网约车资源配置新模型：在线匹配与可重用资源研究

本文主要探讨了网约车平台的资源配置问题，特别是在在线匹配与离线可重用资源的背景下。研究者提出了一种新的模型——在线匹配与可重用资源（OM-RR-KAD）模型，该模型针对双边匹配市场的特点，其中资源在被匹配后会在未来重新变得可用。 在传统的在线匹配市场中，资源通常是一次性的，而OM-RR-KAD模型引入了资源的可重用性，这意味着一旦资源被匹配，它将在某个时间点再次进入市场。这种模型更贴近实际的网约车场景，因为车辆和司机可以在完成一次行程后继续提供服务。 研究者通过线性规划（LP）为基础设计了一个非自适应算法，该算法能够在任何固定的ε>0的情况下实现1-ε的在线竞争比。这一结果意味着算法的性能接近最优。同时，他们也证明了没有任何自适应算法能以优于1/2+o(1)的比率基于相同的基准LP进行匹配。 此外，通过分析大规模的公开数据集，研究者展示了他们的模型能够有效模拟出租车调度服务和乘车共享系统的真实情况。他们还提出了一种在实践中表现良好的策略，这表明他们的理论研究具有实际应用价值。 这篇论文的作者进行了深入的算法设计和分析，关注在线算法的效率和效果。关键概念包括在线匹配、共乘服务、随机算法以及匹配市场。研究者的工作得到了多项NSF奖项的支持。 引用格式如下： John P. Dixon, A. Sankararaman, Aravind Srinivasan, and Pan Xu. 2021. 车辆分享平台的资源配置问题：在线匹配与离线可重用资源。ACM Trans. 经济 Comput. 9, 3, Article 13 (June 2021), 17 pages. DOI: https://doi.org/10.1145/3456756 这篇研究揭示了网约车平台在处理资源配置时所面临的挑战，提出的新模型和算法为优化匹配效率提供了理论基础，并通过实证分析证实了其在实际运营中的可行性。这些发现对于改善网约车服务质量和提高资源利用率具有重要意义。