科研速递 | 理工学院吴辰晔教授团队在ACM SigSpatial 2021上发表共享出行研究成果

近日，香港中文大学（深圳）理工学院的吴辰晔教授团队联合滴滴出行研究团队在ACM SigSpatial 2021（International Conference on Advances in Geographic Information Systems）发表题为“Efficiency or Fairness? Carpooling Design for Online Ride-hailing Platform in Transport Hubs at Midnight”的文章。

ACM SIGSPATIAL 介绍

ACM SIGSPATIAL会议被公认为空间数据管理和地理信息系统（GIS）领域多学科交叉的顶级学术会议。会议在北美已成功举办了二十八届（1993-2020年），旨在聚集空间数据和地理信息领域的研究人员、开发人员、用户和从业者，促进 GIS全方位的跨学科讨论和研究。ACM SIGSPATIAL 2021是本会议历史上首次在北美以外地区举办。本届会议共收到152篇研究型论文投稿，其中34篇被全文接收，录取率为22.4%。

研究背景

提到共享出行，很多工作在热门地区的各类民工一定都深有体会，无论是在西二旗还是望京，晚上九点之后打开手机，永远都是排队一百多人。不过，好在是在办公室等着司机师傅，习惯了之后，就开着手机排着队，另一边就继续加班或者摸鱼就好，毕竟大部分民工也不需要什么生活。这类体验其实并不能激发我的研究兴趣。

能够激发研究兴趣的，通常是更痛的体验。这个研究源于作者（吴辰晔）在一个炎热的夏夜苦难般的体验。那个夜晚，在南京忙了一天，拖着疲惫的身体，我乘坐最后一班高铁从南京前往北京南站，到达北京南站的时候地铁已经停运，因此几乎所有的乘客都在等待出租车或者网约车的到来。不过，我本来也没有准备乘坐地铁，毕竟都这么累了，怎么也要打个车吧。但是，我万万没有想到迎接我的会是什么。

当我拿出手机，开始叫车的时候，我也没有意识到什么，因为看起来，没什么在排队，我非常顺利地叫到了车，并且明明车就在附近，然而这才是灾难的开始。由于车站设计的问题，我在闷热的北京南站车库等待了半个小时（实际体感时间可能有一两个小时，真是度日如年），总算等来了网约车来接自己。怀着疲惫和对空调的渴望，我上了这辆网约车，让我万万没想到的是，由于北京南站的停车场实在是太闷热了，于是这辆网约车引擎过热，没有办法开空调，我就只能万念俱灰地和司机接着排了大概半个小时的队离开北京南站。这件事情给我留下了巨大的心理阴影，自此之后，无论北京南站号称自己做了多少的改进，我再也没有半夜到达过北京南站。

因此，说起和滴滴合作，我的第一个想法，就是能不能不要让任何人再体验一下我的经历呢？在这个体验中，其实没有太多调度的问题，车是足够的，要不然我也不会这么快叫到车，因此，能够提升的也只有大力开展拼车服务了。拼车到底能提升多少效率呢？拼车的时候，如何保障乘客的公平性问题（凡事总要有个先来后到）？这些问题，就是这篇论文研究的背景。

建模分析

 如果大家熟悉排队论，那么一定会想到，这个问题的分析肯定会用到排队论。不过排队论的用法和一般的设定不甚相同。如果大家去考察北京南站的列车到达时刻表就会发现，地铁大概是11点半停止运营（现在已经延长了运营时间），停止运营之后，有好几辆车密集地到达，然后就没有车到达了，所以乘客的到达，几乎可以认为是很短的时间，很多人到达，然后因为车进来接乘客非常拥堵，所以，可以简化为在所有人到达之前，没有什么人离开。因此，拼车服务，就变成了一个有点静态的调度问题！为什么说有点静态呢？其实到达的人数还是一个随机变量，不过总体的等待时间，可以用排队论中的busy period来刻画！

那么拼车的话，到底对于效率有哪些提升呢？一方面来说，当然相当于总需求变少了，另一方面，由于需要的车辆也少了，所以北京南站内部的拥堵情况可能也就不那么糟糕了。我们借此把排队等待时间分成两个阶段，一部分是乘客被匹配到司机，另一部分是乘客上到车上。其实关于乘客的体验，还有另一部分，就是离开车站的时间。不过我想，像我那么悲催地上了车更热的情况应该还是少数，我们还是假定上了车之后，就算是开始了舒适的行程吧。

拼车策略

我们考察了三种拼车策略，一种是先到先走，也就是不管拼不拼车，反正谁先来，谁先走；如果两个人拼车，那么就按照来得比较早的那个人的时间进行排队；第二种是拼车优先，拼的人越多越优先，相同的拼车人数就按照谁先来谁先走的原则；第三种是平均到达北京南站的时间，也就是说两个人拼车，那么整体排队时候开始计算的时间，就按照两个人实际进入队列时间的平均值计算，这个方法看上去更公平一点。那么我们就来考察这三种拼车策略的效率和公平性。

大家不妨想一下，哪种拼车策略更好呢？

其实答案非常好猜，要是有一个简单的答案，哪有那么容易发顶会呢？所以答案一定是it depends。那么关键就是，决定的因素是什么？这个决定的因素，就是我们前面没有强调的一个因素，到底有多少人愿意拼车！我们发现，在很多情况下，效率和公平是呈比例变化的，于是就有了下面这张美丽的图。

如果想知道这张图说了什么，就去读读我们的论文吧：

https://dl.acm.org/doi/10.1145/3474717.3483953

作者结语

每个人一生都会经历很多苦难，如果大家都能努力让这份苦难不要发生在别人身上，那这份苦难就会开出最美的花朵！

作者简介

本文通讯作者为香港中文大学（深圳）助理教授吴辰晔

吴辰晔，香港中文大学（深圳）理工学院助理教授。吴教授长期在姚期智院士指导下从事智能电网的前瞻性研究和核心技术推广应用，既有卓越的理论研究成果，又有杀手锏级应用，理论联系实际特色明显。在理论研究上，他将计算科学的框架引入电力系统，解决电力系统难题：含高比例可再生能源的电力系统稳定控制难题、匹配系统物理特性的市场设计与市场监管难题及数据驱动的高效系统控制难题。在学术成果影响力上，他早在2012年，由于创新性地在电力系统分析中引入网络经济学的研究理念而获得教育部学术新人的荣誉称号；于2018年，由于在教改项目、网络科学等一系列课程中做出突出贡献，入选了首届高校计算机专业优秀教师奖励计划，该计划受教育部、国家自然科学基金委指导，旨在推动中国本科计算机专业教学质量的整体提升。吴辰晔教授还于2013、2020年两度获得IEEE能源与电气协会年会最佳论文奖，于2012年获得IEEE智能电网通信会议最佳论文奖，于2020年荣获CCF-滴滴盖亚青年科学基金。

点击以下链接，进入理工时刻：