2018年第七届数学建模国际赛小美赛
C题 共享单车对城市交通的影响
原题再现：
共享自行车改变了许多城市的交通状况，许多大城市引入共享自行车来解决交通问题。我们需要定量评估共享自行车对城市交通的影响，以及相关的经济、社会和环境影响。解决这一问题的关键是建立一个合理的模型来预测城市中没有共享自行车时人们的交通行为。例如，比较所有使用共享自行车和驾驶汽车的旅行是不可信的。作为论文的附件，我们需要向交通部门提交一份正式报告，说明共享自行车给城市带来的变化。您可以使用纽约citibike的数据，也可以从其他城市收集数据。
citibike和纽约交通数据包括但不限于以下链接：
https://www.citibikenyc.com/system-data/operating-reports
www.nyc.gov/html/dot/downloads/pdf/mobility-report-2016-print.pdf
www.nyc.gov/html/dot/downloads/pdf/mobility-report-2016-print.pdf
https://opendata.cityofnewyork.us
https://github.com/fivethirtyeight/uber-tlc-foil-response
http://web.mta.info/developers/turnstile.html
整体求解过程概述(摘要)
自行车共享是一种新的经济模式。选取4个具有代表性的指标，运用灰色关联分析法定量评价共用自行车对城市交通、环境、经济和社会的影响。此外，我们还进行了因子分析。结果表明，在没有共享自行车的城市，人们会依次选择地铁、公交车、出租车和私家车，而与共享自行车的城市相比，人们的选择基本相同；通过优势分析，得出共享自行车的参与对优化城市交通、改善环境具有重要影响。
对于第一个问题，我们以纽约市Citi bike为例，找到城市交通、经济、社会和环境的量化指标，然后是交通拥堵成本、年度会员交易、平台就业和氮氧化物排放。
对于第二个问题，利用SPSS软件分析了这四个因素的影响。因此，我们可以找到一个城市的交通行为。
对于第三个问题，结合优势分析对城市交通、环境、经济和社会进行了较为详细的量化，并利用MATLAB软件得出共享自行车参与对城市有良好影响的结论。
综上所述，本文基于纽约市共享自行车的发展现状，运用灰色关联分析、因子分析和优势分析以及量化指标数据，深入分析了影响城市交通的经济、社会和环境因素。
模型假设：
为了使模型在本研究中更准确，更适合实际应用，本文列出了以下假设：
（1） 其他车辆在中短途运输车辆选择中的比例可以忽略不计；
（2） 目前人们在选择车辆时，行为习惯没有大的改变，偏离了实验预测；
（3） 不考虑政府对公司的激励；
（4） 过去人们习惯于选择车辆，并且不受我们实验中考虑的因素的影响；
（5） 结果很可能在某些方面产生负面影响，我们不能要求完美。
问题分析：
随着大数据时代的到来和互联网的便捷，共享经济成为这个时代的热门词汇。共享自行车作为共享经济的一种形式，给我们的生活带来了便利。同时，它对经济、社会、环境和城市交通都有不同程度的影响。
问题1分析
为了更清晰地反映共享单车对经济、社会、环境和城市交通的影响，我们致力于找到一个或多个能够量化这四个影响因素的指标，并对其进行筛选分析。为此，建立了灰色关联分析模型，利用MATLAB对年费会员交易量、平台就业、NO2排放、交通拥堵成本这四个影响因素进行量化，根据2012-2017年纽约市中国自行车赛的生动数据，将数据共享给自行车，并对其影响程度进行分析。
问题二分析
共享单车的引入增加了人们的出行选择。然而，为了预测人们在不共用自行车的情况下的交通行为，我们利用因子分析下的综合评价模型，利用SPSS软件对不同类型的车辆进行综合排序。作为与未移除共享自行车时的综合排名进行比较的基础，还可以分析共享自行车的发生是否真的影响了人们的交通行为。
问题三分析
通过研究共享自行车引入前后对各种因素和人们交通行为的影响，运用优势分析法对共享自行车对经济、社会、环境和城市交通影响的四个影响因素进行分析。利用MATLAB分析得出共享自行车引入前后这四个因素的影响，并将我们的结论和建议以信函的形式上报交通部。
模型的建立与求解整体论文缩略图
全部论文请见下方“ 只会建模 QQ名片” 点击QQ名片即可
部分程序代码：(代码和文档not free)
clc;clear;
time=2012:2017;
urs=[0.076763511 0.101086095 0.137291326 0.168963937 0.238340268
0.277554862];
payment=[0.061503192 0.113408677 0.138555359 0.149339787 0.229448193
0.307744792];
workers=[0.157946122 0.156951727 0.161873983 0.169381667 0.173318568
0.180527933];
NO2=[0.168831169 0.165584416 0.185064935 0.162337662 0.159090909
0.159090909];
jam=[ 0.170996445 0.168738402 0.166860426 0.165709048 0.16445706 0.163238615
];
plot(time,urs,'-*g',time,payment,'-*r',time,workers,'-*b',time,NO2,'-
*k',time,jam,'-*m')
legend('urs','payment','workers','NO2','jam')
clc;
load x.txt
for i=1:3
x(i,:)=x(i,:)./x(i,1);
end
for i=4:5
x(i,:)=x(i,1)./x(i,:);
end
data=x
n=size(data,1);
ck=data(1,:);
m1=size(ck,1);
bj=data(2:n,:);
m2=size(bj,1);
for i=1:m1
for j=1:m2
t(j,:)=bj(j,:)-ck(i,:);
end
jc1=min(min(abs(t')));
jc2=max(max(abs(t')));
rho=0.5;
ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2);
rt=sum(ksi')/size(ksi,2);
r(i,:)=rt;
end
r
[rs,rind]=sort(r,'descend')
clc,clear
load economy1.txt%Put the original data into a text file economy1.txt
n=size(economy1,1);
for i=1:n
economy1(i,:)=economy1(i,:)/economy1(i,1);%standardized data
end
ck=economy1(5:n,:);m1=size(ck,1);
bj=economy1(1:4,:);m2=size(bj,1);
for i=1:m1
for j=1:m2
t(j,:)=bj(j,:)-ck(i,:);
end
jc1=min(min(abs(t')));jc2=max(max(abs(t')));
rho=0.5;
ksi=(jc1+rho*jc2)./(abs(t)+rho*jc2);
rt=sum(ksi')/size(ksi,2);
r(i,:)=rt;
end
