利用简单激励机制改善拼车系统中的双边公平性

最先进的拼车订单分配算法将乘客请求分批，并以集中方式将其分配给车队，利用整数线性规划（ILP）基于每个乘客-车辆匹配的估计值进行优化。在获得良好的未来值估计的情况下，此类基于 ILP 的方法能够显著提高固定车队的服务率（被服务请求的百分比）。然而，这类仅专注于最大化效率的方法可能导致司机（例如收入不平等）和乘客（例如不同群体的服务不平等）两方面的差异。现有考虑公平性的方法仅针对朴素分配策略、需要大量训练，或只关注单边公平性。我们提出了一种简单的基于激励的公平性方案，可作为该 ILP 公式的一部分在线实施，从而在多种公平性指标上改善公平性。从方差最小化的视角出发，我们描述了如何针对乘客群体和司机公平性的两种不同用例来构建这些公平性激励。我们证明，在温和条件下，我们的方法能够保证最弱势个体的所选指标得到改善。我们还通过实证表明，尽管无需重新训练，我们的简单激励方法仍显著优于先前方法；事实上，它在总体服务率和公平性上往往比最先进的公平性感知方法有较大提升。