2019C机场出租车
原文地址(戳这里)
转换
题目要求
1.机理->司机选择决策(完全从司机角度)->策略
2.数据检验司机选择决策模型,验证合理性(是否符合现实数据,仿真)以及因素依赖性(因素对模型结果的影响程度)
3.上车点设置(多目标规划,效率and安全)
4.优先安排(收支平衡,HRRN级比响应)
C308
emmm,没太看懂,不细究了
C044
摘要
模型准备
定性分析机场出租车随时间变化,得出规律,并划分时间段
问题一
因素确定
一般般,不多赘述
选择决策模型
1.确定目标函数
利润最大化
2.确定约束条件
3.分时间段求解+考虑季节因素(此处仅提及,未详细建模)
问题二
1.大篇幅处理数据,带入计算,这部分不细说
2.排队
出租车属性:到达时间、离开时间、乘客上车时间
排队队列:排队车数、接客车数、队列长度、总排队等待时间、最大队列长、因队列长而拒绝排队的出租车数
3.求解(蒙特卡洛模拟)
本次仿真是为了解出之前的等待时间T
该模拟每次生成一辆完整的出租车,C137生成的是车流,本文的思路更简单
4.获得结果
模拟1h和2h时间的车流情况(表格数据)
出租车流量与等待时间关系
5.带入其他数据,给出分时间段司机选择结果
问题三
先定性分析,车流对效率影响
目标函数:乘车效率
约束:安全距离、车速限制
文章正文没放结果,不知道可以不
问题四
找“临界条件”
标准利润、短距标准
给出了具体方案,但没有计算验证。。。
C137
摘要
本文使用了多达三次计算机模拟,对编程队友是很大挑战
问题一
出租车司机选择决策模型
因素确定
分为确定因素和随机因素
确定:航班数、市中心距离、出租车数、空载率及机场通勤情况、
随机:载客数(均匀分布)、乘车里程(正态分布)
收支
计价规则、时间成本、油费
将时间成本转换成行驶里程的计费(排队等待的,空载返回的)
方案确定
等待载客W1、空载返回W2
收入-油费-时间成本
总体决策流程(第一问模型总结)
求解(第一次计算机模拟)
目的:验证模型的可行性,而不在于获取数据,得出结论
选取上午10-11点进行仿真
本文作者使用双色火柴棒,清楚展现了两者差距,挺直观的,值得学习
换一个时间段,这样两个图,两个时间对比,都符合情况
问题二
带入真实数据求解,并进行分类讨论
节假日忙闲、工作日忙闲
灵敏度分析:距市中心距离、出租车速度
问题三
最优乘车效率模型
求解(第二次计算机模拟)
元胞自动机+排队论+有限状态机
1.车流和人流:泊松分布
车子排到蓄车池末尾
人流排在上车点,且会自动选择队伍最短的上车点
记录每辆车和每个人的逗留时间
2.乘车区:两个车道,k个上车点
3.车辆进入乘车区:分批进入,乘车区出租车全部离开后,蓄车池车子才依次进入
4.车辆载客:上车点有客人,就上车,否则等待,上车时间分大小件行李顾客
5.车辆离开:前方无车,等1min离开;有车,等待
6.设定截止时间Tc,统计在该时间内离开的总乘客数和车辆数
结果分析
讨论:车多与人,人多于车,行李上客时间,人车比
问题四
最优排队方案模型
求解(第三次计算机模拟)
目的:寻找优先排队方案
长短途车:收益平衡+空载率平衡
找到每一个里程数最优的排队位置(目标函数最小)
总结
1.本文几乎难以见到套用模型,对出租车的现实情况构建比较透彻
2.建模与仿真结合,相当于一步一个脚印,逐一验证模型的合理性
3.讨论多,结果分析详细
代码
较多,此处不放了
清单
1.司机决策主函数(根据航班数,前面车数,时间,求出两种方案收益以及选择)
2.司机决策子函数(出租车计价规则)
3.虚拟数据随机模拟(验证问题一模型)
4.上车系统模拟(重点)
cell_c:存储车信息(编号、产生时间、消失时间、所在位置、上客状态)
cell_p:存储人信息(编号、产生时间、消失时间、所在位置、排队深度、上车状态、行李状态)
5.最优位置插队主函数(根据前一单距离,求出优化函数、最优位置等)
rec(位置、目标函数值、空载率、收益)