四．模型分析、建立与求解

4.1问题一的分析与建模

我们首先将附件一、二中的数据导入google map pro，进行数据可视化分析，由图二和图三可知，会员和任务都分布在佛山、广州、东莞、深圳这四个城市，且市中心的会员、任务密度要明显大于郊区。

然后我们将任务定价分层显示，图中黄点表示价格区间为65-70的任务，橙色点表示价格区间70-75的任务（75-85的任务量过少，故不分析），通过将任务价格信息可视化，我们可以明显看出城市中心的任务价格低于郊区（黄点多集中分布在市中心）。

将会员与任务价格分布信息相联系，可以看出会员的分布密度、任务的分布密度对任务价格有很大的影响（任务的分布密度、会员密度大的地方任务价格较低），我们将数据进行处理，计算出一个任务周围的任务分布密度、会员分布密度。在这里，为简化起见，设定一个半径，计算此任务周围的任务个数，会员个数，记为任务分布密度、会员分布密度。在多次计算、测试之后，选定经纬度的欧式距离为0.0643作为半径，能实现对任务分布密度、会员分布密度的良好分层。

我们再将数据导入spss进行主成分分析，来了解各个变量之间的相关性，对变量间的关系有一个了解。

如图五所示，前三个主成分较大，所以我们可以说有三个主成分。另外，我们看到第一个主成分方差占所有主成分方差的44.159%，第二个占33.381%，第三个占10.894%。这三个累计达到了88.434%。可知任务定价与任务分布密度、会员分布密度存在着显著的关系。

由此，我们将数据导入matlab开始进行曲线拟合,得到了模型I，

从图六、七中可以看出，随着任务分布密度、会员分布密度增大，任务定价减小，符合初期设想。

分享让更多人看到