Real-Time Spatial-Intertemporal Dynamic Pricing for Balancing Supply and Demand in a Ride-Hailing Network
Notice bibliographique
Résumé
Motivated by the growth of ride-hailing services in urban areas, we study a (tactical) real-time spatial-inter-temporal dynamic pricing problem where a firm uses a pool of homogeneous servers (e.g., a fleet of taxis) in a network to serve price-sensitive customers who request a service (i.e., a trip from an origin to a destination) over a finite planning horizon (e.g., a day). We consider a model that captures the stochastic and non-stationary pattern of demand arrivals as well as the friction to match servers with customers caused by the spatial and inter-temporal features of the trips, which take non-negligible travel time from one location to another location in the network. We propose a static pricing heuristic and two dynamic pricing heuristics (a node-based pricing, where the same adjustment is applied to all trips originating at the same location, and an arc-based pricing, where the adjustment is specific to each origin-destination pair) that vary in the level of flexibility in price adjustments. We show that all three heuristics are asymptotically optimal in the setting with a large number of demand and supply, but have different optimality gaps relative to the optimal control. Our analysis shed light on the value of dynamic pricing and the extent to which it depends on how the travel time of a trip compares to the length of the horizon. We also conduct extensive numerical studies using both synthetic and real data set from Manhattan Yellow Taxi. The results confirm our theoretical findings and highlight the benefit of inter-temporal feature of dynamic pricing when dealing with non-stationary demand. Interestingly, we also observe that the revenue improvement under our arc-based pricing heuristic over the static pricing heuristic comes primarily from the increase in the number of customers served instead of from the increase in the average prices. This provides an interesting insight that certain forms of dynamic pricing can be used to not only increase revenue but also the number of customers served (i.e., service level), which is undoubtedly one of the most important goals of an urban transportation system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».