互联网+”时代的出租车资源配置 数学建模优秀论文互联网+”时代的出租车资源配置 数学建模优秀论文.pdf

关于“互联网+”时代的出租车资源配置模型 摘要 本文以互联网+打车软件服务平台为背景，根据“打车难”现象，分别建立了出 租车需求模型， Borda 综合评价模型，排队论模型和多元回归模型，分别求出了出 租车需求函数，乘客等待概率函数和多元回归函数。 针对问题一：本文通过网络，收集了淮南市某周出租车运营相关数据(见表1) ， 选取了空载率、满载率、乘客满意度、实际出租车需求量等4 个指标，通过出租车 需求函数计算出实际出租车需求量 2330 辆，运用Borda 计算法得出该地区出租车 资源的”供求匹配“程度为0.61，匹配程度偏差。 针对问题二：就出租车运行效率μ和乘客乘车率λ 建立M / M / n / / 排队模 型。得到乘客等待概率函数：  1  n  ( ) p 0 n c  n !  p n  1 1   n c ! cnc () p 0 n c  P P 对函数进行数学分析和数据代入检验得出 与μ呈负相关，即随着μ 的增大 n n P 减小。（ 代表乘客等待概率）结合滴滴打车公司补贴方案、社会实际现象和相关评 n 论，综合得出一定的补贴对出租车运行效率μ有促进效果，即对缓解打车难有帮助。 x x 针对问题三：建立了司机平均补贴金额 ，有效行驶里程 和全天载客次数 的 y 1 2 多元回归模型，采用MATLAB 软件，拟合得到y 5.9305 0.0347x1 0.4799x 2 ，拟 2 合决定系数 =0.9381 。有效行驶里程每增加 100 公里，每天补贴金额多3.47 元。 R 全天载客次数增加10 次，补贴金额多4.79 元，高于之前打车软件。 本文主要特点在于所建模型易于操作，在对原始数据进行简单预处理后，就可 应用于模型求解。另外模型简单，所用算法清晰，易于程序运行。 关键字：打车难；MATLAB ； Borda 数；排队论方法；多元回归模型 1 ※1 问题重述 1.1 背景知识 1. 出租车是当今市民出行重要交通工具之一，出租车与乘客供求失衡，专车顺风 车的出现，道路拥挤，油价上涨使得“打车难”成为社会热点难点问题。 2. 各出租车公司通过市场调研出台合理的补贴方案试图缓解“打车难”的问题。 3. 随着“互联网+”时代的到来，各种打车软件如“滴滴打车”“快的”应运而生，但其 对乘客及司机的补贴政策并不是长久之计，通过对市场的调查把握，创建一个 新的打车软件服务平台具有重要意义。 1.2 问题概括 如何根据相关调查数据来评价一个地区出租车资源匹配程度 如何分析出租车补贴方案是否会缓解打车难现象 如何设