考虑跨服务模式的网约车派单优化

为解决多服务模式的网约车市场中所存在的模式间供需时空不匹配的问题,打破模式间派单壁垒,减少车辆无效巡游,提升乘客体验,提出一种基于强化学习的跨模式派单算法。首先,设计跨模式派单的运行规则和相应的仿真环境为算法的训练提供环境支持。其次,针对派单过程中乘客需求动态变化的特点,设计两阶段派单流程。在第一阶段,根据车辆与需求的时空特征确定虚拟派单请求;在第二阶段,采用k最近邻算法对可行派单请求进行细化,选择与虚拟派单请求最为相似的请求作为最终的派单方案。实验表明,与基线方法相比,所提出的跨模式派单算法提升了基础服务模式中3.1%的请求响应率,同时减少了高级服务模式中车辆的空驶时间,实现了更高的经济效益与服务水平。