石镜琨 顾东晨 陈锋 姚小小 郑钰泓

摘要：出租车司机将乘客送往机场后将面临前往蓄车池排队等候乘客的选择。首先使用多属性模型对数据进行无量纲处理，然后计算权重计算矩阵，通过优化BP神经网络创建用于多属性决策的基于矩阵的仿真模型。通过50000次BP神经分析，可得结论，当蓄车池中的车辆数量与观察到的航班数之比接近6.623时，目标值接近0。

关键词：多属性决策;模型优化;BP神经网络;无量纲化

中图分类号：U492.433 文献标识码：A 文章编号：1007-9416（2020）05-0073-01

1问题的提出

随着时代飞速发展，世界各地联络日益密切，机场的地位越来越重要，乘客下飞机后要前往市区或周边目的地，出租车成为了旅客集散的主要交通工具之一。出租车送客到车站后有两种选择：

（1）出租车前往到达区排队等候载客，返回市区。

（2）出租车返回市区载客。

在某个时间段内抵达航班数量和蓄车池是司机可知信息。根据实际情况，建立模型研究下列问题：

1）分析研究影响出租车司机决策的相关因素，选择司机决策的必要模型，并提出选择策略。

2）收集机场及其城市的相关信息，为司机提供合理选择。

2模型的建立求解

本文以上海虹桥机场为例，收集相关各类数据进行处理。通过多属性决策模型对数据进行无量纲化处理并建立矩阵计算权重，然后通过优化BP神经网络建立一个数据基于多属性决策中矩阵的仿真模型，从而确定司机决策方案。

2.1虹桥机场平均车流量高峰期的研究分析