層次分析法；0-1背包；機(jī)場通行力；出租車；多屬性優(yōu)先級排隊(duì)決策

機(jī)場的出租車問題摘要乘客們下飛機(jī)后為到達(dá)目的地，會選擇出租車作為主要交通工具之一。本文針對出租車司機(jī)到達(dá)機(jī)場后的兩種選擇（等待載客或空放返回市區(qū)），分析出租車司機(jī)的決策以及管理部門安排乘客上車和出租車載客問題。針對問題一，影響司機(jī)決策有多種因素，于是選用層次分析法模型，采取逐層分解，變成多個單準(zhǔn)則，通過查閱文獻(xiàn)，對影響司機(jī)決策的各因素進(jìn)行定量化分析。最后將兩種決策的最大利益的權(quán)重進(jìn)行對比，選擇等待載客返回市區(qū)。針對問題二，收集浦東機(jī)場具體的相關(guān)數(shù)據(jù)，結(jié)合問題一模型中各因素對總目標(biāo)的權(quán)值、航班數(shù)和蓄車池內(nèi)車輛數(shù)，著重分析節(jié)假日與非節(jié)假日，通過對量化的因素進(jìn)行加權(quán)平均得到影響決策的綜合因子系數(shù)，利用0-1背包的模型，分析一天內(nèi)的各個時間段的綜合因子系數(shù)和所求得的最大價值，得出司機(jī)在某些特定因素下的最大效益，認(rèn)為模型具有合理性，對各因素具有依賴性，從而為司機(jī)提供最優(yōu)選擇。針對問題三，將目標(biāo)函數(shù)轉(zhuǎn)化成通行能力，通過研究停車位數(shù)量與通行能力，乘客數(shù)量與通行能力的關(guān)系，最終將雙車道轉(zhuǎn)為一條合并單車道和兩條并行車單向道問題，從而產(chǎn)生兩種選擇方案，通過對這些因素的模擬仿真，得到量化的數(shù)據(jù)，從而判斷出將停車點(diǎn)設(shè)置為5，乘客分布在道路兩側(cè)時，機(jī)場通行能力最大，在保證車輛和乘客安全的情況下，即總的乘車效率最高。針對問題四，參照多屬性優(yōu)先級排隊(duì)決策隊(duì)列的模型參照，將其相關(guān)因素時間成本、排隊(duì)時間和可獲得的利益收入三種優(yōu)先級決策屬性，代入模型中得出一個可行化的方案。通過考量在相同時間成本中包含排隊(duì)時間的占比和經(jīng)濟(jì)獲得收益的高低。讓短程司機(jī)返回載客處時直接排序在當(dāng)前等待序列的“蓄車池”第一位，繼續(xù)載客出車?？梢缘贸鰧τ诙坛梯d客司機(jī)最終獲得的經(jīng)濟(jì)收益較高。關(guān)鍵詞：層次分析法；0-1背包；機(jī)場通行力；出租車；多屬性優(yōu)先級排隊(duì)決策

問題重述1.1問題的背景大多數(shù)乘客下飛機(jī)后會選擇出租車作為主要交通工具之一，到達(dá)市區(qū)或目的地。我國大多數(shù)機(jī)場送客與接客的通道是分開的。出租車司機(jī)送客到機(jī)場后會面臨兩種選擇：A.前往到達(dá)區(qū)排隊(duì)等待載客返回市區(qū)。出租車駛?cè)胫付ǖ摹靶钴嚦亍迸抨?duì)等待，按“先來后到”排隊(duì)進(jìn)場載客，等待時間的長短取決于出租車和乘客的數(shù)量多少，需要付出一定的時間成本。B.直接空車返回市區(qū)拉客，但需要付出一定的空載費(fèi)用和可能損失潛在的乘客利益。某段時間抵達(dá)機(jī)場的航班數(shù)量和“蓄車池”已有的車輛數(shù)量是可觀測的確定信息。一般司機(jī)的決策與其個人經(jīng)驗(yàn)判斷有關(guān)，比如某季節(jié)或時間段到達(dá)航班的多少和乘客的數(shù)量等。在實(shí)際生活中，存在許多影響出租車司機(jī)選擇的確定和不定因素，其關(guān)聯(lián)關(guān)系不同，影響效果也不同。1.2問題的提出問題一：分析研究與出租車司機(jī)決策相關(guān)因素的影響機(jī)理，考慮機(jī)場乘客的數(shù)量變化規(guī)律和出租車司機(jī)的收益，建立租車司機(jī)選擇決策模型，并給出選擇策略。問題二：收集國內(nèi)某一機(jī)場以其所在城市出租車的相關(guān)數(shù)據(jù)，求得該機(jī)場出租車司機(jī)的選擇方案，并分析該模型的合理性和對相關(guān)因素的依賴性。問題三：在某些時間，會出現(xiàn)出租車等待乘客或乘客排隊(duì)乘車的現(xiàn)象，某機(jī)場的“乘車區(qū)”有兩條并行的車道，管理部門應(yīng)如何設(shè)置“上車點(diǎn)”，并合理安排出租車和乘客，在車輛和乘客安全的情況下，使總的乘車效率達(dá)到最高。問題四：出租車的載客收益與載客行使的里程數(shù)有關(guān)，乘客的目的地有近有遠(yuǎn)，司機(jī)不能選擇乘客和拒載，但可以多次往返載客。管理部門擬對短途載客返回的出租車一定的“優(yōu)先權(quán)”，使出租車的收益盡可能平衡，試給出一個可行的“優(yōu)先”安排方案。問題分析2.1問題一的分析為使司機(jī)的利益達(dá)到最大化，考慮到影響出租車司機(jī)決策的相關(guān)因素，我們選用層次分析法建立模型，來分析司機(jī)的選擇策略，決定司機(jī)排隊(duì)載客還是直接放空返回。影響司機(jī)決策的主要因素為抵達(dá)的航班數(shù)量和“蓄車池”里已有的車輛數(shù)，除此之外，天氣、季節(jié)、節(jié)假日也在一定程度上產(chǎn)生影響，根據(jù)司機(jī)的兩種決策與最大利益之間的權(quán)重比較，從而確定司機(jī)的選擇策略。2.2問題二的分析問題二依據(jù)某一機(jī)場的相關(guān)數(shù)據(jù)，給出司機(jī)的選擇策略，在此，我們選定上海浦東機(jī)場，在問題一所得出各因素的權(quán)重的基礎(chǔ)上，結(jié)合航班數(shù)和蓄車池內(nèi)車輛數(shù)，得出節(jié)假日和非節(jié)假日的因子系數(shù)，同時根據(jù)0-1背包模型，得出司機(jī)在某一時段的決策。2.3問題三的分析問題三需在兩條并行車道的基礎(chǔ)上，研究如何設(shè)置“上車點(diǎn)”，我們不考慮平均等待時間，蓄車池內(nèi)車輛數(shù)，天氣，假期等影響因素，將目標(biāo)轉(zhuǎn)化為研究停車位數(shù)量、乘客數(shù)量與通行能力的關(guān)系，將雙車道轉(zhuǎn)化為一條單車道和兩條并行單車道問題。不局限于對個人上車點(diǎn)位置的考慮，而是將上車點(diǎn)分設(shè)兩邊和分設(shè)一邊的，在轉(zhuǎn)換為一條單車道時，分設(shè)一邊。轉(zhuǎn)換為兩條單車道時，分設(shè)兩邊。根據(jù)停車位數(shù)量與乘客數(shù)量，用仿真模擬的方法求出最佳停車位數(shù)量，同時將通行能力進(jìn)行量化，最終判斷出在哪個方案下的通行能力最大，規(guī)定停車點(diǎn)和上車點(diǎn)數(shù)目和位置。2.4問題四的分析問題四在乘客的目的地遠(yuǎn)近距離不同，司機(jī)也沒有拒載和選擇乘客的權(quán)利的條件下，考慮時間成本和利益收入等因素，建立多屬性優(yōu)先級排隊(duì)決策模型，分析如何讓短程載客的司機(jī)可以通過一些規(guī)則來增加運(yùn)營次數(shù)和公里數(shù)，達(dá)到增加收益的目的。模型假設(shè)（1）假設(shè)不考慮研究范圍之外的因素。（2）假設(shè)不考慮服務(wù)等待時間。（3）假設(shè)司機(jī)一天工作12小時（4）假設(shè)司機(jī)短途返回后，在機(jī)場蓄車池排隊(duì)時間為2小時（5）假設(shè)給予短途司機(jī)“優(yōu)先權(quán)”忽略不計(jì)重新排隊(duì)的時間（6）假設(shè)長途司機(jī)的目的地為外灘，距離機(jī)場50公里符號說明符號說明CR一致性比率CI一致性指標(biāo)最大特征值平均載客量停車位個數(shù)最后停車位利用率運(yùn)行時間通行能力服務(wù)車輛數(shù)平均服務(wù)時間忙閑率邊際通行能力長途司機(jī)獲得單趟收益短途司機(jī)獲得單趟收益短途司機(jī)等待時間成本長途司機(jī)等待發(fā)車1次的時間成本短途司機(jī)等待短途多次發(fā)車時間成本（短途+短途）短途司機(jī)等待時間成本（短途+長途）長途司機(jī)單位時間內(nèi)獲得收益短途司機(jī)單位時間內(nèi)獲得收益（短途+短途）短途司機(jī)單位時間內(nèi)獲得收益（短途+長途）模型的建立與求解5.1模型一的建立與求解問題一選取了層次分析法模型，將目標(biāo)層、準(zhǔn)則層和方案層分為決策目標(biāo)、考慮因素以及決策對象。通過分析，選取決策目標(biāo)為司機(jī)最大收益，將抵達(dá)的航班數(shù)量、“蓄車池”里已有的車輛數(shù)、天氣、季節(jié)和節(jié)假日納入考慮因素中，決策對象為等待載客返回和直接放空返回。建立層次分析模型,構(gòu)建判斷矩陣，求出最大特征值、一致性指標(biāo)和隨機(jī)一致性比率。首先,構(gòu)造成對比較矩陣.比較某一時間段內(nèi)所有因素對上一層某一準(zhǔn)則或目標(biāo)的影響程度，確定在該層中相對于某一準(zhǔn)則所占的比重，采用成對比較標(biāo)度表中的標(biāo)度。表5-SEQ表\*ARABIC1成對比較標(biāo)度表1表示兩個因素同等重要3表示兩個因素相比，一個因素比另一個因素稍微重要5表示兩個因素相比，一個因素比另一個因素明顯重要7表示兩個因素相比，一個因素比另一個因素強(qiáng)烈重要9表示兩個因素相比，一個因素比另一個因素極端重要2,4,6,8上述兩相移的中值倒數(shù)因素i與j比較的判斷a，則因素j與i比較的判斷A-H判斷矩陣：準(zhǔn)則層因素對目標(biāo)層的影響程度決定標(biāo)度的大小，航班數(shù)與蓄車池內(nèi)車輛數(shù)、節(jié)假日、天氣情況、季節(jié)對司機(jī)收益的影響程度相比，標(biāo)度可定義為2，4，5，5。利用Matlab計(jì)算下層對上層因素影響程度的權(quán)值。準(zhǔn)則航班數(shù)量車輛數(shù)量節(jié)假日天氣季節(jié)排序0.430.260.160.090.06分別以航班數(shù)增多、蓄車池車輛數(shù)減少、節(jié)假日、天氣良好和季節(jié)適宜為條件，判斷司機(jī)等待載客與空放返回市區(qū)的所占的比重大小。-P判斷矩陣:-P判斷矩陣:-P判斷矩陣:-P判斷矩陣:-P判斷矩陣:準(zhǔn)則航班數(shù)車輛數(shù)節(jié)假日天氣季節(jié)方案10.670.250.800.750.67方案20.330.750.200.250.33H層m個元素，對總目標(biāo)A的排序?yàn)?，P層n個元素對上層H中元素為的層次單排序?yàn)椋╦=1,2,…,m）,P層的層次總排序即P層第i個因素對總目標(biāo)的權(quán)值計(jì)算如下：HPH1H2H3H4H5w0.430.260.160.090.06P10.670.250.800.750.670.5888P20.330.750.200.250.330.4112可作為最后的決策依據(jù)。航班數(shù)與蓄車池內(nèi)車輛數(shù)、節(jié)假日、天氣情況、季節(jié)的影響下對兩個方案權(quán)重進(jìn)行比較，故最后的決策應(yīng)為排隊(duì)等待載客返回市區(qū)。5.2模型二的建立與求解出租車司機(jī)的決策因素可分為乘客的數(shù)量變化和出租車的收益，乘客的數(shù)量變化根據(jù)季節(jié)，天氣等因素決定，在問題一的基礎(chǔ)上，考慮到機(jī)場乘客數(shù)量的變化，我們將一天分為六個時間段，從而統(tǒng)計(jì)某一時間段內(nèi)的乘客人數(shù)以及“蓄車池”已有的車輛數(shù)量。根據(jù)浦東機(jī)場一周內(nèi)24小時的航班量的變化趨勢（如圖5-1），具體時間段T可分為01:00-04:59，05:00-08:59，09:00-12:59，13:00-16:59，17:00-20:59，21:00-00:59。圖5-1航班量的變化趨勢因子系數(shù)=航班數(shù)*影響航班的權(quán)重+蓄車池內(nèi)車輛數(shù)*影響蓄車池的權(quán)重+季節(jié)*影響季節(jié)的權(quán)重+天氣*影響天氣的權(quán)重，因季節(jié)，天氣無法量化，統(tǒng)一規(guī)定為0；某一時間段抵達(dá)機(jī)場的航班數(shù)量和“蓄車池”已有的車輛數(shù)量是可觀測到的確切信息，所以在此我們重點(diǎn)分析節(jié)假日和非節(jié)假日時司機(jī)的決策。首先，需進(jìn)行數(shù)據(jù)處理，查閱相關(guān)參考文獻(xiàn)。乘坐出租車的人數(shù)占總航班人數(shù)的16.5%[1]，可看成，乘坐出租車的人數(shù)=總乘客數(shù)*16.5%。建議出租車平均載客數(shù)為：[2]?？紤]到司機(jī)的利潤選定每輛出租車平均載客數(shù)為1.5人，由此可定義某一時間段出租車的數(shù)量=乘坐出租車的人數(shù)/平均載客數(shù)。數(shù)據(jù)處理后，可得出如下表所示：節(jié)假日的航班數(shù)、蓄車池內(nèi)車輛數(shù)及其對應(yīng)的因子系數(shù)。時間段T因子系數(shù)航班數(shù)蓄車池內(nèi)車輛數(shù)01:00-04:59193.795166105:00-08:59330.880114009:00-12:591177.22200419713:00-16:59983.62170350217:00-20:59960.72150344721:00-00:591275.782984414非節(jié)假日的航班數(shù)、蓄車池內(nèi)車輛數(shù)及其對應(yīng)的因子系數(shù)。時間段T因子系數(shù)航班數(shù)蓄車池內(nèi)車輛數(shù)01:00-04:59138.162249505:00-08:59254.494191109:00-12:59962.95157344413:00-16:59750.82122268617:00-20:59678.84110242921:00-00:59970.41583471編寫0-1背包程序，輸入某一時間段的航班數(shù)、蓄車池內(nèi)車輛數(shù)及其對應(yīng)的因子系數(shù)，得出司機(jī)的決策以及最大價值。決策顯示0或1，0表示司機(jī)空放返回市區(qū)，1表示司機(jī)排隊(duì)等待載客，最大價值越高表示在此時間段出租車司機(jī)選擇等待載客越合適。在此，列出節(jié)假日時一天各個階段司機(jī)的決策：因子系數(shù)193.79330.81177.22983.62960.721275.78決策111111最大價值74381303832662271502207845870結(jié)果顯示：節(jié)假日期間，決策為1，即司機(jī)選擇排隊(duì)等待載客，對最大價值進(jìn)行排序,,給出司機(jī)在某段時間內(nèi)選擇方案的依據(jù)。從問題一的一致性檢驗(yàn)中，我們可以判斷出所設(shè)的影響司機(jī)做決策的因素，具有合理性，利用動態(tài)規(guī)劃的背包問題，可以對每個影響因素的權(quán)重和所對應(yīng)的量化過得影響因素再進(jìn)行加權(quán)平均，從而得出影響決策的因子系數(shù)，通過對因子系數(shù)和最大價值的分析，我們發(fā)現(xiàn)因素與決策有著密不可分的關(guān)系，存在一定的依賴性。5.3模型三的建立與求解啟動模擬，從第一輛車駛?cè)氲阶詈笠惠v車駛出，將類似的過程運(yùn)行500輪，模擬會在551856s結(jié)束模擬，以5個泊位為一批信息，進(jìn)行統(tǒng)計(jì)。停車位占用相關(guān)數(shù)據(jù)統(tǒng)計(jì)信息：150018.734250024.745350030.555450035.965550040.273通過上面數(shù)據(jù)的分析，機(jī)場出租車載客的通行能力可用以下公式表示：注：為載客的系數(shù)，n為停車位個數(shù)，R為模擬的總輪數(shù)，T為模擬結(jié)束時的時間/h。停車位數(shù)量對通行能力的影響：雙車道出租車的載客的通行能力的大小與停車位數(shù)量有關(guān)系，增加停車位的數(shù)量，通行能力也會隨之增加，但邊際效應(yīng)會隨之減少，以下根據(jù)模擬數(shù)據(jù)建立12個仿真模型，當(dāng)停車位數(shù)量從1開始增加到12的時候，通行能力隨停車位數(shù)量的變化而變化，從而得出對于一條單行道來說，其最佳的停車位個數(shù)設(shè)置。停車位數(shù)和通行能力關(guān)系（數(shù)據(jù)僅保留整數(shù)部分）T/s（人/h)178230902302302773241032710037640970390604744869043547573551604804567262661507277727190051588728146052059739106353431074103340512-101175118390492-211275129490490-1根據(jù)統(tǒng)計(jì)到的數(shù)據(jù)，可以看出當(dāng)停車位的個數(shù)從1增加到6時，通行能力增長比較快，7到9時，增長較慢，當(dāng)超過9時，呈下降趨勢。停車場個數(shù)為5時，通行力最佳。在仿真模型中，發(fā)現(xiàn)旅客的波動呈正態(tài)分布，均值為15s，標(biāo)準(zhǔn)差為8s的正態(tài)分布。將數(shù)據(jù)帶入仿真模型[3]中，得出出租車司機(jī)在第一個停車點(diǎn)等待的時間為19s，第五個停車點(diǎn)的等待時間為33.4s。在第一種情況下，將雙車道歸結(jié)為一條單車道，采用先進(jìn)先出的進(jìn)車原則，由上述可知，當(dāng)一條單車道時，出租車停車的數(shù)量為5時，通行力最佳，也就是說設(shè)置5個停車點(diǎn)時，效率最高。當(dāng)雙車道被看作是一條長的單車道時，且乘車點(diǎn)在同一側(cè)時，設(shè)置10-12個時的通行力最佳：在第二種情況下，將雙車道視為正常的的雙單向車道，乘客可分為兩批，分別可在路兩側(cè)等候，每側(cè)設(shè)置5個停車位點(diǎn)，乘客在每側(cè)就有5個上車點(diǎn)，但因涉及到安全問題，我們暫且忽略其響影：根據(jù)上述所求的這些參數(shù)值，我們將給出以下建議：1.根據(jù)對以上數(shù)據(jù)的對比，以上海浦東機(jī)場為例，在忽略安全因素的影響下，我們認(rèn)為采用兩側(cè)上車的方式，且在每側(cè)車道設(shè)置5個停車點(diǎn)，通行能力最大，即效率最高。2.降低上客時間會提高通行能力，所以建議在乘客上車區(qū)安排專門的服務(wù)人員，協(xié)助乘出租車的乘客搬運(yùn)行李物品，這樣就可以有效的降低乘客乘車的波動性。從而可以使機(jī)場通行效率在一定程度內(nèi)有所提高。5.4模型四的建立與求解多屬性優(yōu)先級排隊(duì)決策模型[4]是一種采用模糊權(quán)重考慮時間成本和利益收入等因素的多屬性決策的模型。我們向此模型中增加了優(yōu)先級的概念，即機(jī)場工作人員可以通過對單次往返間隔時間、等機(jī)場收集信息設(shè)置不同含義的優(yōu)先級，排隊(duì)規(guī)劃通過選擇不同的決策模型來給予等待隊(duì)伍的安排，來實(shí)現(xiàn)符合個性化的動態(tài)規(guī)劃等待隊(duì)列的目的。（1）確定備選隊(duì)列的信息集。其中表示前方蓄車池隊(duì)伍中排列的等待數(shù)，；表示蓄車池中不同隊(duì)伍信息，。（2）標(biāo)準(zhǔn)化隊(duì)列信息集。為了消除不同排隊(duì)順序?qū)﹃?duì)伍選擇的影響，將已知的排隊(duì)信息插入數(shù)據(jù)使其更加標(biāo)準(zhǔn)化，標(biāo)準(zhǔn)化表達(dá)公式向下方所示：（3）設(shè)置機(jī)場排隊(duì)序列的優(yōu)先級。依據(jù)機(jī)場相關(guān)信息的需求確定3種排隊(duì)信息所需重要度的高低優(yōu)先級，1為最高級，3為最低級，根據(jù)排隊(duì)相關(guān)信息的優(yōu)先級將已知集合R中的相關(guān)數(shù)據(jù)重新排列整理命名為R′。（4）設(shè)定正理想點(diǎn)r+與反向的負(fù)理想點(diǎn)r-。（5）計(jì)算不同數(shù)值優(yōu)先級的排隊(duì)信息和正負(fù)理想點(diǎn)的相對偏差。若排隊(duì)信息的相關(guān)優(yōu)先級為1，偏差的算術(shù)公式為：若排隊(duì)信息的相關(guān)優(yōu)先級為2，偏差的算術(shù)公式為：若排隊(duì)信息的相關(guān)優(yōu)先級為3，偏差的算術(shù)公式為：（6）計(jì)算屬性排隊(duì)信息的相關(guān)權(quán)重向量。為了使所有排隊(duì)信息的選擇方案在所有排隊(duì)相關(guān)信息作用下實(shí)現(xiàn)正理想點(diǎn)達(dá)到偏差最小且負(fù)理想點(diǎn)達(dá)到偏差最大時，需達(dá)到：所知的變量都是已知量，易通過上式計(jì)算得出精確的權(quán)重向量。（7）代入精確的權(quán)重向量可以計(jì)算每個方案與排隊(duì)位置的相對相關(guān)貼近度di，di值越大則就可以意味著相應(yīng)的方案就更合適。將行駛路程在25Km以內(nèi)且車輛間隔在1小時內(nèi)返回機(jī)場重新載客的出租車定義命名短途車，反之判定它為長途車。出租車每結(jié)束一次相關(guān)行程返回到達(dá)攬客機(jī)場時，機(jī)場根據(jù)車輛的長短途標(biāo)準(zhǔn)判斷對其分別進(jìn)行處理。若該車輛行駛區(qū)域在核定區(qū)域內(nèi)且在最高1個小時內(nèi)返回機(jī)場，則將其判斷確認(rèn)為短途車輛，可以直接進(jìn)入緩沖區(qū)等候，反之判定為長途車，須在此排隊(duì)進(jìn)入蓄車場等候，待排隊(duì)結(jié)束后最后再次進(jìn)入緩沖區(qū)[1]。長途司機(jī)獲得單趟收益短途司機(jī)等待時間成本：短途司機(jī)獲得單趟最大收益：由題意和收集的參考材料知，行駛25公里的基礎(chǔ)上給了行駛時間——1小時。即出租車駕車行駛每公里約4分鐘。由上述相關(guān)時間可知，長途司機(jī)等待發(fā)車1次的時間成本短途司機(jī)等待短途多次發(fā)車時間成本（短途+短途）短途司機(jī)等待時間成本（短途+長途）司機(jī)下一趟接長途或短途的概率P=0.5以6小時一趟單位時間成本計(jì)算：，，由題知，要讓不同途程的出租車收益盡量均衡，即在相同時間成本中，可獲得的收益總值趨于相等。從上述算法中，可以知道短途司機(jī)先接一單短途，再返回機(jī)場接一單長途可獲得的單位時間內(nèi)的收益最高。讓短途司機(jī)不停返回停車場接單，該段時間內(nèi)獲得的總收益與單次長途收益相近。模型檢驗(yàn)6.1模型一的檢驗(yàn)對問題一中的層次分析法進(jìn)行一致性檢驗(yàn)。一致性指標(biāo)為計(jì)算衡量一個成對比較矩陣A（n>1階方陣）不一致程度：為了衡量CI的大小，引入具有相同秩的隨機(jī)成對比較矩陣的一致性指標(biāo)RI，對于不同的n有相對應(yīng)的RI的值[5]，如下表所示：n1234567891011RI0.000.000.580.901.121.241.321.411.451.491.51一致性比率：當(dāng)CR<0.1,則矩陣具有可以接受的一致性。計(jì)算出A-H判斷矩陣最大特征值，CI=0.1049，一致性比率為CR=0.0937。因此通過一致性檢驗(yàn)，可作為一個權(quán)值。利用Matlab計(jì)算得出判斷矩陣H1-P，H2-P，H3-P，H4-P，H5-P的最大特征向量,最大特征值，一致性CR均<0.1，顯然通過了一致性檢驗(yàn)。模型評價與推廣7.1模型的優(yōu)點(diǎn)層次分析模型把定性方法與定量方法有機(jī)地結(jié)合起來，將決定出租車司機(jī)決策的多因素影響分解成多個單準(zhǔn)則，思路清晰，步驟簡單，便于人們理解。動態(tài)規(guī)劃0-1背包模型能夠反映動態(tài)演變的聯(lián)系和特征，減少了人工計(jì)算過程，利用實(shí)際知識和經(jīng)驗(yàn)提高了求解效率。一種基于多屬性優(yōu)先級的排隊(duì)信息的路徑規(guī)劃方法，該算法改善了以前追求單一的算法中能實(shí)現(xiàn)指標(biāo)最優(yōu)化的情況，得到均衡了排隊(duì)時間、時間成本和獲得收益等因素的路徑規(guī)劃結(jié)果。此時在多屬性決策進(jìn)行路徑規(guī)劃的過程中，收錄了優(yōu)先級的相關(guān)設(shè)置方法，能夠區(qū)分不同排隊(duì)優(yōu)先級信息的重要程度，方便出租車司機(jī)根據(jù)其需求來改變司機(jī)是設(shè)計(jì)和計(jì)劃設(shè)置，完成個性化排隊(duì)等待接客的目的。7.2模型的缺點(diǎn)問題一中的層次分析模型中不是通過大量的數(shù)據(jù)計(jì)算總結(jié)，人主觀因素對整個過程影響很大，比較粗糙，結(jié)果難以讓所有決策者接受。問題二中由于個別因素沒有準(zhǔn)確定量化，使得加權(quán)平均得出的綜合決策因子有一定的偏差。問題四中的模型整體性能整體不高。在未來還要考慮增加相關(guān)因素使權(quán)重的結(jié)果更為精確，使演算得出的權(quán)重和出行方案更準(zhǔn)確，更合適。7.3模型的推廣本次的機(jī)場出租車問題我們運(yùn)用了三種模型進(jìn)行求解，但其中每一個模型都可以推廣到現(xiàn)實(shí)生活中去。層次分析模型適用于解決多目標(biāo)決策問題，在各個領(lǐng)域都起著重要的作用。比如煤礦安全研究，水生野生動物保護(hù)區(qū)污染源確，面臨的經(jīng)常是一個由相互關(guān)聯(lián)、制約的眾多因素構(gòu)成的復(fù)雜系統(tǒng)。除此之外，還適用與我們生活有關(guān)的專業(yè)、工作以及買房的選擇。動態(tài)規(guī)劃的0-1背包模型適合解決所有具有最優(yōu)子結(jié)構(gòu)的問題，例如裝載問題。同時，還可廣泛應(yīng)用于經(jīng)濟(jì)管理、生產(chǎn)調(diào)度、資源分配等方面。多屬性優(yōu)先級排隊(duì)決策隊(duì)列同樣可以適用于交通岔口的路徑優(yōu)化，可找出最安全最快速的速度；還能適用于裝備維修任務(wù)的優(yōu)先級，及時推進(jìn)維修進(jìn)度。用權(quán)重來更可觀、可靠的提高分配的合理性和調(diào)度的快速可靠性。此模型同樣適用于多個不同因素分為不同權(quán)重影響進(jìn)度和優(yōu)化的相關(guān)推進(jìn)條件情況。

參考文獻(xiàn)[1]胡稚鴻,董衛(wèi),曹流,高忠,陸志勇,呂俊,黃宏標(biāo),顧非凡.大型交通樞紐出租車智能匹配管理系統(tǒng)構(gòu)建與實(shí)施[J].創(chuàng)新世界周刊,2019(07):90-95.虹橋[3]孫健,丁日佳,陳艷艷.基于排隊(duì)論的單車道出租車上客系統(tǒng)建模與仿真[J].系統(tǒng)仿真學(xué)報,2017,29(05):996-1004.[4]李彤,李德敏,張光林,吳思畏.基于多屬性優(yōu)先級的動態(tài)路徑規(guī)劃方法[J].微型機(jī)與應(yīng)用,2015,34(18):82-84+88.[5]肖鄭利.層次分析法及其在數(shù)學(xué)建模競賽中的實(shí)際應(yīng)用[J].科技風(fēng),2009(12):56+58

附錄9.1附錄一層次分析模型中，求最大特征值并檢驗(yàn)一致性。clear;A=[124551/213331/41/31421/51/31/4131/51/31/21/31];[m,n]=size(A);%獲取指標(biāo)個數(shù)RI=[000.580.901.121.241.321.411.451.491.51];R=rank(A);%求判斷矩陣的秩[V,D]=eig(A);%求判斷矩陣的特征值和特征向量，V特征值，D特征向量；tz=max(D);B=max(tz);%最大特征值[row,col]=find(D==B);%最大特征值所在位置C=V(:,col);%對應(yīng)特征向量CI=(B-n)/(n-1);%計(jì)算一致性檢驗(yàn)指標(biāo)CICR=CI/RI(1,n);ifCR<0.10disp('CI=');disp(CI);disp('CR=');disp(CR);disp('對比矩陣A通過一致性檢驗(yàn)，各向量權(quán)重向量Q為：');Q=zeros(n,1);fori=1:nQ(i,1)=C(i,1)/sum(C(:,1));%特征向量標(biāo)準(zhǔn)化endQ;%出權(quán)重向量elsedisp('對比矩陣A未通過一致性檢驗(yàn)，需對對比矩陣A重新構(gòu)造');end9.1附錄二0-1背包模型中，根據(jù)因子系數(shù)判斷決策及最大價值#include<stdio.h>intn,c,bestp;//物品的個數(shù)，背包的容量，最大價值intp[10000],w[10000],x[10000],bestx[10000];//物品的價值，物品的重量，x[i]暫存物品的選中情況,物品的選中情況voidBacktrack(inti,intcp,intcw){//cw當(dāng)前包內(nèi)物品重量，cp當(dāng)前包內(nèi)物品價值intj;if(i>n)//回溯結(jié)束{if(cp>bestp){