APP下载

基于“互联网+”时代的出租车资源配置模型的研究

2016-10-21吴勇

科技风 2016年6期
关键词:神经网络互联网+互联网

摘 要:通过采用spss相关系数分析法以及神经网络多层感知器对不同时空出租车资源的“供求匹配”程度进行分析,利用神经网络多层感知器分析因变量时间、因子经纬度、协变量出租车数量,候车人数因素对协变量出租车数量和候车人数之间的偏差,以及可根据这种偏差做出的调整。分析“滴滴打车公司”补贴方案和“快的打车公司”补贴方案建立了数据模型,分别求出出租车司机与乘客的利益最大值,以此会有助于缓解打车难的问题并设计补贴方案。

关键词:SPSS;神经网络;sig;二次函数模型;互联网;出租车资源配置

一、问题提出

在当今互联网发达的时代,信息化也将打车纳入其中,新的打车方式应运而生,多家公司依托移动互联网创建了打车软件服务平台,但是这仍然没有解决人们所关注的“打车难”的问题,这说明打车方式还有待进一步优化。为此,我们建立数学模型研究 建立合理的指标,并分析不同时空出租车资源的“供求匹配度;分析各公司的出租车补贴方案对“缓解打车难”有无帮助;设计一个补贴方案以达到创建一个新的打车软件服务平台的目的,并论证其合理性。

二、模型建立

我们通过统计出租车道路分布状况,然后分析不同时空出租车资源的“供求匹配”程度。通过对高峰拥挤路段的GPS定位分析,得到出租车分布状况与候车市民人数大致分布来观察其相关性系数。通过运用spss分析这些需求在时间空间上的区别以及差异性。

由相关系数变输出结果可知,时间与出租车数量和候车人数的显著性水平即sig值=0.0030.05。当、sig0.05时,说明两个变量之间存在显著相关关系,即不同时间段与出租车数量和候车人数之间相关系数程度显著。

通过利用神经网络多层感知器分析因变量时间、因子经纬度、协变量出租车数量,候车人数。在不同的时空分布条件时这些因素对协变量出租车数量和候车人数之间的偏差,以及可根据这种偏差做出的调整。

滴滴打车补贴方案:

1)乘客使用嘀嘀打车并通过微信支付立减10元,每天3次,新乘客首单立减15元;

2)司机用微信支付收车费,每单奖10元,每天10单;

3)司机每天使用微信支付首单立奖50元,用户奖励30元。

快的打车补贴方案:

1)市民使用支付宝打车就有机会获得单笔20或5元现金返还,每天2次机会;

2)首次使用快的打车的新用户将获得30元的话费返还;

3)打车用户只要使用支付宝支付打车款,乘客每单奖励10元(每天两笔封顶),司机每单奖励15元。

建立二次函数模型:

滴滴打车:

c=30+15n1+10n2(n1≤1,n2≤2)d=30+10n2(n2≤3)j=50+10f(f≤10)w=c+d+j+15n1+10n2+30+10n2+50+10f(n1≤1,n2≤2,f≤10)=110+15n1+10n2+10f(n1≤1,n2≤2,f≤10)wmax=110+15+40+100=265元

快的打車:

c=30+10n3+20n4+5n5(n3≤2,n4≤2,n5≤2)d=10n3+20n4+5n5(n3≤2,n4≤2,n5≤2)j=15f(f≥0)w=c+d+j=30+10n3+20n4+5n5+10n3+20n4+5n5+15f(n3≤2,n4≤2,n5≤2,f≥0)=30+20n3+40n4+10n5+15f(n3≤2,n4≤2,n5≤2,f≥0)wmax=30+40+80+20+15f=170+15f

结论:由2种结果可知,这两家公司的补贴都能解决打车难的问题。第一种更适合新用户和需求稳定收益的司机。第二种更适合老的用户和不需求稳定收益的司机。以此得出结论:打车公司的补贴方案对缓解打车难有帮助。由此打车软件平台可知,乘客能更好的去预约打车,司机能根据路况等问题去选择最适合自己的乘客。设计补贴方案:在繁华区对司机的补贴较少,在偏僻区,对司机的补贴较多。实施积分政策,每使用一次此软件便会有积分,积分的多少由路程决定,当积分到达一定数目时,可以兑换相应的奖品。拼车补贴,对于从同一地点出发到达相同目的地的乘客可以实施拼车政策,对拼车的乘客和司机进行相关的补贴。

三、模型评价

本模型采用了层次分析法、主成分分析和相关系数分析的方法,在合理假设的情况下,比较准确的预测不同时空出租车资源的“供求匹配”程度。能充分利用统计学知识、数学知识,以及sig系数的思想,即有利于分析问题,又形象易懂。在构建过程中,采用了合理的假设,使理论和实际能很好的相吻合,具有一定的普遍适用性。对主要理化指标权系数的求解中,利用spss和Excel数学软件编程计算和图像模拟,提高了运算效率和准确率。利用spss软件和多元线性分析法来验证,提高了预测值的可信度。但本模型未将多种影响出租车及乘客打车的变量考虑在内,应在这两方面作出相应的改进,在求解问题时,我们有些数据取的是近似值估计值,在处理过程中采取了一定的近似,因此应进行更加精确地统计分析。

参考文献:

[1] 罗万成.大学生数学建模案例精选[M].成都:西南交通大学出版社,2007.

[2] 朱星宇,陈勇强.spss多元统计分析方法与应用[M].北京:清华大学出版社,2011.

[3] 姜启源,谢金星,叶俊.数学模型[M].北京:高等教育出版社,2003.

[4] 王玮.路段交通量与OD量互算关系研究[J].南京工学院,1988(1):68-79.

[5] 张颖,陈赞.出租车定价机制研究[J].消费经济,2005,21(4):51-58.

[6] 刘次华.随机过程[M].武汉:华中科技大学出版社,1999.

作者简介:吴勇(1990-),男,安徽巢湖人,硕士,桂林电子科技大学信息科技学院讲师,从事有限群论研究。

猜你喜欢

神经网络互联网+互联网
基于人工智能LSTM循环神经网络的学习成绩预测
基于图像处理与卷积神经网络的零件识别
基于自适应神经网络的电网稳定性预测
三次样条和二次删除相辅助的WASD神经网络与日本人口预测
从“数据新闻”看当前互联网新闻信息传播生态
互联网背景下大学生创新创业训练项目的实施
以高品质对农节目助力打赢脱贫攻坚战