进行集成后可以得到新指标权重为故15个被评价对象对应的3个评价指标的原始数据矩阵为随后将原始数据
12、矩阵使用式（1）进行无量纲化处理，得到新数据矩阵记利用得到的个被评价对象的评价值为利用得到的个被评价对象的评价值为将得到的两组被评价对象的评价值看成是维空间的两个向量，即和。找到一个向量使其到和的距离和最小，即将该向量视为对和某种意义上的组合的结果。即既“照顾”到了和，又对和没有主观上的“偏重”。用与和相同的构成方法构造，即。在这里，距离的计算采用了m维空间的欧式距离进行计算，公式如下： (3)通过解式（3）的非线性规划方程组，得到的值，为且该权重值为两方法集成后的新指标权重，即为熵权-层次分析法所得到的最终的各项指标权重。表4 综合权重指标城市出租车万人拥有率里程利用率出租车满载率层次分析法
13、权重将得到的两组被评价对象的评价值看成是维空间的两个向量，即和。找到一个向量使其到和的距离和最小，即将该向量视为对和某种意义上的组合的结果。即既“照顾”到了和，又对和没有主观上的“偏重”。用与和相同的构成方法构造，即。在这里，距离的计算采用了m维空间的欧式距离进行计算，公式如下： (3)通过解式（3）的非线性规划方程组，得到的值，为且该权重值为两方法集成后的新指标权重，即为熵权-层次分析法所得到的最终的各项指标权重。同上对影响乘客需求量的两大指标用熵权法求权重为（0.4896,0.5104）4.1.3模糊综合评价模型3的建立及求解以打车软件使用最为普遍的城市为例，此城市可针对不同的时间不同的地
14、域的供求匹配程度进行考虑，在这里将不同地域分为密集区、过渡区、郊区。不同的地区由于人口规模与车辆的比例会影响到区域出租车密度，对于郊区而言，郊区的里程利用率较低。将不同时间分为高峰期和平常期。表5 时间段划分高峰期平常期上班期（79；1314）除高峰期外的所有时间下班期（1112；67）周末节假日在查阅了相关资料、搜集相关数据之后，制作出了如表3所示的不同时空的指标值表。表6 不同时空司机供给量的指标值区域时间段区域出租车密度里程利用率满载率密集区高峰期6092.00%70.20%平常期3985.00%57.20%过渡区高峰期4588.00%65.20%平常期3075.00%54.40%郊区高峰期1740.50%88.80%平常期1327.50%95.00%表7 不同时空的乘客需求量“供求匹配”程度评价区域时间段乘客乘坐率乘客等待时间的倒数密集区高峰期0.61/20平常期0.451/10过渡区高峰期0.431/15平常期0.41/5郊区高峰期0.551/30平常期0.51/40对以上两个对象分别建立综合评价模型。对以上两种原始矩阵进行无量纲化处理的,再进行归一化处理
