阅读提示：为防止内容获取不全，请勿使用浏览器阅读模式。
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***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b编写程序，就能求得建设上车点的最少个数及具***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。