數(shù)模論文互聯(lián)網(wǎng)”時(shí)代的出租車資源配置-wenkub
2023-06-16 09:16:50 本頁(yè)面
【正文】 加入補(bǔ)貼方案 ① 26 42 5 73 79 52 13 22 不加入補(bǔ)貼方案 ② 68 32 7 63 44 05 6 25 城市 9 成都 10 廈門(mén) 11 青島 12 寧波 13 杭州 14 濟(jì)南 15 深圳 加入補(bǔ)貼方案 ① 98 81 44 38 42 18 不加入補(bǔ)貼方案 ② 87 56 08 73 67 5 01 由 {??? = ????2 ? ????1?? = 11 ∑ (????2 ? ????1)?? 1 ?? 1 對(duì)表中數(shù)據(jù)進(jìn)行處理 城市 大連 沈陽(yáng) 北京 廣州 哈爾濱 西安 武漢 南京 14 供求匹配值的變化 36 11 2 61 23 95 25 5 城市 成都 廈門(mén) 青島 寧波 杭州 濟(jì)南 深圳 總和 供求匹配值的變化 41 33 44 86 98 05 12 97 由表中數(shù)據(jù)可以發(fā)現(xiàn)看出城市的該出租車供求匹配度指標(biāo)與沒(méi)有補(bǔ)貼方案時(shí)的指標(biāo)相比整體下滑了，及對(duì)于傳統(tǒng)打車群體而言打車難度上升。因主體指標(biāo)已確立故無(wú)需再次運(yùn)用變量聚類分析法確立指標(biāo)，但依然需要因子分析模型對(duì)指標(biāo)進(jìn)行重新加權(quán)認(rèn)12 定。 據(jù)此結(jié)果選取各指標(biāo)的相關(guān)系數(shù)為： 出租車總量 出租車萬(wàn)人擁有量 里程利用率 人均月收入 出租車 10公里運(yùn)行成本 公交車數(shù) 城區(qū)出租車密度 將歸一后的統(tǒng)計(jì)數(shù)據(jù)與此系數(shù)相乘求和所得結(jié)果如下： 城市 北京 沈陽(yáng) 廣州 哈爾濱 武漢 大連 西安 成都 2021年 82 56 41 95 16 3 04 16 2021年 59 7 83 28 39 39 58 08 2021年 22 03 8 22 24 78 06 6 城市 青島 南京 杭州 深圳 濟(jì)南 廈門(mén) 寧波 10 2021年 12 54 19 37 77 81 14 2021年 9 69 53 15 81 67 77 2021年 5 75 35 9 42 61 95 該所得數(shù)值即為出租車供求匹配值，越大意味著打車越方便，由此可以對(duì)不同時(shí)空的出租車供求匹配程度進(jìn)行判別。人均收入高則打車人群增加則加劇供求比配緊張度，反之則降低難度。7 此為動(dòng)態(tài)數(shù)據(jù)取長(zhǎng)期穩(wěn)態(tài)值。 萬(wàn)人擁有量：是人均設(shè)備普指標(biāo)，用來(lái)描述一定城市規(guī)模內(nèi)車輛占有量。這一指標(biāo)反映車輛載客效率，如果比較高，說(shuō)明車輛行駛中載客比例高，對(duì)于要車的乘客來(lái)說(shuō)可共租用的車輛不多，乘客 等待時(shí)間增長(zhǎng)，說(shuō)明供求關(guān)系緊張。而因子得分也可看作各變量值的權(quán)數(shù)表示方程為： ?????? = ????1??1?? +????2??2?? +????3??3?? + ?+ ????????????(?? = 1,2,3,…??) 2) 指標(biāo)的建立和數(shù)據(jù)的處理 通過(guò)網(wǎng)絡(luò)查詢相關(guān)資料，對(duì)出租車資源的供求匹配有三大指標(biāo)分別為：里程利用率，車輛滿載率，萬(wàn)人擁有量（ 1）。 因子分析的數(shù)學(xué)模型 數(shù)學(xué)模型（ xi 為標(biāo)準(zhǔn)化的原始變量； ????為因子變量； kp） ?????????????????????????????????pkpkppppkkkkkkfafafafaxfafafafaxfafafafaxfafafafax??????????332211333332321313223232221212113132121111 也可以用矩陣的形式表示為： X=AF+? F:因子變量； A：因子載荷陣； ??????：因子載荷； ? ：特殊因子 對(duì)于原有變量是否適合作因子分析 ,計(jì)算原有變量的相關(guān)系數(shù)矩陣，一般小于 就不適合作因子分析。 最長(zhǎng)距離法 在最長(zhǎng)距離法中，定義兩類變量的距離為 R(??1,??2) = max????∈??1????∈??2*??????+, 其中 ?????? = 1 ?|??????|或 ??????2 = 1 ???????2，這時(shí) R(??1,??2)與兩類中相似性最小的兩變量間的相似性度量值有關(guān)。 |r????|越接近 1， ????與 ????越相關(guān)或越相似。而變量聚類分析法就是將按照各變量之間的相似度對(duì)其進(jìn)行聚類，進(jìn)而找到影像系統(tǒng)的主要因素。首先查詢行業(yè)前輩的相關(guān)經(jīng)歷，根據(jù)對(duì)前輩行業(yè)的分析得出所需的參考點(diǎn)，再結(jié)合自身的需求，進(jìn)而確定方案。 而對(duì)與網(wǎng)絡(luò)打車群體則確定新一項(xiàng)直觀指標(biāo)：下單至接單時(shí)差。 (二 ) 針對(duì)問(wèn)題二 分析各公司的出租車補(bǔ)貼方案是否對(duì)“緩解打車難”有幫助？ 即可轉(zhuǎn)化為對(duì)補(bǔ)貼方案實(shí)施的前后 相關(guān)地區(qū)出租車資源“供求匹配”情況的對(duì)比。 (2) 分析各公司的出租車補(bǔ)貼方案是否對(duì)“緩解打車難”有幫助？ (3) 如果要?jiǎng)?chuàng)建一個(gè)新的打車軟件服務(wù)平臺(tái)，你們將設(shè)計(jì)什么樣的補(bǔ)貼方案，并論證其合理性。通過(guò)對(duì)這幾項(xiàng)因素的分析最終確定最優(yōu)方案。傳統(tǒng)打車群體依然采用問(wèn)題一的分析思路進(jìn)行判別，具體數(shù)據(jù)重新整理；對(duì)于網(wǎng)絡(luò)打車群體則采用新指標(biāo)單獨(dú)討論。在這樣的背景下，“互聯(lián)網(wǎng) +”又將于出行打車映射出怎樣的情景？本文就此問(wèn)題進(jìn)行簡(jiǎn)要討論。 對(duì)于問(wèn)題一 ，如何確定合理的指標(biāo)，首先根據(jù)相關(guān)資料提出不同假設(shè)找尋各種指標(biāo)，然后運(yùn)用變量聚類法對(duì)我們提出的不同指標(biāo)進(jìn)行分析匹配，進(jìn)而建立合理指標(biāo)。但主體思路都為對(duì)比分析。 關(guān)鍵詞： 相關(guān)分析 變量聚類法 優(yōu)化分析 對(duì)比分析 分類討論 線性相關(guān)
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號(hào)-1