2015年建?；ヂ?lián)網(wǎng)時代出租車資源配置

一、問題重述科技的發(fā)展，互聯(lián)網(wǎng)也越來越發(fā)達(dá)，建立于互聯(lián)網(wǎng)的打車軟件紛紛出現(xiàn)，實(shí)現(xiàn)了乘客和出租車之間的通信，并且，為了緩解“打車難”的問題，推出二、問題分析三、模型假設(shè)3、補(bǔ)貼可以增加出租車的供應(yīng)量四、符號說明xij：在ijyij：在ijzij：補(bǔ)貼前在ijZij：補(bǔ)貼后在ija：補(bǔ)貼的金額f(a)：補(bǔ)貼a元后增加的出租車供應(yīng)圖 地 方式2015年9月6日市五個區(qū)域一天的提供出租車分布 表1234510034567892015年9月6日市五個區(qū)域一天的需求的出租車分布 表123451572040665505086467988969790777565464794zij=|xij-yijzij為在i時刻，j地出租車的“供求匹配”程度；24五個區(qū)域在二十四小時的供求匹配程度指標(biāo)數(shù)值結(jié) 表1234515823427596789圖 五個區(qū)域供求程度隨時間變化8：00-14：0018:00-24:0060對方案模型的建對滴滴快的的方案[3]進(jìn)行收集并處理得到如下的數(shù)據(jù)滴滴快的補(bǔ)貼 表乘客（元乘客（元12021721834355532250323545 月028900028120000圖 對出租車的補(bǔ)貼方案隨時間變動的擬合曲線f(x)=p1x2+p2xf(x)=p1x8+p2x7+p3x6+p4x5+p5x4+p6x3+p7x2+p8x+ ((x-u)2f(x) 由相關(guān)性分析方法的知識與相關(guān)性系數(shù)和期望的定義建立如下的模型來研

=￥E(X)=òxf-￥E=xyf-￥E=-其中，rxy為x和y的相關(guān)性系數(shù)，covX,Y)為x和y的相關(guān)函數(shù)，E(X，E(Y)E(XY)分別為供求匹配，金額和他們之間的聯(lián)合概率密度，DX、DY為方擬合函數(shù)系 表值- -y=f(x)=- x2-擬合殘差分 表AdjustedR-對乘客方案模型的求乘客方案模型求解的相關(guān)系 表值---乘客方案模型擬合檢驗(yàn)的參 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說明假設(shè)是合理的則供求匹配程度x~N124.338124.338124.336124.336

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

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

-(x-5f e5五個地區(qū)的匹配程度與各公司補(bǔ)貼方案的相關(guān)性系數(shù) 表0000000000minzij=|Dxij+xij-(Dyij+yij)maxZij=Dxij+0<b<0<a<Dxij=fDyij=f

a,b?minZij=|f(a)+xij-(f(b)+yij)|maxZij=f(a)?0<a<??0<b<st.?Dx

=f=f??a,?f(aaf(bb，運(yùn)用軟件，代入出租車供應(yīng)量分布與需求量分布數(shù)據(jù)，得出如下的對和乘客的不同時空的補(bǔ)貼方案。五個不同地區(qū)二十四小時的對的補(bǔ)貼方 表十123451050020000030000040000050000060000070000080010090000000000000000000000000000000000000000000000000000地區(qū)1在14：00對 地區(qū)2在1：00 地區(qū)3在1：00對 地區(qū)4在任一時刻對 綜上可以發(fā)現(xiàn)對基本沒 五個不同地區(qū)二十四小時的對乘客的補(bǔ)貼方 表十123451008234275967809其它時刻補(bǔ)貼10元；98：000 六、模型評估本文是對全地區(qū)進(jìn)行抽樣得出數(shù)據(jù)的，而不是整個地區(qū)的數(shù)據(jù)，在利用數(shù)據(jù)運(yùn)算時就會產(chǎn)生誤差。對于問題二運(yùn)用相關(guān)性分析來判定方案與緩解七、參考文獻(xiàn)計，2002年12期滴滴快的智能出行平臺 /，2015年9月12中國網(wǎng)，滴滴快的補(bǔ)貼大戰(zhàn)熄火被指控?zé)?4億 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)為密度函數(shù)的表達(dá)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