- 在线时间
- 17 小时
- 最后登录
- 2020-11-5
- 注册时间
- 2017-11-5
- 听众数
- 5
- 收听数
- 0
- 能力
- 0 分
- 体力
- 479 点
- 威望
- 0 点
- 阅读权限
- 30
- 积分
- 170
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 51
- 主题
- 1
- 精华
- 0
- 分享
- 0
- 好友
- 12
升级   35% TA的每日心情 | 衰 2018-2-8 14:33 |
---|
签到天数: 5 天 [LV.2]偶尔看看I
国际赛参赛者 国际赛参赛者 网络挑战赛参赛者 - 自我介绍
- 我很帅
群组: 2018美赛备战交流群组 |
86#
发表于 2017-11-22 22:57
|只看该作者
|
|邮箱已经成功绑定
出租车是市民出行的重要交通工具之一,“打车难”是人们关注的一个社会热点问题。随着“互联网+”时代的到来,有多家公司依托移动互联网建立了打车软件服务平台,实现了乘客与出租车司机之间的信息互通,同时推出了多种出租车的补贴方案。(bk1’,pr1) A. r+ V K8 B
请你们搜集相关数据,建立数学模型研究如下问题:
, M) N. a+ f! i$ x* g5 I8 k(1) 试建立合理的指标,并分析不同时空出租车资源的“供求匹配”程度。(spm1)& i$ m+ d$ Y7 n+ e- h# a) P! e
(2) 分析各公司的出租车补贴方案是否对“缓解打车难”有帮助?(spm2)( g, q$ K G, t! l- Y
(3) 如果要创建一个新的打车软件服务平台,你们将设计什么样的补贴方案,并论证其合理性。(spm3)2 m, U3 n* U5 y
三个问题,三个层面,三个函数,在评价,优化两种思想中间互相渗透且各有侧重,一一道来。# j4 o# S4 {; D: f1 l* Q
1.以评价为主体的函数关系建立,评价点对象是出租车,属性是“供求匹配”程度M,我们需要找到一个或多个指标表征它,比如等车的人数p或空跑的出租车数c(占总运行车辆的比例),它是当前p和c的函数,这二者又和总期待打车人数ps和出租车数cs有关,还和他们的分布ds和打车条件(cd是否有打车软件等)的函数,这前三者者又是时间t和空间位置s的函数,故我们需要量化的评价表达式为:% h& t/ Y+ d/ E& K# r
M=f(p, c,ps,cs);
; ~$ v8 u2 g% _5 j(p, c) =g(ps(t, s), cs(t, s), ds(t, s), cd);
+ ~8 [8 x: K, A# R) If可以是简单的(p + c)/ (ps + cs)或以不同效用加权,g的机理也很明确,当前cd,ds下,有ps,cs可以匹配,进而减少,得到p,c。
# G( ?1 _6 z2 A% Qps(t, s), cs(t, s), ds(t, s)这三个关系就没有必要深入研究了,选一个地方,直接查找数据得到即可。. w9 u% r% ]: t" b
注意最后是M = h(t,s)这个函数,需要我们作为回答的基准,中间变量最后都要省去。
6 n; M0 b2 m$ i, Q+ G2.引入补贴a,它作为自变量影响的是cs(t, s)(假设补贴只对出租车),影响方式可以模仿微观经济学中的价格曲线,量化之就可以了,这样进而会影响到M。- s' {7 q( V6 d8 x. q" C5 K1 S t
故最终我们需要给出M = I(a),看看效果究竟如何,也可以和实测数据作对比评估你们的模型,并训练不好确定的参数。* Q, b+ I6 s/ K2 G
3.开放性优化问题,补贴的方案其实就是在不同价格基础上不同比例的增值,可以看成个人所得税的逆过程,J(ct)表示乘车费用为ct时,单位乘车费用的补贴率,a = ct * J(ct),当然也可以用更复杂的类似于累进税率的想法做,故决策变量即为函数ct,我们可以选取几个建大的函数形式量化之方便求解。+ \) L3 q7 Q' y: c4 l
优化目标可以是2中的M,还包括成本sum(a),或能想到的其他衡量打车市场优劣的指标,加权量化后即可转化为优化问题,求解J(ct),完毕。. f3 b+ P \3 P
注意本题并没有把打车条件cd(比如打车软件)当成重点,故不要偏题,而把这个当成灵敏度分析的点,却还是很合适的。
\6 C& F5 ]# Z! A7 ^好了,一个社会背景的,优化评价综合问题,看来模糊的评价又是一个弱化的点,关键在于函数关系的搭建以及优化求解,完整解决 + 至少一方面的亮点,是必胜的因素,大家好运!
6 O1 T" a) e7 s5 f& x |
|