摘要：针对机场的出租车问题进行研究，为出租车司机建立选择决策模型，并给出恰当的选择策略。我们选择将天气、时间、蓄车池已有车辆数以及航班数作为影响司机选择是否进入接客区的因素，并将几种因素的具体表现转化为由高至低为 A，B，C的三个评价等级。出租车司机首先根据这些情况进行主观判断，得出自己心中的主观评价得分。利用折衷型模糊决策方法，将评价等级转化为三角模糊数，进行隶属度的计算，隶属度越大，选择方案越优。
　　关键词：模糊决策方法;隶属度函数
　　1 模型构想
　　本问题研究影响出租车司机是否驶入接客区的因素及其影响机理，考虑相关因素为其建立选择决策模型。出租车司机会根据到站时的航班数以及“蓄车池”已有出租车数量及时间、天气等因素，将这些因素根据实际情况由高到低分为 A、B、C 三个等级，等级越高越有利于出租车司机进行接客。同时出租车司机对这些情况进行主观判断，得出在这些情况下自己心中的权衡分数，分数越高司机进站的倾向越大。再将主观分数与客观的实际情况进行模糊评价，得出由出租车司机个人经验和实际情况综合的决策，最终得出是否进入机场进行接客的决策。
　　为简化运算，特作出以下假设：
　　假设司机是否进入载客区只与天气、时间、蓄车池已有车辆数、航班数和司机主观判断有关;
　　2 模型建立与求解
　　2.1折衷型模糊决策方法基本原理
　　折衷型模糊决策的基本原理是：从原始的样本数据出发，先虚拟模糊正理想和模糊负理想，其中模糊正理想是由每一个指标中模糊指标值的极大值构成;模糊负理想是由每一个指标中模糊指标值的极小值构成。然后采用加权欧氏距离的测度工具来计算各备选对象与模糊正理想和模糊负理想之间的距离。在此基础上，再计算各备选对象属于模糊正理想的隶属度，其方案优选的原则是，隶属度越大，该方案越理想
　　2.2折衷型模糊决策方法模型的建立与求解
　　1.指标数据的三角形模糊数表达
　　记F（E）为上的全体模糊，设M_∈F（E）。如果M的隶属度μ_M表示为
　　对定性指标A、B、C，可以将这些定性指标进行量化，具体形式如下。
　　司機评定等级及其量化模糊数A（80，90，100），B（60，70，80），C（40，50，60）。
　　将各因素下不同评价等级对应为出租车司机对该因素的倾向分数，所有因素的倾 向分数相加就可得到此情况下出租车司机对是否进入接客区的主观印象评分，如下所示。
　　A：天气为第三类（乘客倾向于打车），20分。时间18点-次日2点，20分。蓄车池已有车辆数1000辆以内，30分。航班数为20班/h以上，30分。
　　B：天气为第二类（对是否打车影响不大），10分。时间为10点-18点，10分。蓄车池已有数量1000-2000辆，15分。航班数10-20班/h，15分。
　　C：天气为一类（无影响），0分。时间为10点-18点，0分。蓄车池已有数量2000辆以上，10分。航班数为10班/h，10分。
　　分析四个因素三个不同评价等级下的 81 种排列情况，由上信息公式和 （1） 将指标信息、权重信息化成三角模糊数，以及其中各个权重为
　　通过计算得以下结果
　　1.当 >0.65 时，即第1，2，13，28，25，55，14，3，16，22，29，40 ，4 ，26 种情况下建议司机进去接客区。
　　2.当 0.45 <μ< 0.65 时，即第 52， 56， 67， 10， 15， 17， 23， 79， 41， 30， 43， 49， 5， 19， 27， 31， 53，68，57，70，76，7，18，24，11 种情况时需要司机根据个人意愿选择是否进入接客区。
　　3. 当μ< 0.45时，既第58，80，37，42，44，50，6，20，46，54，64，69，71，77，32，8，12，73，81， 59， 34， 45， 51， 38， 21， 61， 72， 78， 33， 47， 65， 9， 60， 74， 35， 39， 48， 62， 66， 75， 36， 63 种情况下建议司机空车返回市区
　　参考文献
　　[1]胡稚鸿，董卫，曹流，高忠，陆志勇，吕俊，黄宏标，顾非凡.大型交通枢纽出租车智能匹配管理系统构建与实施[J].创新世界周刊，2019（07）：90-95.
　　[2]秦灿灿.大型机场旅客集疏运体系规划研究[D].同济大学，2008.
　　[3]司守奎，孙兆亮.数学建模算法与应用[M].第二版.北京：国防工业出版社，2019.