Carpooling Matching Method for Ride-Hailing Considering Passengers’ Time-Price Elasticity

doi:10.12141/j.issn.1000-565X.240365

Abstract

Abstract:

In order to improve the carpooling matching probability and satisfaction, this paper proposed a dynamic carpooling matching method that considering passengers’ time-price elasticity. RP+SP(Revealed Preference + Stated Preference) questionnaire survey method was adopted to collect passengers’ individual attributes and carpooling choosing behavior under different travel scenarios. Clustering passengers based on the carpooling prefe-rences, passengers were divided into three categories. A discrete elasticity analysis model was established to obtain the time-price elasticity of carpooling and non-carpooling passengers for the three categories. Incorporating time-price elasticity into travel costs, a generalized cost function was established for all passengers and drivers. Then a two-level planning model was constructed, for which, the upper-level model considered the benefits of drivers and passengers, while the lower-level model aimed to maximize the carpooling probability of all passengers. A carpooling matching algorithm was designed considering route and capacity constraints. Finally, taking taxi trajectory data of Xi’an as a case study, matching schemes were solved under varying levels of carpooling elasticity among passengers within the system, and the differences between the resulting matching schemes were compared and analyzed. The results indicate that when passengers have higher time-price elasticity values (2.22, 0.99), their non-carpooling costs are lower than those of carpooling, making effective matching infeasible. In contrast, when passengers have lower time-price elasticity value (0.12), multiple passengers can be successfully matched. These findings demonstrate the necessity of considering carpooling elasticity and can serve as a reference for government agencies in the order allocation and dispatching of ride-hailing and taxi services.

Key words: urban transportation, carpooling matching, elasticity analysis, two-level planning model

CLC Number:

U121

LONG Xueqin, ZHAI Manrong, WANG Yuanze, MAO Jianxu. Carpooling Matching Method for Ride-Hailing Considering Passengers’ Time-Price Elasticity[J]. Journal of South China University of Technology(Natural Science Edition), 2025, 53(6): 119-130.

Figures/Tables 19

Fig.1

Table1

Table 2

Table 3

Table 4

Table 5

Fig.2

Fig.3

Table 6

Fig.4

Table 7

Table 8

Fig.5

Fig.6

Table 9

Calculation results for the model"

方案	P₁/%	$∑ g ∈ r U 2 g - U 1 g / 元$	$F r D r - λ D r / 元$	$Z 1 / 元$
1	92.40	2.50	11.74	7.12
2	0.03	-8.23	14.58	3.18
3	95.60	3.07	11.63	7.35
4	89.70	2.16	15.96	5.95
5	91.30	2.35	14.75	8.55
6	99.60	5.47	20.24	12.86
7	0.34	-5.69	19.97	7.14
8	0.06	-7.47	22.88	7.70

Table 9

Fig.7

Table 10

Calculation results of models with different elasticity values for current passenger"

方案	$ε$ ₁₀=0.94					$ε$ ₁₀=2.22
方案	$U 2 g - U 1 g / 元$	P₁/%	$∑ g ∈ r U 2 g - U 1 g / 元$	$F r D r - λ D r / 元$	$Z 1 / 元$	$U 2 g - U 1 g / 元$
1	-6.08	0.0	-4.42	11.74	3.66	-16.89
2	0.15	0.0	-9.12	14.58	2.73	-13.03
3	-7.66	0.0	-5.53	11.63	3.05	-21.10
4	0.70	93.6	2.69	15.96	9.33	-2.36
5	-8.21	0.0	-6.73	14.75	4.01	-22.40
6	-4.73	68.6	0.78	20.24	10.51	-14.79
7	-3.66	0.0	-8.71	19.97	5.62	-13.30
8	0.33	75.3	1.11	18.89	10.02	-15.70

Table 10

Fig.8

Fig.9

References 23

1	LI W， PU Z， LI Y，et al ．Characterization of ridesplitting based on observed data：a case study of Chengdu，China［J］．Transportation Research Part C：Emerging Technologies，2019，100：330-353.
2	LIN J， HUANG S， JIAU M ．An evolutionary multiobjective carpool algorithm using set-based operator based on simulated binary crossover［J］．IEEE Transactions on Cybernetics，2019，49（9）：3432-3442.
3	ZHANG X， ZHANG X ．A set-based differential evolution algorithm for QoS-oriented and cost-effective ridesharing［J］．Applied Soft Computing，2020，96：106618/1-11.
4	BROWN A E ．Who and where rideshares？Rideshare travel and use in Los Angeles［J］．Transportation Research Part A：Policy and Practice，2020，136：120-134.
5	de SOUZA SILVA L A， de ANDRADE M O， ALVES MAIA M L ．How does the ride-hailing systems demand affect individual transport regulation？［J］．Research in Transportation Economics，2018，69（SI）：600-606.
6	缪格，袁鹏程．基于优化遗传算法的网约车合乘模型［J］．计算机系统应用，2022，31（12）：287-293.
	Ge MIU， YUAN Peng-cheng ．Ride-sharing model of online car-hailing based on optimized genetic algorithm［J］．Computer Systems & Applications，2022，31（12）：287-293.
7	曹弋，周泽禹，李金洋．考虑驾乘人员公平性的网约出租车合乘路径优化模型［J］．控制理论与应用，2022，39（7）：1281-1288.
	CAO Yi， ZHOU Ze-yu， LI Jin-yang ．Optimization model of ride-sharing path for taxis online considering passenger fairness［J］．Control Theory & Applications，2022，39（7）：1281-1288.
8	JIAO G P， RAMEZANI M ．Incentivizing shared rides in e-hailing markets：dynamic discounting［J］．Transportation Research Part C：Emerging Technologies，2022，144：103879/1-19.
9	FENG H， RUICHUN H， SENGBIN Y，et al ．Research on optimization model of taxi-carpooling expenses based on the passengers’ personalized demand［C］∥ Proceedings of the 3rd International Conference on Transportation Information and Safety （ICTIS2015）．WuHan：IEEE，2015：246-249.
10	李兴华，冯飞宇，成诚，等．网约拼车服务选择偏好分析及建模［J］．吉林大学学报（工学版），2022，52（3）：578-584.
	LI Xing-hua， FENG Fei-yu， CHENG Cheng，et al ．Choice preference analysis and modeling of ridesplitting service［J］．Journal of Jilin University （Engineering and Technology Edition），2022，52（3）：578-584.
11	ZHANG H， ZHAO J ．Mobility sharing as a preference matching problem［J］．IEEE Transactions on Intelligent Transportation Systems，2019，20（7）：2584-2592.
12	薛守强，宋瑞，安久煜，等．感知乘客心理的出租车动态合乘优化方法［J］．交通运输系统工程与信息，2021，21（2）：205-210，250.
	XUE Shouqiang， SONG Rui， AN Jiuyu，et al ．Dynamic shared taxi optimization method considering passengers perceptions［J］．Journal of Transportation Systems Engineering and Information Technology， 2021，21（2）：205-210，250.
13	王志建，郭健，张强.考虑乘客信任程度的营运车辆合乘线路规划［J］.计算机应用研究，2023，40（4）：996-999.
	WANG Zhijian， GUO Jian， ZHANG Qiang ．Planning of ride-sharing routes for operating vehicles considering degree of passenger trust［J］．Application Research of Computers，2023，40（4）：996-999.
14	彭子烜，魏然，单文轩，等．基于稳定匹配的网约车合乘优化［J］．重庆交通大学学报（自然科学版），2023，42（12）：106-112.
	PENG Zixuan， WEI Ran， SHAN Wenxuan，et al ．Ride sharing optimization based on stable matching ［J］．Journal of Chongqing Jiaotong University （Natural Science），2023，42（12）：106-112.
15	贾洪飞，邵子函，杨丽丽．终点不确定条件下网约车合乘匹配模型及算法［J］．吉林大学学报（工学版），2022，52（3）：564-571.
	JIA Hong-fei， SHAO Zi-han， YANG Li-li ．Ride⁃sharing matching model and algorithm of online car-hailing under condition of uncertain destination［J］．Journal of Jilin University （Engineering and Technology Edition），2022，52（3）：564-571.
16	MOHAMED M J，RYE T， FONZONE A ．Operational and policy implications of ridesourcing services：a case of uber in London，UK［J］．Case Studies on Transport Policy，2019，7（4）：823-836.
17	彭子烜，崔林，郭志伟，等．网约车合乘均衡匹配与激励策略［J］．华南理工大学学报（自然科学版），2024，52（2）：95-103.
	PENG Zixuan， CUI Lin， GUO Zhiwei，et al ．Taxi-sharing matching equilibrium under peer-passenger incentive mechanism ［J］．Journal of South China University of Technology （Natural Science Edition），2024，52（2）：95-103.
18	袁振洲，陈思媛，吴玥琳，等．考虑行驶时间不确定性的合乘路径鲁棒优化方法［J］．交通运输系统工程与信息，2022，22（5）：233-242.
	YUAN Zhen-zhou， CHEN Si-yuan， WU Yue-lin，et al ．Robust optimization of carpooling routing problem under travel time uncertainty［J］．Journal of Transportation Systems Engineering and Information Technology，2022，22（5）：233-242.
19	宗刚，曾庆华，魏素豪．基于时间价值的交通出行方式选择行为研究［J］．管理工程学报，2020，34（3）：142-150.
	ZONG Gang， ZENG Qinghua， WEI Suhao ．Research on traffic mode choice behavior based on commuting ravel time value［J］．Journal of Industrial Engineering/ Engineering Management，2020，34（3）：142-150.
20	汪景，邵雨晨，胡华，等．快慢车模式下早高峰时空乘车路径选择研究［J］．交通运输系统工程与信息，2024，24（2）：225-233.
	WANG Jing， SHAO Yuchen， HU Hua，et al ．Spatio-temporal ride path selection in morning peak for express-local trains［J］．Journal of Transportation Systems Engineering and Information Technology，2024，24（2）：225-233.
21	赵明钰，吕军威．基于灰色关联度理论的合乘出行意愿影响因素分析［J］．物流工程与管理，2023，45（3）：111-114，135.
	ZHAO Ming-yu， LV Jun-wei ．Analysis of influencing factors of carpooling willingness based on grey relational theory［J］．Logistics Engineering and Management，2023，45（3）：111-114，135.
22	张薇，何瑞春，肖强，等．考虑乘客心理的出租车合乘决策方法研究［J］．交通运输系统工程与信息，2015，15（2）：17-23.
	ZHANG Wei， HE Rui-chun， XIAO Qiang，et al ．A method of taxi pooling mode decision-making with passenger psycholog［J］．Journal of Transportation Systems Engineering and Information Technology，2015，15（2）：17-23.
23	倪亚洲，薛运强，刘彤，等．基于非集计模型的公交票价弹性研究［J］．交通标准化，2013（11）：66-67.
	NI Ya-zhou， XUE Yun-qiang， LIU Tong，et al ．Study of bus fare elasticities based on disaggregate model［J］．Traffic Engineering，2013（11）：66-67.

情景	选项	行驶时间/min	行驶距离/km	费用/元
情景选择1	非合乘	18	6.5	15.0
情景选择1	合乘	21	8.0	12.0
情景选择2	非合乘	12	3.5	11.0
情景选择2	合乘	17	5.0	9.0
情景选择3	非合乘	30	10.5	25.0
情景选择3	合乘	41	15.0	15.0
情景选择4	非合乘	18	6.5	15.0
情景选择4	合乘	21	8.0	9.0
情景选择5	非合乘	30	10.5	25.0
情景选择5	合乘	32	10.5	23.0
情景选择6	非合乘	12	3.5	11.0
情景选择6	合乘	14	3.5	9.0
情景选择7	非合乘	30	10.5	25.0
情景选择7	合乘	41	15.0	20.0
情景选择8	非合乘	12	3.5	11.0
情景选择8	合乘	15	4.5	8.0
情景选择9	非合乘	18	6.5	15.0
情景选择9	合乘	23	8.5	10.5
情景选择10	非合乘	30	10.5	25.0
情景选择10	合乘	35	13.0	20.0

类别	变量名称	符号	变量水平
个人属性变量	性别	w₁	2种水平：男，女
	年龄	w₂	4种水平：18岁以下，18~25岁，26~35岁，35岁以上
	职业	w₃	8种水平：学生，个体工商户，在职人员，家庭主妇，待业，离退休人员，打零工/散工，其他从业人员
	收入	w₄（学生）	5种水平：1 000元以下，1 000~1 500元，1 500~2 000元，2 000~3 000元，3 000元以上
	收入	w₅（其他职业）	5种水平：3 000元以下，3 000~5 000元，5 000~7 000元，7 000~10 000元，10 000元以上
选择方案特性变量	出行时间	t₁（合乘）	3种水平：12 min，18 min，30 min
	出行时间	t₂（非合乘）	8种水平：14 min，15 min，17 min，21 min，23 min，32 min，35 min，41 min
	出行距离	d₁（合乘）	3种水平：3.5 km，6.5 km，10.5 km
	出行距离	d₂（非合乘）	8种水平：3.5 km，4.5 km，5.0 km，8.0 km，8.5 km，10.5 km，13.0 km，15.0 km
	出行费用	c₁（合乘）	3种水平：11.0 元，15.0 元，25.0 元
	出行费用	c₂（非合乘）	7种水平：8.0 元，9.0 元，10.5 元，12.0 元，15.0 元，20.0 元，23.0 元

选择合乘的次数	占比/%		占比/%
0	7.0	6	12.7
1	3.8	7	10.3
2	7.5	8	8.0
3	7.5	9	4.7
4	15.0	10	11.3
5	12.2

乘客	选择合乘的概率	选择非合乘的概率
Ⅰ类用户	0.42	0.58
Ⅱ类用户	0.58	0.42
Ⅲ类用户	0.78	0.22

乘客	合乘			非合乘
乘客	时间点弹性值/min	价格点弹性值/元	时间-价格弹性值/（元∙min^-1）	时间点弹性值/min	价格点弹性值/元	时间-价格弹性值/（元∙min^-1）
Ⅰ类用户	-1.09	-2.42	2.22	-3.14	-8.88	2.83
Ⅱ类用户	-2.23	-2.10	0.94	-2.44	-3.68	1.15
Ⅲ类用户	-8.39	-1.01	0.12	-4.87	-0.94	0.19