You are on page 1of 44

满 意 度 数 学 建 模

以满意度为目标的优化决策
或评价模型 , 称之为满意度数学模型 .
通过引入表现满意度特征的数
量指标 , 建立相应的决策数学模型 ,
给出符合满意度要求的解决问题的方
案 , 称之为满意度数学建模 .
满意度数量
指标
从决策方案涉及到的对象体系、系
统、过程中提炼出来的,能够与人们主观上
是否满意相一致的数量指标体系,称之为满
意度指标,用 S 表示,它是决策方案的函数 .
这种指标是由两个方面决定的:一是决
策方案本身固有的、能够反映其突出特征的
数值,是由方案本身涉及到的对象、过程、
因素、属性等构成的泛函;
二是由人们主观上对于相应方案
的喜好、审美、心理因素、能够接受的极
限以及中立的标准等反映出来的特征、规
律决定的体系。
这里关键是个人或者某个群体对于某
种状态、特征、表现、行为、规模、机会
等的接受标准、喜好尺度的判定。两方面
的结合,形成了相应的满意度数量指标。
满意度指标体系往往由多个指标所组成 ,
因为一个系统或过程本身涉及到多方面的特征 , 而
主观上人们又可能关心多个方面的属性 \ 特点 , 并
根据综合指标进行最后的判断。
对于形成的多个满意度指标,需要将它们合
成一个总的指标。而这种综合方法最常用的就是层
次分析法,利用层次分析建立不同指标在总满意度
目指标下的权重大小,然后再利用这些权重进行线
性加权,构成总的满意度指标。
• 在形成指标体系时,有时还要对人
群进行不同的分类,因为在形成分指标时,不
同的人群的满意度标准不一样,因此经常要进
行某些因子的调节。

• 满意度的定义方式可以多种多样,经常
用函数形式来表示针对考察对象的某个方面的
满意度 , 函数的形式可以是多种多样的 , 有时
可以是分段函数 .
满意度指标的构成方

1 、比值法
2 、心理曲线法
3 、满意度函数法
4 、等级量化法
满意度函数的常用形式

指数函数 U ( x)  c1  a1 ( x  c2 )
a2 ( x c2 )
双指数函数 U ( x)  c1  a1 (1  e )
a 2 ( x  c2 ) a3 ( x c3 )
指数加线性函数
U ( x)  c1  a1 (2  e e
a4
幂函数 U ( x)  a1  c1.a 2 [c1 ( x  a3 )]

对数函数 U ( x)  c1  a1 log(c3 x  c 2 )
满意度数学模型方

1 、数学规划法
2 、多目标优化法
公 交 车 调 度 模 型 CUMCM2001B

公共交通是城市交通的
重要组成部分,做好公交车的调度
对于完善城市交通环境、改进市民
出行状况、提高公交公司的经济和
社会效益,都具有重要的意义。下
面考虑一条公交线路上的公交车的
调度问题,其数据来自于我国一个
特大城市,某条公交线路上的客流
调查和运营资料。
该条公交线路共上行共 14
站,下行方向共 13 站,下面给出的
是一个典型工作日中两个运行方向的
各个站上下车的乘客数量统计。公交
公司配给该线路同一型号的大客车,
每辆的标准载客是 100 人,客车的平
均运行速度是 20 公里 / 小时。根据
运营的要求,乘客候车的时间一般不
要超过 10 分钟,早高峰时一般不要
超过 5 分钟,而车辆的满载率 120% ,
一般也不要低于 50%
试根据这些资料和要求,为该
线路设计一个便于全天操作的公交车
调度方案,包括两个起点站的发车时
刻表;一共需要多少车;
这个方案以怎样的程度照顾到了
乘客和公交公司的利益.
如何将这个调度问题抽象成
一个明确的、完整的数学模型,
指出求解模型的方法;根据实际
问题的要求,如果设计成一个更
好的调度方案,应如何采取运营
数据。
有关数据
问题分析:
问题的目标是确定公交车的调度方
案,给出公交车全天的运行时刻发车表,
并确定需要的车数,分析乘客和公交公
司的满意程度.实际上就是要确定出使
得乘客和公交公司都满意的最佳方案.
根据题目的意义可知,公交车的调度方
案就是驶发车站每一次车的发车时刻表,
只要发车时刻定下来以后,每一辆车的
运行情况就会完全确定下来.
我们关心的是:乘客和公交公司的
满意度,就是等候超过正常的等候时间
的状况,等候的时间越短满意度越大,
或者用超时等候的人数来表现满意度;
而对于公交公司来说,关心的主要是车
的满载率,他们的满意程度可用公交车
的载客率来表示,实际上载客率越高,
所用的车数越少,公交公司越满意.
因此,解决问题的关
键在于当发车时刻表确定以后,
根据已知的各种条件,确定出
每一辆车运行过程中,在每一
个站上,乘客的等车时间;在
每个运行区间上汽车的上座率,
根据这样的数据来计算乘客和
公交公司的满意程度,并从中
选出最好的方案来。
模型假设:
为了计算和分析方便起见,需要对于
问题的背景、条件等做出适当的简化、
规范,使得我们能够较好地反映出实际
的状况,建立起适当的数学模拟形式,
能够方便地进行计算和求解。
1、该公交线路是双停车场,晚上公交
车集中停放在两个发车场。
2、公交车在路上运行速度正常,不

考虑路上的堵车,以及在各个站上的
耽搁时间,20公里/小时的速度是
全天的平均运行速度。
3、乘客到达各个车站的时间分布是
均匀的,即假设在局部时间段上,乘
客到达每个车站的人数分布密度是均
匀的。
4、乘客在每个车站下车的人数,在
局部时间段上是均匀的。
符号说明:
1、车站标记: j=1,2,…,n; 共 n 个车站
2、来客的密度:在时刻 t 到达 j 站
的 u (t ), j  1,2,..., n
j
乘客的密度为
3、下车乘客的密度:在时刻 t从

站 j 下车的乘客的密度
d j (t ), j  1,2,...n
4、站间的行车时间:  j , j  2,3,..., n
5、每辆车的载客量: B ;载客的上限
^
6、交通高峰时刻等待时间的上界, t
__
交通的平峰时刻等待时间的上界
t
7、发车时刻表:T  (T0 , T1 ..., Tk ,..., Tm )
T0 表示第一辆车到达起点站 j=1 的时刻

Tk 表示的是第 k 辆车驶离起
点站 j =1的时刻, k=1,2,…m

8、第 k 辆车驶离 j 站的 j 1

Tkj Tkj  Tk1  
刻记为:  2
j  2,...n  1
9、第 k 辆车驶离 j 站的时侯该车上 Pk (Tkj )

人数,记为:

10、k=1,2,…,m ;k 1, j到
Wkj (0) 表示从 T Tk , j 时段
j=1,2,…,n-
1
上的来客数;
Wkj (h) 表示第 k 辆车驶到 j 站时,该站

等待过 h 辆车仍然未能上车的乘客数 ;
hkj 表示第 k 辆车驶到 j 站时,该站上等待时

最久的乘客的候车趟数。
显然有 Wkj ( hkj )  0, Wkj (hkj  1)  0,
11 、 akj :表示第 k 辆车驶到 j 站
时,
等到该站的乘客下完车以后,车上仍然
留下的乘客数。
计算公式为:
Tkj
akj  max{Pk (Tk , j 1 )   d j (t )dt ,0}
Tk 1 , j
12、bkj 表示第 k 辆车驶到 j 站
后,等到该站的乘客下完后,
j 站可容纳的上车乘客的人数的上
___
界,显然有:
b  Ba
kj kj

13、Pkj 表示第 k 辆车驶到


第 j 站后,该车上实际上车的
人数
模型建立
模型一 一段时间内公交车上下车的乘

客数计算模型
第 k-1 辆车驶离 j 站到第 k 辆车驶到
j 站的时间段内,该站上乘客来到的
人数为: T
k,j

Wkj (0)   u j (t )dt ,


Tk 1 , j
第 k-1 辆车驶离 j 站到第 k 辆车驶
到 j 站的时间段内,该站上乘客下车
人数为:

Tk , j

 d j
Tk 1, j
(t ) dt ,
模型二 第 k 辆车驶离 j 站时该车

的乘客数量
第一步,按照先到先上车的原
则,确定在 j 站的正在等待的乘
客中,当第 k+1 辆车到达车站时,
除了能够上车的乘客以外,仍然
还要继续等待的车辆数的最大值
记为hkj ,这个数满足下面的问
*


 min h
0  h  hkj

 hkj

s.t

W
r h
kj ( r )  bkj

*
第二步,如果  0 ,这 hkj
表明,此时刻的所有人都可以上车,
因此这个时候该车站上,第 k 辆
车实际新上车的的乘客人数为
hkj
Pkj   Wkj ( h )
h 0
*
第三步,如果  0 ,表明此时
hkj
车站上的所有乘客并不能够都上车,
必然要留下一部分人,因此这个时候,
新上车的人数就是原来车上尚余的最
大的空间,既: Pkj  ,同时显然
bkj
这个时候,余下的人中第 k+1 辆车到
达车站以后,还没有上车的人中等车
趟数的最大值应当是:
*
hk 1, j  h  1
kj

并且有递推数量关系:
*
Wk 1, j ( h  1)  Wk , j ( h ) h  0,1, ,..., hkj 1
hkj

Wk 1, j (h  1) 
*
kj W kj (h)  bkj
h  hkj*
即这个时候的第 k+1 辆车到达该站
*
时已等候车数hkj +1 的人数,就是刚上
了上辆车后,已经上车后剩下的人中
*
原来已经等了hkj 辆车的人数,这个
数就是 , h kj

 Wkj (h)  bkj


h  hkj*

所以可以计算出关键的数据:第
k 辆车驶离 j 站时该车上的乘客数量
为:
 hkj hkj

akj   Wkj (h), hkj  0, Wkj (h)  bkj


*
 h 0
Pk (Tkj )  akj  Pkj   ___ hkj
h 0

 B , hkj  0, Wkj (h)  bkj


*
 h 0
模型三 超时率和载客率的计算模型
 第 k 辆车到达 j 站时,
该站 上已经等候 h 趟车的乘
Wkj ( h ), h  1,2,..., hkj
客的人数是:
他们已经等候的时间是:
WTkj ( h )  Tkj  Tk h , j , h  1,2,..., hkj
^ ^
记交通的高峰时期为 [T1 , T2 ] ,而
整个时段为 [T1 , T2 ]
交通高峰时段候车的超时率为
高峰时段的候车超过5分钟的总人数
高峰时段上车的总人数

记为: OverW(T
1 )
 ^ ^
W
kj (h ) WTkj (h )  5, h  1,..., hkj 
Tkj[T 1 ,T2 ]
1 T)
OverW(
 ^ ^
pk (Tkj )
TkjT [T 1 ,T2 ]
交通平峰时段候车的超时率为:
OverW(T
2 )

 W
^ ^
kj (h) WTkj (h)  10, h  1,..., hkj 
Tkj[T 1 ,T2 ]
2 T)
OverW(
 p (T
^ ^
k kj )
TkjT [T 1 ,T2 ]
满载率低于 50% 的段数的百分比为
满载率低于50%的段数
Cap _ low(T ) =
发车次数 (车站数  1)
 Pk (Tkj ) 
1  0.5
 B 
Cap _ low(T ) 
m  (n  1)
模型四 优化模型
为了使得公交公司与乘客都满意,就要保证在
所选的方案中,乘客等车时间超过上限的人次数尽
量最小;同时也要保证公交公司的车辆的不满 50%
的段数尽量地小,显然用段数作为计量的单位是必
要的,因为人数的变化、车辆的满载状况是在每个
段上衡量的。当然这里并不关心总的等车的时间,
而关心的是等车超过上限时间的次数,这也是表现
等车的基本的数量信息。为了构造满意度模型,我
们可以用比率模型来表示,而不是用实际等车的时
间数来表示。
min C   .OverW1 (T )   .OverW2 (T )   .Cap.low(T )
T

求 T  (T0 , T1 ,..Tk ., Tm )

min C   .OverW1 (T )   .OverW2 (T )   .Cap.low(T )


T

其中  ,  ,  是给定的权重,
反映的是对三个目标的重视程度
模型计算
本问题属于无约束最优化问
题,可以用诸如数值微分等方法
计算。也可以用离散化的计算方
法,根据问题的实际背景,通过
仅考虑决策变量的部分特殊的、
符合实际的离散化的状态,再从
中选择较优的方案。
将上行和下行两个运行方向的运营
分开分别计算,求出两个方向各自在一
个运行周期中的所有的发车的时间表、
发车的次数,求出可能的发车次数以后,
再进行配车,将发车次数的计算与车辆
的陪给数分开计算是合理和必要的。只
要知道了一天要运行的次数,就能够求
出所用的车辆数。这也是运输问题建模
的重要的方法。
计算结果
( J1 , J 2 , J 3 ) C Total Up-bus Down-bus
(3,2,2) 0.2374 420 22 22

(4,3,3) 0.2744 301 15 15

(5,2,3) 0.1748 295 22 22

(5,3,3) 0.2646 265 15 15

(6,2,2) 0.1803 299 22 22


可见,较好的方案是:
交通平峰时发车时间间隔为5分钟;
而早交通高峰时发车的时间间隔为2分
钟,晚交通高峰时的发车间隔时间为3
分钟;
需要的车辆数为44辆车。
{[(14.51  14.69)  20]  60}  2  44
数学建模教学不同于其它课程的教学。特别是作为
一门课程,应当在教学内容和在教学方法上进行认真分
析研究,在提高学生的兴趣、培养建模意识和技巧等方
面,进行不断的探索和研究。特别是在教学案例的组织
上下功夫,力图让学生 在一定程度上把握建模的一些规
律,提高学生的兴趣,增强学生的信心,不断提升建模
的能力。
数学建模方法作为一种科学方法,自然服从一
般的认识原理,从科学方法的角度进行分析、研究和探
讨,也应当是我们做好数学建模教学的重要思想基础。
本人在这方面的认识非常肤浅,上述所言不当
之处在所难免,诚恳希望得到各位专家和老师的批评指
正。
谢 谢!

You might also like