“拍照賺錢”任務定價模型

周雅珍 白容瑞 陳怡碧 胡西娟

摘要：本文以2017年數學建模B題為基礎，為了改善“拍照賺錢”任務定價合理性，本文通過建立線性回歸模型初步得出任務定價規律，針對問題三任務打包情況，根據距離值最小，信譽值最高原則引入分類完成模式進行解決，進一步優化任務定價模型。

關鍵詞：數據處理；線性回歸；打包任務定價

在“互聯網+”時代，“拍照賺錢”是一種基于信息化平臺的勞務平臺，任務完成與否與任務定價、距離密切相關.實際情況下，多個任務可能因為位置比較集中，導致用戶會爭相選擇，通過將這些任務聯合在一起打包發布，考察對最終的任務完成情況的影響.

1.問題一模型的建立與求解

1.1數據預處理

本文對835組數據運用OFFSET、 RAND BETWEEN 函數進行預處理。采用簡單隨機抽樣的方法抽取60個100組數據，并對每個100組數據經緯度及對價格取平均值，得到60組數據。為進一步提高數據的代表性，本文進一步在60組數據隨機抽樣選取10組數據對其進行二元線性回歸分析。

設緯度為[x1i]，經度[x2i]，價格為[Yi]，建立二元線性回歸模型如下：

[Yi=β0+β1x1i+β2x2i]，[i=1，…，n]，其中的參數[β0、β1、β2]被稱為偏回歸系數.通過EViews軟件進行分析求得任務定價規律函數為：

[Yi=291.5702+20.05251x1]

[-6.015062x2]

EViews的運行結果如下：

[Variable Coefficient Std. Error t-Statistic Prob. C 291.5702 338.0474 0.862513 0.4170 X1 20.05251 3.172209 6.321309 0.0004 X2 -6.015062 2.896154 -2.07691 0.0764 R-squared 0.864697 Adjusted R-squared 0.82603 ]

2.問題三模型的建立與求解

為實現在任務打包中會員合理選擇任務，提高發布任務的完成度，本文運用經緯度轉化工具將會員、任務位置的經緯度坐標轉化為以千米為單位的距離直接進行計算，以此求得各個會員距任務點位置的距離：

[D=di-dr，i=1，…，m，r=1，…，n]

兩者間距離表示為[D]，會員位置表示為[di]，任務位置[表示為dr].

為提高用戶完成任務的積極性，在任務打包發布中本文采用問題二中的會員信譽獎懲機制，當會員領取任務時，按照信譽值的高低次序優先領取任務，會員信譽值用C表示。

2.1任務打包分類

在任務打包的前提下，本文按照距離值最小、信譽值最大原則將完成任務分為單人獨立完成與多人共同完成兩種模式。會員在進入任務打包時應對完成模式進行選取。

距離值最小、信譽值最大原則即為在會員領取任務時，按照會員距離任務地點位置遠近進行排序，距離最小者優先領取任務，若出現多人距離位置一致時，則按照信譽值大小進行排序，信譽值最大者優先領取任務。在進行排序時距離值最小的形式優先級大于信譽值排序。其中[n]表示任務的個數，[m]表示會員的個數計算如下距離值計算為[D=mindi-dr，i=1，…，m]， [ r=1，…，n]，會員信譽值計算[C=max （c1，c2，…，cm）].

單人獨立完成隊：表示此會員在一定范圍內距任務地點最近（或信譽度最高），該任務只能由一人領取任務且在規定時間內完成。任務完成后可獲單人完成獎勵，其會員信譽值加分雙倍，其中[ys]單人獨立完成下的任務定價，[y0s]單人獨立完成下的初始定價，[ym]單人完成獎勵，任務定價如下

[ys=p×y0s+yp]

[y0s=limn→∞（y1+y2+…+n）]

[yp=0.1n]

多人合作完成隊：在此模式中首先對各個會員位置取均值記為[Q]，以[Q]值與任務地點距離進行比較，信譽度排序方式與之相同。領取任務模式見下表，在多人合作完成模式中本文設定合作人數不低于5人。在領取任務后依然按照距離最小化，信譽最大化原則分配任務，實現效率最大化。其中[ym]多人合作完成下的任務定價，[y0m]多人合作完成下初始價格，任務定價如下：[ym=y0m÷m，m≥5]

結語

本文以2017年全國大學生數學建模競賽B題“拍照賺錢”為例，設立定價模型。在任務打包中按照領取任務流程圖進行不同分類，提高任務領取的合理性，從而完善定價模型。

參考文獻：

[1]卓金武.Matlab在數學建模中的應用[M].北京航空航天大學出版社，2014.

[2]何曉燕，金勇進.統計學[M].中國人民大學出版社，2015.

[3]姜啟源，謝金星，葉俊.數學模型[M].高等教育出版社，2016.