Core Concepts
Durch Anwendung des Gale-Shapley-Algorithmus zur stabilen Zuordnung können die Einkommensverteilung der Fahrer verbessert und gleichzeitig die Gesamteffizienz des Systems aufrechterhalten werden.
Abstract
Die Studie untersucht, wie das Uber-Fahrdienstsystem als ein zweiseitiges Zuordnungsproblem modelliert und durch den Einsatz des Gale-Shapley-Algorithmus optimiert werden kann. Dabei liegt der Fokus darauf, die Einkommensverteilung der Fahrer zu verbessern, ohne die Gesamteffizienz des Systems zu beeinträchtigen.
Zunächst wird eine Literaturrecherche zu bestehenden Fahrdienstvermittlungsplattformen und Ansätzen zur Steigerung der Fahrerzufriedenheit durchgeführt. Anschließend wird ein neuartiger Algorithmus entwickelt und durch Simulationstests evaluiert.
Der Algorithmus basiert auf dem Gale-Shapley-Verfahren zur stabilen Zuordnung. Dabei werden sowohl die Präferenzen der Fahrer als auch die der Fahrgäste berücksichtigt. Die Fahrerpräferenzen umfassen die zu erwartende Vergütung und die Entfernung vom Stadtzentrum, während die Fahrgastpräferenzen die Wartezeit und das Einkommen des Fahrers einbeziehen.
Im Vergleich zu anderen Zuordnungsalgorithmen, wie zufälliger Zuordnung oder Zuordnung nach Nähe, zeigt der vorgestellte Algorithmus eine höhere Gesamteinnahme, eine gleichmäßigere Einkommensverteilung unter den Fahrern und eine geringere Standardabweichung der Fahrereinkommen.
Darüber hinaus wird untersucht, wie sich eine stärkere Gewichtung der Einkommensverteilung im Präferenzmodell auf die Ergebnisse auswirkt. Dabei zeigt sich, dass eine höhere Gewichtung der Einkommensverteilung nicht nur zu einer gerechtere Einkommensverteilung, sondern auch zu einer Steigerung der Gesamteinnahmen führt.
Die Studie unterstreicht die Bedeutung der Berücksichtigung von Fairness und Präferenzen in Zuordnungsalgorithmen für Fahrdienstvermittlungsplattformen. Weitere Forschungsfelder umfassen die Implementierung dynamischer Preismodelle und die Modellierung des Fahrverhaltens zu unkonventionellen Zeiten.
Stats
Die Zahlungsbereitschaft der Fahrgäste (WTP) wird als lineare Funktion der Manhattan-Entfernung der Fahrt und der euklidischen Entfernung vom Stadtzentrum berechnet, eingebettet in eine Gaußsche Verteilung.
Die Kosten der Fahrer sind eine Funktion der Gesamtfahrstrecke und der Entfernung vom Stadtzentrum, multipliziert mit einem individuellen Kostenfaktor.
Quotes
"Durch Anwendung des Gale-Shapley-Algorithmus zur stabilen Zuordnung können die Einkommensverteilung der Fahrer verbessert und gleichzeitig die Gesamteffizienz des Systems aufrechterhalten werden."
"Eine höhere Gewichtung der Einkommensverteilung im Präferenzmodell führt nicht nur zu einer gerechtere Einkommensverteilung, sondern auch zu einer Steigerung der Gesamteinnahmen."