第34章 机场出租车问题
看向第一问，林木的第一反应就是这道题看似常规，但是绝对不能想当然的往排队论和综合评价上去靠，而是应该进行机理分析，而问题的核心，林木很快也分析了出来，那就是需要考虑出租车司机的经济效益。
紧接着林木开始着手搭建决策的模型。
根据出租车司机能做的选择，要么空载离开，要么排队载客，两者相互独立，只能二选一，因此可以构建出第一层：判断结果层（z）,结果分别用z（a）和z（b）来表示。
接下来就是第二层，收益值决策层。
基于现实实际情况，出租车司机首先会考虑自身的收益，于是基于出租车司机的收益情况，建立第二层决策：收益预测。
定义以时间为基准的收益为wt，即收益跟时间有关……
用同样的方式，林木用了一晚上的时间终于算是将出租车司机接客决策树模型搭建完毕。
分别是：
第一层——判断结果层（z），得到：z（a）和z（b）
第二层——收益值决策层，得到：以时间为基准的收益为wt，wty和wtn分别表示排队和放空的收益，于是出现以下三种情况：
a wty=0，wtn
b wty>0，wtn
c wty=0，wtn>0
第三层——收益影响层，得到：排队到接到客人的时间t1以及决定空载到载到人的时间t3，当t1>=t3，空载到载到客人比排队早，空载存在两种情况：
a 折合空载损失，一直到排队载到客人这段时间里面的收益为正；
b．折合空载损失，一直到排队载到客人这段时间里面的收益为负；
当t1
c．空载没载到人一直损失；
第四层——时间影响层，得到：t1由两个大因素影响：
车运完了人有：t1=tc
人运完了前面还有车需要等待：t1=tp+c
看着草稿纸上密密麻麻的分析文字，林木重新捋了一遍，松了口气，这第一问基本就算是搞定了。
抬手看了眼时间，此时已经接近晚上11点了，林木又将目光转向周围，基本没有空位，尽管所有人的脸上都带着疲态，但是却没有人离开。
有些饿了的都已经让同组的队友，从食堂提前买了东西回来，边吃边干，有些困了的人，则直接趴在了桌子上，以便随时可以帮助队友干一些力所能及的事情。
这还仅仅是第一天晚上，接下来还有两个夜晚、三个白天。
没有队友，孤军奋战的林木可没有那么傻，和监督老师打了个招呼后，在对方惊讶且困倦的目光中，直接选择回到寝室洗澡睡觉了。
其他人能熬，是因为忙完自己的事情就可以休息了，但是他可不能熬，他必须一直保持充足的精力，保持高效率，才有机会打败其他人。
次日一早，林木按照自己的生物钟照常醒来，不过今天他可没有去跑步浪费自己宝贵的时间，迅速在食堂买好早餐之后，就前往了机房。
此时虽然才7点不到，但还有很多人在奋战。
从他们眼眶中的血丝以及被手抓的糟乱的头发就能看出来，这必定是熬了整整一夜的勇士。
没空管其他人，林木迅速开始研究起第二问。
有了第一问做基础，第二问的难度就没有那么大了。
先是收集自己需要的数据，林木很快就将目标盯到了离自己最近，数据应该也是最全的燕京首都国际机场上。
好在他前几天学编程的时候，发现书上写得不全面，网上的一些资料又比较繁琐，就顺便学了一下python方便去爬东西，没想到现在反而用到了。
林木在各种网站、软件上找了好一会儿，终于算是将燕京首都国际机场到港航班的数据集，和燕京出租车gps定位的打车需求量，以及出租车分布的特征数据集拿到了。
不过如此庞大的数据，林木自然不可能进行整体分析。
再次利用python进行数据集清洗预处理，就可以得到某一时间段航班数量表和最高效空载距离，通过类比推理的思想，验证了千度地图热度图的参考价值，将千度地图热度图数据，作为短距离运输最高效空载距离参考。
所有数据拿到后就简单了，直接进行大数据运算，就能得到每个出租车司机在每天的每个时段做出的决策。
等他解决完第二问时，机房里已经满满当当全是人了，所有人都像是打了兴奋剂的样子，除了监督的老师和林木，前者是因为这个工作太无聊，而且时间长，所以很疲倦，而后者则因为作息正常，全程无压力，跟平常没什么区别。
看着其他小组在相互讨论，林木默默的看向第三问。
很明显这是一个最优化问题，但是其有约束条件，条件就是使乘客的等待时间和上车点建设成本最少的上车点个数，使得总的乘车效率最高。
当然首先还是要先来处理首都机场的航班人次数据，这样就可以求得一定单位时间内乘客出站搭乘出租车的人数将乘客等待的总时间产生的时间耗费和上车点的建设和服务的总费用作为两个决策变量，以两者之和最小作为目标函数，基于排队系统的状态概率稳定时建立关于排队系统的费用决策模型。
随后再用matlab编写程序，就能求得建设上车点的最少个数及具体位置。
当然到这里，第三问也仅仅算是搞定了三分之一。
因为以上这种情况，只能算是理想情况，而实际情况是大部分司机在进入乘车区时选择将车停在最近且有乘客的上车点的位置，这就导致了，其后面的大量出租车无法停到上车点，在上车点等待的乘客，也会浪费更多的时间。
如果想要达成第三问的要求，提高乘车的效率，那就要避免这种情况。
林木随即设计出来一个预方案来预测结果，经过大量列举后，终于得到了一个有限的结论，那就是按照顺序批量进入乘车区的出租车数量分别为2、4、8时，至少分别设置2、3、3个上车点，此时上车点的乘客比例分别为1：1、2：1：1和3：3：2。
至此该问基本已经解决了一半，剩下就是要根据燕京首都国际机场的实际情况来进行分析计算了，首先按照机场的设计出租车是按照多向纵列排队等待乘客，再根据……
庞大的计算量，让林木直到下午3点钟，才终于得到了一个数字：7。
随即在电脑中写下结果：设置7个出租车上车点时，可实现排队服务系统的成本和费用相对较小。