[论文解读] A Unified Network Equilibrium for E-Hailing Platform Operation and Customer Mode Choice

Xu Chen, Xuan Di|arXiv (Cornell University)|Mar 9, 2022

Transportation and Mobility Innovations被引用 7

一句话总结

本文提出了一种统一的网络均衡框架，将网约车平台运营、乘客在e-solo与e-pooling之间的模式选择以及网络拥堵整合进一个博弈论模型。该模型采用分层的起讫点（OD）图来模拟动态的车辆与乘客流量，并通过最小费用循环优化拼车序列，表明高额的e-pooling价格和搜索摩擦会降低拼车采纳率并加剧拥堵。

ABSTRACT

This paper aims to combine both economic and network user equilibrium for ride-sourcing and ride-pooling services, while endogenously optimizing the pooling sequence of two origin-destination (OD) pairs. With the growing popularity of ride-sourcing and ride-pooling services provided by transportation network companies (TNC), there lacks a theoretical network equilibrium model that accounts for the emerging ride-pooling service, due to the challenge in enumerating all possible combinations of OD pairs pooling and sequencing. This paper proposes a unified network equilibrium framework that integrates three modules, including travelers' modal choice between e-pooling and e-solo services, e-platforms' decision on vehicle dispatching and driver-passenger matching, and network congestion. To facilitate the representation of vehicle and passenger OD flows and pooling options, a layered OD graph is created encompassing ride-sourcing and ride-pooling services over origins and destination nodes. Numerical examples are performed on both small and large road networks to demonstrate the efficiency of our model. The proposed equilibrium framework can efficiently assist policymakers and urban planners to evaluate the impact of TNCs on traffic congestion, and also help TNCs with pricing and fleet sizing optimization.

研究动机与目标

• 填补现有理论网络均衡模型中未考虑网约车服务的空白。
• 将乘客在e-solo与e-pooling之间的模式选择与TNC平台运营及网络拥堵相整合。
• 在内生优化调度与匹配决策的前提下，对多个OD对的拼车序列进行建模。
• 为政策制定者与TNC提供评估长期拥堵、车队规模与定价策略影响的框架。
• 开发适用于大规模网络（包括竞争性TNC市场与动态需求）的可扩展求解方法。

提出的方法

• 构建分层OD图，以表示多个起讫点对之间的车辆与乘客流量，包括拼车行程。
• 通过最小费用循环网络流问题公式，同时计算最优车辆OD流量与乘客OD流量。
• 通过均衡出行时间将市场出清机制（通过等待成本）与网络均衡耦合。
• 通过用户均衡整合三个模块：乘客模式选择、TNC调度与匹配决策、以及网络拥堵。
• 采用广义纳什博弈框架，对存在空间与经济非均衡状态下的TNC、司机与乘客之间的互动进行建模。
• 对车队规模、定价与搜索摩擦进行敏感性分析，以评估系统层面的影响。

实验结果

研究问题

• RQ1 将e-pooling整合进统一的网络均衡模型后，对整体系统拥堵与出行时间有何影响？
• RQ2 e-pooling定价与匹配摩擦对乘客模式选择及平台市场份额有何影响？
• RQ3 在竞争性TNC市场中，车队规模如何影响e-solo与e-pooling行程的均衡分布？
• RQ4 拥堵定价或补贴在多大程度上可促进e-pooling并降低整体系统出行成本？
• RQ5 如何在不预先定义组合或序列的情况下，优化多个OD对的拼车顺序？

主要发现

• 高额的e-pooling价格与较高的搜索摩擦会显著降低e-pooling的采纳率，导致e-solo使用增加并加剧网络拥堵。
• 由于拼车采纳率低，e-solo需求上升进一步恶化拥堵，形成反馈回路，进一步抑制拼车行为。
• 该模型能高效计算大规模网络（包括Sioux Falls网络）上的最优车辆与乘客流量，具备可扩展的性能。
• 敏感性分析表明，搜索摩擦系数为10时会降低e-pooling使用率，凸显了匹配效率的重要性。
• 对拼车乘客提供补贴或对e-solo行程实施拥堵定价，可有效促进e-pooling并减少整体出行时间。
• 车队规模扩大可能导致空驶里程与系统成本上升，表明控制车队规模或可作为有效的监管工具。