1. 赛题回顾与核心挑战解析
2017年的全国大学生数学建模竞赛B题，题目是“拍照赚钱”的任务定价。这个题目在当时引起了不小的讨论，因为它把当时一个非常新颖的共享经济模式——“拍照赚钱”APP，直接搬到了数学建模的赛场上。简单来说，就是用户通过APP领取任务，到指定地点拍照上传以完成任务，从而获得报酬。平台的核心问题是如何给这些遍布在不同位置的任务科学定价，以吸引足够多的用户来接单，同时控制总成本。
这道题之所以让人印象深刻，甚至现在回头看依然觉得经典，是因为它完美地卡在了数学建模与现实商业逻辑的交汇点上。它不像一些纯理论优化题那样抽象，也不像一些数据处理题那样只关注算法。它要求你首先得理解一个商业模式的运作逻辑：价格定高了，平台亏钱；价格定低了，没人接单，任务完不成，平台信誉受损。你需要用数学语言来描述“吸引力”、“成本”和“完成率”之间的关系。
当时很多队伍第一眼看到题目可能觉得是简单的回归或者聚类问题，但深入下去就会发现处处是坑。题目提供了两部分数据：一是已发布任务的信息，包括任务位置（经纬度）、定价和完成情况（是否被完成）；二是会员信息，包括会员的位置、信誉值、预定任务开始和结束的时间范围。你需要利用这些数据，建立模型来为新的任务定价，并分析任务未完成的原因。
核心的挑战在我看来有几个： 第一，数据的空间属性极其关键。任务和会员都是散落在城市地图上的点，定价模型必须考虑地理因素。一个在市中心商圈的任务和一个在偏远郊区的任务，即使其他条件一样，定价策略也必然不同。这引入了空间统计学或地理加权模型的概念。 第二，定价与完成率的关系是非线性的，且充满不确定性。不是价格越高就肯定有人接，还受到附近会员数量、会员信誉、时间偏好、甚至天气、交通等多种隐含因素影响。这是一个典型的“概率化”的决策问题。 第三，题目要求“为新的任务定价”，这意味着模型必须具备可推广性和预测能力。你不能只对历史数据做一个漂亮的拟合，还必须能对未知位置的新任务给出合理的价格建议。这考验的是模型的泛化能力。 第四，对“任务未完成原因”的分析，需要从数据中挖掘出故事。这不仅仅是数学，更是数据分析思维，你需要像侦探一样，结合地理位置、定价、会员分布等因素，给出有说服力的解释。
这道题没有标准答案，它考察的是面对一个真实的、模糊的商业问题，你如何抽丝剥茧，定义问题，选择并组合合适的数学模型，并给出具有实际指导意义的解决方案。接下来，我就结合当年的解题思路和后续的一些思考，拆解一下处理这道题的几个关键层面。
2. 解题思路框架：从业务理解到模型构建
面对这种开放性问题，建立一个清晰的解题框架比一头扎进算法里更重要。我的思路通常是分四步走：业务逻辑翻译、数据探索与预处理、模型选择与构建、结果分析与解释。我们一步步来看。
2.1 第一步：将商业问题转化为数学问题
这是最重要的一步，直接决定了后续所有工作的方向。题目问“如何定价”，我们需要把它拆解成可量化的目标。
首先，明确目标。平台的终极目标可能是在控制总成本的前提下，最大化任务完成率，或者是在保证一定完成率的前提下，最小化总成本。在比赛中，我们可以将其表述为一个优化问题。设第i个任务的定价为P_i，其被完成的概率为π_i(P_i, X_i)，其中X_i是影响该任务完成概率的特征向量（如位置、周边会员密度等）。那么，对于一批新任务，我们的目标函数可以写成：最小化总成本：Min Σ P_i， 约束条件为Σ π_i(P_i, X_i) >= C（总完成率不低于某个阈值C）。 或者最大化总完成概率：Max Σ π_i(P_i, X_i)， 约束条件为Σ P_i <= B（总预算不超过B）。
其次，定义核心关系：定价（P）与完成概率（π）之间的关系。这是模型的心脏。显然，π应该是P的增函数，价格越高，对会员的吸引力越大，完成的可能性越高。但这个函数具体是什么形式？是线性的、对数的还是S型的（逻辑函数）？这就需要从数据中去学习和验证。
最后，识别特征X_i。哪些因素会影响一个任务即使定价合理也可能无人问津？从题目给出的数据，我们可以直接想到：
- 空间特征：任务自身的经纬度。这可以衍生出很多变量：到城市中心的距离、所在区域的POI（兴趣点）类型（商业区、住宅区、工业区）、周边道路密度等（需要外部地图数据，但思路可以提）。更直接的是，计算该任务周围一定半径内（如3公里）的会员数量。这是极其重要的一个特征，会员密度直接决定了潜在劳动力的供给。
- 任务竞争环境：该任务周围其他任务的定价和密度。如果周围有很多高酬劳的任务，这个任务就可能被“淹没”。
- 会员质量特征：虽然针对单个任务，我们不知道具体谁会来接，但我们可以用周围会员的平均信誉值、活跃时间分布等来刻画该区域会员的整体质量。
- 时间特征：任务预定开始时间。是否是工作日、上下班高峰、夜晚？这会影响会员的出行意愿。
通过这一步，我们就把“定价”问题，转化成了“寻找定价P与完成概率π之间的函数关系，并以之构建优化模型”的数学问题。
2.2 第二步：数据探索性分析（EDA）与特征工程
题目给出的数据看似简单，但蕴含信息量很大，必须做深入的EDA。
1. 空间分布可视化：这是首要工作。将任务点和会员点在地图上画出来（可以用Matplotlib的Basemap工具包或Folium）。一眼就能看出分布是否均匀，是否存在明显的聚集区和空白区。通常会发现，任务和会员都集中在市中心，郊区稀疏。这直观地解释了为什么有些郊区任务价格高也没完成——根本没人。
2. 完成情况与价格的基本分析：可以简单统计已完成任务和未完成任务的平均价格、中位数价格。一个常见的误区是直接得出“价格越高，完成率越高”的结论。这可能是对的，但不够精细。更好的做法是绘制“价格-完成率”散点图或进行分箱分析（将价格划分为几个区间，看每个区间内的完成率）。你可能会发现，在某个价格阈值以下，完成率极低；超过阈值后，完成率随价格增长的速度会放缓（边际效应递减），这提示我们函数π(P)可能是一个S型曲线。
3. 关键特征构造——会员密度：这是特征工程的核心。对于每一个任务点i，计算其与所有会员点j的球面距离（因为经纬度是球面坐标，要用Haversine公式计算，不能直接用欧式距离）。然后统计距离i点R公里（例如3公里）内的会员数量，记为Density_i。这个半径R需要调参，可以基于对城市通勤习惯的假设（如人们愿意为这类任务出行的最大半径）。会员密度Density_i预计将与完成概率π_i强相关。
4. 其他特征构造：
- 任务聚集度：类似会员密度，计算每个任务周围一定半径内的其他任务数量及平均定价，反映竞争环境。
- 空间位置编码：如果引入外部数据困难，可以将经纬度进行聚类（如K-Means），将城市划分为若干区域，每个区域作为一个类别特征，用以捕捉未直接给出的区域属性（如繁华程度）。
- 会员信誉辐射：计算任务点周围会员的平均信誉值。
EDA的最终目的，是验证我们的业务假设，并为模型准备高质量的特征向量X_i。例如，通过可视化你可能发现，未完成的任务不仅价格低，而且大多分布在会员密度极低的边缘地带。这为后续分析未完成原因提供了直接证据。
3. 核心模型构建：定价与完成概率关系的刻画
这是整个赛题的技术核心。如何定量描述“定价P”和“完成概率π”之间的关系？我推荐两种主流且有效的思路。
3.1 思路一：基于逻辑回归的广义线性模型
这是最直观、可解释性最强的方法。我们将每个历史任务看作一个样本，其标签y_i = 1表示完成，y_i = 0表示未完成。特征向量X_i包含任务定价P_i和我们构造出的所有其他特征（会员密度、位置编码等）。
我们建立逻辑回归模型：logit(π_i) = ln(π_i / (1 - π_i)) = β_0 + β_1 * P_i + β_2 * Density_i + ... + ε其中π_i = P(y_i=1 | X_i)是任务完成的概率。
为什么用逻辑回归？
- 输出天然是概率：逻辑回归模型的输出直接就是0到1之间的概率值，完美契合我们要预测的“完成概率”。
- 可解释性强：系数β_1直接反映了“价格提高1单位，完成概率的对数几率（log-odds）增加多少”。我们可以通过指数化得到优势比（OR），例如exp(β_1)表示价格提高1单位，完成几率变为原来的多少倍。
- 可以处理多种特征：轻松纳入我们构造的连续特征（密度）和离散特征（区域类别）。
建模过程与注意点：
- 需要将数据分为训练集和测试集，评估模型的预测性能（如使用AUC值）。
- 注意共线性问题。例如，会员密度和到市中心的距离可能高度相关，需要进行方差膨胀因子（VIF）检验或使用正则化（Lasso回归）来自动选择特征。
- 价格P_i与概率π_i可能不是简单的线性关系。可以在特征中加入价格P_i的二次项 (P_i^2)，或者使用分段函数、样条函数来捕捉非线性关系。在逻辑回归中，这等价于假设logit(π)与P是非线性关系。
- 最终，对于一个新任务j，我们将其特征X_j（包含一个待定的P_j）输入训练好的模型，就可以得到关于P_j的函数π_j(P_j)。
3.2 思路二：基于生存分析或排序学习的思路
这是一个更精巧的视角。我们可以把每个任务想象成一个“待存活”的个体，从发布开始“暴露”在会员面前，直到被完成（“死亡”）或最终过期未完成（“删失”）。
生存分析模型（如Cox比例风险模型）可以用来分析任务“被完成”的风险率（hazard rate）与定价、会员密度等协变量的关系。风险率越高，任务越快被完成。这个模型可以处理任务暴露时间不同的问题（虽然本题数据已简化），其思想非常贴合业务实际：定价高的任务，其被“接单”的风险率更高。
排序学习（Learning to Rank）则提供了另一个视角。我们可以认为，会员在选择任务时，是在对所有可见任务进行一个排序，优先选择“性价比”最高或最吸引他的任务。那么，一个任务能否被完成，取决于它在所有竞争任务中的相对吸引力排名。我们可以用配对的方法（Pairwise），例如RankNet，来学习一个函数，使得对于同一个会员，已完成任务的“得分”应高于他同时看到的未完成任务（或他未选择的任务）的得分。任务的得分函数f(P, X)就是由定价和其他特征决定的。这种模型直接优化排序指标，可能比预测绝对概率更贴近用户选择行为。
注意：在有限的三天比赛时间内，逻辑回归模型因其实现简单、解释性佳，通常是更稳妥、更容易出成果的选择。生存分析和排序学习可以作为模型创新点或对比分析来提，但需要更扎实的统计和机器学习功底来正确实现和解释。
3.3 模型集成与定价优化
得到π(P)函数后，我们就可以构建最终的定价优化模型了。以“给定总预算B，最大化总完成概率”为例：
优化问题：Max Σ π_i(P_i, X_i)s.t.Σ P_i <= BP_i >= P_min（设置一个最低定价，如题目中可能隐含的最低值）P_i <= P_max（设置一个最高定价，防止异常值）
这是一个带有约束的非线性规划问题（因为π_i通常是非线性函数）。由于任务数量可能很多（成千上万），直接求解全局最优解比较困难。可以采用以下策略：
- 简化求解：如果假设各任务独立，且π_i(P_i)是凹函数（边际效应递减），那么可以使用拉格朗日乘子法，在最优解处，所有任务的边际收益dπ_i/dP_i应该相等。这可以导出一个迭代算法：不断调整预算分配，使得花在每一个任务上的“最后一元钱”所带来的完成概率增量相同。
- 启发式算法：对于更复杂的模型，可以使用贪心算法、模拟退火或遗传算法来搜索较优的定价方案。例如，初始时给所有任务一个基础价，然后迭代地选择那些“性价比高”（即增加单位预算能最大提升完成概率）的任务，微幅提高其价格，直到预算耗尽。
- 分治策略：先根据任务特征（如会员密度）将任务分成几个大类（簇），对每个簇内的任务假设其π(P)函数形状相同但参数不同。然后先优化簇间的预算分配，再优化簇内各任务的定价。这能大大降低问题复杂度。
在实际论文写作中，你需要清晰地展示出从数据到π(P)函数，再到优化模型构建的完整逻辑链，并给出一个可操作的定价方案。
4. 任务未完成原因的深度剖析与方案验证
题目明确要求分析任务未完成的原因，这部分是体现建模者洞察力的地方，不能简单地归因于“价格低”或“位置偏”。
4.1 多维度归因分析
结合我们的模型和EDA，可以从以下几个层面进行归因：
根本原因：供需失衡
- 绝对供给不足：任务位于会员稀疏区（如远郊、新开发区）。即使定价较高，由于根本没有足够的潜在执行者，任务也无法完成。这是最主要的原因。在我们的模型中，这体现为“会员密度”特征值极低。
- 相对供给不足（竞争）：任务位于会员密集区，但周围存在大量更高报酬的“竞品”任务。会员自然会优先选择报酬更高的，导致该任务被忽视。这需要结合“任务聚集度”和“周边任务平均定价”特征来分析。
直接原因：定价策略失灵
- 定价未能补偿成本/风险：对于某些特殊位置的任务（如需要进入大型园区、停车场费用高、交通极其不便），其实际执行成本（时间、金钱）远高于常规任务。如果定价没有体现这种差异，会员会觉得“不划算”。这要求定价模型能识别出这些“特殊点”，可能需要引入更细粒度的地理位置特征或文本信息（任务描述）。
- 定价未考虑动态因素：任务发布的时间段（如深夜）可能恰好是会员活跃度的低谷期，静态定价模型无法捕捉这种时间波动。
数据与模型反映出的典型未完成任务画像：
- 类型A：偏远低价任务。特征：会员密度极低，定价低于平均水平。归因：主要受制于地理位置，单纯提价可能效果有限，需考虑与区域推广或会员拉新策略结合。
- 类型B：密集区低价任务。特征：会员密度高，但定价显著低于周边任务平均水平。归因：主要受竞争压制，适当提高价格至区域平均水平即有较大概率完成。
- 类型C：特殊点任务。特征：会员密度中等，定价不低但仍未完成。归因：可能存在未量化的执行障碍（如进入许可、安全问题），需要通过任务描述分析或反馈机制来识别。
4.2 模型验证与方案评估
建好模型、给出定价和原因分析后，必须设计方法验证方案的有效性。由于没有真实的新数据，我们可以采用以下方法：
历史数据回测：将训练好的模型在历史数据上（或预留的测试集上）进行“模拟定价”。即用模型重新为这些历史任务生成一个“推荐价格”，然后对比：
- 如果当时按推荐价格定价，预测的完成率是否会提升？
- 有多少原本未完成的任务，在推荐价格下被预测为可以完成？
- 总成本（推荐价格总和）与历史总成本相比如何？
模拟仿真：构建一个简单的会员行为仿真系统。假设会员按照某种规则（例如，优先选择距离近、价格高的任务）来选择任务。将你的新定价方案和原定价方案分别放入仿真系统中运行，比较两者的任务完成率和总成本。这能更动态地评估方案效果。
敏感性分析：检验模型的稳健性。例如，改变会员密度计算中的半径R，模型的结论是否发生剧烈变化？改变优化模型中的总预算B，定价方案如何变化？这能展示你对模型参数的理解和控制能力。
在论文中，这部分内容能极大地提升工作的完整性和说服力，表明你不仅提出了方案，还认真思考了如何验证和落地它。
5. 参赛实战心得与避坑指南
回顾这道题和多年的建模经验，我想分享几个最容易被忽视却至关重要的实战心得。
5.1 切忌“算法炫技”，紧扣问题本质
这道题最吸引人的地方是它的业务背景。有些队伍可能会陷入“算法陷阱”，一上来就想用复杂的神经网络、XGBoost来预测完成情况。虽然这些模型可能获得更高的预测精度，但往往面临两大问题：
- 可解释性差：你很难向评委（或真实的平台运营者）解释，为什么这个任务要定这个价。黑箱模型在数学建模竞赛中通常是减分项，除非你能提供极其出色的解释（如SHAP值分析）。
- 优化困难：即使神经网络预测准了π(P, X)，但这个函数是一个复杂的神经网络，将其嵌入到后续的优化模型中求解会异常困难，几乎无法得到解析解或稳定的数值解。
正确的做法是：从简单的、可解释的模型开始（如逻辑回归），把它做深、做透。深入分析逻辑回归的结果：哪个特征最重要？价格和密度的交互效应如何？是否存在非线性？在简单模型的基础上，再考虑引入非线性项或更精细的特征。模型的复杂度应该与问题的复杂度以及数据的规模相匹配。在这道题中，逻辑回归或带交互项、多项式项的逻辑回归，配合严谨的特征工程，完全有能力做出全国一等奖水平的论文。
5.2 空间数据处理：细节决定成败
处理经纬度数据时，新手常犯两个致命错误：
- 错误1：用欧式距离计算球面距离。经纬度是角度，直接套用欧式距离公式
sqrt((lat1-lat2)^2 + (lon1-lon2)^2)在短距离内误差尚可，但距离稍大（超过几十公里）就会谬以千里。必须使用Haversine公式来计算球面距离。很多编程语言（如Python的geopy库）都有现成函数。 - 错误2：忽视坐标系的统一。如果引入了外部地理数据（如行政区划、道路网络），必须确保所有数据都在同一个坐标系下（如WGS-84）。否则，空间计算全部错误。
实操技巧：在计算会员密度时，不要对每个任务都计算到所有会员的距离，那是O(NM)的复杂度，数据量大时极慢。可以使用空间索引来加速，如KD-Tree或Ball Tree（
scipy.spatial或sklearn.neighbors中有实现）。先构建会员点的空间索引，然后对每个任务点，快速查询其半径R内的所有邻居会员。这能将计算复杂度降至约O(NlogM)。
5.3 论文写作：如何清晰地表达复杂模型
数学建模竞赛，论文是唯一的产出。模型再精妙，表达不清也白搭。对于这道题，在论文写作上要特别注意：
- 用图表讲故事：一张清晰的任务与会员分布散点图（用颜色区分完成/未完成），胜过千言万语。一张价格-完成率的关系曲线图，能直观展示你的核心发现。一张优化前后任务完成情况的对比图，能有力证明方案的有效性。
- 定义清晰的符号系统：从问题重述开始，就定义好所有关键变量。P_i,π_i,Density_i等，全文保持统一。在模型部分，先用文字描述思想，再给出数学公式。
- 突出逻辑链条：在模型介绍部分，可以采用“总-分”结构。先给出整个建模流程的框图（问题定义 -> 特征工程 -> 概率模型 -> 优化模型 -> 输出定价），让评委一眼看懂你的框架。然后再分小节详细阐述每一部分。
- 分析部分重于模型部分：很多队伍把90%的篇幅用在描述模型上，对结果的分析一笔带过。这是大忌。对于这道题，“未完成原因分析”和“模型验证”至少应占据30%以上的篇幅。要像写数据分析报告一样，结合图表，给出有层次、有深度的结论。
5.4 时间管理：三天内的节奏把控
国赛三天时间非常紧张。我的建议节奏是：
- 第一天上午：彻底读懂题目，完成基础的数据可视化（分布图），形成初步的解题思路框架。确定团队分工（编程、建模、写作）。
- 第一天下午到晚上：完成核心的特征工程（特别是会员密度的计算），并建立基础的逻辑回归模型，跑出初步结果。开始撰写论文的问题重述、模型假设和符号说明部分。
- 第二天全天：深入分析模型结果，改进模型（如加入非线性、交互项），构建优化模型并求解。完成论文的核心模型部分。
- 第三天上午：集中进行原因分析、模型验证和敏感性分析。绘制所有关键图表。
- 第三天下午到晚上：全力撰写论文的分析、结论部分，并反复修改摘要。摘要必须精炼，包含问题、方法、模型、主要结论和方案亮点。最后留出2小时进行全文格式、图表编号、错别字的最终检查。
这道“拍照赚钱”的题目，是一个绝佳的训练场。它教会你的，不仅仅是如何使用逻辑回归或优化算法，更重要的是如何将一个模糊的商业问题，通过合理的假设、严谨的数据分析和清晰的数学表达，转化为一个可量化、可求解、可评估的科学问题。这种能力，无论是在学术研究还是未来的工作中，都是无比珍贵的。