HCRide：面向人的骑行调度系统中的乘客公平性与司机偏好和谐
机器学习
2025-08-08 v1 社会与信息网络
摘要
订单调度系统在叫车服务中发挥着重要作用，直接影响运营方收入、司机利润和乘客体验。目前大多数工作侧重于提高系统效率（以运营收入为导向），可能导致乘客和司机体验不佳。因此，本工作旨在在不牺牲整体系统效率的前提下，设计一个以乘客公平性和司机偏好为核心的人本化骑行系统。然而，这一目标并不容易实现，因为乘客公平性和司机偏好之间可能存在冲突，优化其中一方可能以牺牲另一方为代价。为解决这一挑战，我们设计了HCRide，这是一个基于称为Harmonization-oriented Actor-Bi-Critic (Habic) 的新型多智能体强化学习算法的人本化骑行系统，包括三个主要组成部分（即多智能体竞争机制、动态演员网络和双Critic网络），以考虑司机偏好来优化系统效率和乘客公平性。我们使用来自深圳和纽约市的两个真实叫车数据集广泛评估了HCRide。实验结果表明，与最先进的基线方法相比，HCRide在系统效率、公平性和司机偏好方面分别提升了2.02%、5.39%和10.21%。
引用
@article{arxiv.2508.04811,
title = {HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing},
author = {Lin Jiang and Yu Yang and Guang Wang},
journal= {arXiv preprint arXiv:2508.04811},
year = {2025}
}
备注
9 pages,4 figures