偏好感知网约车系统的最大兼容性匹配
系统与控制
2025-05-06 v1 系统与控制
摘要
本文提出了最大兼容性匹配框架，这是一种为网约车系统设计的新型分配策略，明确将乘客舒适度纳入匹配过程。传统的分配方法优先考虑空间效率，但往往忽略了乘客与司机之间的行为一致性，而这会显著影响用户满意度。MCM通过使用在带标签的行程数据上训练的梯度提升决策树分类器学习个性化的乘客舒适区，并通过从时间序列驾驶特征构建的经验性运营画像来建模司机行为，从而弥补了这一差距。乘客与司机之间的兼容性被计算为各自特征空间区域交集体积的闭式解。这些兼容性得分被集成到一个基于效用的匹配算法中，该算法通过一个可调的权衡参数来平衡舒适度与邻近度。我们使用一个具有实时乘客反馈的基于Unity的驾驶模拟器验证了该框架，结果表明MCM能够实现更个性化且社会接受度更高的匹配，同时保持高水平的运营性能。
引用
@article{arxiv.2505.02599,
title = {Maximal Compatibility Matching for Preference-Aware Ride-Hailing Systems},
author = {Avalpreet Singh Brar and Rong Su and Jaskaranveer Kaur and Xinling Li and Gioele Zardini},
journal= {arXiv preprint arXiv:2505.02599},
year = {2025}
}