按需出行系统的隐私保护车辆分配

城市交通正受到按需出行(MoD)系统的变革。MoD系统的目标之一是为乘客提供个性化出行服务。这一过程由一个集中式运营商促成，该运营商基于位置数据协调车辆与单个乘客的分配。然而，当前方法假设乘客和车辆的精确位置信息随时可用。这一假设引发了隐私问题。在本工作中，我们通过提出一种保护乘客下车地点（即其出行目的地）的方法来解决这个问题。形式上，我们解决一个批量分配问题，该问题将位于模糊化起始位置的车辆路由到乘客位置（因为起始位置对应于先前的下车位置），从而使得平均等待时间最小化。我们的主要贡献有两方面。首先，我们形式化了MoD系统中连续车辆到乘客分配的隐私概念，并集成了一个提供形式化保证的隐私机制。其次，我们提出了一种可扩展算法，利用系统中多余的（空闲）车辆，结合多次迭代的匈牙利算法，将冗余数量的车辆分配给单个乘客。因此，我们能够减少由隐私机制引起的性能下降。我们在一个真实的、大规模数据集上评估了我们的方法，该数据集包含超过1100万次出租车行程（指定车辆可用性和乘客请求），记录于纽约曼哈顿地区一个月的时长。我们的工作表明，隐私可以集成到MoD系统中而不会造成显著的性能损失，而且，这种损失可以通过向车队部署额外（冗余）车辆为代价进一步最小化。