2015年认证杯SPSSPRO杯数学建模D题(第二阶段)城市公共自行车全过程文档及程序

本文主要是介绍2015年认证杯SPSSPRO杯数学建模D题(第二阶段)城市公共自行车全过程文档及程序,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

2015年认证杯SPSSPRO杯数学建模

D题 城市公共自行车

原题再现:

  城市交通问题直接影响市民的生活和工作。在地形平坦的城市,公共自行车出行系统是一种很好的辅助手段。一般来说,公共自行车出行系统由数据中心、驻车站点、驻车桩、自行车(含随车锁具、车辆电子标签)及相应的通讯、监控设备组成。管理部门向市民发放借车卡,市民通过借车卡借还自行车。一个驻车站点有多个驻车桩,市民从有自行车的驻车桩上刷卡借车,在空闲桩上刷卡还车。数据中心可以感知从哪个桩上借得哪辆自行车,也可以感知在哪个桩上还了自行车,并可以计时。数据中心还可以实时地感知驻车站点有多少空闲桩位。
  第二阶段问题:
  1. 城市自行车系统的顺利运行需要政府给予一定的资金投入,如何估计这种投入的上限?
  2. 如果在一个时间周期内出现了资金超过上限的情况,很可能的原因是系统运行效率低下。哪些环节是可能造成系统整体效率低下的关键点?

整体求解过程概述(摘要)

  本文根据自行车系统的顺利运行,政府如何估计投资上限及影响运行效率低下的问题,建立政府投入上限预算模型,租车费用上限预算模型,数据包洛分析(DEA)与模糊综合评价(FCA)综合评价对问题进行求解。针对问题一,直接根据第一阶段相关数据得到政府投入:U1= N(1 X1 + X2)+ X3 N3 + X4。考虑到模型应用的普遍性,建立租车费用上限预测模型、动态价格上限模式。确定租车费用因子n 是政府投入和系统推广的重要因素,利用租车费用上限预测模型确定 在这里插入图片描述
的最大值,确定政府投入上限值:U2= N1X5+ X6 + X7 N4 + X8 - N1 Pmax。针对问题二,评价造成系统整体运行效率低下的关键因素。建立 DEAFCA 模型,分别对影响系统运行效率的量化指标进行 DEA 评价和非量化指标进行 FCA 分析。将 DEA FCA 综合,组建综合评价矩阵,计算出各指标权重。最终得出关键因素为:自行车数量,调度,道路拥堵状况。

问题分析:

  针对问题一:自行车租赁系统的建立分为三种方式:政府投资建立、公司投资建立、政府和公司一起投资建立。我们主要讨论了第一种和第二种建立方式政府的投入上限,对于第三种方式,计算方法同第二种方式一样,政府的投入金额与公司的建立资金预算各后期运行支出政府按一定比例给与补贴。对于第一种建立方式:政府的投入与实施该系统后的租车费用收入有直接关系。在这里我们引入租车费用上限预测模型对自行车的租金进行预算,且当租车费用达到政府和消费者所能接受的最大价值时,政府的投入最大。
  针对问题二:根据参考文献 3 中的 DEA FCA 模糊综合评价模型,在此需要确定对系统运行效率影响的量化指标和非量化指标。先对量化指标使用数据包络分析法计算器相对效率进而将其模糊化,再对非量化指标进行模糊综合评价,最后将这两个模型结合进行综合评价得到影响系统运行效率的关键点。

模型假设:

  假设一:所有统计数据都是合理有效。资源配置是最优化配置以及低碳环保。
  假设二:人们需要就会租车,即不会出现无人租赁的情况,借车人都是熟练使用自行车,不存在安全隐患。
  假设三:这个城用自行车的人数处于相对稳定,一卡对一人,凭卡租赁,借还量相等。
  假设四:该城市具备适宜自行车骑行的条件,政府财政能支持自行车系统顺利运行。且城市具备系统规划的方法和目标。

论文缩略图:

在这里插入图片描述

全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可

部分程序代码:(代码和文档not free)

相关代码参照第一阶段

y=[14:0.1:50]
a=(y.*((2+1)./(y-1-0.8)))./y
b=atan(a)
c=b*57.29577951
x=[14:0.1:50]
a=(x.*((0.8+2)./(x-1-1)))./x
b=atan(a)
c=b*57.29577951
l=90-c-c1
m=l-80
m=m*4
m=m./15
n=x.*y1
plot(n,m,'r')
全部论文及程序请见下方“ 只会建模 QQ名片” 点击QQ名片即可

这篇关于2015年认证杯SPSSPRO杯数学建模D题(第二阶段)城市公共自行车全过程文档及程序的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/848452

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

JAVA智听未来一站式有声阅读平台听书系统小程序源码

智听未来,一站式有声阅读平台听书系统 🌟 开篇:遇见未来,从“智听”开始 在这个快节奏的时代,你是否渴望在忙碌的间隙,找到一片属于自己的宁静角落?是否梦想着能随时随地,沉浸在知识的海洋,或是故事的奇幻世界里?今天,就让我带你一起探索“智听未来”——这一站式有声阅读平台听书系统,它正悄悄改变着我们的阅读方式,让未来触手可及! 📚 第一站:海量资源,应有尽有 走进“智听

poj1330(LCA最近公共祖先)

题意:求最近公共祖先 思路:之前学习了树链剖分,然后我就用树链剖分的一小部分知识就可以解这个题目了,记录每个结点的fa和depth。然后查找时,每次将depth大的结点往上走直到x = y。 代码如下: #include<iostream>#include<algorithm>#include<stdio.h>#include<math.h>#include<cstring>

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来

uva 10014 Simple calculations(数学推导)

直接按照题意来推导最后的结果就行了。 开始的时候只做到了第一个推导,第二次没有继续下去。 代码: #include<stdio.h>int main(){int T, n, i;double a, aa, sum, temp, ans;scanf("%d", &T);while(T--){scanf("%d", &n);scanf("%lf", &first);scanf

uva 10025 The ? 1 ? 2 ? ... ? n = k problem(数学)

题意是    ?  1  ?  2  ?  ...  ?  n = k 式子中给k,? 处可以填 + 也可以填 - ,问最小满足条件的n。 e.g k = 12  - 1 + 2 + 3 + 4 + 5 + 6 - 7 = 12 with n = 7。 先给证明,令 S(n) = 1 + 2 + 3 + 4 + 5 + .... + n 暴搜n,搜出当 S(n) >=

uva 11044 Searching for Nessy(小学数学)

题意是给出一个n*m的格子,求出里面有多少个不重合的九宫格。 (rows / 3) * (columns / 3) K.o 代码: #include <stdio.h>int main(){int ncase;scanf("%d", &ncase);while (ncase--){int rows, columns;scanf("%d%d", &rows, &col

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

计算机毕业设计 大学志愿填报系统 Java+SpringBoot+Vue 前后端分离 文档报告 代码讲解 安装调试

🍊作者:计算机编程-吉哥 🍊简介:专业从事JavaWeb程序开发,微信小程序开发,定制化项目、 源码、代码讲解、文档撰写、ppt制作。做自己喜欢的事,生活就是快乐的。 🍊心愿:点赞 👍 收藏 ⭐评论 📝 🍅 文末获取源码联系 👇🏻 精彩专栏推荐订阅 👇🏻 不然下次找不到哟~Java毕业设计项目~热门选题推荐《1000套》 目录 1.技术选型 2.开发工具 3.功能

基于UE5和ROS2的激光雷达+深度RGBD相机小车的仿真指南(五):Blender锥桶建模

前言 本系列教程旨在使用UE5配置一个具备激光雷达+深度摄像机的仿真小车,并使用通过跨平台的方式进行ROS2和UE5仿真的通讯,达到小车自主导航的目的。本教程默认有ROS2导航及其gazebo仿真相关方面基础,Nav2相关的学习教程可以参考本人的其他博客Nav2代价地图实现和原理–Nav2源码解读之CostMap2D(上)-CSDN博客往期教程: 第一期:基于UE5和ROS2的激光雷达+深度RG