典型文献
面向公平保障的共乘定价与匹配算法
文献摘要：
在共乘场景中,具有相似行程和时间安排的多名乘客一同出行,可降低出行成本、提高车辆上座率和缓解交通拥堵.现有研究忽略了共乘收费标准不统一和司机恶意竞价对乘客共乘体验的影响.在同时考虑费用约束、车辆容量约束和绕路距离约束的的情况下,提出最大化匹配结果公平性的方案,并将共乘的定价与匹配过程建模为一个两阶段的主从博弈.针对上述方案,提出了一个基于K-means++的请求划分算法,以缩小司乘匹配范围,提高匹配效率;在满足所有参与者约束的前提下,设计了基于两阶段主从博弈的迭代算法DPMA,并从理论上证明了其收敛性.在纽约出租车数据集上进行了仿真实验,通过不同的参数设置验证了DPMA的收敛性.与已有的2个算法相比,DPMA在保障司机收益的同时,在公平指数上分别提高了34.03％和24.42％.实验结果表明所设计机制可以有效避免司机间的恶意竞价,且提高了共乘匹配的公平性.
文献关键词：
共乘;主从博弈;公平性
中图分类号：
作者姓名：
林彦佳;武继刚;吴嘉鑫;陈龙
作者机构：
广东工业大学计算机学院,广东广州 510006
文献出处：
引用格式：
[1]林彦佳;武继刚;吴嘉鑫;陈龙-.面向公平保障的共乘定价与匹配算法)[J].计算机工程与科学,2022(07):1291-1301
A类：
DPMA
B类：
匹配算法,时间安排,多名,乘客,一同,同出,出行成本,高车,上座率,和缓,解交,交通拥堵,收费标准,司机,恶意,竞价,容量约束,绕路,距离约束,结果公平,公平性,过程建模,means++,请求,划分算法,高匹配,两阶段主从博弈,迭代算法,上证,收敛性,纽约,出租车数据,参数设置,机收,设计机制,共乘匹配
AB值：
0.401678
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
