基于随机框架的乘车拼车个性化票价自适应优化
计算机科学与博弈论
2025-09-01 v2 机器学习
系统与控制
系统与控制
摘要
为了实现乘车拼车业务的成功，必须提供有吸引力的服务，即用有吸引力的价格来补偿乘客感知的成本。然而，由于乘客的时间价值差异很大，每个乘客都有自己可接受的价格，而这一信息对运营商而言是未知的。本文表明，运营商可以通过学习来获取乘客的接受水平（在 10 天内对拼车乘客的学习准确率可达 90%以上），以优化个性化票价。我们提出一种自适应定价策略，运营商每天构建一项逐步满足乘客期望并吸引需求增长的报价。我们的结果表明，运营商通过学习乘客的行为特征，不仅能提高乘客的效用（增加满意度），也能提高自身的利润（增加收益）。此外，这种知识使运营商能够剔除低效的拼车行程，聚焦于具有吸引力和盈利性的组合。
引用
@article{arxiv.2508.20723,
title = {Adaptive Optimisation of Ride-Pooling Personalised Fares in a Stochastic Framework},
author = {Michal Bujak and Rafal Kucharski},
journal= {arXiv preprint arXiv:2508.20723},
year = {2025}
}