2015年建模互联网时代出租车资源配置

一、问题重述科技的发展，互联网也越来越发达，建立于互联网的打车软件纷纷出现，实现了乘客和出租车之间的通信，并且，为了缓解“打车难”的问题，推出二、问题分析三、模型假设3、补贴可以增加出租车的供应量四、符号说明xij：在ijyij：在ijzij：补贴前在ijZij：补贴后在ija：补贴的金额f(a)：补贴a元后增加的出租车供应图 地 方式2015年9月6日市五个区域一天的提供出租车分布 表1234510034567892015年9月6日市五个区域一天的需求的出租车分布 表123451572040665505086467988969790777565464794zij=|xij-yijzij为在i时刻，j地出租车的“供求匹配”程度；24五个区域在二十四小时的供求匹配程度指标数值结 表1234515823427596789图 五个区域供求程度随时间变化8：00-14：0018:00-24:0060对方案模型的建对滴滴快的的方案[3]进行收集并处理得到如下的数据滴滴快的补贴 表乘客（元乘客（元12021721834355532250323545 月028900028120000图 对出租车的补贴方案随时间变动的拟合曲线f(x)=p1x2+p2xf(x)=p1x8+p2x7+p3x6+p4x5+p5x4+p6x3+p7x2+p8x+ ((x-u)2f(x) 由相关性分析方法的知识与相关性系数和期望的定义建立如下的模型来研

=¥E(X)=òxf-¥E=xyf-¥E=-其中，rxy为x和y的相关性系数，covX,Y)为x和y的相关函数，E(X，E(Y)E(XY)分别为供求匹配，金额和他们之间的联合概率密度，DX、DY为方拟合函数系 表值- -y=f(x)=- x2-拟合残差分 表AdjustedR-对乘客方案模型的求乘客方案模型求解的相关系 表值---乘客方案模型拟合检验的参 表f(x)=6.34*-13)x8-5.216*1-10)x7+1.735*1-7)x6- x+0.002851x4-0.1484x3+3.871x2-38.83x+0000000000H=0说明假设是合理的则供求匹配程度x~N124.338124.338124.336124.336

-(x-e-(x-e23.968-(x-23.968

e-(x-f(x)= e(25.149)

-(x-5f e5五个地区的匹配程度与各公司补贴方案的相关性系数 表0000000000minzij=|Dxij+xij-(Dyij+yij)maxZij=Dxij+0<b<0<a<Dxij=fDyij=f

a,bÎminZij=|f(a)+xij-(f(b)+yij)|maxZij=f(a)ï0<a<ïï0<b<st.ïDx

=f=fîïa,îf(aaf(bb，运用软件，代入出租车供应量分布与需求量分布数据，得出如下的对和乘客的不同时空的补贴方案。五个不同地区二十四小时的对的补贴方 表十123451050020000030000040000050000060000070000080010090000000000000000000000000000000000000000000000000000地区1在14：00对 地区2在1：00 地区3在1：00对 地区4在任一时刻对 综上可以发现对基本没 五个不同地区二十四小时的对乘客的补贴方 表十123451008234275967809其它时刻补贴10元；98：000 六、模型评估本文是对全地区进行抽样得出数据的，而不是整个地区的数据，在利用数据运算时就会产生误差。对于问题二运用相关性分析来判定方案与缓解七、参考文献计，2002年12期滴滴快的智能出行平台 /，2015年9月12中国网，滴滴快的补贴大战熄火被指控烧24亿 模式/it/2014/08- .shtml，20151220127，262700372000 697989 869793 7255 8782

57736055 486397 5563 7787 8786959567 86 81

72 75 778793

64 61 17.333 1030 18 10 6.57.5 10 12 12 22610.3332211.3333 1012.6666.512 13.333 9078288.5 26 13 18 41 10 1214 31.123472624940holdonholdonholdonholdonholdonholdonp1=-0. p2=-0.01411;p3=9.6symsx;p=p1*x^2p2*xp3;%f(x)为密度函数的表达式;m1=int(x*p,x,0,200);%求期望m2=int(x*p*norm(mu,sigma),x,0,200);%求期望s2=simple(int((x-m2)^2*p,x,0,200));%求方差[mu,sigma]=normfit(x);p1=normcdf(x,mu,sigma);[H1,s1]=kstest(x,[x,p1],0000210p1=6.34e-013;p2=-5.216e-010;p3=1.735e-007;p4=-2.992e-005;p5=0.002851;p