数学建模共享单车问题

附件2中有50辆共享单车(编号为951-1000)的数据。已知其中5辆单车会间歇性地发生故障，从而导致该车在部分时段的骑行速度过慢。请根据附件1，判断附件2中有哪5辆车最有可能是问题车。

导入附件1数据

%% 导入数据[~, ~, raw0_0] = xlsread('附件1 共享单车数据.xls','Sheet1','B1:B12030');[~, ~, raw0_1] = xlsread('附件1 共享单车数据.xls','Sheet1','D1:D12030');[~, ~, raw0_2] = xlsread('附件1 共享单车数据.xls','Sheet1','F1:F12030');[~, ~, raw0_3] = xlsread('附件1 共享单车数据.xls','Sheet1','H1:H12030');[~, ~, raw0_4] = xlsread('附件1 共享单车数据.xls','Sheet1','J1:J12030');raw = [raw0_0,raw0_1,raw0_2,raw0_3,raw0_4];raw(cellfun(@(x) ~isempty(x) && isnumeric(x) && isnan(x),raw)) = {''};%% 将非数值元胞替换为 NaNR = cellfun(@(x) ~isnumeric(x) && ~islogical(x),raw); % 查找非数值元胞raw(R) = {NaN}; % 替换非数值元胞%% 创建输出变量data = reshape([raw{:}],size(raw));%% 创建表data1 = table;%% 将导入的数组分配给列变量名称data1.bh = data(:,1);data1.cf_time = data(:,2);data1.cf_tcd = data(:,3);data1.dd_time = data(:,4);data1.dd_tcd = data(:,5);%% 清除临时变量clearvars data raw raw0_0 raw0_1 raw0_2 raw0_3 raw0_4 R;% 备份一下数据data_bf = data1;

处理第一列的缺失值

data1.bh = fillmissing(data1.bh,'previous');

删除表中包含缺失数据的任何行

data1 = rmmissing(data1);

提取这10个停车点来回之间的数据

num = 10; % 10个停车点tcd_data = cell(num,num);for i = 1:numfor j = 1:iind1 = (data1.cf_tcd == i & data1.dd_tcd == j); % i-->jind2 = (data1.cf_tcd == j & data1.dd_tcd == i); % j-->itcd_data{i,j} = data1(ind1|ind2,:);endend

计算平均值和标准差

mean_tcd = cellfun(@(x) mean(x.dd_time-x.cf_time), tcd_data,'ErrorHandler',@(varargin) NaN);std_tcd = cellfun(@(x) std(x.dd_time-x.cf_time), tcd_data,'ErrorHandler',@(varargin) NaN);

生成一个对称矩阵，在此之前将nan改为0

mean_tcd(isnan(mean_tcd)) = 0;std_tcd(isnan(std_tcd)) = 0;mean_tcd = mean_tcd + mean_tcd';std_tcd = std_tcd + std_tcd';

导入附件2数据

%% 导入数据[~, ~, raw0_0] = xlsread('附件2 待检测的共享单车数据.xls','Sheet1','B1:B619');[~, ~, raw0_1] = xlsread('附件2 待检测的共享单车数据.xls','Sheet1','D1:D619');[~, ~, raw0_2] = xlsread('附件2 待检测的共享单车数据.xls','Sheet1','F1:F619');[~, ~, raw0_3] = xlsread('附件2 待检测的共享单车数据.xls','Sheet1','H1:H619');[~, ~, raw0_4] = xlsread('附件2 待检测的共享单车数据.xls','Sheet1','J1:J619');raw = [raw0_0,raw0_1,raw0_2,raw0_3,raw0_4];raw(cellfun(@(x) ~isempty(x) && isnumeric(x) && isnan(x),raw)) = {''};%% 将非数值元胞替换为 NaNR = cellfun(@(x) ~isnumeric(x) && ~islogical(x),raw); % 查找非数值元胞raw(R) = {NaN}; % 替换非数值元胞%% 创建输出变量data = reshape([raw{:}],size(raw));%% 创建表data2 = table;%% 将导入的数组分配给列变量名称data2.bh = data(:,1);data2.cf_time = data(:,2);data2.cf_tcd = data(:,3);data2.dd_time = data(:,4);data2.dd_tcd = data(:,5);%% 清除临时变量clearvars data raw raw0_0 raw0_1 raw0_2 raw0_3 raw0_4 R;% 备份一下数据data_bf2 = data2;

处理第一列的缺失值

data2.bh = fillmissing(data2.bh,'previous');

删除表中包含缺失数据的任何行

data2 = rmmissing(data2);

计算行驶的时间

data2.dif_time = data2.dd_time-data2.cf_time;

3sigma原则确定异常值

diftime = data2.dif_time;cfd = data2.cf_tcd;ddd = data2.dd_tcd;num = length(cfd); % 569res = zeros(num,1); % 初始化要求的结果for i = 1:numsigma = std_tcd(cfd(i),ddd(i));if diftime(i) < mean_tcd(cfd(i),ddd(i)) - 3*sigmares(i) = 1;elseif diftime(i) > mean_tcd(cfd(i),ddd(i)) + 3*sigmares(i) = 1;endenddata2.res = res;

统计这50辆车中，异常值的占比

先对数据进行分组，G是分组编号，M是代表的意义

[G,M] = findgroups(data2.bh);f = @(x) length(x(x==1))/length(x);bl = splitapply(f,data2.res,G); % 计算异常值的比例format long gsortrows([M,bl],2,'descend')

ans = 50×2

975 0.833333333333333

961 0.8

996 0.636363636363636

977 0.625

981 0.444444444444444

951 0

952 0

953 0

954 0

955 0

编号为[975 961 996 977 981]的这五辆车存在问题。

为确保停车点的正常运行，工作人员每天需骑车从第1个停车点开始，对10个停车点依次进行无重复无遗漏地巡视，途中不作停留，最后回到第1个停车点。为了尽快完成所有停车点的巡视并返回，根据附件1，请给出一条巡视路线(即10个停车点的巡视顺序)，并给出巡视一次所需要的最短时间。

factorial(9)

ans =

362880

问题规模不算太大，可以枚举，没太大必要用模拟退火或者遗传算法等智能优化算法!

枚举法：先来生成路径的排列组合（不到1s出结果了）

ticPATH = perms(2:10);num = size(PATH,1);PATH = [ones(num,1),PATH];TIME = zeros(num,1); % 保存每条路径的时间for i = 1:numTIME(i) = calculate_tsp_d(PATH(i,:),mean_tcd);endtoc

历时 0.432379 秒。

function  result =  calculate_tsp_d(path,d)
% 输入：path:路径（1至n的一个序列），d：距离矩阵(在本题中就是时间~)n = length(path);result = 0; % 初始化该路径走的距离为0for i = 1:n-1  result = d(path(i),path(i+1)) + result;  % 按照这个序列不断的更新走过的路程这个值end   result = d(path(1),path(n)) + result;  % 别忘了加上从最后一个城市返回到最开始那个城市的距离
end

[min_time,ind] = min(TIME);disp('最优路线是：')PATH(ind,:)

% ans = 1×10

% 1 10 2 8 5 7 4 9 3 6

disp('最短时间是')

最短时间是

min_time

min_time =

53.4753546422219

为应对疫情，工作人员需要每隔4小时对共享单车进行一次消毒。消毒的方式为：从停车点1开始消毒，并骑电动车对10个停车点依次进行无重复无遗漏地消毒(电动车的速度为共享单车的1.5倍)，每个停车点停留10分钟，最后返回停车点1。在某个停车点停留时，对出现在当前停车点的所有共享单车，在把手、坐垫和篮筐上喷洒医用酒精进行消毒。由于消毒方式便于操作，停留的10分钟已然够用。同时，鉴于酒精的快速挥发性，消毒不影响借还车的进行。若某次消毒，工作人员在上午9点出发，根据附件1，请给出一条消毒路线(即10个停车点的消毒顺序)，使得本次能够被消毒的共享单车数量尽可能地多，并且不影响下一次消毒的进行。

这个题目有一点点歧义，即要不要算上附件二中编号为951-1000的这50辆车

如果算上的话可以这么做：

% data = union(data1,data2(:,1:5));

如果同时还要排除存在问题的这五辆车，可以这样做：

% ind = [975 961 996 977 981];

% for i = 1:length(ind)

% data(data.bh == ind(i),:) = [];

% end

%统计在一天的每一分钟，每个停车点有多少辆车

R = zeros(24 * 60 , 10);data = data1;data.cf_time = ceil(data.cf_time);data.dd_time = ceil(data.dd_time);bh = unique(data.bh);num_bh = length(bh);for k = 1:num_bhtmp = data(data.bh == bh(k),:);num = height(tmp); % 有几个记录if num == 1R(1:tmp.cf_time, tmp.cf_tcd) = R(1:tmp.cf_time, tmp.cf_tcd)+1;R(tmp.dd_time:end, tmp.dd_tcd) = R(tmp.dd_time:end, tmp.dd_tcd)+1;elsefor i = 1:numif i == 1R(1:tmp.cf_time(i), tmp.cf_tcd(i)) = R(1:tmp.cf_time(i), tmp.cf_tcd(i))+1;elseif i == numR(tmp.dd_time(i): end, tmp.dd_tcd(i)) = R(tmp.dd_time(i):end, tmp.dd_tcd(i))+1;R(tmp.dd_time(i-1): tmp.cf_time(i), tmp.dd_tcd(i-1)) = R(tmp.dd_time(i-1): tmp.cf_time(i), tmp.dd_tcd(i-1))+1;elseR(tmp.dd_time(i-1): tmp.cf_time(i), tmp.dd_tcd(i-1)) = R(tmp.dd_time(i-1): tmp.cf_time(i), tmp.dd_tcd(i-1))+1;endendendend

这一问也可以采用枚举法：先来生成路径的排列组合（不到10s出结果了）

ticPATH = perms(2:10);num = size(PATH,1);PATH = [ones(num,1),PATH];CLS = zeros(num,1); % 保存每条路径能够消毒的车辆数for i = 1:numCLS(i) = calculate_num(PATH(i,:),mean_tcd,R);endtoc

历时 4.385277 秒。

function  result =  calculate_num(path,mean_tcd,R)
%    1    10     9     8     7     6     5     4     3     2start_clock = 60 * 9;  % 在上午9点开始消毒tlsj = 10; % 每个停车点停留时间是10分钟num = length(path);result = 0;for i = 1:numresult = result + max(R(start_clock: start_clock+tlsj-1, path(i)));if i < num  start_clock = ceil(start_clock + tlsj + mean_tcd(path(i),path(i+1)) / 1.5);endend
end

[max_cls,ind] = max(CLS);disp('最优路线是：')

最优路线是：

PATH(ind,:)

ans = 1×10

1 3 7 6 2 8 4 10 5 9

disp('能够消毒的车辆数最多是：')

能够消毒的车辆数最多是：

max_cls

max_cls =

943

根据附件1，如何在某个时间段内对停车点的共享单车需求程度进行评估，给出评价标准，并指出从450到600这个时间段，对共享单车需求程度最高的3个停车点。

这里考虑一种最简单的定义需求的关系：

如果某个停车点第x分钟有f(x)辆车，第x+1分钟有f(x+1)辆车

这一分钟的需求量是max(f(x)-f(x+1),0)辆车（车被借走了才有需求）

同理可以考虑一段时间的需求量，只需要进行一个累计求和即可。

r1 = R(450:599,:);r2 = R(451:600,:);demand = sum(max(r1-r2,0))

demand = 1×10

123 84 102 95 116 111 112 100 97 95

上面这种需求方式只考虑了借车的需求，如果同时考虑还车的需求，可以这样做：

% r1 = R(450:599,:);
% r2 = R(451:600,:);
% demand = sum(abs(r1-r2))

还有一个小问题：按照这个需求关系的定义：如果某一时刻借出一辆然后同时还回一辆不是需求量就变成零了吗？
解决方法：上面我们生成矩阵的时候时间是以1分钟分割的，如果你把时间划分的更加精细一点，比如以0.1分钟来分割，就可以减小这个误差。但这个时候的R矩阵会比原来的大10倍，这对matlab来说还是能够应付的过来的，大家有兴趣可以自己实现这个代码。

下面是画图（matlab2021a版本可以运行，2017a版本会报错，其他版本请自己测试）

figure1 = figure('NumberTitle','off','Name','Figure','Color',[1 1 1]);% 创建 axesaxes1 = axes('Parent',figure1);hold(axes1,'on');% 创建 barb = bar(demand,'DisplayName',' 需求');% 添加数据点xtips1 = b(1).XEndPoints;ytips1 = b(1).YEndPoints;labels1 = string(b(1).YData);text(xtips1,ytips1,labels1,'HorizontalAlignment','center',...'VerticalAlignment','bottom')% 创建 plotplot([0,11],[mean(demand),mean(demand)],'DisplayName',' 均值','Tag','mean y','LineStyle','-.',...'Color',[0 0.5 0]);box(axes1,'on');hold(axes1,'off');% 设置其余坐标区属性set(axes1,'XTick',[1 2 3 4 5 6 7 8 9 10]);% 创建 legendlegend(axes1,'show');

2019年，宁波市发布了文件《关于规范宁波市互联网租赁自行车发展的若干意见》(附件3)，文件中提到：“按照交通相宜、规模适度、因地制宜、方便公众的原则，科学编制非机动车停放区域设置规划” 。公司根据文件精神，要撤销2个停车点。具体操作为，在附件1中的所有借还车行为结束后，移除这两个停车点的车辆，并运送到其他城市。请给出撤销停车点的评判标准，并指出应撤销哪两个停车点？

这题就很简单了，可以考虑很多指标

比如上一问定义的需求量波动情况等

数学建模共享单车问题相关推荐

共享单车MATLAB建模,数学建模共享单车论文.pdf
2017 年北京科技大学数学建模练习题 (请先阅读"全国大学生数学建模竞赛论文格式规范") A 题: 共享单车运营方案共享单车的存在解决了城市里"最后一公里" ...
Python数据分析之共享单车及建模探索(CLV建模、可视化)
Python数据分析之共享单车及建模探索(CLV建模.可视化) 开发环境 4.3[开发平台及环境] Windons 10 教育版 Python 3.7 IntelliJ IDEA 2018.2.1 / ...
基于共享单车轨迹的自行车道规划（读书笔记）
近来重新学习了一下 Planning Bike Lanes based on Sharing-Bikes' Trajectories这篇文章,觉得写得蛮好的,对于学习轨迹数据挖掘 ...
【数学建模】6 近十年江西省研究生建模赛题及近三年全国建模赛题目录
1 数学建模的基本过程 (1)模型准备–了解背景 (2)模型假设–明确目标 (3)模型建立–刻画规律 (4)模型建立–得到结果 (5)模型分析–总结规律 (6)模型检验–形成结论 2 江西省研究生历年 ...
【Social listening实操】用大数据文本挖掘，来洞察“共享单车”的行业现状及走势
本文转自知乎作者:苏格兰折耳喵 ----------------------------------------------------- 对于当下共享单车在互联网界的火热状况,笔者想从大数据文本挖 ...
共享单车运营分析及决策研究
共享单车运营分析及决策研究张红, 周迪新, 程传祺, 沙毓兰州理工大学计算机与通信学院,甘肃兰州 730050 摘要:针对共享单车运营过程中出现的分配不均衡和调度不合理的问题,基于某城市10 ...
python客户端开发自行车租赁系统_爬虫获取mobike共享单车信息
背景:端午节假期的时候参加了学校的数学建模比赛,题目是关于共享单车的供需匹配问题,需要获得共享单车的数量和时空分布情况. 在苦苦找寻数据无果的情况下决定自己用爬虫对天津地区的mobike进行统计. 在 ...
数学建模记录（如何组织，如何参加）（一）
一.组织记录在8.15结束的东三省数学建模比赛中,我自己既是赛事的组织者又是参与者.建模比赛是由数学科学学院统筹规划的,我参与了从报名到论文提交的全过程,并且是全程通过线上完成的,作为我第一次组织也 ...
2021第六届数维杯大学生数学建模竞赛赛题_A 外卖骑手的送餐危机
外卖骑手的送餐危机外卖业务已经成为了大城市上班族每日生活中不可或缺的一部分.根据美团2020年6月发布的<2019中国即时配送行业发展报告>中显示,2019年我国即食配送业务订单规模达到 ...

数学建模共享单车问题

数学建模共享单车问题相关推荐

最新文章

热门文章