2015年全国大学生数学建模竞赛B题出租车资源配置（含word论文和源代码资源）

已于 2024-08-03 14:50:11 修改
阅读量523 收藏 8
点赞数 2
分类专栏： 数学建模 文章标签： 数学建模 word
于 2024-07-21 16:40:32 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35500719/article/details/140590016
版权

文章目录

一、部分题目

2015高教社杯全国大学生数学建模竞赛题目

B题 “互联网+”时代的出租车资源配置

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。

请你们搜集相关数据，建立数学模型研究如下问题：

问题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。

问题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？

问题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。

请添加图片描述

二、部分论文

请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述
请添加图片描述

三、部分源代码

问题1

完整代码 https://github.com/yan-fanyu/CUMCM-Paper-And-SourceCode
sheng=shaperead('counties_china.shp', 'UseGeoCoords', true); chengdu=sheng(2333:2345);
boundall=[]; name=cell(13,1);
for i=1:length(chengdu) boundall=[boundall;chengdu(i).BoundingBox]; name{i}=chengdu(i).LAST_NAME9;
end
name{1}='成都';
name{2}='金堂';
name{3}='双流';
name{4}='温江';
name{6}='新都';
name{7}='大邑';
name{8}='浦江';
name{9}='新津';
name{10}='都江堰';
name{11}='彭州';
name{12}='邛崃';
name{13}=' 崇 州 '; minlon=min(boundall(:,1));%min(chengdu.Lon); maxlon=max(boundall(:,1));%max(chengdu.Lon); minlat=min(boundall(:,2));%min(chengdu.Lat); maxlat=max(boundall(:,2));%max(chengdu.Lat); dataall=[];
for i=1:24
data=dlmread(['cityID510100realDate20150909_',num2str(i),'_t.txt']);
 






























end
 
tlen=length(data); nump=tlen/3; datat=zeros(nump,3); datat(:,1)=data(1:3:tlen);
datat(:,2)=data(2:3:tlen);
datat(:,3)=data(3:3:tlen);
cancel=datat(:,1)>maxlon | datat(:,1)<minlon | datat(:,2)>maxlat | datat(:,2)<minlat; datat(cancel,:)=[];
dataall(i).taxi=datat; data=dlmread(['cityID510100realDate20150909_',num2str(i),'_p.txt']); tlen=length(data);
nump=tlen/3; datap=zeros(nump,3); datap(:,1)=data(1:3:tlen);
datap(:,2)=data(2:3:tlen);
datap(:,3)=data(3:3:tlen);
cancel=datap(:,1)>maxlon | datap(:,1)<minlon | datap(:,2)>maxlat | datap(:,2)<minlat; datap(cancel,:)=[];
dataall(i).passenger=datap;
 


%plot fignum=[]; eachfignum=1; for i=1:24
datat=dataall(i).taxi; datap=dataall(i).passenger; if mod(i-1,eachfignum)==0
k=ceil(i/eachfignum); hfig=figure(k);
 
fignum=[fignum,hfig]; if eachfignum==1
set(gcf,'PaperType','A4', ... 'paperOrientation', 'portrait', ...
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,10,8]);

 








end
 
else





end
 


set(gcf,'PaperType','A4', ... 'paperOrientation', 'portrait', ...
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,21,29]);
 

if eachfignum>1

subplot(ceil(eachfignum/2),2,mod(i,eachfignum)*(mod(i,eachfignum)~=0)+eachfignum*(mo d(i,eachfignum)==0))
end geoshow(chengdu);
title([num2str(i),'点;黄-成都;绿-出租;红-乘客'])
hold on scatter(datat(:,1),datat(:,2),datat(:,3),'filled','o','g')
scatter(datap(:,1),datap(:,2),datap(:,3),'filled','s','r') title([num2str(i),'点;成都;绿-出租;红-乘客']) xlabel('经度')
ylabel('纬度')
for kk=1:length(chengdu)

text(mean(chengdu(kk).BoundingBox(:,1)),mean(chengdu(kk).BoundingBox(:,2)),name(kk)); end
hold off
if mod(i-1,eachfignum)==0 figname=strcat('chengdu_part',num2str(k),'.jpg');
 



end
 


end
 
saveas(hfig, figname, 'jpg');
 

savefig(fignum,'chengdu.fig') close all figs=openfig('chengdu.fig'); for k=1:length(fignum)
figname=strcat('chengdu_part',num2str(k),'.jpg'); saveas(figs(k), figname, 'jpg');
end close all
%mean plot meanall=[]; for i=1:24
meanall=[meanall;[mean(dataall(i).taxi(:,3)),mean(dataall(i).passenger(:,3))]];
end h=1:24;
set(gcf,'PaperType','A4', ... 'paperOrientation', 'portrait', ...
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,16,10]); [hAx,hLine1,hLine2]=plotyy(h,meanall(:,1),h,meanall(:,2)); ylabel(hAx(1),'出租车均值')
ylabel(hAx(2),'乘客均值')
set(hLine1,'LineStyle','--','Marker','*','MarkerSize',6,'LineWidth',1.5)
set(hLine2,'LineStyle',':','Marker','o','MarkerSize',6,'LineWidth',1.5) xtlabel=num2cell(h);%cat(2,num2cell(h(1:4:end-2)),method); set(hAx,'XTick',h,'XTickLabel',xtlabel,'xlim',[1,24])
grid on xlabel('时间')
leglabel={'出租车均值','乘客需求均值'};
 
legend(leglabel,'Location','Best')
title('成都市 2015 年 9 月 9 日全天出租车分布和乘客需求均值图') figname=strcat('chengdu_mean','.jpg');
saveas(gcf, figname, 'jpg');
%matching C0=[0.1:0.1:0.9,1:50];
lc0=length(C0); match=[]; matchall=[]; matchpoint=[]; for i=1:24
p0=dataall(i).passenger; lp0=size(p0,1); t0=dataall(i).taxi; r=size(t0,1); disp=zeros(lp0,lc0);
for j=1:lp0
p00=ones(r,1)*p0(j,1:2); d=dis(p00(:,1),p00(:,2),t0(:,1),t0(:,2));
for k=1:lc0
ts=sum(t0(d<=C0(k),3)); if ts<p0(j,3)
disp(j,k)=1; elseif ts>p0(j,3)
disp(j,k)=-1;
 







end
 





end
 
else


end
 


disp(j,k)=0;
 














end
 
idx=ones(lp0,1)*(1:lc0); idx(disp>0)=inf; idxsel=min(idx,[],2); idxsel(isinf(idxsel))=C0(end); match(i).loc=p0(:,1:2); match(i).matchp=disp; match(i).matchpstats=idxsel;
matchall=[matchall;[i*ones(lp0,1),p0(:,1:2),disp,idxsel]]; matchpoint=[matchpoint,lp0];
 

mathpointcum=cumsum(matchpoint); newtime=zeros(size(matchall,1),1); newtime(ismember(matchall(:,1),[8,9]))=1;
newtime(ismember(matchall(:,1),[18,19]))=2;
newtime(ismember(matchall(:,1),[7,10:17]))=3; newtime(ismember(matchall(:,1),20:22))=4; newtime(ismember(matchall(:,1),[1:6,23:24]))=5;
%plot fignum=[]; eachfignum=1; for i=1:24
loc=match(i).loc; measure=match(i).matchpstats; if mod(i-1,eachfignum)==0
k=ceil(i/eachfignum); hfig=figure(k);%figure(i);%figure(ceil(i/6));% fignum=[fignum,hfig];
if eachfignum==1 set(gcf,'PaperType','A4', ...
'paperOrientation', 'portrait', ...
 









end
 


else





end
 
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,10,8]);


set(gcf,'PaperType','A4', ... 'paperOrientation', 'portrait', ...
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,21,29]);
 

if eachfignum>1

subplot(ceil(eachfignum/2),2,mod(i,eachfignum)*(mod(i,eachfignum)~=0)+eachfignum*(mo d(i,eachfignum)==0))
end
geoshow(chengdu); %  此处用 mapshow 投影会不正确
hold on scatter(loc(:,1),loc(:,2),measure,'filled','s','b') title([num2str(i),'点;成都;蓝-打车难易程度;']) xlabel('经度')
ylabel('纬度')
for kk=1:length(chengdu)

text(mean(chengdu(kk).BoundingBox(:,1)),mean(chengdu(kk).BoundingBox(:,2)),name(kk)); end
hold off
if mod(i-1,eachfignum)==0 figname=strcat('chengdupipei_part',num2str(k),'.jpg'); saveas(hfig, figname, 'jpg');
end
end

savefig(fignum,'chengdupipei.fig') close all figs=openfig('chengdupipei.fig');
 
for k=1:length(fignum) figname=strcat('chengdupipei_part',num2str(k),'.jpg'); saveas(figs(k), figname, 'jpg');
end close all

%%%所有时点乘客打车难易度散点set(gcf,'PaperType','A4', ...
'paperOrientation', 'portrait', ... 'paperunits','CENTIMETERS','PaperPosition',[.00, .00,16,14]);
plot(matchall(:,end),'*') xlabel('乘客数据点') ylabel('邻域半径(km)')
title('所有时点乘客打车难易度')
set(gca,'YTick',1:5:lc0) xtlabel=cat(2,num2cell(C0(1:5:lc0))); set(gca,'YTickLabel',xtlabel)
axis tight grid on
figname=strcat('chengdupipei_scatter','.jpg'); saveas(gcf, figname, 'jpg');
%%%所有时点乘客打车难易度分布
set(gcf,'PaperType','A4', ... 'paperOrientation', 'portrait', ...
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,16,14]); geoshow(chengdu);
hold on scatter(matchall(:,1),matchall(:,2),matchall(:,end),'filled','s','b') title('所有时点;成都;蓝-打车难易程度;')
xlabel('经度')
 
ylabel('纬度')
for kk=1:length(chengdu)

text(mean(chengdu(kk).BoundingBox(:,1)),mean(chengdu(kk).BoundingBox(:,2)),name(kk)); end
hold off figname=strcat('chengdupipei_all','.jpg'); saveas(gcf, figname, 'jpg');

问题3

完整代码 https://github.com/yan-fanyu/CUMCM-Paper-And-SourceCode
%问题(3)方案 1 time=8;
op=dataall(time).passenger;%选择 8 点的乘客数据
lp0=size(op,1); ebt=10;%每天补贴 1 元
lbt=30;%补贴 30 天
bt=ebt*ones(1,lbt); cbt=cumsum(bt);%累计补贴b0=1.645;
baifenbi=@(butie)exp(b0-11.532./butie);%S curve cper=baifenbi(cbt)/100;%预测订单数t0=dataall(time-1).taxi;
r=size(t0,1); matchn=[];
matchna=match(time).matchpstats;%8 点的难易度
for i=1:lbt
p0=op;
p0(:,3)=p0(:,3).*(1-cper(i));
disp=zeros(lp0,lc0); for j=1:lp0
 
p00=ones(r,1)*p0(j,1:2); d=dis(p00(:,1),p00(:,2),t0(:,1),t0(:,2));
for k=1:lc0
ts=sum(t0(d<=C0(k),3)); if ts<p0(j,3)
disp(j,k)=1; elseif ts>p0(j,3)
disp(j,k)=-1;

 






end
 





end
 
else


end
 


disp(j,k)=0;
 

 













end
 
idx=ones(lp0,1)*(1:lc0); idx(disp>0)=inf; idxsel=min(idx,[],2); idxsel(isinf(idxsel))=C0(end); matchn(i).loc=p0(:,1:2); matchn(i).matchp=disp; matchn(i).matchpstats=idxsel; matchna=[matchna,idxsel];
 


%问题(3)方案 2 time=8;
op=dataall(time).passenger;%选择 8 点的乘客数据[count,center]=hist(op(:,3)); count=count./sum(count);
set(gcf,'PaperType','A4', ... 'paperOrientation', 'portrait', ...
 
'paperunits','CENTIMETERS','PaperPosition',[.00, .00,10,8]); hist(op(:,3))
ylabel('频数')
xlabel('乘客需求')
title('成都市 8 点乘客需求条图') figname=strcat('chengdu8bar','.jpg'); saveas(gcf, figname, 'jpg');

%密集点datat=dataall(8).taxi; datap=dataall(8).passenger; set(gcf,'PaperType','A4', ...
'paperOrientation', 'portrait', ... 'paperunits','CENTIMETERS','PaperPosition',[.00, .00,10,8]);
geoshow(chengdu); % 此处用 mapshow 投影会不正确
title('8 点成都乘客打车需求最大区') hold on
scatter(datat(:,1),datat(:,2),datat(:,3),'filled','o','g') [~,idx]=max(datap(:,3)); scatter(datap(idx,1),datap(idx,2),datap(idx,3),'filled','s','r') legend('出租车','乘客','Location','Best')
xlabel('经度')
ylabel('纬度')
for kk=1:length(chengdu)

text(mean(chengdu(kk).BoundingBox(:,1)),mean(chengdu(kk).BoundingBox(:,2)),name(kk)); end
hold off figname=strcat('chengdu8miji','.jpg'); saveas(gcf, figname, 'jpg');
 

% 方 案 2 datat=dataall(8).taxi; datap=dataall(8).passenger; sumt=sum(datat(:,3)); datat(:,3)=datat(:,3)*0.99;
datat(end+1,1:2)=datap(idx,1:2); datat(end,3)=sumt-sum(datat(:,3)); p0=datap;
t0=datat; r=size(t0,1); disp=zeros(lp0,lc0); matchn=[];
matchna=match(time).matchpstats;%8 点的难易度
for j=1:lp0
p00=ones(r,1)*p0(j,1:2); d=dis(p00(:,1),p00(:,2),t0(:,1),t0(:,2));
for k=1:lc0
ts=sum(t0(d<=C0(k),3)); if ts<p0(j,3)
disp(j,k)=1; elseif ts>p0(j,3)
disp(j,k)=-1;
 







end
 





end
 
else


end
 


disp(j,k)=0;
 

idxs=ones(lp0,1)*(1:lc0); idxs(disp>0)=inf;
 
idxsel=min(idxs,[],2); idxsel(isinf(idxsel))=C0(end); matchn.loc=p0(:,1:2); matchn.matchp=disp; matchn.matchpstats=idxsel; matchna=[matchna,idxsel]; set(gcf,'PaperType','A4', ...
'paperOrientation', 'portrait', ... 'paperunits','CENTIMETERS','PaperPosition',[.00, .00,12,8]);
plot(1:40,matchna(1:40,1),'ro',1:40,matchna(1:40,2),'b+') title('方案 2 的应用前后对比')
xlabel('数据点')
ylabel('难易度') grid on
figname=strcat('chengdu8mijiduibi','.jpg'); saveas(

四、完整word论文和源代码

请添加图片描述

亦是远方
关注
专栏目录
互联网+时代的出租车资源配置模型.pdf
04-25
互联网+时代的出租车资源配置模型.pdf “打车难”一直是近年来社会关注的问题，随着互联网 +”时代的到来，建立在 手机和移动互联网基础之上的打车服务平台实现了乘客与出租间信息通，也影响 手机和移动互联网基础之上的打车服务平台实现了乘客与出租间信息通，也影响 着广大人民的打车问题。本文就出租资源配置 着广大人民的打车问题。本文就出租资源配置 现状 ，以及出租车公司补贴方案对打车难易程度的影响进行讨论与分析，而推出更优补贴方案。
2015 数学建模 国赛（高教杯）-B题 “互联网+”时代的出租车资源配置
yxp189的博客
09-18 4839
2015高教社杯全国大学生数学建模竞题 B题 “互联网+”时代的出租车资源配置 Author:YXP Email:yxp189@protonmail.com 更多数模赛题： Amoiensis-CUMCUM https://github.com/Amoiensis/Mathmatic_Modeling_CUMCM 赛题+论文+代码+思路 Amoiensis-Github htt...
2015年国赛高教杯数学建模B题互联网+时代的出租车资源配置解题全过程文档及程序
最新发布
weixin_43292788的博客
09-25 1083
2015年国赛高教杯数学建模B题互联网+时代的出租车资源配置解题全过程文档及程序
数学建模2015B “互联网+”时代的出租车资源配置论文1B27002-B013解读
Weary_PJ的博客
07-15 8396
数学建模高教社杯2015B “互联网+”时代的出租车资源配置论文解读 真题 首先展示一下2015B的原题是什么,如下 1B27002-B013解读 我们先大概的看看这篇论文的结构 模型假设 因为在现实中,许多情况没有我们想象的那么好,比如有些司机不使用打车软件,某些区域,比如学校,商场打车的比率更高,在没有打车软件的情况下,有些司机会挑选自己喜欢的路段接受乘客,而如果要把所有的因素全部考虑进去的话显然是一个非常大的工作量而且不太现实,所以作者给出了限定条件,也是每一篇建模论文都必须存在的部分 模型假设
2015年高教社杯全国大学生数学建模竞赛A题 “互联网+”时代的出租车资源配置
热门推荐
亲，如果文章对你有帮助的话请点个关注吧！
04-20 1万+
自己写的好久之前的了   模拟了很多比赛论文，都没备份，这是还能找到的想要论文的加个粉丝啥的  然后＋qq564125432  一起学习讨论“互联网+”时代的出租车资源配置 摘要出租车是一种按照行驶距离来收取一定费用的交通工具，是市民出行的重要交通工具之一，近年来，“打车难、打车贵”一直是被社会诟病的话题。随着滴滴专车等互联网平台的出现与发展，出租车司机能够更快更方便的载到乘客，也能享受到公司给予...
全国大学生数学建模竞赛2015B题“互联网+”时代的出租车资源配置MATLAB程序
qq_46646038的博客
07-30 3128
目录 一、第1问 二、第2问 三、第3问 一、第1问 注：前五段代码为数据预处理代码，处理数据为当前广为流传的经过处理的数据。由于数据量太大以及水平有限，前五段代码运行时间较长，每段根据电脑性能不一需运行1~2小时。 %% 定义变量（4292个demand） data=xlsread('demand_2016.04.06_320100_.csv','demand_2016.04.06_320100_','B2:E4293'); hour=data(:,1); lon=data(:,2); l
2015年全国大学数学建模竞赛B题出租车资源配置（word论文+matlab源代码）
06-15
2015年全国大学数学建模竞赛；B题出租车资源配置；word论文；matlab源代码；国家一等奖；国家二等奖；可编辑word论文文档；包含数据处理过程； “ 互联网 时代的出租车资源配置模型 摘 要 “打车难”一直是近年来...
2019年全国大学生数学建模竞赛C题机场出租车（word论文+源代码）
05-31
总结来说，2019年全国大学生数学建模竞赛C题的解决方案涵盖了数学建模的基本流程，运用了运筹学和优化理论，结合MATLAB编程实现了模型求解，最后通过论文形式呈现了整个研究过程。这样的实践项目对于提升学生的数学...
2021年“高教社杯”全国大学生数学建模竞赛B题评阅要点
09-16
本题要求探究催化剂组合(Co负载量、Co/SiO2和HAP装料比、乙醇浓度的组合)、温度对C4烯烃的选择性和C4烯烃收率的影响，以更好地进行催化剂结构设计并提高乙醇偶合制备C4烯烃收率。本题目主要考察学生对实验数据的认识...
2023年全国大学生数学建模竞赛B题多波束测线问题（word论文+源代码）
06-08
综上所述，2023年全国大学生数学建模竞赛B题涉及的知识点主要包括：多波束测线技术基础、声纳数据处理、数学建模方法、MATLAB编程技能、数据分析和可视化、以及软件工具的应用。参赛者的成果不仅展示了他们在这些...
2019年全国大学生数学建模竞赛B题同心协力word论文+源代码
05-31
全国大学生数学建模竞赛是一项备受瞩目的学术赛事，旨在锻炼大学生的创新思维、团队协作以及应用数学解决实际问题的能力。2019年的B题，主题为“同心协力”，鼓励参赛者运用数学模型来解决实际问题。在这个题目中，...
互联网时代的出租车资源配置数学建模.pdf
10-12
互联网时代的出租车资源配置数学建模.pdf
2015年数学建模国赛A题官方参考答案
03-23
2015年数学建模国赛A题官方参考答案，该文档是官方给出的参考答案，数据非常精确。
2019年全国大学生数学建模比赛C题上海出租车数据集
09-12
2007年上海出租车7月20日数据集，数据内容，出租车编号，时间，经纬度，夹角，瞬时速度，载客状态
2015年数学建模国赛B题城市数据统计
08-20
本资源统计了15个城市的空载率、出租车万人拥有量、主城区人口、城市拥堵率、经济发展水平GDP、出租车月营业额，里程利用率等数据。 并介绍了求解当中所需的熵权法。还添加了北京、西安、南京、成都四个城市的时间2016 年 8 月 6 日 - 12 日每日 0 点 - 12 点内的五种统计信息。 信息解释为 demand（打车需求量） distribute（出租车分布） money（车费） response（被抢单时间） satisfy（打车难易度） 五种信息。
2015研究生数学建模题目
12-18
2015全国研究生数学建模竞赛题目 完整版 ABCDE 包含文档及数据
高教社杯数模竞赛特辑论文篇-2015年B题：“互联网+”时代的出租车资源配置（附获奖论文及MATLAB代码实现）
getusushu的博客
08-30 295
司机的补贴金额，通过确定意愿半径和打车软件使用人数比例这两个指标，建立。的供求匹配程度和补贴方案进行了分析，并设计了分区域动态实时补贴方案，这。标，我们可依据供求关系将区域分为三个部分：供大于求部分，供等于求部分，们首先描绘出滴滴和快的两个公司在不同时间补贴方案的图，以滴滴打车为例，面，我们将地区划分为九个部分，利用每辆车的车单数与所获补贴之间的比例关。空驶率比较诋，对于打车的乘客来说可供租用的车辆不多，供求关系比例紧张，供需比率，我们利用苍穹（滴滴快的智能出行平台），对不同时间，不同地点的。
2019 数学建模 省一·国赛（高教杯-C题 “互联网+”时代的出租车资源配置
yxp189的博客
11-23 1万+
2019高教社杯全国大学生数学建模竞题 C题 机场的出租车问题（省一等奖） Author:YXP Email: Amoiensis@outlook.com 更多数模赛题： Amoiensis-CUMCUM https://github.com/Amoiensis/Mathmatic_Modeling_CUMCM 赛题+论文+代码+思路（省一等奖） Amoiensis-Gith...
2019年国赛高教杯数学建模C题机场的出租车问题解题全过程文档及程序
weixin_43292788的博客
03-16 2870
2019年国赛高教杯数学建模C题机场的出租车问题解题全过程文档及程序
全国大学生数学建模竞赛2023年真题A、B、C题解析
资源摘要信息:"2023年全国大学生数学建模竞赛真题（A题、B题、C题）" 全国大学生数学建模竞赛是一项面向全国在校大学生的竞赛活动，旨在激发学生应用数学知识解决实际问题的兴趣和能力，培养学生的创新意识和团队...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

亦是远方

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值