网约车系统中增强公平性的车辆再平衡

网约车行业的快速增长已经彻底改变了全球城市交通。尽管有其好处，但公平性问题也随之出现，因为服务不足的社区难以获得负担得起的网约车服务。在这种情况下，一个关键问题是车辆再平衡问题，即空闲车辆被移动到预期有需求的区域。如果在需求预测和再平衡策略中没有公平的方法，这些做法会进一步加深现有的不平等。在网约车领域，公平性有三个主要方面：算法公平性、对司机的公平性和对乘客的公平性。本文通过一种新颖的车辆再平衡方法，专注于增强算法公平性和乘客公平性。我们引入了一种方法，结合了用于精细化需求预测的社会感知时空图卷积网络(SA-STGCN)和用于后续车辆再平衡的公平性集成匹配集成车辆再平衡(MIVR)模型。我们的方法旨在减少预测差异，并确保跨不同区域的公平服务提供。我们系统的有效性通过基于真实网约车数据的模拟进行评估。结果表明，我们提出的方法在预测网约车需求方面提高了准确性和公平性，最终在后续操作中实现了更公平的车辆再平衡。具体来说，本研究开发的算法有效地将标准差和平均客户等待时间分别降低了6.48%和0.49%。这一成就对网约车平台来说是一个有益的结果，在运营效率和公平性之间取得了平衡。