任務(wù)分包定價策略研究

范興奎　劉奎　王夢宇

摘 要：運用K-means聚類法將任務(wù)按照經(jīng)緯度分類，進行多元線性回歸分析，建立新的定價方案.構(gòu)建任務(wù)打包算法，進行多元線性回歸分析，得到合理的定價策略.實驗結(jié)果表明，新方案的定價更為合理.

關(guān)鍵詞：K-means聚類法；多元線性回歸模型；打包半徑；任務(wù)打包算法

[中圖分類號]R19 [文獻標(biāo)志碼]A

Abstract：Firstly， we use K-means clustering method to classify tasks according to latitude and longitude and carry out multivariate linear regression analysis to establish a new pricing scheme. Then， we build the task packaging algorithm and carry out multivariate linear regression analysis to get a reasonable pricing strategy. Finally， the experimental results show that the pricing of the new scheme is more reasonable.

Key words：K-means clustering method；multivariate linear regression model；packing radius；task packing algorithm

1 模型假設(shè)及符號說明

1.1 模型假設(shè)

數(shù)據(jù)處理過程中忽略地球曲面因素對距離的影響；假設(shè)定價過程符合市場供求理論，且不考慮政策對該軟件的影響；不考慮火山、地震等自然災(zāi)害對任務(wù)的干擾；假設(shè)所有用戶和商家均為理性經(jīng)濟人；假設(shè)所有數(shù)據(jù)來源真實可靠.

表3的數(shù)據(jù)表明，殘差數(shù)值偏高，最高可達339.61，只有第四、第五、第六類的殘差值較低，表明模型擬合效果不理想.參考文獻[2]的定價規(guī)律不合理，存在主觀定價情況，導(dǎo)致遠離市中心的任務(wù)完成度較低.定價是一個多因素導(dǎo)向的過程，只考慮距離與定價的關(guān)系而忽略其他客觀因素的影響，會造成定價不合理，從而導(dǎo)致任務(wù)無法完成.

任務(wù)未完成點主要集中在廣州市、深圳市及佛山市附近.距離市中心越遠，定價越高.任務(wù)未完成的主要原因是：

（1）定價合理是完成任務(wù)的基本因素.任務(wù)分包最核心的一環(huán)是定價，合理的價格可以吸引眾多參與者，促進任務(wù)高效完成.若定價者僅基于任務(wù)點與聚類中心的距離定價，則會忽略用戶執(zhí)行任務(wù)時成本大于利潤的情況.

（2）會員數(shù)量是影響任務(wù)完成的因素之一.一般來說，會員數(shù)量越多，任務(wù)完成概率越大.

（3）經(jīng)濟發(fā)展水平影響任務(wù)的完成情況.深圳市周邊大量任務(wù)處于未完成狀態(tài)，且定價明顯較低，但深圳市會員數(shù)量充足，幾乎不存在其他區(qū)域會員跨地區(qū)完成任務(wù)的情況.2016年深圳市居民人均年收入為45 000元[4]，日常工資足以滿足人們的消費需求，基本不需要賺取外快來增加收入.因此，較高的經(jīng)濟發(fā)展水平會導(dǎo)致任務(wù)完成率較低.

（4）便捷的交通有利于任務(wù)的完成.如東莞市附近，一些價格較高的任務(wù)也無人接受.該區(qū)域位于東莞市城鄉(xiāng)結(jié)合部，交通網(wǎng)絡(luò)不發(fā)達，時間成本和交通費用大于任務(wù)酬金，因此理性會員普遍會放棄接受此類任務(wù).

3 模型2：多元線性回歸模型[1]

3.1 指標(biāo)選取

會員到任務(wù)點的距離x1為采用針對某一任務(wù)選擇，所有會員與其距離的和；會員信譽值x2為參考文獻[2]中給出的指標(biāo)；預(yù)定任務(wù)限額x3為每位會員預(yù)定的完成任務(wù)的上限；人均收入x4為全體成員獲取總收入的平均值；青年人口比例x5為一定區(qū)域內(nèi)，某個時間段中，青年人口數(shù)占總?cè)丝跀?shù)的比重；交通便利程度x6為一個地區(qū)的道路交通狀況；τ為0-1變量，即當(dāng)任務(wù)點附近有地鐵時，τ為1，否則為0.相關(guān)數(shù)據(jù)來源于廣東省統(tǒng)計年鑒.[5]

3.2 模型建立

計算每類別的任務(wù)完成度，選擇其中具有代表性的三類：第三類（20%）、第五類（56%）和第六類（99%）.計算每類別最大范圍、各會員與聚類中心的距離.若會員與聚類中心的距離處于某一范圍內(nèi)則歸為一類.計算會員到聚類中心的距離和.將三類任務(wù)點輸入百度地圖，統(tǒng)計各任務(wù)點附近一定范圍內(nèi)的公交站臺和地鐵站臺數(shù)量，計算交通便利度.[6]

建立多元線性回歸模型.計算結(jié)果表明[7]，會員信譽度和預(yù)定任務(wù)限額的相關(guān)系數(shù)為0.653，相對較高.會員信譽度對價格的影響最小，因此，剔除該指標(biāo)，建立五元線性回歸方程.

4 模型3：任務(wù)打包定價模型

任務(wù)打包對行業(yè)定價的影響因素為：接單者通過一次完成多項鄰近任務(wù)從而降低成本，商家通過將多項任務(wù)分配給同一接單者從而降低價格.基于任務(wù)距離打包的核心在于任務(wù)打包半徑的確定.本文分別選取1 km，2 km和3 km作為打包半徑，對任務(wù)進行打包.

以第三類打包任務(wù)為例.隨機選擇某一點，以1 km為半徑，運用MATLAB軟件編程計算出任務(wù)點與其距離，與半徑對比，選擇所有距離小于半徑的點與初始點一起打包.通過任務(wù)打包算法，完成打包，得到各任務(wù)包的經(jīng)緯度數(shù)據(jù).建立基于任務(wù)打包的多元線性回歸模型，研究任務(wù)打包的定價策略.采用式（2）計算每個任務(wù)包與會員的距離與距離和.選取預(yù)定任務(wù)限額、人均月收入、青少年比例及交通便利度作為指標(biāo)進行多元回歸分析.回歸模型為：

5 結(jié)論

基于“互聯(lián)網(wǎng)+”共享模式，研究任務(wù)分包軟件的定價策略問題.運用K-means聚類法，將任務(wù)按照經(jīng)緯度分為8類，任務(wù)點與聚類中心的距離作為自變量，與任務(wù)價格進行擬合，分析任務(wù)未完成的原因.再選取對完成任務(wù)有影響的指標(biāo)，進行多元線性回歸分析，建立新的定價方案.新的定價方案與原有定價方案對比的結(jié)果表明，新方案的定價更為合理.構(gòu)建任務(wù)打包算法，進行多元線性回歸分析，從而得到合理的定價策略.

參考文獻

[1] 司守奎，孫璽菁. 數(shù)學(xué)建模算法與應(yīng)用[M].北京：國防工業(yè)出版社，2008：1-35.

[2] 中國工業(yè)與應(yīng)用數(shù)學(xué)學(xué)會.2017年全國大學(xué)生數(shù)學(xué)建模競賽B題[DB].http：// www.mcm.edu.cn/ht ml_cn/node/460baf68ab0ed0e1e557a0c79b1c4648.html.

[3] 賀超英，王少喻.MATLAB應(yīng)用與實驗教程[M].北京：電子工業(yè)出版社，2013.10-91.

[4] 中華人民共和國國家統(tǒng)計局，深圳市統(tǒng)計局. 深圳統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2016.139-143.

[5] 中華人民共和國國家統(tǒng)計局，廣東省統(tǒng)計局.廣東統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2016.100-267.

[6] 劉燕婷，蘇小熔，任龍文.廣州中心城區(qū)免費公園公共交通出行便利度分析[J].云南地理環(huán)境研究，2010，22（5）：63-67.

[7] 盧紋岱.SPSS統(tǒng)計分析[M].北京：電子工業(yè)出版社，2010.109-137.

編輯：吳楠