网约车任务分配系统优化

摘要

网约车是一种广泛应用的共享移动应用,其核心问题是将出租车请求分配给具有不同目标的司机,尽管对网约车的任务分配进行了广泛的研究,但在很大程度上忽视了司机之间收入的公平性,由于优化视角的短视和分配技术的耗时,先行者对网约车公平任务分配的研究在公平性、效用性方面还存在不足.在本文中,提出了公平分配学习(LAF)方法,它既优化了效用又优化了公平性的高效任务分配方案,采用强化学习以整体的方式进行分配,并提出一套加速技术,以实现大规模数据的快速公平分配.实验结果表明,公平分配学习方法在公平性、效用性和效率方面分别比现有水平高出86.7%、29.1%和797%.