在网约车中权衡系统效率与司机收入平等

若干科学研究已报道网约车司机中存在基于性别、年龄、种族等人口统计因素的收入差距。在本文中，我们研究网约车司机中因乘客的歧视性取消而导致的收入不平等，以及收入不平等（称为公平目标）与系统效率（称为利润目标）之间的权衡。我们提出了一个在线二分匹配模型，其中假设乘客按顺序到达且遵循事先已知的分布。我们模型的亮点是任意司机-乘客类型对之间的接受率概念，其中类型基于人口统计因素定义。特别地，我们假设每位乘客可以接受或取消分配给她的司机，每种情况以一定概率发生，该概率反映了乘客类型对司机类型的接受程度。我们构建了一个双目标线性规划作为有效基准，并提出了两种基于 LP 的参数化在线算法。我们提供了严格的在线竞争比分析，以证明我们的在线算法在平衡公平与利润这两个冲突目标方面的灵活性与效率。我们还提供了在真实世界数据集上的实验结果，证实了我们的理论预测。