解密Uber 系統深層,乘客、司機配對演算法,即時動態市場供需最佳化計算供需如何平衡?
有關於Über.lyft.Grab這類所謂的共享經濟共乘經濟,尤其是Über 的他們的背後的一些演算法的機制,以及他們遇到的一些乘客與司機即時配對,當初我覺得大家(台灣的交通部)都多少想的太簡單,所以才有交通部的官員說:「我們也可以做」,然後最後當然是什麼也做不出來,其實派車系統最重要的問題,是你要怎麼把乘客跟司機配對,使那對使用者(乘客vs司機)來講感覺使用很方便,這很簡單嗎?感覺乘客就打開你的App然後你輸入你要去什麼地方?然後Uber App他在告訴你現在附近的Uber 司機幾分鐘會到?在此模型上就是配對最近的就好了,但實際上不然。
你看到第一組(A+B)的B乘客叫車服務的按鈕幾分鐘以後就會有一個A司機來把B接起來?但是在B乘客等待A司機的過程中,因爲隱藏在背後是還有新的人進入,當時若是有其他好幾組的C司機+D乘客又同時間進來,這些組別該如何處理?有沒有現在離你最近的司機可以載你?剛剛配對的那第一組是不是有產生對Über 系統配對最佳化的不良影響?
配對離最近的這一組就好了嗎?不久就會發現,其實如果說乘客進入系統叫車,如果永遠是使用「貪婪演算法」把最近的司機指派給他,其實這樣子是沒有辦法達到整個Uber 系統最佳。
一個可能對這個司機跟乘客配對模組:
第一組:12分鐘
A+B=4分鐘
C+D=8分鐘
第二組:11分鐘
A+D=6分鐘
C+D=5分鐘