文档介绍：. .
. v .
第2页，共1页
“互联网+〞时代的出租车资源配置
摘要
在互联网全球普及的今天，出租车也在“互联网+〞时代背景下，发生了天翻地覆的变化。乘客乘坐出租车也出现了多种不同的方式。打车软件的出现让出租车资源配置有了巨大的改良。
对于数据收集，我们通过收集苍穹数据库、万方数据库的出租车数据，整理后选取市的数据作为此题的案例分析，对其所给空驶率、有效行驶里程、平均运营车速和平均日运营等指标通过主成分分析法得到主要指标为空间和时间。
对于问题一，通过对时间的等距划分和空间的划分，然后对时间和空间分别进展聚类分析，按照出租车的车流量等指标将多个地区分为4个等级，时间分为6个级别。然后再根据已经聚类分好的数据，通过时空两个指标，分别得出不同地区不同时间的供求关系指数并通过相关系数分析建立了匹配程度模型，最后得出“供求匹配〞程度。
对于问题二，我们应用控制变量法对补贴政策进展分析，针对快的打车和滴滴打车两款软件的不同方案，结合经济学中价格变化的规律，对问题一中的数据进展处理。最后与原始数据得到的匹配程度进展比照， 得出补贴政策的评价模型，由模型可看出两公司的政策和“互联网+〞都能在一定程度上能解决打车难问题，但缺乏对时间，空间等因素的影响，存在着很大的缺乏。
对于问题三，我们首先根据前两问的结果对“打车难〞的原因进展了分析，然后通过理论判断了补贴政策影响出租车供求关系的各种条件。而后结合第二问的补贴政策影响结果，发现对于不同地区不同时段需要不一样的补贴方案。然后我们先通过使用LINGO最优化得出了最优的匹配程度同时结合
. .
. v .
第2页，共1页
“互联网+〞的实时性建立模型，逆推出每个地区每个时段对应的补贴政策。
关键词：数据库 聚类分析 主成分分析 互联网+ 补贴政策优化
问题重述
. .
. v .
第2页，共1页
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效劳平台，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：
(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。
(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.
(3) 如果要创立一个新的打车软件效劳平台，你们将设计什么样的补贴方案，并论证其合理性。
问题分析
此题属于大数据问题，重点在于数据的收集，整理和分析。在收集到大量数据的同时利用主成分分析的方法简化数据。最后通过数据的整理分析并且代入模型得出所需要的结果。
对于问题一，在收集到的关于出租车的运行数据的根底上，进一步进展聚类分析，将分为假设干个地区，然后根据繁华程度分为四级并且将一天的不同时段聚类为六个不同级别。又对每一块地区的不同时刻出租车供求关系进展综合的相关性分析。通过相关系数的比拟，设立一个匹配程度系数。
对于问题二，针对快的打车和滴滴打车两款软件的不同方案，结合经济学中价格变化的规律，对问题一中的数据进展处理。得到数据，采取控制变量法，分别从时间段，地区和优惠政策的角度进展匹配程度的分析，最后与原始数据得到的匹配程度进展比照，总结出补贴政策和
. .
. v .
第2页，共1页
“互联网+〞对于出租车供求关系的影响。
对于问题三，该问要求我们建立一个最优化的打车软件效劳平台，必须首先分析出打车效劳平台对于出租车供求的合理性的最优化结果。然后根据这个最优化结果，结合前面的不同地区不同时段的补贴价格