从第二题的问题重述和问题分析我们可以得知:
① 我们要选择一个机场。这意味着我们得从网上爬取这个机场的相关信息,也说明我们必须选择客流量很多的机场,这样才能便于分析和确保准确性
② 给出该机场出租车司机的选择方案。与第一问不同的是,第二问要求我们计算,但没关系,因为第一问公式已经列出来了,我们直接套进去算就好了
③ 分析模型的合理性和对相关因素的依赖性。要求我们最后还得验算模型;至于对相关因素的依赖性,我一开始想到的是回归的系数分析,但本论文用的不是回归,他用的是按百分比改变不同参数的值,看最终结果的百分比变化
问题二的模型建立与求解
论文选择的是上海浦东国际机场,他爬取的数据可能只有机场航班的到达量分布(后面会说为什么只有一组数据),从他问题二的代码中也能发现他并不是完全套用问题一的公式,他极大的简化了问题一的公式,也另加了一些变量(对比他列出的符合表可知)
【爬取数据】
其实数据也不算爬取吧,毕竟数据量明显非常少,可以选择手抄的:下面是我从知乎偷来的机场航班的到达量分布数据,并做成了 Excel 图表,横坐标是24小时,纵坐标是各时间段航班到达量。
我认为:B选择的时间长度的变化幅度应该指的是A选择的时间损耗 t l
的变化幅度
因为根据公式恒等式推导的只有 t l
和选择B的平均订单量 n ,排除 n 后只剩 t l 了
至于起始时间、终止时间、时间长度我真没想出来,可能与前面的积分解释有关(终 止 时 间 − 起 始 时 间 = 时 间 长 度 , 单 位 : 小 时 终止时间-起始时间=时间长度,单位:小时终止时间−起始时间=时间长度,单位:小时)
【分析模型的合理性】
论文用的方法是:加高斯噪声处理
一般来说高斯噪声处理常用于图像处理,但论文中运用的是数据(航班到达量)加高斯噪声处理,这就使得我在网上很难找类似的方法,好不容易找到了,求解出来的值又看不懂。
load('Z.mat') % 二维的航班到达量(时间和数量)
% 给数据加指定SNR的高斯噪声
signal_noise = awgn(Z,10,'measured');
An=(Z-mean(mean(Z))).^2;
% Ps=sum(sum(An)); % signal power
Ps=0;
for i=1:24
Ps=Ps+An(1,i);
end
for i=1:24
Ps=Ps+An(2,i);
end
Bn=(Z-signal_noise).^2;
% Pn=sum(sum(Bn)); % noise power
Pn=0;
for i=1:24
Pn=Pn+Bn(1,i);
end
for i=1:24
Pn=Pn+Bn(2,i);
end
snr=10*log10(Ps/Pn); % 验证所加的噪声
点击运行算出来 s u r sursur 等于 6.131,再点击运行算出来等于 6.467,下一次等于 5.658,所以这表示了什么…我没看懂,对于这类分析模型的合理性我可能会采用相关性分析之类的 五、第三题解析:
问题重述对第三题的描述
经常会出现出租车排队载客和乘客排队乘车的情况。某机场“乘车区”现有两条并行车道,管理部门应如何设置“上车点”,并合理安排出租车和乘客,在保证车辆和乘客安全的条件下,使得总的乘车效率最高
问题分析对第三题的描述