挖掘开放数据集以实现大都市出租车运输的透明化
计算机与社会
2015-08-31 v1
摘要
Uber 最近在城市出租车运输领域引入了新颖的运营实践。行程价格几乎可以实时动态变化，并且在城市不同区域之间存在地理差异，这种策略被称为 surge pricing（动态加价）。本文探索新一代开放数据集在理解公共交通领域新兴颠覆性技术影响方面的能力。我们的主要目标是为城市通勤者提供更透明的经济图景，我们对 Uber 与纽约 Yellow Cab 公司进行了直接的价格比较。研究发现，Uber 尽管标准定价较低，但平均而言实际收取更高的车费，尤其是在行程较短但频繁发生的情况下。基于这一洞察，我们开发了一款智能手机应用 OpenStreetCab，为移动用户提供个性化咨询，告知其哪一家出租车服务商的行程更便宜。该应用上线近五个月后，已在一个城市吸引了超过三千名用户。他们的行程查询为类似技术可能为城市通勤者带来的潜在节省提供了额外洞察，其中亮点是：在纽约，一名用户如果选择最便宜的出租车服务商，平均每次行程可节省 6 美元。我们进行了大量实验以表明 Uber 的动态加价是行程价格更高的驱动因素，因此也是我们应用用户潜在节省更高的原因。最后，受 Uber 动态加价发生频率高于直观预期的观察启发，我们构建了一个预测任务，目标变为预测某一地理区域的动态加价倾向。利用 Uber 外部数据集，我们展示了如何高精度地估计某一区域内的客户需求，并由此推断动态加价。
引用
@article{arxiv.1508.07292,
title = {Mining Open Datasets for Transparency in Taxi Transport in Metropolitan Environments},
author = {Anastasios Noulas and Vsevolod Salnikov and Renaud Lambiotte and Cecilia Mascolo},
journal= {arXiv preprint arXiv:1508.07292},
year = {2015}
}