随着全民健身理念的深入推进,马拉松赛事在中国城市快速发展,呈现出参与度高、举办频次快的趋势。面对赛事激增带来的管理压力,如何合理安排时间、优化赛道设计、提升选手体验与激励机制,成为赛事组织亟需解决的问题。基于此,本文聚焦中国重点城市,围绕四个任务构建了数据驱动的建模与优化体系,旨在为赛事精细化管理与科学决策提供量化支持和实证依据。
随着全民健身理念的深入推进,马拉松赛事在中国城市快速发展,呈现出参与度高、举办频次快的趋势。面对赛事激增带来的管理压力,如何合理安排时间、优化赛道设计、提升选手体验与激励机制,成为赛事组织亟需解决的问题。基于此,本文聚焦中国重点城市,围绕四个任务构建了数据驱动的建模与优化体系,旨在为赛事精细化管理与科学决策提供量化支持和实证依据。
针对问题一,本文结合气象条件适宜度、城市承载能力、常住人口规模以及赛事报名热度四个关键因素,构建了一个用于评估最优赛事举办时机和规划安排的综合评分模型。模型通过熵权法(EWH)动态赋权,以 TOPSIS 方法对多城市进行优劣排序,系统识别在多维条件下具备举办优势的地区。结果表明,上海、北京等城市凭借良好的气候环境与运营保障能力,在赛事安排上具有显著优势。本文还结合历史数据与城市承载阈值,提出了赛事规模与举办频次的分类建议,为城市定制赛事运营策略提供依据。
针对问题二,本文以西安市为典型样本,构建融合住宿接待能力、轨道交通覆盖度等因素的图模型-遗传算法联合优化模型,用于规划马拉松赛事的起终点布局及赛道路径。结果表明,运用该模型将城市道路系统抽象为带权图,引入整数规划与多重约束条件,借助遗传算法,实现多条符合国际标准、路径可行性高、关键节点覆盖优的候选路线。该方法有效应对了多维约束下的路径优化难题,为其他城市提供了可推广的赛道规划范式。
针对问题三,在保障城市正常运行的前提下,本文从树荫覆盖率、交通干扰、赛道坡度等要素出发,构建融合Dijkstra算法、BallTree空间索引和遗传算法的多目标优化模型。结果表明,模型基于综合评分体系,显示出最优路径与服务范围,可在复杂路网中筛选出兼顾舒适性与通行效率的赛道路径,实现对选手体验与运营效率的双重优化,为赛事方提供灵活、高质量的赛道设计依据。
针对问题四,本文运用XGBoost-RankNet模型对大量历史马拉松成绩数据进行了系统性分析,旨在为年龄分组调整和奖励机制优化提供量化依据。结果表明,不同年龄段选手在参赛人数分布和竞技水平上存在显著差异。基于此,本文建议年轻组别以5岁间隔划分,而对中高龄段则可适当合并至10岁分组。与此同时,本文设计了与成绩表现联动的专属纪念方案,通过发放定制奖牌、限量周边等方式增强选手荣誉感与参与动力。此外,本文构建的赛前模拟排名工具,能够根据个人历史数据预测其在同龄组中的预期位置,辅助选手科学制定比赛目标和训练计划,从而提升整体参赛体验与赛事互动性。
参与马拉松赛事多目标优化模型的设计与实现,基于 Python 完成多源异构数据清洗、特征提取及融合分析;综合运用熵权法(EWH)、TOPSIS、Dijkstra 最短路径算法、BallTree 空间索引及遗传算法,构建赛事举办窗口期评价与赛道路径优化模型,开展多约束条件下的模型求解、结果分析与可视化。
构建涵盖赛事时间选择、城市承载能力评估、赛道路径规划及选手分组优化的综合决策框架,实现赛事举办适宜性量化评价与多目标路径优化,并提出兼顾选手舒适性、交通效率及城市资源配置的赛事规划方案。项目荣获2025年第十届“数维杯”大学生数学建模挑战赛全国一等奖。