范兴奎　刘奎　王梦宇

摘 要：运用K-means聚类法将任务按照经纬度分类，进行多元线性回归分析，建立新的定价方案.构建任务打包算法，进行多元线性回归分析，得到合理的定价策略.实验结果表明，新方案的定价更为合理.

关键词：K-means聚类法；多元线性回归模型；打包半径；任务打包算法

[中图分类号]R19 [文献标志码]A

Abstract：Firstly， we use K-means clustering method to classify tasks according to latitude and longitude and carry out multivariate linear regression analysis to establish a new pricing scheme. Then， we build the task packaging algorithm and carry out multivariate linear regression analysis to get a reasonable pricing strategy. Finally， the experimental results show that the pricing of the new scheme is more reasonable.

Key words：K-means clustering method；multivariate linear regression model；packing radius；task packing algorithm

1 模型假設及符号说明

1.1 模型假设

数据处理过程中忽略地球曲面因素对距离的影响；假设定价过程符合市场供求理论，且不考虑政策对该软件的影响；不考虑火山、地震等自然灾害对任务的干扰；假设所有用户和商家均为理性经济人；假设所有数据来源真实可靠.

表3的数据表明，残差数值偏高，最高可达339.61，只有第四、第五、第六类的残差值较低，表明模型拟合效果不理想.参考文献[2]的定价规律不合理，存在主观定价情况，导致远离市中心的任务完成度较低.定价是一个多因素导向的过程，只考虑距离与定价的关系而忽略其他客观因素的影响，会造成定价不合理，从而导致任务无法完成.

任务未完成点主要集中在广州市、深圳市及佛山市附近.距离市中心越远，定价越高.任务未完成的主要原因是：

（1）定价合理是完成任务的基本因素.任务分包最核心的一环是定价，合理的价格可以吸引众多参与者，促进任务高效完成.若定价者仅基于任务点与聚类中心的距离定价，则会忽略用户执行任务时成本大于利润的情况.

（2）会员数量是影响任……