در این کار، ما یک راه‌حل قیمت‌گذاری مبتنی بر تئوری بازی را برای مشکل اشتراک سواری مسافران تاکسی پیشنهاد می‌کنیم که به انتخاب بهینه همراهی در سفر می‌پردازد و به طور موثر هزینه آنها را به حداقل می‌رساند. دو تکنیک تطبیق پایدار در این مطالعه پیشنهاد شده‌اند، به نام‌های: First-Come، First-Served (FCFS) و Best Time Sharing (BT). FCFS جفت‌ها را بر اساس اولین زمان وقوع جفت‌ها کشف می‌کند، در حالی که BT انتخاب جفت‌هایی با نسبت بالایی از فاصله مشترک بین مسافران تا مسافت کلی سفرهایشان را در اولویت قرار می‌دهد. ما روش‌های خود را از طریق شبیه‌سازی‌های گسترده از مسیرهای تجربی تاکسی از جاکارتا، سنگاپور و نیویورک ارزیابی می‌کنیم. نتایج از نظر تطابق پس از پایداری، صرفه جویی در هزینه، مسابقات موفق، و تعداد کل سفرها برای سنجش عملکرد با توجه به شرایط عدم اشتراک سواری ارزیابی شده است. BT از نظر تولید جفت های بیشتر با مسیرهای سازگار بهتر از FCFS عمل کرد. علاوه بر این، در مجموعه داده نیویورک با میزان تراکم سفر بالا، BT به طور موثر تعداد سفرهای موجود در یک زمان معین را کاهش داده است. از سوی دیگر، FCFS در جفت کردن سفرهای مجموعه داده جاکارتا و سنگاپور به دلیل تراکم کمتر به دلیل تعداد محدود مسیرها مؤثرتر بوده است. مدل قیمت گذاری تئوری بازی (GT) به طور کلی برای صرفه جویی در هزینه سهم سواری سودمندترین است، به ویژه با گرایش به مزایای مسافر. تجزیه و تحلیل نشان داده است که الگوریتم تطبیق پایدار تعداد کلی سفرها را کاهش می دهد در حالی که همچنان به فراوانی زمانی سفرها در مجموعه داده پایبند است. علاوه بر این، بهترین روش‌های قیمت‌گذاری بهترین زمان جفت‌سازی و تئوری بازی ما بر اساس صرفه‌جویی در هزینه‌های مسافر، کارآمدترین روش‌ها را ارائه می‌کنند. استفاده از این الگوریتم‌های تطبیق پایدار به نفع کاربران بیشتری است و موارد بیشتری را برای اشتراک‌گذاری سواری تشویق می‌کند.

کلید واژه ها:

نظریه بازی ؛ تکنیک های اشتراک سواری ; ردیابی GPS تاکسی ; تطابق پایدار

1. مقدمه

بهبود مستمر فناوری‌های اینترنت تلفن همراه فرصت‌های زیادی را برای افراد ایجاد کرده است تا بتوانند در زمان واقعی از طریق اینترنت با یکدیگر تعامل داشته باشند، به اشتراک بگذارند و از منابع استفاده کنند. این پدیده با عنوان “اقتصاد به اشتراک گذاری” برچسب گذاری شده است. نمونه بارز این پدیده، منبع یابی یا اشتراک سواری است که در آن وسایل نقلیه خصوصی، صندلی های موجود خود را به عموم مردم در رفت و آمد اختصاص می دهند. به دلیل مزایای غیرقابل انکار، به عنوان مثال، صندلی تضمین شده، زمان قابل پیش بینی سفر، و راحتی [ 1 ]، به یک ضرورت برای مسافران تبدیل شده است.
اشتراک سواری به عنوان یک ترتیب بین رانندگان و مسافران تعریف می شود، که در آن اولی وسایل نقلیه خود را به عنوان منابعی برای مسافران عمومی به عنوان یک روش حمل و نقل ارائه می دهد [ 2 ]. اشتراک سواری به عنوان یک روش حمل و نقل قابل دوام در کشورهای توسعه یافته و در حال توسعه [ 3 ، 4 ]، به ویژه در منطقه کلان شهر، مورد توجه قرار گرفته است. این امر برای ارائه خدمات قابل اعتماد به تقاضاهای جابجایی روزافزون، کاهش نرخ اشغال کم وسایل نقلیه شخصی موجود در جاده به ویژه در ساعات اوج مصرف، کاهش ازدحام ترافیک و کاهش حجم ترافیک اجرا شده است [ 5 ، 6 ، 7 ، 8 ]]. مسافران می توانند از این خدمات از طریق برنامه های کاربردی شخص ثالث، وب سایت ها یا پلتفرم ها استفاده کنند تا سواری مورد نظر خود را استخدام کنند [ 9 ] که می تواند متمرکز یا توزیع شود. اشتراک‌گذاری متمرکز سواری اساساً از یک سیستم یا سرور مرکزی برای نظارت بر تمام تراکنش‌های بین طرف‌های درگیر، جمع‌آوری همه داده‌های مربوطه، ایجاد ارتباطات و سفرها بین مسافران و راننده، اجرای شرایط و ضوابط، و ایجاد روش‌شناسی قیمت‌گذاری استفاده می‌کند [ 10 ]. از سوی دیگر، اشتراک‌گذاری غیرمتمرکز یا توزیع‌شده به یک سیستم مرکزی متکی نیست و آن را به نهادهای مربوطه واگذار می‌کند تا تطابق و تراکنش‌های خود را اجرا کنند [ 11 ].
در حالی که ridesharing توانسته رضایت مسافران را فراهم کند، هنوز برخی نگرانی‌ها برای رفع ناهنجاری خدمات و درآمد وجود دارد. توزیع فضایی مسافران سناریویی را ایجاد می‌کند که در آن رانندگان مناطق کم‌تراکم‌تری را ترک می‌کنند، بنابراین، این مناطق کم‌جمعیت را برای سفر انفرادی تاکسی ترک می‌کنند [ 12 ]. نمونه ای که در آن اشتراک سواری کمتر اتفاق می افتد در محله های نژادی متنوع و مکان های پردرآمد است [ 13 ]. همچنین مواردی وجود داشت که رانندگان سفرها را به دلیل مکان‌های تحویل و مقصد بی‌توجه [ 14 ]، نرخ رد منطقه [ 15 ] و زمان انتظار بیشتر مشتری [ 16 ] قبول نمی‌کردند.]. دلایل امنیتی نیز بر صنعت اشتراک سواری تأثیر گذاشت. در طول شب، مسافران زن ترجیح می‌دادند با استفاده از وسایل حمل‌ونقل عمومی رفت و آمد کنند تا از خودروهای شخصی [ 17 ]. نگرانی های ایمنی و حفاظتی رانندگان سواری مورد سوال قرار گرفت و بر این اساس شرکت کردند [ 18 ].
از سوی دیگر، مواردی وجود داشت که مسافران از طرح اشتراک سواری اجتناب می‌کردند، زیرا مسیر شامل مسافت پیاده‌روی تا نقطه سوار شدن [ 19 ]، نقاط میانی ناخواسته [ 20 ]، زمان سفر نامشخص [ 21 ]، نگرش‌های مسافر و راننده بود. [ 22 ، 23 ]. مهمتر از آن، مسافران به دلیل افزایش هزینه سفر و کرایه، اشتراک سواری را در نظر گرفتند [ 24 ]. بنابراین، قیمت‌گذاری پویا مختلفی برای مطالعات مربوط به کارپول‌ها برای کاهش موثر کرایه‌های مسافر انجام شده است. آنها یک رویکرد اکتشافی را برای برنامه ریزی درخواست های سواری اعمال کردند [ 25]. یک کار تحقیقاتی پایداری مالی اشتراک گذاری سواری و صرفه جویی در هزینه سفر و مزایای آن برای ذینفعان را مورد مطالعه قرار داد [ 26 ]. از سوی دیگر، پلت فرم اشتراک سواری به خدمات اتوبوس سفارشی در [ 27 ] گسترش یافت. اگر بیش از 8000 مسافر وجود داشته باشد، تفاوت در مزایای استفاده از اتوبوس های سفارشی و وسایل نقلیه مشترک سواری ناچیز است [ 26 ].
مشکل اشتراک سواری در پکن توسط نظریه بازی به عنوان یک تشکیل ائتلاف محدود شده با نمودار (GCCF) مدل شد، که در آن مجموعه مسافران از طریق یک شبکه اجتماعی به هم متصل شدند [ 28 ]. آنها بر بهینه سازی ائتلاف مسافران برای به حداقل رساندن هزینه های سفر با توجه به تعداد متوسط ​​و زیاد مسافران تمرکز کردند. مطالعه دیگری ارزش شکل‌یافته را برای تقسیم مؤثر هزینه‌های سفر بین مسافران با استفاده از نمودار شبکه جاده‌ای در تولوز، فرانسه اجرا کرد [ 29 ]]. با این حال، کار محدود بود که همه مسافران در یک مبدا اما فقط با مقاصد متفاوت قرار بگیرند. علاوه بر این، همچنین تنها دو سناریو را در نظر گرفت، (1) وجود یک ترتیب اولویت ثابت در پیاده‌سازی مسافران از نظر کوتاه‌ترین مسافت و (2) عدم وجود یک ترتیب از پیش تعیین‌شده برای خروج. نویسندگان دریافتند که سناریوی اول از نظر محاسبه هزینه بهتر از سناریوی دوم است. کار در [ 30] یک بازار تحرک مشترک را تدوین کرد که مسافران را به راننده مناسب اختصاص داد و در عین حال رفتارها (به عنوان مثال، میزان پرداختی که باید پرداخت شود، رفاه اجتماعی، هزینه های عملیاتی خودرو، رضایت) و تصمیم گیری هر دو طرف را در نظر گرفت. این مطالعه رفاه مسافران و تخصیص سود راننده را به حداکثر رساند. وجود یک تعادل نش در اشتراک سواری در [ 31 ] مورد مطالعه قرار گرفت. یافته‌های آن‌ها نشان داد که تعادل نش زمانی رخ می‌دهد که مسافران و رانندگان هر دو با هم همکاری کنند. با این حال، سود، مشوق‌ها و هزینه‌های عملیاتی به شدت بر سیستم تأثیر گذاشت تا تعادل را از دست بدهد. با توجه به [ 32قبلاً برنامه‌های اشتراک‌گذاری سواری وجود داشت که از تئوری بازی برای ارائه پاداش‌ها، امتیازات و رتبه‌بندی‌های انگیزشی استفاده می‌کردند تا امکان مشارکت بهینه را در بین رانندگان فراهم کند و آنها را تشویق به کار، جذب مشتری و تکمیل سواری‌های موفق‌تر کند.
در زمینه اشتراک سواری، جنبه‌های مختلفی وجود دارد که باید بهینه شوند، بنابراین مفهوم نظریه بازی (GT) را به یک راه‌حل مناسب تبدیل می‌کند تا همه نهادهای درگیر را قادر می‌سازد تا حداکثر سود را تجربه کنند. مفهوم تئوری بازی بر پاداش های سودمند برای همه بازیکنان منطقی درگیر متمرکز است، به عنوان مثال، بهترین تصمیم یک مسافر به بهترین پاسخ بازیکن دیگر بستگی دارد [ 33 ]. این سناریوی برد-برد حتی در محیطی اتفاق می‌افتد که در آن افراد بر اساس منافع شخصی خود عمل می‌کنند تا زمانی که مجموعه‌ای از شرایط، شرایط و نتایج وجود داشته باشد [ 34 ].]. به صورت فردی، بهترین استراتژی این است که بدون توجه به انتخاب بازیکن دیگر، مسیر عملی را اتخاذ کنید که کمترین هزینه را داشته باشد. با این حال، اگر بازیگران درگیر گرد هم آیند و بر روی یک استراتژی یکپارچه توافق کنند که به نفع فرد و همچنین کل جمعی باشد، یک تعادل نش حاصل می شود [ 35 ].
در این مطالعه، ما یک تکنیک اشتراک‌گذاری سواری را برای تنها دو مسافر منحصربه‌فرد مبتنی بر نظریه بازی (GT) پیشنهاد می‌کنیم که به تطابق پایدار بین مسافران و رانندگان می‌پردازد و در عین حال هزینه‌های مسافر را به حداقل می‌رساند و سود راننده را حفظ یا افزایش می‌دهد. علاوه بر این، ما تکنیک خود را از طریق شبیه‌سازی‌های گسترده با استفاده از ردیابی تجربی تحرک تاکسی ارزیابی می‌کنیم. سپس به اشتراک گذاری سواری مبتنی بر GT خود را با توجه به تنظیمات انفرادی، از نظر صرفه جویی در هزینه، مسافت سفر، مسابقات موفق، سفرهای دویدن و توزیع مکانی-زمانی تجزیه و تحلیل و ارزیابی می کنیم. عمده ترین کمک های این کار به شرح زیر است:
  • ما دو الگوریتم تطبیق پایدار را پیشنهاد می‌کنیم، یعنی اولین خدمت اولیه (FCFS) و بهترین زمان اشتراک گذاری (BT). در FCFS، یک مسافر خاص فقط با یک مسافر دیگر با توجه به اولین زمانی که مسابقه اشتراک سواری شروع شده است جفت می شود. در همین حال، BT نسبت مسافت های مشترک سفر بین مسافران را ارزیابی می کند. جفت مسافری که بالاترین نسبت مسافت سفر مشترک را دارند در نظر گرفته می شود.
  • ما از یک ساختار قیمت‌گذاری مبتنی بر نظریه بازی (GT) استفاده کردیم که شرایط و ضوابطی را به‌گونه‌ای تعیین می‌کند که هر دو طرف بتوانند به مزایای بهبود یافته دست یابند. در کنار ساختار قیمت‌گذاری، ما همچنین از عدم اشتراک سواری، تقسیم برابر (ES) و قیمت‌گذاری تقسیم متناسب (PS) برای ارزیابی صرفه‌جویی در هزینه مسافران و سودآوری رانندگان با محاسبه کاهش هزینه‌های سفر و افزایش درآمد راننده استفاده کردیم.
  • ما شبیه‌سازی‌های گسترده‌ای را برای ارزیابی روش اشتراک‌گذاری سواری پیشنهادی خود با استفاده از سه مجموعه داده تحرک تجربی از جاکارتا، سنگاپور، و ردیابی تاکسی‌های نیویورک انجام دادیم. ما مشاهده کردیم که هر دو روش تطبیق پایدار به طور قابل توجهی سفرهای دویدن را کاهش داده و مسافران سازگار را به طور موثر با هم تطبیق می دهند. FCFS در کاهش سفرها مؤثرتر بود در حالی که BT منجر به متوسط ​​سفرهای کوتاه‌تر شد. قیمت‌گذاری ES یک بازی ZeroSum را نشان می‌دهد، که به نفع یکی از مسافران به ضرر دیگری است، قیمت‌گذاری PS به شدت به نفع رانندگان بود، و تکنیک قیمت‌گذاری GT ما صرفه‌جویی قابل توجهی در هزینه‌ها برای هر دو مسافر با وجود حداقل درآمد راننده فراهم کرد.
با توجه به یافته‌های ما از مطالعه مجموعه داده‌های تجربی تاکسی‌های شهری، روش‌های تطبیق و قیمت‌گذاری پایدار پیشنهادی ما می‌تواند توسط مسافران و حتی برنامه‌های کاربردی سواری در موقعیت‌های غیرمتمرکز و بر اساس تقاضا در مکان‌یابی جفت‌های احتمالی که خدمات اشتراک سواری سودمندی را برای همه طرف‌ها ارائه می‌کنند، به کار گیرد.

2. مواد

این بخش ویژگی های سه مجموعه داده تجربی از شهرهای شهری مورد استفاده در این مطالعه را مورد بحث قرار می دهد. ما همچنین نشان می‌دهیم که چگونه مجموعه داده را از قبل پردازش کردیم تا تعیین این ردیابی تحرک را ساده کنیم.

2.1. ویژگی های مجموعه داده تحرک تاکسی تجربی

جدول 1 ویژگی های سه مجموعه داده تجربی به دست آمده از تاکسی های مختلف در جاده های جاکارتا، سنگاپور و نیویورک را نشان می دهد. برای همه مجموعه‌های داده، ما فقط جفت‌های مبدا-مقصد (OD) را برای این مطالعه استخراج کردیم. در مجموع 55995 و 28000 مسیر به ترتیب از مجموعه داده های جاکارتا و سنگاپور مورد مطالعه قرار گرفته اند که از 8 تا 22 آوریل 2019 جمع آوری شده اند [ 36 ]]. این مجموعه داده ها شامل سفرهای ماشین و موتور سیکلت است. از سوی دیگر، مجموعه داده نیویورک شامل تقریباً 170 میلیون سفر با مسافران نزدیک به 14000 تاکسی در شهر است که ما فقط 22941 سفر را برای ماه آوریل 2013 استخراج کردیم. هر دو مجموعه داده شامل عرض جغرافیایی، طول جغرافیایی مبدا و مقصد سفر هستند. ، و مهرهای زمانی مربوطه و شناسایی مسیر آنها.
برخلاف مجموعه داده‌های جاکارتا و سنگاپور که روزانه از ساعت 00:00 تا 23:59 نمونه‌برداری می‌شدند، محدوده زمانی نمونه‌گیری در مجموعه داده نیویورک در هر روز متفاوت بود. طولانی‌ترین مدت نمونه‌ها تا ساعت 8:49 صبح بود در حالی که کوتاه‌ترین نمونه فقط تا 0:30 صبح بود، بنابراین، برای جلوگیری از سوگیری در محدوده زمانی، ما فقط از ساعت 00:00 تا 00:30 هر روز نیویورک با توجه به کوتاه ترین محدوده نمونه
در جدول 1 ، مساحت زمین هر شهر شهری با به دست آوردن کوچکترین و بالاترین مقادیر طول و عرض جغرافیایی محاسبه شده است. با ترسیم تمام مختصات GPS مجموعه داده‌ها، ردپای تحرک یافت شده در مجموعه داده جاکارتا پراکنده‌تر است، و در مقایسه با دو شهر دیگر، نقاط پرت زیادی دارد، بنابراین، منجر به مساحت زمین بزرگ‌تر می‌شود.
از سوی دیگر، میانگین مسافت طی شده در هر سفر بر حسب کیلومتر برای جاکارتا در مقایسه با دو شهر دیگر از نظر بزرگی یکسان است. این به دلیل این واقعیت است که اکثر ردیابی های حرکتی GPS در بخش بسیار شهری شهر متمرکز شده است.

2.2. پیش پردازش مجموعه داده های تحرک

ردیابی GPS مجموعه داده ها بیشتر در سراسر نقشه مورد مطالعه پراکنده است. به منظور تعیین آسان مکان‌ها با جفت‌های احتمالی، تجزیه و تحلیل پایدار فضایی-زمانی (STS) [ 39 ] را برای ایجاد یک نمایش استاتیک از توزیع وسیله نقلیه سه شهر شهری اعمال می‌کنیم. تجزیه و تحلیل STS یک تقسیم‌بندی شبکه یکنواخت را در هر زمان نمونه‌برداری انجام می‌دهد و سپس ویژگی‌های تمام سلول‌های فضایی-زمانی را با ویژگی‌های مکانی و زمانی نقشه‌های کل‌نگر مرتبط می‌کند، و به طور موثر تنها یک نقشه تولید می‌کند که شهر مورد مطالعه را مشخص می‌کند.
ما تجزیه و تحلیل STS را بر روی منشاء هر مجموعه داده برای شناسایی مناطق با ظرفیت وسیله نقلیه قابل توجه که در آن تجزیه و تحلیل متمرکز می شود، اعمال کردیم. ما فرض می کنیم که مناطق کم تراکم به سواری های انفرادی متوسل می شوند و بر روی مناطق متراکم تر تمرکز می کنند تا تطابق مسیرها را بهینه کنند. این ممکن است بر خلاف این باشد که مکان های کم تراکم به طور کامل از اشتراک سواری بهره مند شوند. با این حال، در مجموعه داده ما، مناطق کم تراکم به تعداد کمی از ردیابی GPS در دسترس است. بنابراین، فرض ما درست است. نقشه های پایدار مکانی و زمانی جاکارتا، سنگاپور و نیویورک در شکل 1 نشان داده شده است. شبکه‌های روشن‌تر ظرفیت خودرویی بالاتری نسبت به شبکه‌های رنگ‌های تیره‌تر دارند، بنابراین مناطق مهم‌تری از حرکت را نشان می‌دهند.
در شکل 1 a، تجزیه و تحلیل STS جاکارتا نشان می دهد که حتی اگر منطقه تحت پوشش نقشه، از طریق ردیابی تحرک داده شده، بسیار بزرگتر از مجموعه داده های دیگر است، اکثر پوشش ویژگی های ناچیز را نشان می دهد. فقط بخش مرکزی شمالی نقشه، با برخی مناطق در بخش مرکزی جنوبی، مقدار قابل توجهی از حرکت وسایل نقلیه را نشان می دهد. با مرکز شهر به عنوان منطقه ای با بالاترین حرکت وسیله نقلیه در مجموعه داده. در همین حال، تجزیه و تحلیل STS سنگاپور، در شکل 1b، بسیاری از مناطق مهم حرکت را در سراسر نقشه نشان می دهد، که به طور موثر توزیع یکنواخت وسایل نقلیه را نشان می دهد. برخلاف دو مجموعه داده، مجموعه داده نیویورک، شکل 1ج، فقط بخش خاصی دارد که اکثر درخواست‌های تاکسی در آن اتفاق می‌افتد. جای تعجب نیست که این مکان، منطقه شلوغ منهتن است.
ما همچنین مسیرهای مکرر هر مجموعه داده را بررسی کردیم تا نمای کلی از جاده‌ها و خیابان‌های یک نقشه شهری داشته باشیم. ما به راحتی می توانیم بررسی کنیم که آیا این جاده ها بخشی از مسیرهای محاسبه شده توسط الگوریتم کوتاه ترین فاصله ما خواهند بود یا خیر. شکل 2 این مسیرهای مکرر را نشان می دهد و با بسیاری از جاده های اصلی شهر منطبق است.

3. روش شناسی

در این بخش به روش‌های تطبیق پایدار، مدل‌های قیمت‌گذاری معیار، مدل قیمت‌گذاری مبتنی بر نظریه بازی پیشنهادی، و استفاده از امتیاز نش برای تعیین مزیت کلی هر مدل قیمت‌گذاری در بین روش‌های تطبیق پایدار می‌پردازیم.

3.1. تطبیق پایدار مسافران

جفت تطبیق پایدار مسافران را با بازرسی مسیر آنها و در نظر گرفتن ویژگی‌های مکانی و زمانی آنها مانند فریم‌های زمانی و تفکیک فاصله نسبی، زنده می‌کند. شرایط زیر، همانطور که در شکل 3 بین مسافر A و مسافر B مشاهده می شود، برای تطبیق آنها تنظیم شده است.
  • مسافر B باید در 5 دقیقه پیاده روی از محدوده زمانی مسافر A باشد.
  • مبدا مسافر B باید در محدوده جغرافیایی مسافر A باشد که r = 500 متر تنظیم شده است.
  • مقصد مسافر B باید در هر نقطه از مسیر مسافر A باشد که روی r = 500 متر تنظیم شده است.
Ijgi 11 00556 g003 550
شکل 3. نمونه ای از سناریوهای تطبیق پایدار ( a ) که در آن مبدا مسافر B (زرد)، در ساعت 9:01 صبح و در داخل r=500 متر موقعیت مسافر A (قرمز)، کشف شده در ساعت 9:00 صبح و ( ب ) مقصد مسافر B (زرد)، در محدوده r=500 متر از مقصد مسافر A (قرمز).
همانطور که در شکل 4 نشان داده شده است، در شکل 3 ، دو نوع احتمالی تطابق پایدار، یعنی مطابقت های نوع 1 و نوع 2 را شناسایی کردیم . در مسابقه نوع 1، سفر مسافر B بعد از مقصد مسافر A به پایان می رسد در حالی که در مسابقه نوع 2، سفر مسافر B قبل از رسیدن مسافر A به مقصد پایان می یابد. مجموع مسافت طی شده سفر برای هر دو مورد است دتی=د12+د23+د34. اگر نسبت از د23و دتیبه یک نزدیک می شود، سپس تطابق پایدار نشان دهنده یک جفت خوب است. در تیپ 1 و 2 مجموع مسافت طی شده مسافران A و B می باشد دآ=د12+د23و دب=د23+د34و دآ=دتیو دب=د23، به ترتیب.
تنها با توجه به موردی که قرار است دو مسافر جفت شوند، دو روش تطبیق پایدار پیشنهاد می‌شود، یعنی (1) اولین خدمت اولیه (FCFS) و بهترین زمان اشتراک گذاری (BT). ما به طور مناسب انتخاب می کنیم که کدام مسافر B با مسافر A درخواست کننده جفت شود. اجازه دهید مسافر پب،nعضوی از مجموعه N مسافر احتمالی باشید که کاندیدای مناسبی برای جفت شدن با مسافر A هستند، پب= پب،1،پب،2،⋯،پب،n،پب،ن.
در FCFS، پب،nدارای یک ویژگی زمان مربوطه است، تیب،n، که نشان دهنده اولین زمانی است که هر مسافر کشف می شود. در میان این مجموعه، اولین مسافری که پس از کشف مسافر A درخواست سرویس اشتراک سواری کند، به عنوان تطابق پایدار آن انتخاب خواهد شد. تیب،n<تیتیساعتrهسساعتoلدبرای ارائه یک پنجره انتظار که در آن مسافر A می تواند برای اشتراک گذاری احتمالی سوار صبر کند. یک بار تیب،n>تیتیساعتrهسساعتoلد، مسافر الف موظف به سواری انفرادی است. از سوی دیگر، در BT، مسافر B دارای یک ویژگی فاصله مشترک است، Dب،n=د23،nدتی،n. در بین این مجموعه، مسافر با بیشترین مسافت مشترک به عنوان مسافر B انتخاب می شود.
ما یک مسیر را تعریف می کنیم که با علامت گذاری شده است θآ، به عنوان مجموعه ای از نقاط مکان ηo،η1،ηمن،⋯،ηداز مبدا ( ηo) به مقصد ( ηد)نقاط عبور شده توسط مسافر A که با مختصات GPS طول و عرض جغرافیایی مشخص می شود. توجه داشته باشید که با توجه به مبدا و نقاط مقصد مسافر A، الگوریتم Dijkstra برای محاسبه کوتاه ترین مسیر استفاده می شود. هر یک ηمنهمچنین با مهر زمانی مربوطه مشخص می شود. تطابق پایدار در این مطالعه به عنوان جفت شدن مسیرها تعریف شده است θآو θببه یک مسیر مشترک θاسبه طوری که مسافت پیموده شده توسط مسافر تعیین کننده A و مسافر B پس از مسابقه با فاصله قابل قبولی از مسافت بی همتای خود منحرف نشود و از نظر مکانی و زمانی امکان پذیر است.
هر تکرار از الگوریتم یک مشخصه را مشاهده می کند θآبه عنوان نشان داده شده است θآ،1،θآ،2،⋯،θآ،نکه در آن N تعداد کل همه ردیابی ها است. θآمسیر اصلی مقایسه با مسیرها است θب=θب،1،θب،2،⋯،θب،م.
اگر همه شرایط زیر برآورده شوند، مسافران A و B می توانند به طور عملی با ثبات سازگار شوند:
  • θآ≠، θب≠، θآ≠ ηآ،1، θب≠ ηب،1
  • مسافر B یکی از اعضای مجموعه است بwتی=بwتی،1،بwتی،2،⋯،بwتی،م، جایی که بwتیمجموعه تمام مسافران B است که زمان مبدا آنها بزرگتر یا برابر با زمان مبدا مسافر A است اما کمتر از زمان مقصد مسافر A است.

  • مبدأ مسافر B از هر نقطه‌ای در داخل مجموعه‌ای از فاصله r [ 40 ] استθآ. سپس این نزدیکترین نقطه پیکاپ به عنوان نشان داده می شود ηب. فاصله هارسینی r به دست می آید:

    r=6371جج=آرکتان2آ،1-آآ=سمنn2ϕ2-ϕ12+جoسϕ1جoسϕ2سمنn2λ2-λ12

    جایی که ϕایکسو λایکسبه ترتیب طول و عرض جغرافیایی نقطه x هستند.

  • مسافر B مقصدی را در فاصله r از هر نقطه در داخل دارد θآ، اما شاخص آن در داخل θآباید بزرگتر از شاخص باشد ηبدر داخل θآ.
بحث رویه های تطبیق پایدار در الگوریتم 1 نشان داده شده است.

هنگامی که همه جفت‌های ممکن به دست آمد، الگوریتم‌های 2 و 3 تعیین می‌کنند که کدام جفت‌ها پذیرفته می‌شوند به طوری که هیچ سفری بین مسابقات تکرار نشود. خروجی ها هستند μافسیافاسو μبتیکه شامل مجموعه همه جفت‌های اشتراک سواری بر اساس زمان کشف و مسافت مشترک مسافر نسبت به مسافت کلی است و در عین حال شناسه‌های تاکسی منحصربه‌فرد را در نظر می‌گیرد.

الگوریتم 1: تطبیق پایدار همه جفت های ممکن.
INPUT: جفت‌های OD – فهرست تمام مسیرهایی که باید با ثبات مطابقت داده شوند

  • برای هر ردیابی انجام دهید
  •      تیrآجهمنD1= traceID ایندکس فعلی
  •      ستیآrتیLoج1= مکان شروع شاخص فعلی
  •      ستیoپLoج1= مکان توقف شاخص فعلی
  •     کوتاه ترین مسیر را از startLoc1 تا stopLoc1 دریافت کنید
  •     path1 = تبدیل گره ها به مختصات معادل
  •     اگر مسیر تهی و مفرد نباشد، پس
  •         تمام آثار را در مدت زمان قابل قبول پیدا کنید
  •         برای هر اثر در زمان قابل قبول انجام دهید
  •             تیrآجهمنD2= traceID ایندکس فعلی
  •             ستیآrتیLoج2= مکان شروع شاخص فعلی
  •             ستیoپLoج2= مکان توقف شاخص فعلی
  •            اگر  تیrآجهمنD1≠ تیrآجهمنD2 سپس
  •                اگر  ستیآrتیLoج2پس از آن در 500 متری هر گره مسیر1 قرار دارد
  •                    اگر  ستیoپLoج2پس از آن در محدوده هر گره مسیر 1 قرار دارد
  •                         مترآتیجساعتپآتیساعت= ایجاد مسیر dijkstra از ستیآrتیLoج1به ستیآrتیLoج2
  •                        اگر  ستیoپLoج2در 500 متری است ستیoپLoج1 سپس
  •                            د12= طول مسیر Dijkstra از ستیآrتیLoج1به ستیآrتیLoج2
  •                            د23= طول مسیر Dijkstra از ستیآrتیLoج2به ستیoپLoج1
  •                            د34= طول مسیر Dijkstra از ستیoپLoج1به ستیoپLoج1
  •                           فاصله کلی سواری-اشتراک را محاسبه کنید
  •                           طول مسیر dijkstra را برای تیrآجهمنD1و تیrآجهمنD2
  •                           ذخیره شناسه ها، زمان شروع، نقاط مربوطه، فاصله، اطلاعات نوع 1
  •                        دیگر اگر  ستیoپLoج2پس از آن در 500 متری مسیر 1 قرار دارد
  •                            د12= طول مسیر Dijkstra از ستیآrتیLoج1به ستیآrتیLoج2
  •                            د23= طول مسیر Dijkstra از ستیآrتیLoج2به ستیoپLoج2
  •                            د34= طول مسیر Dijkstra از ستیoپLoج2به ستیoپLoج1
  •                           فاصله کلی سواری-اشتراک را محاسبه کنید
  •                           طول مسیر Dijkstra را برای تیrآجهمنD1و تیrآجهمنD2
  •                           ذخیره شناسه ها، زمان شروع، نقاط مربوطه، فاصله، اطلاعات نوع 2
  •                        پایان اگر
  •                    پایان اگر
  •                پایان اگر
  •            پایان اگر
  •         پایان برای
  •     پایان اگر
  • پایان برای

خروجی: μ=د12∪د23∪د34
الگوریتم 2: الگوریتم تطبیق First Come First ServeD (FCFS).
INPUT: MainTable1— لیستی از μبرگرفته از الگوریتم 1

  • MainTable1 را بر اساس زمان شروع مرتب کنید
  • برای هر ردیابی در MainTable1 انجام دهید
  •     اگر  تیrآجهمنD1و تیrآجهمنD2سپس در جدول MainTable2 ثبت نمی شوند
  •         جفت را در MainTable2 ضبط کنید
  •     دیگر
  •         جفت را کنار بگذارید
  •     پایان اگر
  • پایان برای

خروجی: μافسیافاس= MainTable2
الگوریتم 3: بهترین الگوریتم تطبیق اشتراک گذاری زمان (BT).
INPUT: MainTable1 – لیستی از μبرگرفته از الگوریتم 1

  • برای هر ردیابی در MainTable1 انجام دهید
  •     سهم وزن = د23دتی
  • پایان برای
  • MainTable1 را بر اساس ShareWeight مرتب کنید
  • برای هر ردیابی در MainTable1 انجام دهید
  •     اگر  تیrآجهمنD1و تیrآجهمنD2سپس در جدول MainTable2 ثبت نمی شوند
  •         جفت را در MainTable2 ضبط کنید
  •     دیگر
  •         جفت را کنار بگذارید
  •     پایان اگر
  • پایان برای

خروجی: μبتی= MainTable2

3.2. ساختار قیمت گذاری سواری انفرادی

روش قیمت گذاری پایه برای یک مسافر انفرادی که در این کار استفاده می شود توسط ( 1 ) ارائه شده است. تابع هزینه یک سواری، σ، فقط به فاصله کل بستگی دارد، دتی، سفرکرده. مسافت کل در نرخ دویدن ضرب می شود ( δ، سپس به کرایه پایه اضافه شد ( ϵ) هزینه کل سواری را تشکیل می دهد. این دو متغیر بسته به شهر مورد مطالعه متفاوت است.

σ=ϵ+δدتی
جدول 2 نرخ هر شهر تبدیل شده به پزو فیلیپین (PHP) را به عنوان واحد پول رایج نشان می دهد. نکات و کرایه های مبتنی بر زمان برای سادگی و یکنواختی در هر سه شهر گنجانده نشده است. کرایه‌های مبتنی بر زمان آن دسته از تعدیل‌های کرایه هستند که تاکسی در ترافیک گیر کرده و پس از یک زمان از پیش تعریف‌شده بدون تحرک تغییر کند.

3.3. تکنیک‌های قیمت‌گذاری و سود کلی

ما در این بخش تکنیک های مختلف قیمت گذاری اشتراک سواری را مورد بحث قرار می دهیم که همگی با ساختار قیمت گذاری سواری انفرادی مقایسه می شوند.

3.3.1. قیمت گذاری برابر تقسیم (ES).

قیمت گذاری برابر تقسیم (ES) شامل هزینه ای معادل نصف تابع هزینه از هر دو مسافر A و B بدون در نظر گرفتن مسافتی است که هر مسافر هنگام تکمیل مسیر طی کرده است. این صرف نظر از نوع اشتراک سواری است. هزینه کرایه برای هر مسافر، نشان داده شده با پآ،Eاسو پب،Eاسبه ترتیب در ( 2 ) نشان داده شده است.

پآ،Eاس=پب،Eاس=σ2
بدیهی است مسافری که طولانی تر سفر می کند سود بیشتری دریافت می کند زیرا مسافر مدت طولانی تری از سفر استفاده کرده است اما همچنان مبلغی مشابه با مسافر دیگر پرداخت می کند. از سوی دیگر، همچنان تضمین شده است که هر دو مسافر مبلغی کمتر از زمانی که به صورت انفرادی سوار شدند، پرداخت خواهند کرد.
درآمد راننده بدون تغییر باقی می‌ماند، زیرا او هنوز همان درآمد را دریافت می‌کند که فقط به یک مسافر در همان مسیر خدمات داده است. در این روش راننده نه سود می برد و نه ضرر می کند.
3.3.2. قیمت گذاری متناسب با تقسیم (PS).
در قیمت گذاری با تقسیم متناسب (PS)، مسافر A کرایه ای را می پردازد که متناسب با مسافت طی شده است. تحت مسابقه نوع 1، مسافر A فقط هزینه را از نقطه 1 تا نقطه 3 می پردازد، در حالی که مسافر B فقط مسافت متناسبی را که نقطه 2 تا نقطه 4 طی می کند پرداخت می کند. ( شکل 4 را ببینید ).

کل هزینه سواری، σ، در ( 3 )، به سه بخش تقسیم می شود که نشان دهنده سه بخش از مسیر کامل است. α،β، و γهزینه های مسیرهای فرعی اول، دوم و سوم شامل کل مسیر با مسافت است دتی.

α=σ∗د12دتیβ=σ∗د23دتیγ=σ∗د34دتیσ=α+β+γ

برای مسابقات نوع 1 و 2، کرایه پرداختی توسط مسافران A و B، پآ،پاسو پب،پاسبه ترتیب در ( 4 ) و ( 5 ) آورده شده است.

پآ،پاس=α+βپب،پاس=β+γ،دب≠د23
پآ،پاس=α+β+γپب،پاس=β،دب=د23
درآمد راننده، برای هر یک از موارد مطابقت نوع، به سادگی توسط داده می شود پD،پاس=پآ،پاس+پب،پاس=α+2β+γ. با توجه به طرح قیمت گذاری PS، راننده سود بیشتری به دست می آورد زیرا مسافران به دلیل مسافت دو برابر پرداخت می کنند. د23.
3.3.3. نظریه بازی ها (GT) و تعادل نش

ما یک روش قیمت‌گذاری مبتنی بر GT را پیشنهاد می‌کنیم که هر دو ویژگی تکنیک‌های قیمت‌گذاری تقسیم برابر و متناسب را در نظر می‌گیرد. وقتی مسافری در حین اشتراک سواری تنها باشد، فقط باید کرایه مربوط به آن بخش از سواری را بپردازد، اما زمانی که هر دو مسافر به طور همزمان سوار وسیله نقلیه می شوند، کرایه ها در آن قسمت به طور مساوی بین آنها تقسیم می شود. توابع هزینه برای هر دو مسافر A و B برای تطبیق پایدار نوع 1 و نوع 2 به ترتیب در ( 6 ) و ( 7 ) آورده شده است. سود راننده است پD،پاس=پآ،پاس+پب،پاس=α+β+γکه همان Equal-Split ridesharing است.

پآ،جیتی=α+β2پب،جیتی=β2+γ،دب≠د23
پآ،جیتی=α+β2+γپب،پاس=β2،دب=د23
ما از قیمت هر کیلومتر به عنوان معیار اصلی برای اندازه گیری تعادل نش استفاده می کنیم. برای رانندگان، وضعیت بهینه این است که میانگین افزایش PHP/km درآمد داشته باشند. علاوه بر این، رانندگان برای همان سطح خدمات پاداش بیشتری دریافت می کنند. از سوی دیگر، سود مسافر با درجه کاهش PHP/km پرداخت شده برای سواری اندازه‌گیری می‌شود، زیرا این نشان‌دهنده کارایی هزینه کلی از نظر هزینه خدمات است. ایجاد یک استراتژی که به این منافع متضاد می پردازد، هدف اصلی مطالعه است. برای دستیابی به حالت تعادل نش، هر فردی (مثلاً راننده، مسافران) که گروه را تشکیل می‌دهند باید باور داشته باشند که مطابقت با استراتژی مشترک (یعنی به اشتراک گذاشتن یک سواری به جای سوار شدن به تنهایی) به نفع هر یک است. از همه استراتژی های ممکن یک بازیکن iمی تواند استخدام کند ( اسمن، می توان گفت که یک استراتژی انتخاب شده بهترین است اگر ابزار μمن(سمن)از آن استراتژی انتخاب شده سمنبر سودمندی به دست آمده توسط سایر استراتژی های ممکن برتری دارد μمن(سمن*)با در نظر گرفتن بهترین استراتژی های ممکن سایر بازیکنان سمن*. وقتی بهترین استراتژی یک فرد با بهترین استراتژی های همسالانش در یک گروه همسو شود، تعادل نش حاصل می شود. از نظر ریاضی، این با نشان داده می شود μمن(سمن)≥μمن(سمن*)،∀سمن∈اسمن.
3.3.4. امتیاز نش

ما سود کلی را با محاسبه امتیاز نش همه مدل‌های قیمت‌گذاری مقایسه می‌کنیم. این با گرفتن میانگین حسابی هر سه مقدار سود کل به دست می آید. به عبارت دیگر، این مزیت متوسط ​​هر سه مدل قیمت گذاری تحت یک روش تطبیق پایدار معین در یک شهر مشخص است. مقایسه امتیازات نش در بین شهرها و روش‌های تطبیق پایدار همان شهر، شاخص رضایت‌بخشی است که نشان می‌دهد کدام روش تطبیق پایدار بهترین است، و کدام شهر برای اشتراک‌گذاری سواری مساعدتر است. معادله ( 8 ) امتیاز نش را برای یک مدل قیمت گذاری می دهد.

ω=φEاس+φپاس+φجیتی3

جایی که ωنش امتیاز یک الگوریتم تطبیق پایدار خاص است و φایکسایکسسود کل (مجموع مزایای راننده، مسافر A و مسافر B) است که تحت یک مدل قیمت گذاری خاص به دست می آید.

4. نتایج

در این بخش، ما نتایج شبیه‌سازی‌های گسترده و ارزیابی بیشتر سیستم پیشنهادی خود را با استفاده از ردیابی داده‌های تحرک تجربی از سه شهر ارائه می‌کنیم. ما کارایی الگوریتم تطبیق پایدار و مدل‌های قیمت‌گذاری خود را در مقایسه با معیار بدون اشتراک سواری تحلیل کردیم.

4.1. تعداد مسافران امکان‌پذیر اشتراک‌گذاری سواری مطابقت داده شده است

شکل 5 تعداد کل سفرها را برای همه مسافران احتمالی بدون تطابق سواری، FCFS و BT نشان می دهد. زمانی که مسافران در سه شهر مشاهده شده گرد هم می آیند، حداقل 30 درصد کاهش در تعداد سفرها وجود دارد. جدای از مزایای مورد بحث در این کار، این روش اشتراک سواری برای محیط زیست نیز مفید است. با وجود کاهش تعداد سفرها، باید فکر کرد که می توان تاکسی های دیگر را به طور بهینه به سایر مسافران سواری اختصاص داد. شکل 5 همچنین یک نمای کلی از اثربخشی الگوریتم های تطبیق پایدار پیشنهادی در کاهش بیشتر تعداد سفرها به میزان قابل توجهی ارائه می دهد که به طور موثر ازدحام وسایل نقلیه را در این سه شهر کلیدی کاهش می دهد.
از این تعداد بدون اشتراک سواری (نوار آبی شکل 5 )، روش‌های تطبیق پایدار FCFS و BT تقریباً 90، 86 درصد و 60 درصد از همه مسافران ممکن را در جاکارتا، سنگاپور و نیویورک جفت کرده‌اند. ما همچنین مشاهده کردیم که درخواست‌های اشتراک سواری در جاکارتا و سنگاپور در مقایسه با نیویورک پراکنده‌تر است که تقریباً در بخش مرکزی منهتن متراکم‌تر است.

4.2. میانگین مسافت سفر

یک اشکال ذاتی اشتراک سواری، افزایش مسافت سواری به دلیل ایجاد مسیر جدیدی است که هر دو مسافر درگیر را در خود جای می دهد. با در نظر گرفتن این واقعیت، سواری به تنهایی از نظر مسافت ساده تر است. این در شکل 6 نشان داده شده است. با این حال، Best Time Stable Matching آن را به گونه‌ای ساخته است که این افزایش مسافت به حداقل می‌رسد، به طوری که سواران همچنان به شدت تشویق می‌شوند که با یک مسافر دیگر همنشین شوند. بیشترین افزایش در مسافت مشاهده شده، مسافر A در سنگاپور (20 درصد) بود. به غیر از این، افزایش فاصله تنها به 2-7٪ محدود شده است. در نیویورک، 24 درصد کاهش در فاصله مشاهده شد. می توان پیشنهاد کرد که Best Time Matching توانسته مسیرهای بهتری را برای هر دو مسافر ایجاد کند، به طوری که حتی برای سواری به تنهایی بهبود یافته است.

4.3. میانگین کرایه مسافر و درآمد راننده

شکل 7 کرایه مسافر و درآمد راننده را تحت طرح های مختلف اشتراک سواری و بدون اشتراک سواری نشان می دهد.
در جاکارتا، رانندگان بیشترین سود را در قیمت گذاری PS بردند، زیرا PHP65 اضافی درآمد را از معیار P180 بدون اشتراک سواری به دست آوردند. با این حال، تحت قیمت‌گذاری ES و GT، راننده تقریباً درآمد اضافی کمی کسب کرد. مسافر A در قیمت PS بازنده بود و مجبور بود 30 PHP اضافی کرایه بپردازد. این نتیجه افزایش مسافت به دلیل اشتراک سواری بود که هر دو مسافر تجربه کردند. در حالی که تحت شرایط ES، مسافر A بسیار مورد علاقه است، در مقایسه با پرداخت میانگین PHP146 در هنگام سوار شدن به تنهایی، تنها به میانگین PHP56 کرایه نیاز دارد. در همین حال، قیمت گذاری GT هیچ تخفیف خالصی برای مسافر A ارائه نکرد. همانطور که برای مسافر B، این نهاد بسیار سود برد، همانطور که با بیشترین کاهش هزینه از نظر نسبت نشان داده شده است. قیمت ES کمترین مطلوبیت را داشت، با مسافر B باید یک PHP8 اضافی از میانگین کرایه سواری انفرادی بپردازد. این به این دلیل است که هر دو مسافر A و B به طور مساوی کرایه را تقسیم می کنند، علیرغم اینکه مسافر دوم به طور متوسط ​​سفرهای کوتاه تری دارد. تحت PS، کرایه از PHP82 به PHP69 کاهش یافت، و کاهش قابل توجهی در قیمت GT مشاهده شد، فقط باید به طور متوسط ​​PHP36 پرداخت کرد. قیمت گذاری GT به عنوان یک سود برای مسافر B عمل کرد زیرا فقط نسبت کل سواری را که در داخل وسیله نقلیه انجام می داد پرداخت می کرد. علاوه بر این، زمانی که هر دو مسافر در سوار بودند، مسافر B فقط نیمی از این نسبت را با کمک به کاهش هزینه ها پرداخت کرد. و کاهش قابل توجهی در قیمت گذاری GT مشاهده شد، فقط باید به طور متوسط ​​PHP36 پرداخت کرد. قیمت گذاری GT به عنوان یک سود برای مسافر B عمل کرد زیرا فقط نسبت کل سواری را که در داخل وسیله نقلیه انجام می داد پرداخت می کرد. علاوه بر این، زمانی که هر دو مسافر در سوار بودند، مسافر B فقط نیمی از این نسبت را با کمک به کاهش هزینه ها پرداخت کرد. و کاهش قابل توجهی در قیمت گذاری GT مشاهده شد، فقط باید به طور متوسط ​​PHP36 پرداخت کرد. قیمت گذاری GT به عنوان یک سود برای مسافر B عمل کرد زیرا فقط نسبت کل سواری را که در داخل وسیله نقلیه انجام می داد پرداخت می کرد. علاوه بر این، زمانی که هر دو مسافر در سوار بودند، مسافر B فقط نیمی از این نسبت را با کمک به کاهش هزینه ها پرداخت کرد.
در سنگاپور، قیمت PS به شدت به نفع راننده است و برای مسافر A مضر است. این مزیت در سمت راننده به دلیل مسافت مشترک هر دو سرنشین است. در همین حال، کرایه مسافر B تحت قیمت PS اندکی کاهش یافت، زیرا مسافت سواری نیز مانند جاکارتا تحت تأثیر منفی قرار نگرفت. ES Pricing هیچ سودی برای راننده نداشت و مسافر A همچنان بیشترین سود را داشت. با این حال، برخلاف جاکارتا، کرایه مسافر B افزایشی نداشته است. مزایایی که با اشتراک گذاری سواری به دست آورد برای جبران اثرات منفی ناشی از ES Pricing کافی بود. تقریباً مانند جاکارتا، GT Pricing سودمندترین بود زیرا درآمد اضافی کمی به راننده می داد (PHP10)، مسافر A با کاهش کرایه PHP73، و مسافر B کرایه خود را بیش از نیمی از کرایه اصلی کاهش داد (PHP212). ).
آمار نیویورک مطلوب‌ترین نتایج را داشت زیرا هر روش قیمت‌گذاری می‌توانست حداقل به دو بازیکن بدون تضعیف بازیکن دیگر مزیت بدهد. تحت قیمت گذاری ES، کرایه مسافر A و B به ترتیب نزدیک به 50٪ و 40٪ کاهش دادیم. در همین حال، در PS Pricing، تنها مسافر A افزایش کرایه را تجربه کرد، اما فقط در مقیاس حداقل. این به این دلیل است که برخی از سواری‌ها هنوز مسافت بیشتری را برای مسافر A در هنگام به اشتراک گذاشتن سواری نسبت به زمانی که تنها هستند، ارسال می‌کنند.

5. بحث

با توجه به توزیع کرایه و درآمد در بخش قبل، اکنون مزایای حاصل از روش‌های اشتراک‌گذاری پیشنهادی را تحلیل و بحث می‌کنیم.

5.1. توزیع و برابری هزینه مزایا بین بازیکنان

از نظر برابری هزینه و توزیع منافع، سه تکنیک قیمت‌گذاری نتایج متفاوتی را به همراه داشت، همانطور که در شکل 8 نشان داده شده است. نشان داده شده است که قیمت ES بیشترین سود را برای مسافر A دارد. با این حال، این کار با هزینه منفی مسافر B انجام می شود. این یک بازی با مجموع صفر ایجاد می کند که در آن سود یک بازیکن به قیمت دیگری تمام می شود. علاوه بر این، تنها هزینه مسافر A را به صورت نسبی کاهش داد زیرا با وجود مسافت طولانی تر از مسافر B، همان مبلغ را پرداخت کرد.
از سوی دیگر، PS Pricing را می توان به دلیل دریافت حداقل مقداری درآمد اضافی، به عنوان هزینه عادلانه تری در نظر گرفت. راننده بیشترین سود را در این تکنیک دریافت کرد، که عمدتاً ناشی از درآمد مضاعفی است که در طی بخشی از سواری که هر دو سرنشین A و B به طور همزمان در وسیله نقلیه هستند جمع آوری می کند. همانطور که برای هر دو مسافر، مقدار متوسطی از مزیت برای کل هزینه سواری فقط شامل یک شارژ پایه مشاهده می شود. منفعت مسافر B به دلیل مسافت کمتر مسافر از مسافر A بیشتر است. اشتقاق صرفه جویی در هزینه مسافر نشان می دهد که کرایه های پایه تأثیر بیشتری بر سواری هایی که مسافت های کوتاه تر دارند دارند.
با این حال، از نظر مزیت کلی و کلی، GT Pricing بیشترین این را در بین سه تکنیک قیمت‌گذاری نشان داد. مسافر B حداقل 50٪ کاهش کرایه را تجربه کرد و مسافر A نیز کاهش قابل توجهی داشت که بین 24 تا 34٪ بود. این امکان وجود دارد زیرا تحت GT، هزینه اشتراک مسافران A و B به نصف کاهش می یابد و منجر به دریافت تخفیف های بیشتر در مقایسه با قیمت گذاری PS می شود. این همچنین منجر به دریافت حداقل یا بدون درآمد اضافی برای راننده شد. با وجود این، میزان تخفیف هایی که هر دو مسافر A و B دریافت کردند، به طور قابل توجهی بیشتر از عدم درآمد راننده بود.

5.2. نمرات نش

امتیاز نش که در شکل 9 نشان داده شده است ، میانگین مزایای بدست آمده توسط روش های مختلف تطبیق پایدار ارائه شده در ( 8 ) را مقایسه می کند. به عنوان مثال، امتیاز نش 81.6 درصدی به دست آمده در مجموعه داده سنگاپور با استفاده از بهترین زمان جفت شدن، از مجموع مزایای به دست آمده تحت قیمت گذاری ES، PS و GT که به ترتیب 77.04، 78.87 درصد و 88.87 درصد است، به دست می آید. میانگین این سه 81.6 درصد است.
در هر سه شهر، BT Stable Matching بالاترین امتیاز نش را ایجاد کرد زیرا BT به مسافران جفت اجازه می‌دهد زمان خود را در داخل وسیله نقلیه به حداکثر برسانند و به طور موثر فاصله مشترک را به حداکثر می‌رسانند که منجر به بیشترین صرفه‌جویی در هزینه می‌شود.
سنگاپور بالاترین میانگین امتیاز نش (79.6٪) را دارد و نشان می دهد که مساعدترین مکان برای اشتراک سواری را دارد. با این حال، زمانی که یکی از روش تطبیق پایدار BT فقط در هر یک از این سه شهر استفاده می کند، نیویورک مساعدترین است و امتیاز نش 86.1٪ را ثبت می کند. استفاده از Best Time Pairing در نیویورک عمدتاً به دلیل جاده‌های شبکه‌ای و مسیرهای مستقیم آن موفق شد. یکی دیگر از عوامل کلیدی، سهولت جفت کردن مسافران است، زیرا استخر جفت های احتمالی بیشتر در منطقه منهتن (که دارای مساحت زمینی تنها 59.1 کیلومتر است) محدود می شود. 2). این برخلاف جاکارتا و سنگاپور با 661.5 و 728.6 کیلومتر است 2مساحت زمین به ترتیب.

5.3. گسترش طرح های اشتراک گذاری سواری برای بیش از دو مسافر

ارزیابی ما از طرح‌های قیمت‌گذاری مختلف را می‌توان برای جا دادن 3 تا 4 مسافر تغییر داد. با توجه به روش تطبیق پایدار First Come First Served (FCFS)، ما سه مسافر اولیه را به جای تنها یک مسافر انتخاب می کنیم. از سوی دیگر، برای روش تطبیق پایدار بهترین زمان اشتراک گذاری (BT)، ما سه بیشترین فاصله مشترک را در میان مجموعه همه انتخاب های مسافری ممکن دریافت می کنیم.

برای تکنیک‌های قیمت‌گذاری اشتراک سواری، ارزیابی زیر بر این اساس تغییر خواهد کرد. برای اشتراک تقسیم مساوی، ما داریم:

پ1،Eاس=پ2،Eاس=⋯=پایکس،Eاس=σایکس

جایی که ایکس=3،4بسته به تعداد مسافرانی که در سفر مشترک هستند.

شکل 10 تصویر گسترده ای را برای جا دادن مسافران در حال اشتراک گذاری x نشان می دهد. دقیقا وجود دارد 2ایکسنکات منحصر به فردی که باید در طول فرآیند اشتراک سواری در نظر گرفت.

برای قیمت گذاری تقسیم متناسب، ما داریم:

α12=σ∗د12دتیα23=σ∗د23دتی⋮α2ایکس-2،2ایکس-1=σ∗د2ایکس-2،2ایکس-1دتیα2ایکس-1،2ایکس=σ∗د2ایکس-1،2ایکسدتیσ=α12+α23+⋯+α2ایکس-1،2ایکس

برای مسابقات نوع 1 و 2، کرایه های پرداخت شده توسط مسافران درگیر در هر یک از تطابق پایدار به ترتیب در ( 11 ) و ( 12 ) آورده شده است.

پمن،پاس=αمن،من+1+⋯+αمن+ایکس-1،من+ایکس
پایکس،پاس=αایکس،ایکس+1پایکس-1،پاس=αایکس-1،ایکس+پایکس،پاس+αایکس+1،ایکس+2⋮پ1،پاس=α12+پ2،پاس+α2ایکس-1،2ایکس

برای قیمت‌گذاری مبتنی بر نظریه بازی پیشنهادی، توابع هزینه برای مسافران درگیر در تطابق پایدار نوع 1 و نوع 2 به ترتیب در ( 13 ) و ( 14 ) آورده شده است.

پمن،جیتی=αمن،من+1ایکس+⋯+αمن+ایکس-1،من+ایکسایکس
پایکس،جیتی=αایکس،ایکس+1ایکسپایکس-1،جیتی=αایکس-1،ایکسایکس-1+پایکس،پاس+αایکس+1،ایکس+2ایکس-1⋮پ1،جیتی=α12+پ2،پاس+α2ایکس-1،2ایکس

جایی که ایکس=1، 2، 3 یا 4.

متذکر می شویم که به طور کلی با افزایش تعداد مسافران سواری، کرایه هر مسافر کاهش می یابد. با این حال، جدای از تأثیر مالی این تعداد از مسافران سواری، می‌توانیم وضعیت را از نظر راحتی مسافران، زمان انتظار، راحتی و سایر پارامترهای مهم سفر نیز تحلیل کنیم. اینها را می توان از طریق نظرسنجی های تجربی برای تعیین اولویت مسافر و رتبه سفر مورد مطالعه قرار داد.

5.4. محدودیت های مطالعه

کار ما با موفقیت تطبیق پایدار بین مسافران سوار را اجرا کرده و یک طرح قیمت گذاری مبتنی بر GT را برای کاهش هزینه سفر مسافران درگیر اجرا کرده است. در زیر برخی از محدودیت های مطالعه و دستورالعمل های تحقیقاتی آینده را برمی شمریم.
  • نتایج مطالعه ما به شدت به ردپای حرکت GPS موجود در هر شهر شهری وابسته است. به این ترتیب، برای جلوگیری از تعصبات، پنجره ارزیابی ما تنها به 30 دقیقه در روز محدود شده است و حتی ساعات اوج سفر/ رفت و آمد را پوشش نمی دهد.
  • شبیه‌سازی‌های اشتراک‌گذاری سواری ما فقط یک جفت مسافر را در نظر می‌گیرند و بررسی نکرده‌اند که چه زمانی سه تا چهار مسافر می‌توانند به اشتراک بگذارند. سپس ارزیابی های مالی را در بخش 5.3 برای مراجعات بعدی برشمرده ایم. با توجه به پنجره ارزیابی 30 دقیقه ای ما نیز، پیچیدگی محاسبات ما هنوز زمان چند جمله ای است.
  • مطالعه ما فقط بر کاهش کرایه مسافر متمرکز بود و فاقد تجزیه و تحلیل و ارزیابی راحتی مسافران، خروج و رسیدن به موقع در نقاط ملاقات و خروج، راحتی و راحتی سفر بود. بنابراین، کار ما شامل مطالعه رابطه کاهش کرایه-آسایش برای سنجش شایستگی اشتراک سواری نمی‌شود.

6. نتیجه گیری

در این کار، ما دو تکنیک تطبیق پایدار را پیشنهاد کرده‌ایم که جداسازی زمانی (یعنی روش اولین خدمت اول (FCFS)) و فاصله مشترک (یعنی طرح بهترین اشتراک‌گذاری زمان (BT)) بین مسافران احتمالی سواری را توضیح می‌دهند. به طور موثر، تکنیک های تطبیق پایدار به طور قابل توجهی سفرهای دویدن را در یک زمان معین، به ویژه در ساعات اوج مصرف، کاهش داده است. BT میانگین سفرهای کوتاه‌تری نسبت به FCFS ایجاد کرده است، زیرا همپوشانی‌های بیشتری را بین مسافران در اولویت قرار داده است، بنابراین، مسافت اضافی زیادی لازم نیست.
از بین تمام این مسابقات پایدار، ما سود هزینه به دست آمده توسط هر سوار و راننده را با توجه به محاسبه کرایه تقسیم انفرادی، مساوی (ES) و متناسب (PS) ارزیابی می کنیم. ES بیشترین سود را برای مسافر A داشت، اما به هزینه مسافر B. از طرف دیگر، PS به دلیل افزایش زیاد درآمد به دلیل پرداخت بیش از حد ناشی از تداخل مسافت طی شده، به شدت از رانندگان حمایت می کرد. در این دو روش همچنان کرایه بدون اشتراک کاهش یافته است. سپس، ما یک تکنیک قیمت‌گذاری مبتنی بر نظریه بازی (GT) را فرموله کردیم که بر تنظیم کرایه مسافران بر اساس مسافت‌های متداول طی شده در طول سفر تمرکز دارد. از نظر تطابق پست پایدار، صرفه جویی در هزینه، مسابقات موفق و تعداد کل سفرها، پشت سر هم BT-GT بالاترین امتیاز نش را به دست آورد، بنابراین بیشترین مزیت برای مسافران دارد. در حالی که سود قابل تحملی را به راننده معرفی می کند. تحت تکنیک قیمت‌گذاری GT ما، هزینه اشتراک به نصف کاهش می‌یابد و باعث می‌شود مسافران تخفیف‌های بیشتری نسبت به PS دریافت کنند. حتی اگر رانندگان کمترین درآمد را تحت GT به دست آوردند، این به میزان زیادی به دلیل تخفیف کرایه‌ها توسط هر دو سرنشین بیشتر بود.

منابع

  1. کومینی، ن. آگواز اربیات، ب. Pike, C. Taxi, Ride-Sourcing and Ride-Sharing Services – یادداشت پیشینه توسط دبیرخانه ; SSRN: روچستر، نیویورک، ایالات متحده آمریکا، 2018. [ Google Scholar ]
  2. تفرشیان، ع. مسعود، ن. یین، ی. مرزها در علم خدمات: تطبیق سواری برای به اشتراک گذاری سواری همتا به همتا: بررسی و مسیرهای آینده. خدمت علمی 2020 ، 12 ، 44-60. [ Google Scholar ] [ CrossRef ]
  3. یوانا، اس ال. سنگرز، اف. بون، دبلیو. ریون، آر. چارچوب‌بندی اقتصاد اشتراک‌گذاری: تحلیل رسانه‌ای از پلتفرم‌های اشتراک‌گذاری سواری در اندونزی و فیلیپین. جی. پاک. تولید 2019 ، 212 ، 1154–1165. [ Google Scholar ] [ CrossRef ]
  4. لی، اچ جی; چا، MK رابطه بین سبک زندگی ضد مصرف و مثلث اعتماد در یک پلت فرم به اشتراک گذاری سواری: یک مطالعه بین فرهنگی از مصرف کنندگان ایالات متحده و هند. بین المللی جی. مصرف. گل میخ. 2022 ، 46 ، 279-294. [ Google Scholar ] [ CrossRef ]
  5. کای، اچ. وانگ، ایکس. آدریانس، پی. Xu, M. مزایای زیست محیطی اشتراک تاکسی سواری در پکن. انرژی 2019 ، 174 ، 503-508. [ Google Scholar ] [ CrossRef ]
  6. کولومبل، ن. بوتوئل، وی. لیو، ال. ویگوئی، وی. یین، بی. اثرات بازگشتی قابل توجه در اشتراک سواری شهری: شبیه سازی تصمیمات سفر در پاریس، فرانسه. ترانسپ Res. قسمت D Transp. محیط زیست 2019 ، 71 ، 110-126. [ Google Scholar ] [ CrossRef ]
  7. کائو، ی. وانگ، اس. لی، جی. مدل بهینه‌سازی مسیر اشتراک‌گذاری سواری با در نظر گرفتن بهینه‌سازی سیستم و عدالت کاربر. پایداری 2021 ، 13 ، 902. [ Google Scholar ] [ CrossRef ]
  8. باکیب الله، ASM; پنجه، YF؛ کمال، MAS; سوسیلاواتی، س. Tan, CP یک سیستم اشتراک‌گذاری دینامیک سواری مبتنی بر انگیزه برای شهرهای هوشمند. شهرهای هوشمند 2021 ، 4 ، 532-547. [ Google Scholar ] [ CrossRef ]
  9. وانگ، اچ. یانگ، اچ. سیستم های منبع یابی: یک چارچوب و بررسی. ترانسپ Res. روش پارت. 2019 ، 129 ، 122-155. [ Google Scholar ] [ CrossRef ]
  10. پاندی، وی. مونتیل، جی. گامبلا، سی. Simonetto, A. در مورد نیازهای پلتفرم های MaaS برای مدیریت رقابت در تحرک اشتراک سواری. ترانسپ Res. قسمت ظهور. تکنولوژی 2019 ، 108 ، 269-288. [ Google Scholar ] [ CrossRef ]
  11. باثلا، ک. ریچودوری، وی. ساکسنا، دی. Kshemkalyani، AD اشتراک گذاری تاکسی سواری در زمان واقعی. در مجموعه مقالات بیست و یکمین کنفرانس بین المللی 2018 در سیستم های حمل و نقل هوشمند (ITSC)، مائوئی، HI، ایالات متحده آمریکا، 4 تا 7 نوامبر 2018؛ صفحات 2044–2051. [ Google Scholar ]
  12. قیلی، س. کومار، V. توزیع فضایی عرضه و نقش ضخامت بازار: نظریه و شواهد از اشتراک سواری. arXiv 2021 ، arXiv:2108.05954. [ Google Scholar ] [ CrossRef ]
  13. براون، AE چه کسی و کجا رایدشیر می کند؟ سفر به اشتراک بگذارید و از آن در لس آنجلس استفاده کنید. ترانسپ Res. بخش سیاست عمل. 2020 ، 136 ، 120-134. [ Google Scholar ] [ CrossRef ]
  14. اوبیاس، ک. Magsino، ER; Sybingco، E. سیاست اشتراک گذاری سواری مبتنی بر شبکه عصبی برای کاهش هزینه حمل و نقل سوار. J. Phys. Conf. سر. 2021 ، 1997 ، 012011. [ Google Scholar ] [ CrossRef ]
  15. پولز، ام. مایر، آ. Ahuja، N. تغییر موقعیت خودروی دور آرام برای اشتراک‌گذاری پویا. در مجموعه مقالات کنفرانس بین المللی لجستیک محاسباتی، Enschede، هلند، 28-30 سپتامبر 2020؛ Springer: برلین/هایدلبرگ، آلمان، 2020؛ ص 507-521. [ Google Scholar ]
  16. ینگجه، ع. اسمیت، SL ایجاد توازن مجدد در رانندگان علاقه مند در شبکه های اشتراک گذاری سواری برای بهبود زمان انتظار مشتری. IEEE Trans. کنترل. شبکه سیستم 2021 ، 8 ، 1637-1648. [ Google Scholar ] [ CrossRef ]
  17. سینتیا، ST; ماجومدر، م. تبسم، ا. خانم، NN; توهین، RA; Das، AK نگرانی های امنیتی در مورد خدمات اشتراک گذاری سواری در بنگلادش. در مجموعه مقالات دومین کنفرانس بین المللی 2019 در زمینه فناوری اطلاعات کاربردی و نوآوری (ICAITI)، بالی، اندونزی، 21 تا 22 سپتامبر 2019؛ صص 44-50. [ Google Scholar ]
  18. المقبل، من; لیخار، ع.ک. Wohn, DY درک نگرانی های ایمنی و رفتارهای حفاظتی رانندگان اشتراکی. در مجموعه مقالات کنفرانس تحقیقاتی کامپیوترها و افراد 2019، نشویل، TN، ایالات متحده، 20 تا 22 ژوئن 2019؛ پ. 77. [ Google Scholar ]
  19. سیپولینا-کان، ال. استاین، اس. یزدان پناه، و. گردینگ، E. تشکیل ائتلاف در اشتراک سواری با گزینه های پیاده روی. در مجموعه مقالات کارگاه ICLR 2022 درباره گیمیفیکیشن و راهکارهای چند عاملی، آنلاین، 28 آوریل 2022. [ Google Scholar ]
  20. کوریا، او. طنین، ای. کولیک، ال. Ramamohanarao, K. اشتراک گذاری سواری مبتنی بر فعالیت در عمل (کاغذ آزمایشی). در مجموعه مقالات بیست و ششمین کنفرانس بین المللی ACM SIGSPATIAL در مورد پیشرفت در سیستم های اطلاعات جغرافیایی، سیاتل، WA، ایالات متحده آمریکا، 6-9 نوامبر 2018؛ ص 608-611. [ Google Scholar ]
  21. مالیچووا، ای. پورهاشم، گ. کواچیکووا، تی. Hudák، M. ادراک کاربران از ارزش زمان سفر و ارزش مشارکت سواری بر قصد مشارکت سواری اروپایی‌ها: مطالعه موردی مبتنی بر داده‌های الگوی رفتاری و تحرک در سراسر اروپا MoTiV. پایداری 2020 ، 12 ، 4118. [ Google Scholar ] [ CrossRef ]
  22. میدلتون، اس. ژائو، جی. نگرش های تبعیض آمیز بین مسافران سواری. حمل و نقل 2020 ، 47 ، 2391–2414. [ Google Scholar ] [ CrossRef ]
  23. چنگ، ایکس. سو، ال. یانگ، ب. تحقیقی در مورد اقتصاد اشتراکی اعتماد رانندگان اشتراک‌گذاری سواری را فعال کرد: یک مطالعه کیفی. الکترون. بازرگانی Res. Appl. 2020 , 40 , 100956. [ Google Scholar ] [ CrossRef ]
  24. ژا، ال. یین، ی. Xu, Z. تطبیق هندسی و قیمت گذاری فضایی در بازارهای سواری. ترانسپ Res. قسمت ظهور. تکنولوژی 2018 ، 92 ، 58-75. [ Google Scholar ] [ CrossRef ]
  25. قادر، ح. خالد، ا. خان، MU; خان، AUR; نواز، آر. چارچوب توصیه به اشتراک گذاری سواری برای خدمات همنشینی. دسترسی IEEE 2018 ، 6 ، 62296–62313. [ Google Scholar ] [ CrossRef ]
  26. یان، پی. لی، سی. چو، سی. چن، سی. Luo, Z. تطبیق و قیمت گذاری در اشتراک سواری: بهینه، ثبات، و پایداری مالی. Omega 2021 , 102 , 102351. [ Google Scholar ] [ CrossRef ]
  27. لی، ی. لی، ایکس. ژانگ، اس. قیمت گذاری بهینه خدمات اتوبوس سفارشی و اشتراک سواری بر اساس مدل بازی رقابتی. امگا 2021 ، 103 ، 102413. [ Google Scholar ] [ CrossRef ]
  28. بيستافا، ف. فارینلی، ا. چالکیاداکیس، جی. Ramchurn، SD یک رویکرد تئوری بازی مشارکتی برای مشکل اشتراک‌گذاری اجتماعی. آرتیف. هوشمند 2017 ، 246 ، 86-117. [ Google Scholar ] [ CrossRef ]
  29. لوینگر، سی. هازون، ن. Azaria، A. اشتراک گذاری منصفانه: ارزش شیپلی برای بازی های اشتراک گذاری و مسیریابی. arXiv 2019 ، arXiv:1909.04713. [ Google Scholar ]
  30. Chremos، IV; مالیکوپولوس، طراحی AA و تجزیه و تحلیل پایداری یک بازار تحرک مشترک. در مجموعه مقالات کنفرانس کنترل اروپا 2021 (ECC)، دلفت، هلند، 29 ژوئن تا 2 ژوئیه 2021؛ صص 375-380. [ Google Scholar ]
  31. هرناندز، آر. کاردناس، سی. مونوز، دی. تئوری بازی برای سیستم‌های حمل‌ونقل در شهرهای هوشمند: تجزیه و تحلیل استراتژی‌های پایدار تکاملی در یک سیستم جمع‌آوری ماشین عمومی. بین المللی J. تعامل. دس Manuf. (IJIDeM) 2018 ، 12 ، 179-185. [ Google Scholar ] [ CrossRef ]
  32. Pendergrass، WS Game Theory از طریق استفاده از اپلیکیشن گوشی های هوشمند در حمایت از شرکت های شبکه حمل و نقل اجاره ای. در مجموعه مقالات کنفرانس تحقیقات کاربردی سیستم های اطلاعاتی ISSN، کلیولند، OH، ایالات متحده آمریکا، 6-9 نوامبر 2019؛ جلد ۲۱۶۷، ص. 1508. [ Google Scholar ]
  33. فون نیومن، جی. Morgenstern, O. Theory of Games and Economic Behavior , 2nd ed.; انتشارات دانشگاه پرینستون: پرینستون، نیویورک، ایالات متحده آمریکا، 1947. [ Google Scholar ]
  34. وی، ایکس. نان، جی. دو، ر. لی، ام. مدل کسب‌وکار بهینه برای پلت‌فرم انحصاری سواری: ترکیبی، برتر یا ترکیبی؟ سیستم مبتنی بر دانش 2020 ، 204 ، 106093. [ Google Scholar ] [ CrossRef ]
  35. یو، سی. ما، اچ. Wierman, A. چرخه های قیمت در بسترهای اشتراک گذاری سواری. arXiv 2022 ، arXiv:2202.07086. [ Google Scholar ]
  36. Magsino، ER بررسی پویایی عملیاتی حالت های مختلف حمل و نقل در شبکه های خودرو. در مجموعه مقالات کنفرانس بین المللی فناوری اطلاعات 2021 (ICIT)، امان، اردن، 14 تا 15 ژوئیه 2021؛ ص 246-250. [ Google Scholar ]
  37. هوانگ، ایکس. یین، ی. لیم، اس. وانگ، جی. هو، بی. ورادراجان، ج. ژنگ، اس. بولوسو، ا. Zimmermann, R. Grab-posisi: مجموعه داده‌های مسیر زندگی واقعی GPS در جنوب شرقی آسیا. در مجموعه مقالات سومین کارگاه بین المللی ACM SIGSPATIAL در مورد پیش بینی تحرک انسان، شیکاگو، IL، ایالات متحده آمریکا، 5 نوامبر 2019؛ صص 1-10. [ Google Scholar ]
  38. Chau، SCK; شن، اس. ژو، ی. به اشتراک گذاری غیرمتمرکز سواری و ادغام وسایل نقلیه بر اساس مکانیسم های تقسیم هزینه منصفانه. IEEE Trans. هوشمند ترانسپ سیستم 2020 ، 23 ، 1936-1946. [ Google Scholar ] [ CrossRef ]
  39. Magsino، ER; Ho, IWH یک طرح تخصیص واحد کنار جاده ای به اشتراک گذاری اطلاعات برای شبکه های وسایل نقلیه. IEEE Trans. هوشمند ترانسپ سیستم 2022 ، 23 ، 15462-15475. [ Google Scholar ] [ CrossRef ]
  40. Magsino، ER; آبلو، ای جی; Lalusin، JM Taxi Hotspots Identification از طریق تحلیل مبدا و مقصد سفرهای تاکسی با استفاده از K-means Clustering و H-indexing. J. Phys. Conf. سر. 2021 ، 1997 ، 012006. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00556 g001 550
شکل 1. STS ظرفیت وسایل نقلیه ( الف ) جاکارتا، ( ب ) سنگاپور، و ( ج ) نیویورک.
Ijgi 11 00556 g002 550
شکل 2. مسیرهای متداول برای ( الف ) جاکارتا، ( ب ) سنگاپور، ( ج ) نیویورک.
Ijgi 11 00556 g004 550
شکل 4. دو نوع کبریت پایدار: ( الف ) مسابقه نوع 1 که در آن مسافر A (قرمز) ابتدا در نقطه 3 رها می شود، سپس مسافر B (آبی) در نقطه 4 و ( ب ) نوع 2 مطابقت با مسافر B (آبی) ) ابتدا در نقطه 3 پیاده می شود، سپس مسافر A (قرمز) در نقطه 4.
Ijgi 11 00556 g005 550
شکل 5. تعداد مسافران امکان پذیر به اشتراک گذاری سواری مطابقت داده شده است.
Ijgi 11 00556 g006 550
شکل 6. مقایسه میانگین مسافت طی شده در No Ridesharing و با ridesharing.
Ijgi 11 00556 g007 550
شکل 7. متوسط ​​درآمد کرایه مسافر و راننده در جاکارتا ( بالا )، سنگاپور ( وسط )، و نیویورک ( پایین ).
Ijgi 11 00556 g008 550
شکل 8. صرفه جویی در هزینه مسافر و درآمد اضافی راننده (به درصد) برای FCFS ( بالا ) و BT ( پایین ).
Ijgi 11 00556 g009 550
شکل 9. اشتراک گذاری مقادیر امتیاز نش.
Ijgi 11 00556 g010 550
شکل 10. گسترش دو نوع تطبیق پایدار. با توجه به x مسافران در حال اشتراک گذاری، ( الف ) نوع 1 مطابقت دارد که در آن مسافر آبی رنگ در نقطه 1 سوار شده و در نقطه پایین آمده است ایکس+2، سپس نارنجی مسافر در نقطه 2 سوار شد و در نقطه فرود آمد ایکس+2، تا زمانی که زرد مسافر در نقطه x سوار شد و در نقطه سقوط کرد 2ایکس. ( ب ) نوع 2 که در آن آبی مسافری اولین بار سوار شد و در آخر پیاده شد، نارنجی مسافری دومی سوار شد و از دوم به آخر رها شد، تا زمانی که رنگ زرد مسافری آخرین بار سوار شد و اول پیاده شد.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید