呂敏紅　楊青　劉睿

摘 要：本文針對(duì)“拍照賺錢”的定價(jià)分配問(wèn)題，建立了任務(wù)定價(jià)與任務(wù)點(diǎn)到市中心的距離、會(huì)員所在的位置、任務(wù)完成能力以及信譽(yù)度等因素的關(guān)系模型，運(yùn)用多元線性回歸、多元邏輯回歸、神經(jīng)網(wǎng)絡(luò)模型考慮到定價(jià)與會(huì)員限定預(yù)訂任務(wù)限額，任務(wù)開(kāi)始的時(shí)間等也有一定的關(guān)系，對(duì)其進(jìn)行歸一化處理后，進(jìn)行訓(xùn)練和測(cè)試，不斷調(diào)整其誤差值，直到有較好的結(jié)論，最終得到較為合理任務(wù)定價(jià)方案。

關(guān)鍵詞：SPSS 多元線性回歸 多項(xiàng)邏輯回歸 神經(jīng)網(wǎng)絡(luò)模型

中圖分類號(hào)：O212 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）02（c）-0032-02

隨著社會(huì)的發(fā)展，“拍照賺錢”也在移動(dòng)互聯(lián)網(wǎng)的支持下產(chǎn)生?！芭恼召嶅X”是一種用戶自己下載、注冊(cè)APP，然后從APP上領(lǐng)取需要拍照任務(wù)的自助式服務(wù)模式，從而賺取APP對(duì)任務(wù)所標(biāo)定的酬金。這種互聯(lián)網(wǎng)的自助式勞務(wù)眾包平臺(tái)為很多企業(yè)提供了各種商業(yè)性的檢查和信息搜集，比傳統(tǒng)的市場(chǎng)調(diào)查會(huì)大大節(jié)省調(diào)查成本和時(shí)間，而且有效地保證了調(diào)查數(shù)據(jù)的真實(shí)性。APP成為了該平臺(tái)的核心，但是任務(wù)定價(jià)成了一個(gè)問(wèn)題，如果定價(jià)不合理，有的任務(wù)將無(wú)人問(wèn)津，從而導(dǎo)致商品檢查失敗。

由于實(shí)際問(wèn)題中有可能有多個(gè)任務(wù)比較集中，導(dǎo)致用戶會(huì)互相競(jìng)爭(zhēng)選擇。從而依據(jù)經(jīng)緯度將其分為若干的小區(qū)域，將此區(qū)域內(nèi)的任務(wù)進(jìn)行聯(lián)合打包。將打包后的多個(gè)任務(wù)當(dāng)作一個(gè)任務(wù)進(jìn)行分配給附近的會(huì)員，但是考慮到打包后任務(wù)比較集中價(jià)格上不好統(tǒng)一分配，因此，我們對(duì)打包的任務(wù)價(jià)格進(jìn)行求和，考慮其任務(wù)成本，在會(huì)員密集地區(qū)降低任務(wù)價(jià)格，在會(huì)員稀疏地區(qū)增長(zhǎng)其任務(wù)價(jià)格，在成本保持不變的情況下，提高其任務(wù)完成度。依據(jù)包內(nèi)的任務(wù)數(shù)量賦予求和值相應(yīng)的權(quán)重，對(duì)所有打包和未打包的任務(wù)重新進(jìn)行多元回歸分析，求出新的線性擬合曲線，比較其擬合度與原多元回歸方程擬合度的偏差，分析新的線性擬合對(duì)最終任務(wù)完成情況的影響。在此應(yīng)用“神經(jīng)網(wǎng)絡(luò)模型”經(jīng)行分析，得到與任務(wù)完成率之間具體的函數(shù)關(guān)系式。在此基礎(chǔ)上分析該模型的優(yōu)缺點(diǎn)、評(píng)價(jià)方案的實(shí)施效果。

1 模型的建立

首先將任務(wù)完成時(shí)會(huì)員經(jīng)緯度與城市中心的經(jīng)緯度的距離、任務(wù)經(jīng)緯度與城市中心的經(jīng)緯度的距離、會(huì)員的數(shù)量進(jìn)行回歸，然后將會(huì)員信譽(yù)度、會(huì)員密度、人口密度、地區(qū)人均GDP值逐步導(dǎo)入多元線性回歸方程，其中提高擬合度的自變量因素有會(huì)員信譽(yù)度、會(huì)員密度。人口密度、地區(qū)人均GDP值對(duì)其精度的提高并沒(méi)有明顯的影響。選擇會(huì)員信譽(yù)度，會(huì)員密度的作為新的自變量因素加入其中，進(jìn)行新的多元回歸線性擬合?？梢园l(fā)現(xiàn)擬合度R2從0.410提高到0.622，說(shuō)明會(huì)員信譽(yù)度：、會(huì)員密度會(huì)很大程度影響定價(jià)策略。得到定價(jià)方案模型

在實(shí)際情況下，多個(gè)任務(wù)可能因?yàn)槲恢帽容^集中，導(dǎo)致用戶會(huì)爭(zhēng)相選擇。因此需要考慮將相近的任務(wù)點(diǎn)進(jìn)行打包。選擇經(jīng)緯度作為分割的因素，以0.02的緯度，0.05的經(jīng)度為步進(jìn)值，將深圳市區(qū)域進(jìn)行分割處理，將其經(jīng)緯度區(qū)域分割為若干個(gè)小格。將任務(wù)坐標(biāo)點(diǎn)導(dǎo)入到分割后的坐標(biāo)軸上，即可看出各個(gè)網(wǎng)格內(nèi)的任務(wù)分布如圖1所示。

考慮到APP成本的因素，將會(huì)員數(shù)量和任務(wù)數(shù)量導(dǎo)入網(wǎng)格圖中圖形如下：觀察其會(huì)員密度，降低會(huì)員密度密集網(wǎng)格內(nèi)的任務(wù)定價(jià)，提高會(huì)員稀疏網(wǎng)格內(nèi)的任務(wù)定價(jià)，保持在成本不變的情況下，盡可能提高任務(wù)完成率。在會(huì)員密集地區(qū)對(duì)任務(wù)進(jìn)行打包。根據(jù)包內(nèi)任務(wù)個(gè)數(shù)對(duì)其所以的價(jià)格進(jìn)行求和，對(duì)其價(jià)格總和值賦予權(quán)重（如包內(nèi)含有6個(gè)任務(wù)點(diǎn)，其打包后的價(jià)格為6個(gè)任務(wù)點(diǎn)價(jià)格總和的0.8倍）。

以打包后的任務(wù)點(diǎn)的中心經(jīng)緯度為一組新的經(jīng)緯度。計(jì)算打包后的經(jīng)緯度與市中心的距離。以包中心點(diǎn)10km為半徑的范圍內(nèi)的會(huì)員密度，會(huì)員與市中心的距離，會(huì)員信譽(yù)度，會(huì)員限定接單數(shù)量作為自變量，利用問(wèn)題二中的模型，進(jìn)行多元回歸線性擬合，得到新的定價(jià)模型：

新的擬合數(shù)據(jù)在原有的基礎(chǔ)上擬合度明顯比第二問(wèn)數(shù)據(jù)有所提升且提升了11.26%，證明其新的擬合數(shù)據(jù)在原有的基礎(chǔ)上精度提高。除了定價(jià)模型對(duì)最終的任務(wù)完成情況有所影響外，還需要考慮任務(wù)包發(fā)布后接單會(huì)員的預(yù)訂任務(wù)限額、信譽(yù)度、接單時(shí)間等。會(huì)員接單預(yù)訂任務(wù)限額小于包內(nèi)的任務(wù)數(shù)量則不能接單。在此基礎(chǔ)上，當(dāng)任務(wù)包發(fā)布后，在5min內(nèi)看有無(wú)會(huì)員接單。當(dāng)有多位會(huì)員接同一個(gè)單時(shí)，依照其信譽(yù)度，優(yōu)先分配給信譽(yù)度高的會(huì)員接單。無(wú)人接單超過(guò)5min時(shí)，安排給第一個(gè)接單的會(huì)員。

在實(shí)際情況下，多個(gè)任務(wù)可能因?yàn)槲恢帽容^集中，導(dǎo)致用戶會(huì)爭(zhēng)相選擇的可能性。我們考慮是將這些任務(wù)聯(lián)合在一起打包發(fā)布。把其中的深圳市打包后的數(shù)據(jù)帶入問(wèn)題三建立起來(lái)的定價(jià)模型中，可以得出新的任務(wù)定價(jià)。將定價(jià)與會(huì)員信譽(yù)度，會(huì)員限定預(yù)訂任務(wù)限額，任務(wù)開(kāi)始的時(shí)間作為輸入量，將任務(wù)完成程度作為輸出量，并用MATLAB自帶的premnmx函數(shù)將這些數(shù)據(jù)歸一化處理。引入神經(jīng)網(wǎng)絡(luò)模型，因?yàn)槟壳皩?duì)于隱層中神經(jīng)元數(shù)目的確定并沒(méi)有明確的公式（目前，對(duì)于隱層中神經(jīng)元數(shù)目的確定并沒(méi)有明確的公式），只有一些經(jīng)驗(yàn)公式，神經(jīng)元個(gè)數(shù)的最終確定還是需要根據(jù)經(jīng)驗(yàn)和多次實(shí)驗(yàn)來(lái)確定。經(jīng)過(guò)多次試驗(yàn)，我們選擇N1=5，N2=10，N3=1，此時(shí)BP神經(jīng)網(wǎng)絡(luò)達(dá)到了較高的精度。

將訓(xùn)練樣本數(shù)據(jù)歸一化后輸入網(wǎng)絡(luò)，設(shè)定網(wǎng)絡(luò)隱層和輸出層激勵(lì)函數(shù)分別為tansig和logsig函數(shù)，設(shè)定入層節(jié)點(diǎn)數(shù)N1、隱含層節(jié)點(diǎn)數(shù)N2，輸出層節(jié)點(diǎn)N，迭代次數(shù)e，學(xué)習(xí)速率，然后開(kāi)始訓(xùn)練網(wǎng)絡(luò)。得出結(jié)果如圖3所示。

該網(wǎng)絡(luò)通過(guò)185次培訓(xùn)達(dá)到誤差值完成學(xué)習(xí)，將各項(xiàng)數(shù)據(jù)分別輸入，輸出任務(wù)完成度即可得到預(yù)測(cè)數(shù)據(jù)。得出其數(shù)據(jù)與任務(wù)完成度之間的函數(shù)關(guān)系式：

2 模型的評(píng)價(jià)

本文是對(duì)某些城市進(jìn)行的“拍照賺錢”軟件實(shí)施，比傳統(tǒng)的市場(chǎng)調(diào)查會(huì)大大節(jié)省調(diào)查成本和時(shí)間，而且有效地保證了調(diào)查數(shù)據(jù)的真實(shí)性，我們可以將其推廣至全國(guó)各大市區(qū)，及更多項(xiàng)目的應(yīng)用，具很強(qiáng)的現(xiàn)實(shí)意義。

3 結(jié)語(yǔ)

本文運(yùn)用多元線性回歸、多元邏輯回歸、神經(jīng)網(wǎng)絡(luò)模型考慮網(wǎng)絡(luò)定價(jià)與任務(wù)點(diǎn)到市中心的距離、會(huì)員所在的位置、任務(wù)完成能力以及信譽(yù)度等因素的關(guān)系模型，對(duì)其進(jìn)行歸一化處理后，建立了任務(wù)定價(jià)模型，然后不斷調(diào)整其誤差值，最終得到較為合理任務(wù)定價(jià)方案。通過(guò)對(duì)“拍照賺錢”軟件實(shí)施，比傳統(tǒng)的市場(chǎng)調(diào)查會(huì)大大節(jié)省調(diào)查成本和時(shí)間，我們可以將其推廣至各種網(wǎng)絡(luò)任務(wù)的定價(jià)。

參考文獻(xiàn)

[1] 何明亮，陳澤茂，龍小東，等.一種基于層次分析法的攻擊樹(shù)模型改進(jìn)[J].計(jì)算機(jī)應(yīng)用研究，2016（12）：3755-3758.

[2] 張德豐.MATLAB概率與數(shù)理統(tǒng)計(jì)分析[M].機(jī)械工業(yè)出版社，2010：35-45.

[3] 李勇軍，郭基鳳，緱西梅.軟件“眾包”任務(wù)分配方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2015，24（2）：1-6.