2018年数学建模B“拍照赚钱”的任务定价模型

拍照赚钱的任务定价数学建模论文

“拍照赚钱”的任务定价分析 “通过拍照赚钱”是一种自助服务模式，要求成员在应用程序上收集任务并在完成任务后获得为任务划定的报酬。在此应用中，任务定价是其核心要素。通过对“拍照赚钱”任务定价方案的分析，评价和改进，优化任务包装方案，达到了节约成本，提高任务完成度的目的。对于问题一，通过分析附件一中的任务定价数据，我们可以看到任务评估的平均定价为69.11，任务定价的范围为[65,85]。在分析未完成任务的原因时，首先，未完成任务的比例为37.9％。其次，绘制任务完成和任务定价框的折线图。未完成任务的价格低于已完成任务的价格。最后，在地图上标记任务的完成。可以看出，未完成的任务主要集中在区域1中，区域2的完成度最高。对于第二个问题，选择附件1中的完整数据作为训练集，并将未完成的任务作为测试集。通过按经度和纬度连接附件I和附件II，建立了以任务定价为因变量的线性回归模型。利用该模型对原方案中未完成任务的定价进行了预测和分析，预测值为新的定价方案。新方案的完成率比原方案高11.87％。对于第三个问题，根据任务位置和成员位置的经纬度信息计算出每个成员到每个任务点的距离，并根据每个成员的任务配额和信誉来分配和打包任务成员，针对问题4和问题4，有必要为附件3中的新项目制定任务定价方案。首先，从问题3中获得的约束公式用于打包和发布附件3中的

数据，可以打包。到300。然后，对300组数据进行预测和分析，以获得一组任务定价。为了知道该方案是好是坏，请进行一系列比较。利用附件3中的数据，将问题2中建立的模型应用于预测和分析，并获得新的任务定价。比较两个任务的总价值后，我们发现软件包发布方案的成本较低，因此此结果更为合理。通过对“拍照赚钱”任务定价的分析，我们可以了解到打包发布任务的成本较低，方案较为合理。关键词：多元线性回归任务定价任务包装R语言 1，问题重述 “通过拍照赚钱”是一种自助服务模式，用户可以下载应用程序并成为会员，然后选择执行任务以在应用程序上赚钱。这种基于Internet的自助服务平台以app为核心，而app中的任务定价是其核心要素。如果定价不合理，将导致某些任务的收取率低，从而导致商检失败。这个平台比传统的市场调查更可取，它更便于调查，不仅可以节省成本，还可以使数据更加真实有效。但是，关于应用程序的最重要的事情是任务的定价。如果价格不合理，一些任务将被忽略，导致商检失败。根据附件中提供的数据，完成以下问题：研究任务的定价规律，分析任务未完成的原因。为该项目设计一个新的任务定价方案，并将其与原始方案进行比较。打包和发布任务。并修改以前的定价模型，对最终任务完成有什么影响？

年B题拍照赚钱的任务定价

年B题拍照赚钱的任务定价 WTD standardization office【WTD 5AB- WTDK 08- WTD 2C】

2017年高教社杯全国大学生数学建模竞赛题目（请先阅读“全国大学生数学建模竞赛论文格式规范”） B题“拍照赚钱”的任务定价 “拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP，注册成为APP的会员，然后从APP上领取需要拍照的任务（比如上超市去检查某种商品的上架情况），赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。因此APP成为该平台运行的核心，而APP中的任务定价又是其核心要素。如果定价不合理，有的任务就会无人问津，而导致商品检查的失败。附件一是一个已结束项目的任务数据，包含了每个任务的位置、定价和完成情况（“1”表示完成，“0”表示未完成）；附件二是会员信息数据，包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会员信誉越高，越优先开始挑选任务，其配额也就越大（任务分配时实际上是根据预订限额所占比例进行配发）；附件三是一个新的检查项目任务数据，只有任务的位置信息。请完成下面的问题： 1.研究附件一中项目的任务定价规律，分析任务未完成的原因。 2.为附件一中的项目设计新的任务定价方案，并和原方案进行比较。

3.实际情况下，多个任务可能因为位置比较集中，导致用户会争相选择，一种考虑是将这些任务联合在一起打包发布。在这种考虑下，如何修改前面的定价模型，对最终的任务完成情况又有什么影响？ 4.对附件三中的新项目给出你的任务定价方案，并评价该方案的实施效果。附件一：已结束项目任务数据附件二：会员信息数据附件三：新项目任务数据

“拍照赚钱”的任务定价分析的论文(电子版)

“拍照赚钱”的任务定价分析摘要随着现代科技的高速发展，现在的智能手机功能越来越多样化，手机的像素也越来越高，拍照也从数码相机过渡到了手机，手机不仅仅可以拍怕生活照，风景照；人们也意识到手机拍照也是可以用来赚钱的，只要你的像素够高，拍出的图清晰，且符合相关要求，就可以获得相应的报酬。对于问题一，分析附件一中含有的参数，将这些参数分别于任务的执行情况相关联，通过分析作图对比，计算所占比率等因素发现，将任务所占区域进行对比，发现其定价的主要规律是跟任务量有关，随着价格的逐渐递增，任务出现了逐渐递减的趋势，可以说明一个问题，就是可能随着价格的增高，在此价格上投入的任务量会逐渐递减。但是其中也出现了几个转折明显的定价，究其原因，可能是跟后面的时间有关。对于问题二对于问题三，多个任务可能会因为位置比较集中，导致用户争相选择，一种选择是将这些任务打包发布，这里我们得出了两种定价方案：方案1根据用户与任务的距离，将相对集中的任务合并到一起，并且打包给距离较近的用户，来调整价格；方案二2根据用户与任务的集中程度，将合并在一起的任务发布给在此区域类信誉度较高的用户，调整价格。对于问题四，经过MATLAB绘制新项目的位置坐标后发现这些坐标都集中在一定的范围内，所以这个跟问题三的处理方式相类似。可以考虑将任务打包发布来调整价格，调整价格的分布就会出现一个问题，那就是在哪些位置分布怎样的价格，这些价格又会怎么影响整个方案。这就相当于此方案的实施效果是对问题三方案的检验。关键词：任务量，MATLAB，会员位置

1.问题重述 1.1问题背景随着现代科技的高速发展，现在的智能手机功能越来越多样化，手机的像素也越来越高，拍照也从数码相机过渡到了手机，手机不仅仅可以拍怕生活照，风景照；人们也意识到手机拍照也是可以用来赚钱的，只要你的像素够高，拍出的图清晰，且符合相关要求，就可以获得相应的报酬。 1.2问题描述 “拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP，注册成为APP 的会员，然后从APP上领取需要拍照的任务（比如上超市去检查某种商品的上架情况），赚取APP对任务所标定的酬金。这种基于移动互联网的自助式劳务众包平台，为企业提供各种商业检查和信息搜集，相比传统的市场调查方式可以大大节省调查成本，而且有效地保证了调查数据真实性，缩短了调查的周期。因此APP成为该平台运行的核心，而APP中的任务定价又是其核心要素。如果定价不合理，有的任务就会无人问津，而导致商品检查的失败。附件一是一个已结束项目的任务数据，包含了每个任务的位置、定价和完成情况（“1”表示完成，“0”表示未完成）；附件二是会员信息数据，包含了会员的位置、信誉值、参考其信誉给出的任务开始预订时间和预订限额，原则上会员信誉越高，越优先开始挑选任务，其配额也就越大（任务分配时实际上是根据预订限额所占比例进行配发）；附件三是一个新的检查项目任务数据，只有任务的位置信息。请完成下面的问题： 1. 研究附件一中项目的任务定价规律，分析任务未完成的原因。 2. 为附件一中的项目设计新的任务定价方案，并和原方案进行比较。 3. 实际情况下，多个任务可能因为位置比较集中，导致用户会争相选择，一种考虑是将这些任务联合在一起打包发布。在这种考虑下，如何修改前面的定价模型，对最终的任务完成情况又有什么影响？ 4. 对附件三中的新项目给出你的任务定价方案，并评价该方案的实施效果。 2.问题分析 2.1问题一分析要从附件一分析出项目的的任务定价规律，即定价规律是什么？更简言之便是我们的定价规律具有什么样的形式？一、我们要得到这些定价的范围，这是非常容易办到的，因为从附件一数据可以看出价格是一些离散的点集，我们将标价升序（降序）排列便会产生最大值与最小值，列出两者之间的数值就得到确切的范围。二、这些范围的定价规律应该如何得出便成为我们的难点。由于任务的位置是经纬度（给定区域内离散的点集）是二维，如果用位置拟合标价的曲线图，就意味着要将给定区域内的点集合转化为一条直线上的点，这样的方式根本不可能办到，故此方法不合理。如果用给定区域内点集合

“拍照赚钱”的定价研究

“拍照赚钱”的定价研究发表时间：2019-03-13T16:06:58.927Z 来源：《中国西部科技》2019年第1期作者：黄紫豪1，邹晓丹 2，刘佳浩1 [导读] 通过数据分析，研究任务定价规律，分析任务未完成原因，为任务进行更合理定价做好铺垫。首先将任务与会员位置坐标分别导入百度地图，由地图可知任务位置可划分为四个区域、会员位置可划分为三个区域，剔除异常点，再对其分别进行聚类分析验证分类正确性并找出会员位置中心点。其次，先对完成任务定价影响因素进行灰色关联度分析，再对未完成任务定价影响因素进行灰色关联度分析。最后对影响定价因素的关联矩阵进行分析。 1华北理工大学材料科学与工程学院 2华北理工大学经济学院 0引言随着互联网信息产业兴起,电子商务得到迅猛的发展。"拍照赚钱"是一种基于移动互联网的自助式劳务众包平台，定价的合理性对任务完成情况将会产生重要影响，进而影响到企业的商业检查和信息搜集。 1"拍照赚钱"的任务定价规律模型 1.1模型准备 1.1.1任务定价影响因素 (1)经查看"拍照赚钱"官网并综合考虑每项任务位置及周围环境，我们定义影响任务定价的四个因素：会员密度、任务密度、任务距中心距离、会员完成能力。 1.1.2 数据预处理 (2)为清晰观察任务、会员位置与定价关系，分别将它们导入百度地图，经观察得知任务位置可分为四个区域：广州、深圳、佛山、东莞；会员位置可分为三个区域：深圳、广东和佛山、东莞。将异常点的信息剔除，用SPSS对处理后数据做聚类分析，并得到会员区域中心点坐标：A1(113.2757,23.1235)，A2(114.0689,22.6414),A3(113.8294，22.9159)。(3)以任务点为中心，1km为半径作圆，设该范围内覆盖会员数为n,其他任务数为m。

B题“拍照赚钱”的任务定价

2017数学建模B“拍照赚钱”的任务定价模型

“拍照赚钱”的任务定价模型摘要本题要求分析“拍照赚钱”任务的服务模式，研究其定价规律，并设计新的任务定价方案，结合实际情况，修改定价模型，最终对新项目设计任务定价方案，并评价方案的实施效果。求解的具体流程如下：针对问题一：为了研究项目的定价规律，分析任务未完成的原因，利用附件一的信息，在地图上定位所有坐标的位置，发现任务集中在广东、东莞、佛山、深圳四市，分别标明每个城市的成功任务和失败任务。以深圳为例，对深圳市任务进行聚类分析，结果分成5类，由相应任务的定价可以得出，人口密集处定价较低，人口稀少处定价较高的定价规律。将附件二的位置信息同理在地图上定位，分别计算任务周围的会员数，分析其与定价的联系。针对问题二：由问题一结果可知，任务定价与任务周围人数和任务周围人口密度等因素有关。利用网络爬虫爬取广州、东莞、佛山、深圳四市医院，学校，小区，超市四种人口密度较大场所的经纬度，统计成功任务周围十公里人口密集场所。用RBF神经网络模型，从而确定新的定价方案。将此方案与原方案进行比较，得出两种定价方案的差异。针对问题三：为了解决用户争相选择位置集中任务等问题，可将多个任务联合打包，以便用户更好得执行任务。利用问题二中RBF神经网络模型求出新的定价方案下的任务定价；同问题一，求任意两个任务之间的距离。当两个任务之间的距离小于一定值时，便可将这两个任务种做打包处理。对于打包的任务，可将每个任务的定价结合附近会员的信息求出最终定价；对于未打包的任务，任务定价不变。针对问题四：为了对新项目设计定价方案，并评价方案的实施效果，将新项目中任务的位置定位于地图上，可以发现任务集中分布于两个区域，且两个区域距离较远，可认为互不影响。结合前面问题的分析，可知任务定价与区域的经济发展情况和用户到任务的距离有关。对用户而言，用户将优先选择距离较近且定价较高的任务，因此，可以使用灰度关联分析的方法，建立不同任务对会员的吸引力，从而对定价方案做出评价。关键词：聚类分析、RBF神经、灰色关联分析法、网络爬虫

“拍照赚钱”的任务定价

Pure Mathematics 理论数学, 2018, 8(3), 269-272 Published Online May 2018 in Hans. https://www.360docs.net/doc/bf5710035.html,/journal/pm https://https://www.360docs.net/doc/bf5710035.html,/10.12677/pm.2018.83035 “Picture Money” Task Pricing Wang Ping, Guocai Rong, Xinzeng Wang*, Zhongxing Ma School of Mathematics and Systems Science, Shandong University of Science and Technology, Qingdao Shandong Received: May 5th, 2018; accepted: May 18th, 2018; published: May 25th, 2018 Abstract “Photographing and making money” is a self-service mode under the mobile Internet. This self-service labor-sourcing platform mainly provides businesses with various business inspections and information collection. In order to make the task of photographing as much as possible, the core is to reasonably price each task. This paper first establishes a stepwise linear regression pricing model based on the existing data, and then uses a double-objective optimization model to improve the pricing model. Finally, the model is simulated to obtain the most reasonable pricing plan. Keywords Task Pricing, Stepwise Linear Regression, Double Objective Optimization, Simulation “拍照赚钱”的任务定价王平，荣国才，王新赠*，马中行山东科技大学数学与系统科学学院，山东青岛收稿日期：2018年5月5日；录用日期：2018年5月18日；发布日期：2018年5月25日摘要 “拍照赚钱”是移动互联网下的一种自助式服务模式，这种自助式劳务众包平台主要为企业提供各种商业检查和信息搜集。为使拍照的任务尽可能多的被完成，核心就是为给各个任务合理定价。本文首先根据已有数据建立逐步线性回归的定价模型，其次采用双目标优化的模型对定价模型进行改进，最后对模型进行仿真模拟，得出最合理的定价方案。 *通讯作者。

数学建模B“拍照赚钱”的任务定价模型

精心整理 “拍照赚钱”的任务定价模型摘要本题要求分析“拍照赚钱”任务的服务模式，研究其定价规律，并设计新的任务定价方案，结合实际情况，修改定价模型，最终对新项目设计任务定价方案，并评价方案的实施效果。求解的具体流程如下：求任结合前用户一、问题重述 “拍照赚钱”是移动互联网下的一种自助式服务模式。用户下载APP，注册成为APP的会员，然后从APP上领取需要拍照的任务（比如上超市去检查某种商品的上架情况），赚取APP对任务所标定的酬金。APP是该平台运行的核心，而APP中的任务定价又是其核心要素。如果定价不合理，有的任务就会无人问津，而导致商品检查的失败。 1. 研究附件一中项目的任务定价规律，分析任务未完成的原因。

2. 为附件一中的项目设计新的任务定价方案，并和原方案进行比较。 3. 实际情况下，多个任务可能因为位置比较集中，导致用户会争相选择，一种考虑是将这些任务联合在一起打包发布。在这种考虑下，如何修改前面的定价模型，对最终的任务完成情况又有什么影响？ 4. 对附件三中的新项目给出你的任务定价方案，并评价该方案的实施效果。二、模型假设 1.会员对任务没有主观偏好，不会因为自身原因不完成任务； 2.各个任务难度相等，不影响会员的选择； 3.假设会员与任务间的距离都是直线距离，不受道路、河流等的影响； 4.问题中所有数据都真实有效。三、符号说明符号含义地球半径两地之间的球面距离，两地的纬度两地的经度差 P 打包后总价四、问题分析 4.1问题一分析问题一要求研究附件一中项目的定价规律，并分析任务未完成的原因。首先应在地图中找出附件一中所有任务的位置，确定任务的分布规律，同时将附件二中会员的位置定位于地图。观察出这些数据集中分布在广东、东莞、佛山、深圳四个城市。以深圳市为例，对深圳的任务进行聚类分析，分析聚类结果，从而得出项目的定价规律。分别计算每个任务与所有会员之间的距离，结合每个任务周围十公里的会员数与任务的定价，确定任务未完成的原因。 4.2问题二分析问题一可明显看出任务价格与任务周围人数和任务所在地区人口密度等有关。利用网络爬虫爬取广州等四市医院、学校、小区、超市等人口密度大的场所，统计成功任务方圆十公里内的人口密度大的场所个数。使用RBF神经网络分析，用所获得的数据训练神经网络，从而确定新的任务定价方案。将新的任务定价方案与附件一中的任务定价做出比较，说明两种定价方案的不同情况。

拍照赚钱的任务定价数学建模论文

本文研究如何分析“拍照赚钱”的定价策略，设计出完成率更高的定价方案。给定一个已完成项目的任务数据，包括每个任务的位置，定价和完成情况，以及一组成员信息数据，包括成员的位置和声誉值，我们通过分析已知的定性定性给出该项目的定价规律数据，指出该法在实际应用中的不足。对于此项目，我们给出自己的定价方案，并使用我们自己的评估机制比较这两种方案。在问题1的讨论中，对于给定的已完成项目，我们使用给定的纬度和经度信息来获取任务和成员的地理分布。通过分析任务点价格的分布和任务点的密度分布，我们发现任务点价格以及任务点及其周围的成员数（我们使用任务密度和成员数都是负相关的通过绘制不同价格的任务分配图，我们发现任务定价与该地区的经济发展水平之间存在负相关关系，在讨论这一问题时，我们还给出了两个简单的定价方案公式。问题2，我们引入吸引力因子F，以两种方式描述任务点对成员的吸引力：一种方法是模仿库仑定律表达量化，建立吸引力因子与任务价格，成员声誉以及成员到用户的距离之间的关系。另一个方法在成员完成任务时考虑路径上的所有任务点，并建立FIJ的另一个表达式。还提供了不同的用户分配机制，可以直接用于仿真。最后，我们介绍了该模型的评估机制，并定义了每个价格的

任务完成率C和总完成率C，以及诸如用户的总利润和平台的总收入之类的评估指标。对于问题3，我们首先使用k-means聚类算法对任务点进行聚类，随机取圆的中心，然后将任务点在其附近发布。参照经济学中的捆绑模型，我们通过处理简单的不等式来估算捆绑过程中价格的上限和下限。对于问题2的两种方法，我们扩展了吸引力因子FIJ的表达，并给出了联合释放时FIJ的表达。但是，通过程序仿真，我们发现联合发布对完成率影响不大，但会影响用户的总利润和平台的总收入。对于问题4，我们发现新项目的地理分布与问题1中已完成项目的地理分布相似。因此，我们使用先前定价模型的两个公式，并模拟问题2中的分配机制和评估机制，以得出更好的定价公式，并估算完成率。这部分等效于问题2中算法的实现。最后，我们扩展并应用我们的模型。关键词：众包搭配聚类分析模拟1“拍照赚钱”任务定价1.问题重述随着Internet应用的快速发展，众包已遍布全球。众包是公司或组织通过网络将其任务外包给公众的行为。标题中的“通过拍照赚钱”是在众包环境中的典型自助服务。它要求成员下载相关的应用程序，收集并完成该应用程序上的照片任务并获得付款。该自助众包平台为企业提供业务检查和信息收集。通过大量个人成员的积极参与，可以大大