国赛优秀论文研读--2019C

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）