機(jī)場(chǎng)出租車司機(jī)等待決策優(yōu)化方案研究

石鏡琨 顧東晨 陳鋒 姚小小 鄭鈺泓

摘要：出租車司機(jī)將乘客送往機(jī)場(chǎng)后將面臨前往蓄車池排隊(duì)等候乘客的選擇。首先使用多屬性模型對(duì)數(shù)據(jù)進(jìn)行無量綱處理，然后計(jì)算權(quán)重計(jì)算矩陣，通過優(yōu)化BP神經(jīng)網(wǎng)絡(luò)創(chuàng)建用于多屬性決策的基于矩陣的仿真模型。通過50000次BP神經(jīng)分析，可得結(jié)論，當(dāng)蓄車池中的車輛數(shù)量與觀察到的航班數(shù)之比接近6.623時(shí)，目標(biāo)值接近0。

關(guān)鍵詞：多屬性決策;模型優(yōu)化;BP神經(jīng)網(wǎng)絡(luò);無量綱化

中圖分類號(hào)：U492.433 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2020）05-0073-01

1問題的提出

隨著時(shí)代飛速發(fā)展，世界各地聯(lián)絡(luò)日益密切，機(jī)場(chǎng)的地位越來越重要，乘客下飛機(jī)后要前往市區(qū)或周邊目的地，出租車成為了旅客集散的主要交通工具之一。出租車送客到車站后有兩種選擇：

（1）出租車前往到達(dá)區(qū)排隊(duì)等候載客，返回市區(qū)。

（2）出租車返回市區(qū)載客。

在某個(gè)時(shí)間段內(nèi)抵達(dá)航班數(shù)量和蓄車池是司機(jī)可知信息。根據(jù)實(shí)際情況，建立模型研究下列問題：

1）分析研究影響出租車司機(jī)決策的相關(guān)因素，選擇司機(jī)決策的必要模型，并提出選擇策略。

2）收集機(jī)場(chǎng)及其城市的相關(guān)信息，為司機(jī)提供合理選擇。

2模型的建立求解

本文以上海虹橋機(jī)場(chǎng)為例，收集相關(guān)各類數(shù)據(jù)進(jìn)行處理。通過多屬性決策模型對(duì)數(shù)據(jù)進(jìn)行無量綱化處理并建立矩陣計(jì)算權(quán)重，然后通過優(yōu)化BP神經(jīng)網(wǎng)絡(luò)建立一個(gè)數(shù)據(jù)基于多屬性決策中矩陣的仿真模型，從而確定司機(jī)決策方案。

2.1虹橋機(jī)場(chǎng)平均車流量高峰期的研究分析

根據(jù)上海交通網(wǎng)提供數(shù)據(jù)可知，每日有兩次高峰：一次在午問，交通總量占全天總出行量20.6%;二次高峰在傍晚，交通總量占全天出行量18.9%。

2.2分析影響機(jī)場(chǎng)出租車司機(jī)決策的相關(guān)因素

影響機(jī)場(chǎng)出租車決策的因素有平均排隊(duì)時(shí)間蓄車池中車輛數(shù)、某時(shí)段航班數(shù)量、旅客上車服務(wù)時(shí)間。排隊(duì)時(shí)間是指從出租車抵達(dá)蓄車池，位列排車隊(duì)伍末尾，到車輛旅客開始登車為止的時(shí)長。

2.3基于多屬性決策模型算法的數(shù)據(jù)無量綱化處理

多屬性決策模型主要組成有兩種：

（1）獲取決策信息：決策信息是指屬性權(quán)重和屬性值;

（2）通過一定方式進(jìn)行決策信息集結(jié)，進(jìn)行排序和擇優(yōu)處理。

2.4基于BP神經(jīng)網(wǎng)絡(luò)決策模型的建立

2.4.1模型建立

BP神經(jīng)網(wǎng)絡(luò)如圖1，輸入層是接受外界輸入信息，并傳入隱層神經(jīng)元。中間隱層神經(jīng)元負(fù)責(zé)運(yùn)用一系列算法處理信息，最終將信息傳遞給輸出層。設(shè)神經(jīng)元網(wǎng)絡(luò)有n個(gè)輸入神經(jīng)元，m個(gè)輸出神經(jīng)元，p個(gè)隱層神經(jīng)元。

2.4.2BP神徑元網(wǎng)絡(luò)模型的改進(jìn)

（1）數(shù)據(jù)的選取與處理。通過研究上海強(qiáng)生出租車公司一天內(nèi)出租車坐標(biāo)位置、空載狀態(tài)和時(shí)間。篩選經(jīng)緯度坐標(biāo)位于[121.333905，31.20811]至[121.346817，31.23347]的出租車，記錄其空載狀態(tài)、數(shù)量和時(shí)間。通過強(qiáng)生出租車公司停留虹橋機(jī)場(chǎng)的出租車數(shù)量推斷蓄車池出租車總數(shù)。