在本研究论文中,作者主要探讨了基于出租车拼车偏好的定价优化问题。在阐述其研究内容前,先介绍几个关键词汇,包括:出租车拼车(Taxi Co-ride)、共同定价(Co-pricing)、偏好(Preference)、粒子群优化算法(Particle Swarm Optimization, PSO)以及帕累托解(Pareto Solution)。
出租车拼车是提高交通效率的一种方式,指的是乘客乘坐同一辆出租车的行为。随着网络技术的发展和智能手机的普及,乘客可以通过出租车软件平台传递自己的位置和价格,出租车司机也能通过该平台展示自己的价格、服务水平和位置。这为双方根据偏好进行拼车提供了可能。
共同定价是指基于双方的偏好来确定价格的过程。这种定价方法在出租车行业中的应用尤为重要,它涉及到出租车司机和乘客双方的利益。正确的共同定价策略不仅能够促进司机与乘客的合作,还能进一步提高出租车运输的效率,减少社会资源的浪费。
研究者们基于偏好提出了一个多目标共同定价优化算法,并通过实例阐述了定价优化方法的应用。该模型综合平衡了各方的偏好,进一步促进了出租车的合作,并减少了社会资源的浪费。同时,该研究在一定程度上缓解了交通拥堵问题,对缓解交通压力有所帮助。
文章的介绍部分指出,近年来,我国许多城市开始采用出租车拼车模型。出租车作为一种城市公共交通工具,在缓解交通拥堵和节约社会资源方面扮演着重要角色。特别是在许多城市推出的多乘员车道(HOV车道)政策,这些车道要求必须有两个或更多乘客才能使用。因此,研究出租车的合作模式变得尤为重要。
在出租车定价方面,目前一些学者已经提出了用于出租车定价研究的数学模型。比如,Lu[1]在其研究中建立了基于每一种搭便车模式的破产数学模型,并利用塔木德规则进行求解。Zhang[2]建立了基于共同定价的多目标优化模型。这些研究为出租车定价问题提供了数学理论支持。
粒子群优化算法(PSO)是一种计算智能优化算法,它通过模拟鸟群的社会行为来寻找最优解。PSO在连续空间中优化问题的求解方面表现优异,尤其适用于高维空间的优化问题。在出租车拼车定价模型中,PSO可被用来优化定价策略,使其达到乘客和司机偏好的最优平衡。
帕累托解是指在多目标优化问题中,不存在一个解可以在不恶化其他目标的情况下改善任何一个目标。在出租车拼车的背景下,寻找帕累托解意味着找到一组定价方案,这组方案可以在司机的收入和乘客的出行成本之间找到一个平衡点,从而使双方都满意。
出租车拼车偏好和定价的优化是一个综合考量了技术、经济、社会资源等多个因素的复杂问题。通过建立多目标共同定价优化模型,不仅可以促进出租车行业的高效运行,也有助于整个社会的交通效率提升和资源合理分配。这项研究对于实现智能交通系统、推动城市交通可持续发展具有重要的理论意义和应用价值。