面向集中供给与稀疏需求场景的网约车调度优化算法

来源：交通运输系统工程与信息杂志2025年第5期北京时间：

作者：王江锋, 宋之凡, 李云飞, 齐崇楷, 闫学东, 李青山

单位：1. 北京交通大学，交通运输学院，北京100044；2.北京交通大学，唐山研究院，河北唐山063000；3. 西南交通大学，交通运输与物流学院，成都611756；4.中国雄安集团交通有限公司，河北雄安070001

摘要：针对部分新兴城区网约车服务在空间分布上存在“集中供给和稀疏需求”的结构性失衡现象，本文引入激励策略优化网约车调度决策，解决供需分布的空间错配。基于强化学习方法提出一种嵌入激励策略的网约车调度优化算法，包括调度环境构建、可行决策筛选、激励策略嵌入和调度决策优化这4个模块。具体而言，基于Markov决策过程构建涵盖订单匹配、空驶调度和充电管理等任务的调度环境，通过订单抽成下调与优先派单保障机制设计“直接经济刺激”“间接规则优化”相结合的联合激励策略，提出以平台收益最大化为目标的Actor-Critic调度优化算法。以雄安新区为例进行实证分析，结果表明，本文提出的算法能够有效提升“稀疏需求”订单的服务率。在网约车投放规模固定的情况下，分别评估订单抽成下调，优先派单保障以及联合激励策略，结果显示，在平台收益不下降且全局订单服务率有所提升的前提下，“稀疏需求”订单服务率分别提高了24.70%、2.53%和26.09%。随着网约车投放规模增加，当投放数量达120辆时，“稀疏需求”订单服务率和全局订单服务率分别达到61.20%和81.55%。对平台抽成比例与优先派单保障期的敏感性分析进一步表明，当抽成比例设置为24%，保障期设置为4个调度周期时，系统在全局订单服务率与平台收益之间实现了较优平衡。

关键词：城市交通,激励策略,强化学习,网约车,调度算法

基金资助：河北省创新能力提升计划项目(244X0801D)；河北省省级科技计划项目(236Z0802G)。