“拍照赚钱”任务定价模型.docx

“拍照赚钱”任务定价模型 摘要：该文针对“拍照赚钱”任务定价问题建立了依赖于任务与会员的经纬度、任务定价与完成情况的数学模型。通过对数据的可视化处理以及变量相关性分析，确定任务定价的规律，重新设计任务定价。??????? 关键词：任务定价；智图交互地图；长短期记忆网络；聚类分析；??????? 1 问题重述??????? “拍照赚钱”是一种基于移动端的自助服务模式。其核心要素是任务定价。定价的合理与否，将直接影响任务的领取情况，进而决定商品检查的成功与否。在对附件数据进行定价分析时，通过对任务与会员的经纬度、任务的标价进行整合分析是确定定价规律的重要方法。?问题一：附件一为已结束的任务数据，附件二为会员的信息数据。研究附件一内项目任务定价的规律，分析导致任务未能完成的原因。?问题二：为附件一的项目重新设计任务定价的方案，并与原方案比较。??????? 2 模型的建立与问题的求解??????? 2.1问题一的模型建立与求解??????? 2.1.1 基于智能交互地图的任务定价规律分析??????? 利用智能交互地图将数据可视化，建立将地区任务标价平均值进行分段构建的标价格网图，将价格均分为65.7～68.92、68.92～72.13、72.13～-5.35、75.35～-8.57、78.57～81.78、81.78～85六个等级，分别用六种颜色表示；还建立了根据会员的地区分布图，均分为1～21、21～41、41～61、61～81、81～101五个等级建立格网图，分别用五种颜色表示。发现任务地理位置均分布在广州、深圳、佛山、东莞四座城市，图中显示会员的密集分布区主要是在城市中心，距离城市中心较远的地区会员人数也相对较少。从图中不难看出任务标价规律和会员分布存在联系，会员密集分布的地区所对应的任务标价较低，会员人数较少的地区所对应的任务标价则比较高。??????? 2.1.2变量相关性分析模型??????? 结合附件一、二相关数据，认为任务的经度纬度、任务标价、任务方圆5公里内会员的平均信誉度、任务方圆5公里内会员到任务点的平均距离、任务方圆5公里内的会员人数都有可能对任务的完成存在影响。??????? 设有两坐标点M（x1，y1），N（x2，y2），根据文献，可知两坐标之间的距离L为：?????????? 利用MATLAB对模型进行求解可得程序输出结果，可以看出任务的经度、任务的纬度、任务方圆5公里内会员的平均信誉度、任务方圆5公里内会员到任务的平均距离、任务方圆5公里内的会员人数、任务标价和交通拥挤指数在加权之后相对任务执行情况的相关性虽然没有达到，但考虑到剩余影响因子可能是一些不可预知的客观因素，无法进行判断，所以这七个变量已经具有代表性，故进行继续分析。从求解的结果看，任务标价对任务执行情况的影响最大此外，任务方圆5公里内会员的平均信誉度、任务方圆5公里内会员到任务的平均距离、任务方圆5公里内的会员人数和交通拥挤指数对任务执行情况的贡献比任务标价的影响略小。??????? 综上所述，任务的位置、任务标价偏低、任务方圆5公里内会员的平均信誉度过低、任务方圆5公里内会员到任务的平均距离太大、任务方圆5公里内的会员人数太少、交通拥挤都是有可能造成任务未完成的原因。??????? 2.2问题二的模型建立与求解??????? 三层 BP 网络输入节点为 个（与 同维），个输出节点，个隐节点，输入层到隐含层的激活函数采用 Relu型函数，隐层到输出层的激活函数用 Purelin 函数，可得网络输入与输出的关系。模型求得的预测值和真实值误差较大，说明模型的预测效果不是很好，需要继续考虑基于LSTM的多层循环神经网络预测。??????? 2.2.1基于LSTM的多层循环神经网络预测模型??????? LSTM在于通过增加输入、遗忘、输出三个门限，使自身循环的权重变化，在模型参数固定，不同时刻的积分限度动态改变，避免梯度消下降过程的消极影响。基于LSTM的多层循环神经网络预测结果： ???????? 由图1可以看出，模型求得的预测值和真实值较为接近，可以发现随着训练次数的增加误差逐渐降低，说明模型的预测效果较好。??????? 2.2.2与原方案对比分析??????? 提取20个未完成任务的相关数据，运用建立的基于LSTM的多层循环神经网络定价模型求出与其对应的价格预测值。红线表示预测值蓝线表示真实值，可以发现真实值普遍比预测值低，符合问题一中分析得出的任务标价过低是导致任务未完成的主要原因。综上所述，说明在新的定价方案中，原有的完成的任务的真实值与预测值接近，未完成的任务的标价预测值要高于真实值，大大提高了任务完成的可能性，所以整体来看基于LSTM的多层循环神经网络定价方案的确优于原方案。???