空間眾包環(huán)境下的任務(wù)定價模型研究

1、空間眾包環(huán)境下的任務(wù)定價模型研究摘要：在綜合考慮平臺、商家和會員三方相互作用的基跌上，通過建立包含任務(wù)動態(tài)分史機制的動態(tài)規(guī)劃模型，結(jié)合金融定價思想刻畫任務(wù)定價問題,并通過空間可視化對珠三角地區(qū)芬務(wù)眾包平臺數(shù)據(jù)進行實證研究,為提高槿型的實用性,利用K-means聚類分析對任務(wù)打包并引入激勵規(guī)則對動態(tài)定價模型迸行了改進.醺后,通過模擬仿真得出改進后模型的任堯完成率為88.10%,相比平臺現(xiàn)存定價模型(62.50%)和改進前的動態(tài)定價模型(85.20%)任務(wù)完成情況有較大簿度的提升,為基于地理位置的服芬平臺的商品定價、以及她理位置信息與平臺會員的關(guān)系等實證和應(yīng)用研究提供了理論與實踐參考,由以上分析可

2、得,考慮任務(wù)的定價不能單單考慮到任芬的位置,還應(yīng)需考慮任務(wù)所處位置周邊會員的數(shù)量與完成任免所需要付出的窮力.即會員的供給量和會員完成任務(wù)的成本,如果能得到任窮她理位置以及對應(yīng)的接受這個任務(wù)的會員的她理位置,那么可以在某一區(qū)域接受某一任務(wù)的會員供給量為任芬定價指標之一.從經(jīng)濟學視角考慮,可能影嘉任給定價的指標有5個.分別是區(qū)域內(nèi)的會員數(shù)即會員的需求量、完成任務(wù)的成本、區(qū)域內(nèi)任務(wù)完成率、區(qū)域內(nèi)發(fā)布的任務(wù)總數(shù)、區(qū)域內(nèi)會員的信譽，其中完成任務(wù)的成本以區(qū)域內(nèi)會員與任務(wù)的平均總距離來麴量.區(qū)域會員信譽以區(qū)域內(nèi)會員信譽值的平均值來衡量.,M.Pricingmechanismsforcrowdsourcing

3、marketsfCftInternationalConferenceonWorldWideWebSeoul:ACM,2013:1157-1166.鄭軍林蔓佳胡琴摘要在綜合考慮平臺、商家和會員三方相互作用的基礎(chǔ)上，通過建立包含任務(wù)動態(tài)分酉引幾制的動態(tài)規(guī)劃模型，結(jié)合金融定價思想刻畫任務(wù)定價問題，并通過空間可視化對珠三角地區(qū)勞務(wù)眾包平臺數(shù)據(jù)進行實證研究.為提高模型的實用性,利用K-means聚類分析對任務(wù)打包并引入激勵規(guī)則對動態(tài)定價模型進行了改進.最后，通過模擬仿真得出改進后模型的任務(wù)完成率為88.10%,相比平臺現(xiàn)有定價模型(62.50%)和改進前的動態(tài)定價模型(85.20%)任務(wù)完成情況有較大幅

4、度的提升.為基于地理位置的服務(wù)平臺的商品定價、以及地理位置信息與平臺會員的關(guān)系等實證和應(yīng)用研究提供了理論與實踐參考.關(guān)鍵詞運籌學與控制論;動態(tài)任務(wù)定價;激勵規(guī)則;動態(tài)規(guī)劃中圖分類號F224.3文獻標識碼AAbstractThroughconductingspatialvisualizationonthedatafromCrowdsourcingpla甘ormofthePRDregionandapplyingfinancialpricingphilosophyintoCrowdsourcingmissionscenarios,thispaperestablishedadynamicprogram

5、mingpricingmodelwithtaskautomaticallocationschemeaftercomprehensiveconsiderationamongthetaskreleasingentrepreneur,thereceiverandtheCrowdsourcingplatform.Inordertohonethemodelforactualapplication#themissionpackingbyK-meansclusteringandmotivationrulesimprovedonthedynamicprogrammingpricingmodel.Afterso

6、lvingthemodelandanalogsimulationrthelatestdynamicmodelproveditseffectivenessatthemissioncompletionrateof88.10%,whiletherateofthepresentmodelattheplatformwas62.50%andthepricingmodelbeforeimprovementwas85.20%,Inconclusion,itprovidesmuchmentalityforthelocationbasedservice（LBS）platformslikeexpresserrand

7、sservice,DiDiandMeituantakeoutonquantifyingtherelationamongservicepricing,spacelocationandmembersforbothempiricalstudyandapplicationinreality.Keywordsoperationalresearchandcybernetics;dynamictaskpricing;incentiverules;dynamicprogramming1引言冢包（Crowdsourcing）是一種基于位置的服務(wù)，它利用手機中的GPS模塊捕捉用戶所處的位置并將位置信號傳送到定位后

8、臺來實現(xiàn)空間定位.在雙重定位核對系統(tǒng)下，其定位信息具有較高的精確度.它可以滿足消費端的各種需求，也可以為廠商提供各種宣傳、營銷服務(wù).現(xiàn)階段國內(nèi)外空間眾包平臺已經(jīng)日益成熟，如美團外賣、跑腿服務(wù)和滴滴出行等.目前，國內(nèi)外對眾包定價方法進行了研究,并取得了一些研究成果.張月蕾等（2018）1基于K-means聚類分析了影響任務(wù)定價的主要因素（任務(wù)經(jīng)度、緯度、會員密度和會員信譽度），并以這些因素為自變量建立了線性定價模型.但該模型未考慮不同城市的物價水平等地域性影響因素，并且靜態(tài)的定價機制存在一定的缺陷Singer和Mittal（2013）2提出了一種基于企業(yè)與會員雙方面的在線定價機制，這種定價策略雖

9、然相對合理但需要多次調(diào)整任務(wù)定價，增加了任務(wù)選擇與分配的時間，因此會對任務(wù)的完成效率產(chǎn)生一定的影響.聶篤憲等（2018）3在研究移動互聯(lián)網(wǎng)下的APP眾包平臺任務(wù)定價問題上得出任務(wù)的地理位置離中心點越遠其標價越高的定價規(guī)律，并構(gòu)建了基于整點與區(qū)域規(guī)劃的任務(wù)打包模型劉凱等（2018）4對任務(wù)密集程度、會員密集程度和任務(wù)的難易程度等3個影響任務(wù)定價的因素進行量化，建立了線性定價函數(shù).徐哲揚和柴靖軒（2018）以隨機選取圓心和一定的范圍半徑為打包原則，運用貪婪算法和動態(tài)規(guī)劃對任務(wù)進行打包并引入基于會員信譽度的風險指標a對線性定價模型進行優(yōu)化蔣師賢和楊亮（2018）采用BP神經(jīng)網(wǎng)絡(luò)算法，將已完成的任務(wù)定

10、價視為合理的定價并對該定價規(guī)律進行學習，最后利用訓練好的網(wǎng)絡(luò)對于其他任務(wù)重新定價，這是對于傳統(tǒng)多元擬合定價的一大突破，但受限于內(nèi)部的非公開性，難以推廣.吳凱莉和高駿豪（2018）7基于會員就近選擇任務(wù)原則與配額量大優(yōu)先原則，提出了集合覆蓋模型以確定任務(wù)的"打包"定價方案.唐境遙（2018）8將數(shù)據(jù)按任務(wù)完成情況分為二組，并利用K-means聚類算法進一步對各組數(shù)據(jù)進行分區(qū)，研究數(shù)據(jù)的相似性來推斷任務(wù)定價規(guī)律，但缺少定量分析指標.李琴（2018）9綜合考慮了影響任務(wù)定價的五大影響因素（任務(wù)點位置、任務(wù)分布面積、任務(wù)數(shù)量、會員任務(wù)限額、信譽值等），建立了基于貪心算法的靜態(tài)定價模

11、型，并在此基礎(chǔ)上從會員角度出發(fā)，利用目標規(guī)劃引入打包分配模型構(gòu)建動態(tài)定價模型，但缺乏實證分析，未能證明該動態(tài)定價模型的有效性.李自然等（2018）10利用ArcGis在線軟件將空間數(shù)據(jù)處理成熱點圖并以此劃分區(qū)域，建立了基于地區(qū)因素和任務(wù)密集程度的對數(shù)定價模型.馮云喬和嚴靈毓（2018）11采用距離模型對經(jīng)緯度數(shù)據(jù)進行處理，建立了基于高信譽會員優(yōu)先制的多指標logistics回歸模型對任務(wù)進行定價，并通過采用聚類分析的任務(wù)打包算法對I旨數(shù)型多元回歸定價模型進行改進,最后以模擬仿真結(jié)果說明定價模型的有效性，上塔交系統(tǒng)地提出了眾包平臺任務(wù)定價的研究思路，但仍受限于較強的假設(shè)條件以及靜態(tài)回歸定價模型.

12、基于上述的研究成果，考慮通過空間可視化分析進行數(shù)據(jù)挖掘，從平臺、商家和會員三方面綜合考慮，建立包含任務(wù)動態(tài)分配機制的動態(tài)定價模型.然后，為提高模型的實用性進一步放松假設(shè)條件，利用K-means聚類分析對任務(wù)打包并引入激勵機制對動態(tài)定價模型進行求解.最后，運用模擬仿真驗證了模型的有效性.2眾包平臺的空間可視化數(shù)據(jù)挖掘眾包平臺的任務(wù)定價機制一般是通過商家提供初始任務(wù)酬金，平臺再通過定價系統(tǒng)分析影響任務(wù)完成的有關(guān)因素，從而對初始價格進行調(diào)整并將原始任務(wù)酬金發(fā)布到移動眾包平臺上.根據(jù)現(xiàn)有的眾包平臺進行分析，初始任務(wù)酬金一般是發(fā)布商愿意給予彳壬務(wù)完成者報酬的范圍，包括最高價與身氐價.平臺的定價規(guī)律一般會

13、根據(jù)影響任務(wù)完成的一些因素進行分析，不斷采用新的任務(wù):對定價機制進行完善，提高模型的定價性能.根據(jù)微觀經(jīng)濟學中商品均衡價格的形成機制，均衡商品價格是市場上需求和供給共同作用的結(jié)果.供給和需求相互作用形成價格，價格又可以自動調(diào)節(jié)供給與需求關(guān)系.因此在對任務(wù)進行定價時,首先應(yīng)該考慮到需求與供給,可將平臺發(fā)布任務(wù)看成需要市場去完成任務(wù)的需求，而會員接受任務(wù)并完成任務(wù)可視為市場提供勞動力的行為.當會員的供給量越多,遠遠超出周邊平臺發(fā)布的任務(wù)時，這就會造成市場供給大于需求，直接導致平臺發(fā)布的任務(wù)價格下降的現(xiàn)象.由以上分析可得，考慮任務(wù)的定價不能單單考慮到任務(wù)的位置,還應(yīng)需考慮任務(wù)所處位置周邊會員的數(shù)量與

14、完成任務(wù)所需要付出的努力，即會員的供給量和會員完成任務(wù)的成本.如果能得到任務(wù)地理位置以及對應(yīng)的接受這個任務(wù)的會員的地理位置，那么可以在某一區(qū)域接受某一任務(wù)的會員供給量為任務(wù)定價指標之一.從經(jīng)濟學視角考慮，可能影響任務(wù)定價的指標有5個，分別是區(qū)域內(nèi)的會員數(shù)即會員的需求量、完成任務(wù)的成本、區(qū)域內(nèi)任務(wù)完成率、區(qū)域內(nèi)發(fā)布的任務(wù)總數(shù)、區(qū)域內(nèi)會員的信譽,其中完成任務(wù)的成本以區(qū)域內(nèi)會員與彳壬務(wù)的平均總距離來衡量，區(qū)域會員信譽以區(qū)域內(nèi)會員信譽值的平均值來衡量.由此給出以下假設(shè)：1）會員坐標任務(wù)點坐標兩點間均存在直線最短距離的通路；2）會員的信譽度越高，任務(wù)完成率越高；3）優(yōu)先級越高的會員能越好完成任務(wù)，2彳筠

15、越近的會員完成任務(wù)越快；4）一個任務(wù)只能分配給一個會員，每個會員最多以預定限額預定并接受彳西；5 ）會員每預定一個任務(wù)，他/她的預定任務(wù)配額就少了一個；6 ）會員選擇任務(wù)的偏好是收益普口距離近，而且只預定與他距離小于30公里的任務(wù).2.1基于“拍拍賺"平臺的數(shù)據(jù)挖掘"拍拍賺"平臺中珠三角地區(qū)項目點與會員位置信息都是以經(jīng)緯度形式給出的.首先對原始數(shù)據(jù)進行預處理.通過區(qū)域分析，發(fā)現(xiàn)任務(wù)與會員之間緯度差距在1.39度之內(nèi)（數(shù)據(jù)集中在北緯22.4930831223.87839806度）,經(jīng)度差距1.81度左右（112.6832583114.4936096度）.由于緯度差距

16、過小，為避免利用角度差表現(xiàn)距離造成較大誤差，利用地球表面曲面性的特質(zhì)，通過GPS導航軟件將各個任務(wù)點的地理位置信息轉(zhuǎn)化為數(shù)值型的直線距離數(shù)據(jù)3.接著，利用R軟件將任務(wù)的位置、完成度以及會員位置繪圖，發(fā)現(xiàn)任務(wù)點和會員點大多密集在深圳、廣州、佛山和東莞這四個城市，其他城市如湛江、汕頭以及江門等零星分布1個點左右（見圖1）,故將其剔除.為進一步研究各城市的任務(wù)完成情況與會員數(shù)量的關(guān)系，對各個城市的會員數(shù)量進行統(tǒng)計并以柱形圖標注，如圖2所示.為了細分各個城市的不同區(qū)域，按中國城市劃分標準將廣州、深圳、佛山和東莞這四個城市劃分為24個城市區(qū)域，以下將基于這24個城市區(qū)域進行任務(wù)定價模型的構(gòu)建.3模型構(gòu)建

17、苜先，假設(shè)優(yōu)先級越高的會員能越好完成任務(wù);距離任務(wù)越近的會員完成任務(wù)的時間越少;會員選擇任務(wù)的偏好為距離小于30km,即只會預定與他距離小于30km的任務(wù)為了描述任務(wù)與會員的匹配情況，分別構(gòu)建了3個權(quán)重矩陣用來描述會員是否選擇預定任務(wù)、會員是否能夠成功預定到任務(wù)以及會員完成任務(wù)的成本.此外，還需構(gòu)建一個動態(tài)的優(yōu)先級矩陣作為任務(wù)的動態(tài)分配機制.會員信譽越高，越優(yōu)先擬任務(wù)，其任務(wù)配額也越大.最后,對會員與平臺進行雙目標動態(tài)規(guī)劃，在實現(xiàn)會員收益最大化的同時，又好又快地完成目標任務(wù).3.1 構(gòu)建三個權(quán)重矩陣構(gòu)造第一個權(quán)重矩陣A,aij表示第j位會員是否預定第i件任,aij=l表示第j位會員預定第i件任

18、務(wù)，aij=0表示第j位會員不預定第i件任務(wù).構(gòu)造第二個權(quán)重矩陣W,wij表示第j位會員是否成功預定第i件任,wij=l表示第j位會員成功預定第i件任務(wù),wij=0表示第j位會員預定第i件任務(wù)失敗.構(gòu)造第三個權(quán)重矩陣C,cij表示以會員j完成任務(wù)i的成本，dij表示以會員j與任務(wù)i的距離，cij=dij.當cij>30km,會員不會預定任務(wù)，即aij=0.3.2 構(gòu)建優(yōu)先級矩陣會員領(lǐng)取任務(wù)的優(yōu)先級與彳壬務(wù)預定時間、會員信譽和該會員的預定任務(wù)配額有關(guān).每個會員都有一個預定任務(wù)配額Zij,會員每預定一個彳壬絡(luò)，他/她的任務(wù)配額就減一.預定配額占比bij為第i個任務(wù)第j個會員剩余的任務(wù)限額與預

19、定第i個彳壬務(wù)所有會員剩余彳壬務(wù)限額的總數(shù)之比.對任務(wù)預定時間、會員信譽和會員的預定任務(wù)配額三個指標進行歸一化處理后生成時間優(yōu)的矩陣T、信譽優(yōu)先級矩陣G和預定酉蹴優(yōu)先級矩陣B.此外，設(shè)定在第二次任務(wù)分配時降第一次已分配任務(wù)的會員優(yōu)先級.由此，領(lǐng)取任務(wù)優(yōu)先級矩陣S=-T+G+B-W,其中Sij表示第i個任務(wù)的第j個會員的優(yōu)先級.4基于打包和激勵策略的定價模型改進實際情況下，有一些任務(wù)可能因為位置比較集中導致用戶爭相選擇.如果距離很近的任務(wù)因為系統(tǒng)原因沒能分配給同一個人會造成勞動資源的非均衡分配，由此會降低任務(wù)完成的效率.可以將距離相近的任務(wù)聯(lián)合在一起打包發(fā)布為了激勵平臺會員接受并完成任務(wù)的積極性

20、，可適當推出激勵方案來吸引消費者.根據(jù)消費心理學研究者楊?，摚?010）12研究成果：消費者對商品的價格期望區(qū)間是固定的并且是基于自身經(jīng)濟狀況商品屬性的考慮.當產(chǎn)品匕限成熟時，市場環(huán)境也匕限成熟，信息不對稱的現(xiàn)象將極大程度地被消除.商家一旦推出激勵方案吸引消費者時，消費者會由于對產(chǎn)品的熟悉度敏感性增加，能提高商家同其他對手競爭的競爭優(yōu)勢.經(jīng)驗表明，激勵幅度低于10%時，激勵效果極低接近為0.激勵幅度至少要10%30%以上才會產(chǎn)生明顯的激勵效果.將眾包平臺上打包任務(wù)的激勵幅度設(shè)置為10%30%.4.1彳壬務(wù)的打包假設(shè)采用距離作為任務(wù)打包的依據(jù),即認為兩個4壬終點的距離越靠近，它們的相似度就越大.

21、可通過聚類分析，將任務(wù)分為緊湊且獨立的任務(wù)包.采用SPSS軟件對所有任務(wù)點進行K-means聚類，設(shè)置聚類數(shù)量為600,按照一個類的數(shù)量達到3個或3個以上為打包的原則對任務(wù)點進行打包，總共打包為48個.任務(wù)包的分布如圖3所示.5結(jié)論基于數(shù)據(jù)可視化和定性數(shù)據(jù)的定量化分析，對珠三角地區(qū)的眾包任務(wù)定價方法進行研究.首先,將GPS經(jīng)緯度轉(zhuǎn)換成數(shù)值型數(shù)據(jù)并使之在GoogleMap上呈現(xiàn)，直觀地將2712個樣本點壓縮成4個城市的24個區(qū).接著設(shè)計了包含基于偏好的會員自發(fā)預定任務(wù)模型，綜合任務(wù)預定時間、會員信譽、會員預定配額等因素構(gòu)建了任務(wù)動態(tài)分配模型和會員收益最大化的動態(tài)定價模型.在此基礎(chǔ)上通過K-means聚類把所有任務(wù)點分成600個類，按照一個類的任務(wù)數(shù)量不低于3的打包原則對任務(wù)點進行打包，并考慮消費者心理確定了激勵規(guī)則，改進了任務(wù)定價模型.最后對模型進行了檢驗，通過模擬仿真，驗證了該任務(wù)定價方案的合理性、科學性和實用性.參考文獻1