在未知需求下学习车辆服务定价
计算机科学与博弈论
2020-07-08 v1
摘要
车辆服务提供商依据用户在不同起讫点对上的出行需求来设定服务价格，可能是有利可图的。先前关于车辆服务空间定价的研究依赖于提供商知晓用户需求的假设。本文中，我们研究一个垄断提供商，其最初不知晓用户需求，需通过观测用户对服务价格的响应随时间学习需求。我们设计了一种定价与车辆供给策略，考量探索（即学习需求）与利用（即最大化提供商短期收益）之间的权衡。考虑到提供商需确保各位置的车辆流平衡，其针对不同起讫点对的定价与供给决策紧密耦合。这使得从理论上分析我们策略的性能颇具挑战。我们分析了在 D 天运行我们的策略后，提供商的期望时间平均收益与基于完整需求信息的全知策略之间的差距。我们证明，运行我们的策略 D 天后，期望时间平均收益的损失至多为 O((ln D)^0.5 D^(-0.25))，且随 D 趋于无穷而衰减至零。
引用
@article{arxiv.2007.03205,
title = {Learning to Price Vehicle Service with Unknown Demand},
author = {Haoran Yu and Ermin Wei and Randall A. Berry},
journal= {arXiv preprint arXiv:2007.03205},
year = {2020}
}