基于Maple的网约车平台最优抽成比例研究

近年来,网约车平台通过不断提高自身抽成比例以获取更多收益,损害了驾驶员的利益。城市规模不同,驾驶员期望不同,如何设置合适的抽成比例让平台和驾驶员达到共赢是目前亟需解决的问题。文章利用Maple软件进行仿真实验,设计了驾驶员决策模型、平台收益模型,获取不同城市的订单数据模拟网约车平台派单、驾驶员接单的情景。通过不断改变抽成比例,探究平台收益的变化情况,得出结论:随着抽成比例变化网约车平台的总收益也不断变化,存在使得平台收益最高的最优抽成比例,且不同城市的最优抽成比例不同。

一种基于电磁传感器的智能车循线算法

以飞思卡尔杯全国大学生智能车竞赛为背景,研究了电磁式智能车如何从有限的道路信息中提取车身与实际跑道中心的偏差.传统的计算方法是根据左右两个电感的电压值进行差值计算或者是归一化计算以此得到一个数值表示车体中心偏离跑道中心的程度.但是这些算法计算出来偏差都存在不够线性的弊端,对于需要依靠偏差来进行车体舵机转角和电机加减速的智能车控制系统来讲这是一个很大的问题.本文提出一种新的计算方法,从理论上通过Maple仿真证明了能够解决归一化算法和差值算法的弊端.通过实验证实算法的可行性.