2017数学建模国赛一等奖B题论文.pdf

基于多元线性回归与聚类分析的网络任务定价模型 摘要 随着互联网经济的高速发展，用户通过平台发布和接受任务的新型“雇佣劳 务关系”正逐渐受到年轻人的青睐，而任务定价作为这种新型关系中最重要的一 环，其合理性也就成了吸引双方的决定性因素，因此平台若能通过用户数据分析 建立合理的定价模型向用户给出合理的推荐价格，势必能使其在强大竞争环境下 站稳脚跟。本文根据所给数据及问题分别建立了四个对应模型：原始定价模型、 修正定价模型、打包定价模型及预测定价模型。 原始定价模型建立在对根据附件数据的分析上，分析发现任务定价主要与三 D E Q 个变量有关：供求距离 、消偏信誉值 及总预订任务限额 相关，据此建立多 i i i 元线性回归模型进行拟合计算任务点的预期定价，结果得到定价函数： W 0.07 Q =2.622D -0.019 E - 2 +71.599 i i i i 用得到的预期价格与实际价格进行比较并对未完成任务进行 K-means 聚类分析 将未完成原因分为三类：价格过低，无人员分布及地理位置相对偏僻。 修正定价模型建立在根据不同原因对三类未完成任务进行定价改进的基础 上。对于价格过低的任务，筛选只使用已完成任务数据进行多元拟合，以其得到 的定价函数对其进行定价修正；对于无人员分布的任务，用同样无人员分布但已 完成的离其距离最短的任务的定价作为其修正定价；对于地理位置偏僻的任务， 引入常量地理位置因子 对其价格修正，其值为各任务实际价格与用第一类修 C 正定价函数得到的预期定价的差值的均值，计算得出 =5.5。 C 打包定价模型以每个任务点为中心，将半径r 1范围内所有任务装入同一 任务包，再根据任务序号剔除不同任务包内的重复任务，再用原始定价模型中的 函数进行拟合，对该模型的评价采用与实际价格的1.05 倍作为合理范围，计算  合理任务的比例作为优劣度 进行评价，发现其大于 0.8，故认为具有可信度。 预测定价模型同样采用多元线性模型，通过分析前三种模型的分析发现采用 打包定价模型的定价函数最优，用其预测新任务价格，预测结果的评价用离其最  近的已结束任务价格仿照打包定价模型进行优劣度 分析，发现具有可信度。 关键词：任务定价 多元线性回归 K-means 聚类 任务点评价 1 一、 问题背景与重述 “拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP，注册 成为APP 的会员，然后从APP 上领取需要拍照的任务（比如上超市去检查某种商 品的上架情况），赚取APP 对任务所标定的酬金。这种基于移动互联网的自助式 劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式 可以大大节省调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。 因此APP 成为该平台运行的核心，而APP 中的任务定价又是其核心要素。如果定 价不合理，有的任务就会无人问津，而导致商品检查的失败。 题目中给出了一个已结束项目的任务数据，包含了每个任务的位置、定价和 完成情况（“1”表示完成，“0”表示未完成）；会员信息数据，包含了会员的位 置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会员信誉 越高，越优先开始挑选任务，其配额也就越大（任务分配时实际上是根据预订限 额所占比例进行配发）；一个新的检查项目任务数据，只有任务的位置信息。让 我们完成下面的问题： 1