本文介绍了一种新的框架,可将定价和匹配问题集成起来,同时考虑这些决策对未来的影响。在真实的出租车数据集上实验表明,此框架可以以可持续的方式显著提高收入,减少所需车辆数量和总行驶里程,从而为所有相关方带来双赢的局面(包括顾客、司机、聚合器和环境)。
Feb, 2023
在高峰时间内,利用在线二分匹配技术设计针对摩的平台的可调参数算法实现公平和收益的平衡
Dec, 2019
本文提出一种新颖的问题:如何在空间和时间上变化的情况下放置车辆以实时满足乘客的需求。研究者使用了四个主要美国城市一千万次乘车请求的数据集,证明了这种请求具有显著的自我相似性,并提出了分布式在线学习算法用于解决实时车辆定位的问题,并且通过观察到的自相似性,确定了算法的预期性能边界。
Dec, 2017
提出了一种基于凸松弛的近似框架,用于对共享车辆系统进行建模和优化,通过分析此近似框架的性质,得出了计算复杂度更低的解决方案并提供实际操作洞见,实现了对共享车辆系统的有效控制与管理。
Aug, 2016
该研究提出了一种算法,能够在具有自主性的司机行为中,通过利用值迭代方法和策略传播计算所有乘客和司机的均衡策略,在 spatio-temporal distributions 与税车轨迹数据集等多个方面表现出优异的性能。
Feb, 2021
本研究探讨了在供需不平衡条件下,改进出租车和产品送货服务的匹配效率的一般性框架,提出了可适用于双边市场的高度通用的模型,并提出了有效的在线和离线算法。
Dec, 2016
研究了网约车司机收入不平等的原因,并通过在线二分图匹配模型提出促进公平和利润的 LP-based 参数化在线算法来解决这个问题。
Dec, 2020
该研究提出了一种简单的激励机制公平方案,以改善运用现有 ILP 方案时可能导致的司机和乘客不公平问题,并证明了该方案显著优于其他成功案例,无需重新培训即可实现对最差的个体的度量改善。
Mar, 2023
通过使用启发式算法和经济补偿方案,该研究提出了一种用于出租车和客户配对的新算法,该算法提高了城市移动效率,并减少了客户等待时间。
Jan, 2024
本文介绍了在道路网络上提供实时拼车服务,并保证等待时间和服务时限的大规模实时拼车问题。作者提出了分支限界算法和整数规划算法,并且提出了一种更适应动态请求的动态调度算法,从而在上海出租车数据集上进行实验,并证明了此算法比其他算法响应时间更快。
Feb, 2013