基于社会媒体的动态共乘服务研究

Dynamic Ridesharing (DR) as a new approach to alleviate the problem of urban travel does not achieve the desired results, while address ways should be considered from the willingness to accept and operating process. The project, starting from how to carry out the DR Service, does research from the following four basic questions concerning DR Services. (1) Willingness to accept DR Services: the main study focuses on the security / potential risks and benefits of DR Services under different trust levels, how to determine the participants' willingness to accept DR Service, and how to build trust mechanism; (2) DR matching service: The main study focuses on three aspects. Firstly, how to determine the successful matching standard of DR; Secondly, how to build the Characteristics Matching Model and realize the matching model in multi-agent simulation platform; Thirdly, how to achieve fast matching under circumstances of many-to-many passengers to drivers; (3) DR information services: To evaluate DR information service capacity to screen key factors, to analyze impacts of social media innovation capability, and to create recognition model to identify fake information, thus to improve information quality; (4) DR Service value: According social welfare function, to analyze external revenue and service cost alternatives, to look for incentive mechanism of participants. The project is just for international start-ups with limited research. Designed new study contents are promising and have real significance in practice.

动态共乘（DR）作为一种缓解城市交通出行难题的新模式目前并没达到预期效果，而解决途径需要从接受意愿和运行过程来考虑。本项目从如何开展DR服务入手，拟对DR服务的四个基本问题展开研究。（1）DR服务接受意愿：主要研究不同信任水平下使用DR服务的风险和收益怎样决定潜在参与者服务接受意愿，以及建立怎样的信任机制；（2）DR匹配服务：主要研究三个问题，一是DR成功匹配的标准怎样确定，二是如何建立DR特征匹配模型，并在多智能体平台上实现；三是如何快速实现乘客与司机的多对多匹配；（3）DR信息服务：评价DR信息服务能力，确定关键因素，分析社会媒体创新能力的影响，建立虚假信息识别模型，提高信息质量；（4）DR服务价值：根据所构建的DR服务社会福利函数，分析外部收益和服务费用替代方式，寻找车主参与的激励机制。项目研究所针对的问题在国际上也刚起步，研究成果有限。所设计研究内容有新意，研究前景具有实际意义。

共享经济促进了动态共乘的发展，目前的理论研究还相对滞后，本项目从平台和服务提供两方面入手，围绕5个问题展开了研究，1）平台动态共乘信息的提供：首先研究了动态共乘平台如何在搜索引擎上通过竞价而赢得流量，建立了围绕ROI的层次贝叶斯网络模型，通过参数学习，得到了最优出价模型。之后又针对竞价过程中的欺诈点击建立了隐马尔科夫模型，仿真实验了模型的判断准确度。2）平台自律和乘客点评对司机绩效的影响：首先区分了司机的两种绩效，基于平台自律和乘客点评建立了一个绩效评价模型系统，利用实证数据和层次贝叶斯估计方法，得到了各因素对司机绩效的的影响程度。3）共乘影响因素：在个体层面，利用多智能体仿真平台研究了不同信任水平及与时间窗共同作用下的共乘匹配成功率的变化；在市场层面，利用实证数据，对四个城市的共乘匹配频率研究建立了面板Poisson模型，并进行了固定效应和随机效应检验。4）共乘匹配：主要研究了乘客选择、共乘选择、大规模匹配算法三个问题，首先建立了乘客效用最大和行程最短的双目标0-1优化模型，通过和声分散搜索算法求得了最优解，并在100×100的路网上进行了仿真实验；其次针对自驾、公交和共乘三种选择，以状态依赖效用为理论分析框架，以各种选择的人数为状态变量，通过求解所建立的动态规划模型，获得了三种选择的稳定分布，以及共乘人数变化与总收益的关系；最后，针对如何在一个共乘系统中安排车辆与用户的匹配，以及如何获得最优行车路线，设计了一个广义的带时间窗的dial-a-ride模型，并提出了一类大临域搜索算法求解该模型。5）共乘的动态定价：以每个周期选择共乘乘客的期望人数和乘客的耐心为状态变量，以平台收益最大为目标，建立一个双状态变量的动态规划模型，利用collocation算法求解，获得了针对每个乘客的最优定价，并确定了收益、定价和乘客人数三者之间的关系，以及边际价格的变化。总体而言，本项目研究为动态共乘服务的运营提供了丰富的理论基础，同时也提出了新的研究问题。