[论文解读] Spatio-Temporal Pricing for Ridesharing Platforms

Hongyao Ma, Fei Fang+1 more|arXiv (Cornell University)|Jan 11, 2018

Transportation and Mobility Innovations参考文献 33被引用 16

一句话总结

本文提出了时空定价（STP）机制，用于网约车平台应对供需在空间和时间上的失衡问题。通过设定动态的、与位置和时间相关的价格，确保司机有动力接受派单，STP 在子博弈完美均衡下实现了福利最优、个体理性、预算平衡和核心选择，而这些特性在主导策略设定下是无法实现的。

ABSTRACT

Ridesharing platforms match drivers and riders to trips, using dynamic prices to balance supply and demand. A challenge is to set prices that are appropriately smooth in space and time, so that drivers with the flexibility to decide how to work will nevertheless choose to accept their dispatched trips, rather than drive to another area or wait for higher prices or a better trip. In this work, we propose a complete information model that is simple yet rich enough to incorporate spatial imbalance and temporal variations in supply and demand -- conditions that lead to market failures in today's platforms. We introduce the Spatio-Temporal Pricing (STP) mechanism. The mechanism is incentive-aligned, in that it is a subgame-perfect equilibrium for drivers to always accept their trip dispatches. From any history onward, the equilibrium outcome of the STP mechanism is welfare-optimal, envy-free, individually rational, budget balanced, and core-selecting. We also prove the impossibility of achieving the same economic properties in a dominant-strategy equilibrium. Simulation results show that the STP mechanism can achieve substantially improved social welfare and earning equity than a myopic mechanism.

研究动机与目标

• 解决由于供需在空间和时间上的不平衡导致的网约车平台市场失灵问题。
• 克服司机错误定价激励问题，如‘追逐加价’以及在高需求事件期间战略性下线。
• 设计一种定价机制，即使在空间和时间价格存在差异的情况下，也能维持司机接受派单的激励。
• 通过子博弈完美均衡结果实现经济效率与公平性，确保结果福利最优、无嫉妒、个体理性、预算平衡。
• 证明在主导策略均衡下实现这些特性的不可能性，从而证明采用子博弈完美激励的合理性。

提出的方法

• 提出一个完整信息模型，以捕捉供需在空间和时间上的变化。
• 引入时空定价（STP）机制，根据位置和时间动态设定价格，以对齐激励。
• 证明STP能诱导出一个子博弈完美均衡，其中司机始终接受派单。
• 证明该均衡结果具有福利最优性、无嫉妒性、个体理性、预算平衡性和核心选择性。
• 通过向交易网络映射来分析均衡性质，尽管该机制的动态决策结构与标准交易网络模型不同。
• 通过模拟比较STP与一种短视定价机制在各种需求情景下的表现，包括早高峰和事件引发的加价。

实验结果

研究问题

• RQ1 能否设计一种动态定价机制，使司机激励与系统整体效率保持一致，即使在存在空间和时间不平衡的情况下？
• RQ2 在网约车派单的主导策略均衡下，能否同时实现福利最优性、预算平衡性和个体理性？
• RQ3 空间定价错误和时间定价错误如何影响司机行为和平台效率？
• RQ4 在社会福利和收入公平性方面，STP与短视定价机制的性能差异是什么？
• RQ5 STP机制能否确保司机在不同地点和时间价格差异显著的情况下仍接受派单？

主要发现

• STP机制确保司机在子博弈完美均衡下始终接受派单，消除了追逐加价或下线的激励。
• STP在均衡中实现了福利最优性、无嫉妒性、个体理性、预算平衡性和核心选择性，而这些特性在主导策略机制中无法同时实现。
• 模拟结果表明，与短视定价相比，STP显著提升了社会福利和收入公平性，尤其在需求失衡的情景下表现更优。
• 在早高峰模拟中，STP能有效将司机引导至高需求区域（如C地），而短视定价则导致司机在低需求区域（如B地）拥堵。
• STP在不同行程中生成了更直观、更易解释的价格模式，真实反映了供需动态，而短视定价无法纠正空间失衡问题。
• 该机制通过考虑目的地侧的市场状况，成功缓解了网络外部性，降低了司机拒绝低定价或高等待时间区域行程的倾向。