自动驾驶按需出行系统的联合定价与再平衡

本文研究自动驾驶按需出行（AMoD）系统的最优定价与再平衡策略。我们采用宏观规划视角，在确保系统负载平衡的同时解决利润最大化问题。我们首先使用动态流体模型描述系统，以通过定价策略证明均衡（即负载平衡）的存在性与稳定性。随后我们开发了一个优化框架，用以寻找定价与再平衡方面的最优策略。我们首先仅使用定价策略最大化利润，然后纳入再平衡，最后考虑解是顺序求得还是联合求得。我们将每种方法应用于使用纽约市真实出租车数据的数据驱动案例研究。根据所采用的基准解不同，联合问题（即定价与再平衡）使利润提高了7%至40%。