基于交叉熵出租车资源合理配置.PDFVIP

基于交叉熵的出租车资源合理配置 摘要 为了解决由于出租车资源配置不合理而产生的“打车难”等社会问题，我们 建立出租车供求匹配指标，并设计与供求匹配指标相应的补贴方案。 首先，要求建立合理指标，并分析不同时空出租车资源的“供求匹配”程度。 我们提取了某个城市中不同时间不同地点出租车分布状况和打车需求量的相关 数据，来获取不同乘车点的出租车和打车需求量的分布情况。最合理的分布情况 应该是出租车和打车需求量的分布完全一致，即出租车在各个乘车点的分配比例 和打车需求的比例完全一致。因此，我们借助于概率论中两个离散型随机变量的 概率分布的交叉熵，来描述出租车和打车需求量的匹配程度。交叉熵越小（接近 于 0 ），匹配程度最佳。为了获得更为准确且全面的数据，将采用重抽样技术 （Bootstrapping ）对一个城市不同时间的出租车分布情况进行随机抽样。由此可 以获得各个样本下的出租车和打车需求量的匹配程度（交叉熵）。根据大数定律 可知，只要重抽样生成的样本个数足够多，这些样本的平均匹配程度（交叉熵） 越接近其实际值。最终可以通过这些样本的平均匹配程度（交叉熵）来描述该城 市的出租车和打车需求量的匹配程度。各个城市的出租车供求的匹配程度，可以 通过平均匹配程度（交叉熵）进行比较。结果如下表所示： 城市1 城市2 城市3 城市4 城市5 城市6 周二 周日 周二 周日 周二 周日 周二 周日 周二 周日 周二 周日 0.5730 0.5866 0.2848 0.3899 0.3485 0.4406 0.6910 0.7150 0.6572 0.5875 0.3371 0.3352 为了创建一个有效合理的出租车补贴方案，我们首先分析了目前各公司对出 租车采取的各种补贴，发现这些补贴方案都是以公司市场运营目的或司机利益的 为主，没有兼顾到出租车供求关系。接下来，我们以出租车和打车需求量的匹配 程度为出发点，对一个城市中不同区域的出租车进行差异化的补贴。具体地，可 将一个城市分成若干块区域。每个区域的每个车乘车点中有出租车供给量与乘客 的需求量，通过前述方法可以算出每个区域的匹配程度（交叉熵）。将每个区域 的交叉熵所占该城市中所有区域交叉熵的比值设为补贴因子。进行补贴时，就可 以根据补贴因子进行相应区域的补贴。补贴因子越小，补贴越少。通过补贴因子 的方式来调节一个城市中总体的出租车供求匹配程度。 关键词：供求匹配 出租车 交叉熵 重抽样 1、问题的重述 出租车是市民出行的重要交通工具之一，“打车难”是近几年人们倍受困扰 的一个社会型热点问题。随着“互联网+”时代的到来，越来越多的公司通过移 动互联网建立了手机打车软件服务平台，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。 请搜集相关数据，建立数学模型研究如下问题： 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；并分 析各公司的出租车补贴方案是否对“缓解打车难”有帮助；通过对出租车补贴方 案的分析，创建一个新的打车软件服务平台，设计一个补贴方案，并论证其合理 性。 2、问题的分析 问题中要求解决由于出租车资源配置不合理而产生的“打车难”等社会问题， 我们需要建立出租车供求匹配指标，并以此为基础，来设计相应的补贴方案。 首先，要求建立合理指标，并分析不同时空出租车资源的“供求匹配”程度。 我们需要提取一个城市中不同时间不同地点出租车分布状况和打车需求量的相 关数据，来获取不同乘车点的出租车和打车需求量的分布情况。最合理的分布情 况应该是出租车和打车需求量的分布完全一致，即出租车在各个乘车点的分配比 例和打车需求的比例完全一致。因此，我们借助于概率论中两个离散型随机变量 的概率分布的交叉熵，来描述出租车和打车需求量的匹配程度。交叉熵越小（接 近于 0 ），匹配程度最佳。为了获得更为准确且全面的数据，将采用重抽样技术 （Bootstrapping ）对一个城市不同时间的出租车分布情况进行随机抽样。由此可 以获得各个样本下的出租车和打车需求量的匹配程度 （交叉熵）。根据大数定律 可知，只要重抽样生成的样本个数足够多，这些样本的平均匹配程度（交叉熵）