2020年 MathorCup数学建模 A题 无车承运人平台线路定价问题,定价评价

时间:2022-07-22
本文章向大家介绍2020年 MathorCup数学建模 A题 无车承运人平台线路定价问题,定价评价,主要内容包括其使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。

2020年第十届MathorCup高校数学建模挑战赛题目

A题 无车承运人平台线路定价问题

问题 1:通过定量分析的方法,研究影响无车承运人平台进行货运线路定价的主要因素有哪些,并说明理由。 问题 2:根据附件 1 数据,通过建立数学模型,对已经成交货运线路历史交易数据中的定价进行评价。 问题 3: 建立关于线路定价的数学模型,给出附件 2 的线路任务的三次报价以及总成本定价,并填充在附件3 的表格中;给出你们的调价策略;评价你们对附件 2 的线路任务所给出的定价。

其中附件 3 的表格以 Excel文件形式,连同论文答卷一起上传至参赛系统,请勿改变附件 3 中各任务ID 的原有顺序。

附件 3 将用于测试报价的准确性,对于某个确定的任务,三次报价中有一次成交,则后续价格将不再考虑。 附件 1:货运线路历史交易数据 附件 2:待定价的货运线路任务单 附件 3:计算结果

三个问题分别是对特征间的相关性、给出定价的评价指标、预测总成本以及三次定价三个方向进行考查的,下面我们先对问题1进行解释。

本文解决问题2 的 定价评价 问题,想了解其他问题相关解题思路,点击顶部图文专辑“跟我一起学数据分析”查看。

分析过程

3、定价评价

3.1. 假定评价指标

我们将对历史交易数据中的定价的评价分 假设分为由两部分来决定,一部分是收益率, 一部分是响应时长。

收益率

收益率 =(线路价格 - 线路成本)/ 线路成本

接下来我们把收益率划分为分类数据也就是数据离散化:

收益率 [min, 0, 0.5, max] 分别为:不合理、合理、非常合理

响应时长

存在在给定的时间内任务没有司机接单,订单线路调价的情况,所以 响应时长 只用 交易成功时长 来计算可能还不够准确,当有调价的情况是 应该是 调价审核完成时间 到交易结束的时长 。

昨天的 代码里把 “调价审核完成时间”, “业务类型”, “需求类型2” 特征给删除了,注意补充上。

因为 调价审核完成时间 存在 N 值情况,我们可以 把出现 N 的值 由 “交易开始时间” 补充,这样 交易结束时间 减 调价审核完成时间 就是我们要的 响应时长 了。

观察了下 交易成功时长的 数据 交易成功时长的最小是 0 平均值 1604.89 最大值 50746 ,单位是分钟,转换成天来分析可能合适点。

接下来 我们把响应时长划分为分类数据:

响应时长 [min, 1, 2.5, max] 分别为:非常合理、合理、不合理

3.2. 对历史数据进行评价

利用 收益率 和 响应时长 来综合评价历史定价是否合理。

  • 如果收益率 和 响应时长 都是合理或者非合理,那么历史定价就是非常合理的,
  • 如果收益率 和 响应时长 有一个不合理,那么历史定价就是合理;
  • 如果收益率 和 响应时长 都是不合理,那么历史定价就是不合理;

由 收益率 和 响应时长 生成 综合评价 特征。

3.3. 数据可视化

查看 综合评价评分 占比,占比使用 饼状图 更直观一点。

    plt.pie 饼状图
    x       :(每一块)的比例,如果sum(x) > 1会使用sum(x)归一化;
    labels  :(每一块)饼图外侧显示的说明文字;
    explode :(每一块)离开中心距离;
    startangle :起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起;
    shadow  :在饼图下面画一个阴影。默认值:False,即不画阴影;
    labeldistance :label标记的绘制位置,相对于半径的比例,默认值为1.1, 如<1则绘制在饼图内侧;
    autopct :控制饼图内百分比设置,可以使用format字符串或者format function
            '%1.1f'指小数点前后位数(没有用空格补齐);
    pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6;
    radius  :控制饼图半径,默认值为1;
    counterclock :指定指针方向;布尔值,可选参数,默认为:True,即逆时针。将值改为False即可改为顺时针。
    wedgeprops :字典类型,可选参数,默认值:None。参数字典传递给wedge对象用来画一个饼图。例如:wedgeprops={'linewidth':3}设置wedge线宽为3。
    textprops :设置标签(labels)和比例文字的格式;字典类型,可选参数,默认值为:None。传递给text对象的字典参数。
    center :浮点类型的列表,可选参数,默认值:(0,0)。图标中心位置。
    frame :布尔类型,可选参数,默认值:False。如果是true,绘制带有表的轴框架。
    rotatelabels :布尔类型,可选参数,默认为:False。如果为True,旋转每个label到指定的角度。

源代码:

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv("car_new.csv")

df["收益率"] = (df["线路价格"] - df["线路总成本"]) / df["线路总成本"]
yield_rate_category = [df["收益率"].min(), 0, 0.5, df["收益率"].max()]
yield_rate_lables = ["不合理", "合理", "非常合理"]
df['收益率评价'] = pd.cut(df['收益率'], yield_rate_category, labels=yield_rate_lables)

df["调价审核完成时间"] = df.apply(lambda x: x["交易开始时间"] if x["调价审核完成时间"] == "N" else x["调价审核完成时间"], axis=1)
df["响应时长"] = (pd.to_datetime(df["交易结束时间"]) - pd.to_datetime(df["调价审核完成时间"])).dt.total_seconds() / (60 * 60 *24)
response_time_category = [df["响应时长"].min(), 1, 2.5, df["响应时长"].max()]
response_time_lables = ["非常合理", "合理", "不合理"]
df['响应时长评价'] = pd.cut(df['响应时长'], response_time_category, labels=response_time_lables)


def evaluate(yield_rate_lables, response_time_lables):
    if yield_rate_lables in ["非常合理", "合理"] and response_time_lables in ["非常合理", "合理"]:
        return "非常合理"
    elif "不合理" == yield_rate_lables == response_time_lables:
        return "不合理"
    else:
        return "合理"


df["综合评价"] = df.apply(lambda x: evaluate(x["收益率评价"], x["响应时长评价"]), axis=1)

# df.to_csv(f"car_new3.csv", encoding="utf_8_sig", index=False)

# df = pd.read_csv("car_new3.csv")

# 创建一个画布 画布比例
plt.figure(figsize=(6, 7))

# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 声明标题
plt.title("历史货运线路交易定价评价")

# 将数据载入画布
plt.pie(
    df.groupby(by="综合评价")["综合评价"].count(),
    labels=["不合理", "非常合理", "合理"],
    explode=(0.3, 0, 0),  # 将某一块分割出来,值越大分割出的间隙越大
    autopct='%.2f',  # 每块的占比
    shadow=True,  # 阴影设置
    startangle=30,  # 逆时针起始角度设置
)

# 添加图例
plt.legend(loc="upper right", fontsize=10, bbox_to_anchor=(1.1, 1.05), borderaxespad=0.3)
# loc =  'upper right' 位于右上角
# bbox_to_anchor=[0.5, 0.5] # 外边距 上边 右边
# ncol=2 分两列
# borderaxespad = 0.3图例的内边距

# 保存的文件名 分辨率
# plt.savefig('历史货运线路交易定价评价.png', dpi=300)
plt.show()

end