彭子烜 崔林 郭志偉 陳晗陽 魏麗英?

（1.北京交通大學(xué) 交通運(yùn)輸學(xué)院，北京 100044；2.北京交通大學(xué) 計(jì)算機(jī)與信息技術(shù)學(xué)院，北京 100044）

網(wǎng)約車行業(yè)的快速發(fā)展重塑了城市的出行服務(wù)，有利于緩解城市“打車難”問題［1-2］。由于一些大城市高峰期打車需求仍大于供給，因此網(wǎng)約車平臺提出了激勵(lì)驅(qū)動(dòng)機(jī)制以調(diào)節(jié)供需［3］。如Uber設(shè)計(jì)了峰時(shí)定價(jià)來平衡乘客需求和司機(jī)可用性；滴滴鼓勵(lì)乘客支付一定的調(diào)度費(fèi)來增加司機(jī)接單的機(jī)率。無論是峰時(shí)定價(jià)還是補(bǔ)貼方式，乘客只能被動(dòng)接受運(yùn)價(jià)自動(dòng)大幅上調(diào)，或因網(wǎng)約車司機(jī)等單或惡意不接單而補(bǔ)貼更多調(diào)度費(fèi)，為平臺或司機(jī)的價(jià)格相關(guān)行為支付更多的時(shí)間和費(fèi)用［4-5］。因此，如何設(shè)計(jì)反映乘客支付意愿且額度合理的激勵(lì)策略，對調(diào)節(jié)網(wǎng)約車供需關(guān)系至關(guān)重要。

目前，網(wǎng)約車訂單中合乘訂單占比不足10%。由于一些乘客拼車動(dòng)力不足，部分潛在合乘匹配無法成行。通過調(diào)查，約52%的乘客愿意在高峰期轉(zhuǎn)讓部分剩余（相當(dāng)于額外分擔(dān)15.8%的車費(fèi)）給合乘乘客，以激勵(lì)方式提高其他乘客的合乘意愿，實(shí)現(xiàn)快速匹配［6］。因此，乘客與司機(jī)之間、乘客與乘客之間的激勵(lì)驅(qū)動(dòng)將影響其選擇行為，進(jìn)而改變合乘模式下的匹配均衡。網(wǎng)約車平臺基于乘客剩余自動(dòng)決策激勵(lì)策略選擇和均衡匹配，幫助乘客以最少的激勵(lì)匹配到可獲得的最佳司機(jī)和合乘乘客，從而實(shí)現(xiàn)網(wǎng)約車運(yùn)力資源的充分利用和自調(diào)度。

網(wǎng)約車定價(jià)或補(bǔ)貼的相關(guān)研究主要分為兩類。一類是基于規(guī)則的定價(jià)或補(bǔ)貼策略，如峰時(shí)定價(jià)、時(shí)空定價(jià)和成本分?jǐn)偟?。劉洋等?］研究了3 種高峰期補(bǔ)貼策略，討論了不同乘客市場規(guī)模下各策略的適用性；Cachon等［3］提出當(dāng)勞動(dòng)力成本較高時(shí)，峰時(shí)定價(jià)對供需雙方是有利的，司機(jī)方可以更好地利用運(yùn)力，乘客方在平峰需求下可以享受較低的價(jià)格，在高峰時(shí)提高服務(wù)可獲得性；Zhu 等［8］設(shè)計(jì)了平均場馬爾科夫決策模型模擬網(wǎng)約車市場的動(dòng)態(tài)性，從系統(tǒng)視角提出時(shí)空補(bǔ)貼以平衡短期收益最大化目標(biāo)和長期服務(wù)率最大化目標(biāo)；李興華等［9］分析了網(wǎng)約車拼車折扣策略對拼車的誘導(dǎo)效果，相比于網(wǎng)約車漲價(jià)和停車收費(fèi)漲價(jià)，乘客對拼車折扣的敏感性更高。另一類是基于協(xié)商的定價(jià)或補(bǔ)貼策略。周樂欣等［10］設(shè)計(jì)了雙邊報(bào)價(jià)交易機(jī)制，乘客和司機(jī)可根據(jù)自身特征如用車緊急程度、期望收益等進(jìn)行報(bào)價(jià)，平臺自動(dòng)生成最終價(jià)格和匹配結(jié)果；趙道致等［11］考慮了網(wǎng)約車和出租車兩種出行服務(wù)，建立了兩者的競爭定價(jià)模型，討論了均衡定價(jià)條件和策略；Lam［12］為了防止提高運(yùn)價(jià)，提出了基于維克里-克拉克-格羅夫斯的定價(jià)機(jī)制，以社會(huì)福利最大化為目標(biāo)，確定乘客運(yùn)價(jià)。

上述研究多是從供給側(cè)通過激勵(lì)司機(jī)以促成更多的合乘出行，很少從需求側(cè)考慮乘客間的激勵(lì)對乘客合乘意愿和行為的影響。本文考慮乘客可以通過激勵(lì)司機(jī)或其他乘客以獲得出行服務(wù)，設(shè)計(jì)了3 種激勵(lì)策略和策略執(zhí)行條件，建立了合乘模式下模擬匹配決策和激勵(lì)驅(qū)動(dòng)選擇交互的乘客-網(wǎng)約車均衡匹配模型，分析不同供需比例下3種激勵(lì)策略的適用性，從而為現(xiàn)實(shí)中網(wǎng)約車合乘提供價(jià)格指導(dǎo)。

1 問題描述

在網(wǎng)約車出行服務(wù)中，平臺通過智能手機(jī)端可以獲得司機(jī)和乘客提交的車輛位置、乘客起點(diǎn)、終點(diǎn)、時(shí)間要求、價(jià)格要求等信息，并形成出行方案。對于司機(jī)或乘客，在不同的出行方案中，其獲得的收益或出行成本不同。為了保證乘客和司機(jī)的利益，避免惡意競爭和無效激勵(lì)，網(wǎng)約車平臺通過設(shè)計(jì)匹配和定價(jià)規(guī)則，自動(dòng)匹配乘客和司機(jī)并生成車費(fèi)，使得沒有司機(jī)或乘客存在單方面改變匹配對象的動(dòng)機(jī)，從而實(shí)現(xiàn)匹配均衡。

在圖1 中，有一個(gè)司機(jī)和兩個(gè)乘客，生成了3個(gè)出行方案。在方案1和方案2中，司機(jī)分別單獨(dú)搭載乘客1 和乘客2，以最短路徑完成服務(wù)。在方案3 中，乘客1 和乘客2 合乘出行，并獲得合乘車費(fèi)折扣。假設(shè)司機(jī)期望獲得更高利潤，而乘客希望節(jié)約出行成本（車費(fèi)和時(shí)間成本），司機(jī)和乘客對出行方案的偏好如表1所示。以司機(jī)為例，相比于出行方案3，司機(jī)更偏好出行方案1。

表1 出行方案偏好排序Table 1 Preference lists of travel schemes

圖1 網(wǎng)約車合乘匹配與激勵(lì)過程示例Fig.1 An illustration for taxi-sharing matching and incentive

由于司機(jī)和乘客1 將出行方案1 排在首位，均衡匹配為司機(jī)匹配乘客1。乘客2 為了獲得出行服務(wù)，如果單方面激勵(lì)司機(jī)，則需要提供給司機(jī)8元激勵(lì)以改變司機(jī)偏好排序。如果同時(shí)激勵(lì)司機(jī)和乘客1，則需要分別提供給他們1元激勵(lì)，即可改變其偏好排序。此時(shí)，網(wǎng)約車平臺指派司機(jī)服務(wù)乘客1和乘客2。司機(jī)獲得14 元利潤，乘客1 和乘客2 的出行成本分別為21 元和11 元。此時(shí)，司機(jī)和乘客均無法通過單方面改變匹配對象或者激勵(lì)額度以獲得更高的效用。相比于從供給側(cè)單獨(dú)激勵(lì)司機(jī)，與其他乘客形成運(yùn)力競爭，從需求側(cè)激勵(lì)合乘乘客可以在保證運(yùn)力的同時(shí)降低激勵(lì)額度。

2 模型構(gòu)建

本文基于司機(jī)和乘客對出行方案的選擇偏好，對合乘模式下的均衡匹配狀態(tài)進(jìn)行定義和表達(dá)，構(gòu)建了考慮激勵(lì)的乘客-司機(jī)均衡匹配模型。考慮乘客出行的便利性，本文參考滴滴出行，最多兩個(gè)訂單乘客合乘出行。出行方案指司機(jī)和乘客的可行組合，即在司機(jī)服務(wù)下，乘客的時(shí)間窗、成本限制、繞行限制都能被滿足；乘客-司機(jī)匹配解定義為出行方案的子集。模型部分應(yīng)用的變量及參數(shù)如表2所示。

表2 變量及參數(shù)列表Table 2 Table of variables and parameters

2.1 均衡匹配狀態(tài)

對于一個(gè)乘客-司機(jī)匹配解來說，當(dāng)沒有乘客或司機(jī)能夠通過單方面改變匹配對象或激勵(lì)以獲得更高效用時(shí)，該匹配解是均衡的。均衡匹配狀態(tài)定義如下。

定義1如果存在一個(gè)出行方案si?μ且滿足Cp(si) Rt(μ(t))， ?p∈si，?t∈si時(shí)，乘客-司機(jī)匹配解μ存在均衡阻礙方案。

定義2當(dāng)乘客-司機(jī)匹配解不存在均衡阻礙方案時(shí)，該匹配是均衡的。

2.2 考慮激勵(lì)的均衡匹配模型

式（1）為目標(biāo)函數(shù)，最大化乘客總剩余。式（2）和（3）保證每個(gè)司機(jī)和乘客只能參與一個(gè)出行方案。式（4）是均衡匹配條件，當(dāng)一個(gè)出行方案被選擇時(shí)， 根據(jù)式（2）和（3）， 可得xi= 1，和， 即xi+，表明出行方案xi中的乘客和司機(jī)已匹配到當(dāng)前能夠獲得的最優(yōu)的匹配對象，不滿足定義1 中的條件，出行方案xi不是當(dāng)前匹配解的均衡阻礙方案。當(dāng)一個(gè)出行方案未被 選 擇 時(shí) ，xi= 0， 由可 得或/和，表明至少有一位乘客或者司機(jī)在其他已選方案中獲得更高的效用，不滿足定義1中的條件，出行方案xi不是當(dāng)前匹配解的均衡阻礙方案。滿足式（4）時(shí)，無論出行方案被選擇與否，均不是當(dāng)前匹配解的均衡阻礙方案，即滿足定義2。該約束與定義1和定義2一致。式（5）表示司機(jī)在出行方案中可獲得的利潤，即從車費(fèi)和激勵(lì)之和中扣除運(yùn)營成本。式（6）表示乘客在出行方案中的總出行成本，包括車費(fèi)、激勵(lì)和時(shí)間成本。式（7）表示車費(fèi)，參與合乘的乘客可以享受車費(fèi)折扣。式（8）表示乘客的剩余。

2.3 激勵(lì)策略

激勵(lì)是調(diào)節(jié)供需關(guān)系的有效方式之一。然而，乘客無策略地提高對司機(jī)的激勵(lì)可能反而會(huì)加劇乘客間的競爭。實(shí)際上，乘客不僅可以從供給側(cè)激勵(lì)司機(jī)獲得出行服務(wù)，還可以從需求側(cè)激勵(lì)其他乘客，促成合乘出行。

（1）乘客激勵(lì)策略

圖2 乘客激勵(lì)策略Fig.2 Passenger incentive strategy

（2）司機(jī)激勵(lì)策略

圖3 司機(jī)激勵(lì)策略Fig.3 Driver incentive strategy

（3）乘客和司機(jī)激勵(lì)策略

圖4 乘客和司機(jī)激勵(lì)策略Fig.4 Passenger and driver incentive strategy

3 列生成算法設(shè)計(jì)

本文設(shè)計(jì)列生成算法對乘客-網(wǎng)約車均衡匹配模型進(jìn)行求解［13-17］。Δ(si)為支配出行方案的方案集合，本文將模型重構(gòu)為集合劃分模型。

在確定激勵(lì)額度下，均衡匹配模型能夠重構(gòu)為如下主問題。

主問題[MPω]：

如果出行方案si被選擇，則χi為1，否則為0。式（14）最大化乘客總剩余，式（15）-（17）保證匹配是均衡的。

為了避免生成所有出行方案，本文設(shè)計(jì)了定價(jià)子問題生成消減成本最小的列，如式（19）和（20）所示。式（19）表示如果出行方案是主問題的列，則司機(jī)、乘客、阻礙方案將對應(yīng)一個(gè)權(quán)重。令qˉi表示方案i的消減成本；qi表示方案i被選擇時(shí)，對偶變量π之和；πt、σp、οi，j分別表示式（15）-（17）的對偶變量。

在本文中，以司機(jī)出行方案選擇設(shè)計(jì)定價(jià)子問題，對于每個(gè)定價(jià)子問題將負(fù)消減成本最小的列加入到主問題中。如果司機(jī)t選擇出行方案si，則0-1變量yt，i為1，否則為0；zi′，j表示均衡阻礙方案的懲罰系數(shù)。如果乘客選擇出行方案，則0-1 變量為1，否則為0；如果滿足Cp(si)

式（21）表示司機(jī)的消減成本；式（22）和（23）表示每個(gè)司機(jī)和乘客只能參與一個(gè)出行方案；式（24）表示zi′，j和si的關(guān)系。

乘客-司機(jī)匹配與乘客價(jià)格策略間存在著相互影響的關(guān)系，網(wǎng)約車平臺根據(jù)乘客的最大可接受成本和激勵(lì)策略模擬乘客激勵(lì)過程，直至沒有乘客有動(dòng)機(jī)改變當(dāng)前激勵(lì)策略，從而實(shí)現(xiàn)自動(dòng)生成激勵(lì)額度和匹配結(jié)果。因此，本文將3種激勵(lì)策略與匹配算法結(jié)合，設(shè)計(jì)了匹配與激勵(lì)迭代算法框架。相比于單次確定價(jià)格匹配方法，匹配與激勵(lì)迭代算法可以模擬每個(gè)乘客面向當(dāng)前匹配對象和剩余時(shí)的激勵(lì)策略選擇過程，構(gòu)建匹配與激勵(lì)的互動(dòng)反饋關(guān)系；同時(shí)，3 種激勵(lì)策略條件的引入避免了無效搜索，可以提高算法效率。具體算法流程如下所示，外層始終循環(huán)直至exit do滿足，χ代表最優(yōu)均衡匹配解。

匹配-激勵(lì)迭代算法：//1：2：//3：4：5：6：7：8：9：10：11：12：13：14：15：16：//17：18：19：20：21：22：23：24：生成初始解Ω ←每個(gè)司機(jī)t 選擇最偏好的乘客p；ω ←0，check ←0；生成最優(yōu)均衡匹配解Do Do while （check = 0）check ←1；χ ←求解[MPω]；(π，σ，ο) ←求解[MPω]對偶問題；For （t=1；t ≤|T|；t ++） do求解[PSPω t]；If （存在負(fù)消減成本列） then Ω ←Ω ∪最小消減成本列；check ←0；End if End for End do χ ←求解[MPω]；更新激勵(lì)策略If （乘客激勵(lì)策略or 司機(jī)激勵(lì)策略or 乘客和司機(jī)激勵(lì)策略能夠在χ中執(zhí)行） then ω ←在χ中執(zhí)行乘客激勵(lì)策略or司機(jī)激勵(lì)策略or乘客和司機(jī)激勵(lì)策略；Else Exit do End if Loop （1）輸出χ最優(yōu)均衡匹配解；輸出ω最優(yōu)激勵(lì)額度.

4 實(shí)證分析

本文以大連市中山區(qū)、西崗區(qū)、沙河口區(qū)、高新區(qū)、甘井子區(qū)為研究范圍，路網(wǎng)總長度為402 km，包含228 個(gè)節(jié)點(diǎn)和383 個(gè)路段。通過大連市出租車GPS數(shù)據(jù)，可以獲得乘客上車點(diǎn)、下車點(diǎn)、上車時(shí)間、下車時(shí)間和空駛車輛位置。由于乘客時(shí)間窗無法獲得且合乘過程可能會(huì)產(chǎn)生不可避免的繞行時(shí)間和等待時(shí)間（本文定義為預(yù)留合乘時(shí)間），假設(shè)乘客最早出發(fā)時(shí)間為上車時(shí)間，乘客最晚到達(dá)時(shí)間為乘客上車時(shí)間、乘客起點(diǎn)到終點(diǎn)出行時(shí)間和預(yù)留合乘時(shí)間之和，預(yù)留合乘時(shí)間假設(shè)以（5，30） min 均勻隨機(jī)生成。車輛運(yùn)營成本為0.5元/km，乘客時(shí)間成本為26元/h，車費(fèi)為3元/km，合乘折扣系數(shù)為0.8。乘客最大可接受時(shí)間成本為乘公交出行的廣義出行成本；乘客最大可接受繞行距離為單獨(dú)出行距離的30%。

激勵(lì)策略主要與供需比例和乘客的剩余相關(guān)。本文主要討論不同激勵(lì)機(jī)制的差異以及供需比和合乘折扣系數(shù)對激勵(lì)策略實(shí)施的影響。而乘客最大可接受出行成本也會(huì)影響激勵(lì)策略，由于平臺不會(huì)干預(yù)乘客最大可接受出行成本，因此本文不對其進(jìn)行討論。

4.1 不同激勵(lì)機(jī)制分析

在實(shí)踐中，早高峰普遍存在需求大于供給的情形。滴滴平臺鼓勵(lì)乘客自愿隨機(jī)支付2~20 元調(diào)度費(fèi)給司機(jī)以提高訂單響應(yīng)機(jī)率，即乘客支付調(diào)度費(fèi)的范圍是輸入條件，而乘客支付的調(diào)度費(fèi)是輸出結(jié)果，調(diào)度費(fèi)由乘客流向司機(jī)。本文以20個(gè)400-800算例（400-800 表示算例包含400 名司機(jī)和800 名乘客），對提出的自動(dòng)激勵(lì)機(jī)制和實(shí)踐中隨機(jī)調(diào)度費(fèi)機(jī)制進(jìn)行比較。

相比于隨機(jī)調(diào)度費(fèi)機(jī)制，本文提出的自動(dòng)激勵(lì)機(jī)制可以提高乘客匹配率，獲得更高的乘客剩余。這是因?yàn)樵谧詣?dòng)激勵(lì)機(jī)制下，乘客可以避免無效的激勵(lì)并且有更多乘客選擇合乘出行。如表3 所示，隨機(jī)調(diào)度費(fèi)機(jī)制可以使司機(jī)獲得更高的激勵(lì)額度，但司機(jī)的平均收益低于自動(dòng)激勵(lì)機(jī)制。調(diào)度費(fèi)可以實(shí)現(xiàn)司機(jī)的自調(diào)度，但是不能同時(shí)增加乘客和司機(jī)的效用。如盡管支付了較高的調(diào)度費(fèi)，仍有部分乘客在高峰期無法匹配到運(yùn)力，更多司機(jī)只搭載一位乘客，浪費(fèi)了運(yùn)力資源。相比之下，本文提出的自動(dòng)激勵(lì)機(jī)制能夠促成更多合乘，緩解打車難問題，同時(shí)系統(tǒng)根據(jù)匹配狀態(tài)自動(dòng)決策乘客應(yīng)該支付的激勵(lì)額度，乘客剩余可提高12.6%。在自動(dòng)激勵(lì)機(jī)制下，更多的乘客合乘出行，司機(jī)的平均收益也提升了16.7%。

表3 不同激勵(lì)機(jī)制比較Table 3 Comparison of different incentive mechanisms

4.2 激勵(lì)策略分析

本文設(shè)計(jì)了不同乘客和司機(jī)規(guī)模的算例對激勵(lì)策略的使用比例和激勵(lì)流向進(jìn)行分析。在不同算例下，乘客激勵(lì)策略、司機(jī)激勵(lì)策略、乘客和司機(jī)激勵(lì)策略的使用情況如圖5 所示。其中，800-400 表示算例包含800名司機(jī)和400名乘客，以此類推。

圖5 激勵(lì)策略在不同案例中的應(yīng)用Fig.5 Incentive strategies using in different cases

以400-800 算例為例，在乘客-司機(jī)均衡匹配中，司機(jī)激勵(lì)策略與乘客和司機(jī)激勵(lì)策略使用百分比分別為39%和51%。在該算例下，由于乘客數(shù)量較多，司機(jī)可以匹配到利潤高、繞行少的乘客。這意味著當(dāng)未匹配到運(yùn)力的乘客選擇他們更偏好的出行方案時(shí)，這類方案通常會(huì)給司機(jī)和合乘乘客帶來時(shí)間或費(fèi)用上的損失，因此，更多乘客根據(jù)司機(jī)激勵(lì)策略與乘客和司機(jī)激勵(lì)策略為司機(jī)提供激勵(lì)。如圖6所示，約74%的激勵(lì)流向了司機(jī)，26%的激勵(lì)在乘客間轉(zhuǎn)移以實(shí)現(xiàn)更多的合乘出行。

圖6 激勵(lì)流向比例和平均激勵(lì)比較Fig.6 Composition of incentive and average incentive

在800-400 和800-800 算例中，乘客激勵(lì)策略的使用占比最高。運(yùn)力充足時(shí)，乘客更偏好與行程相似的乘客合乘，同時(shí)司機(jī)也可以減少繞行。當(dāng)乘客選擇更優(yōu)選的方案時(shí)，大多數(shù)司機(jī)是受益的。然而，一些乘客可能會(huì)因?yàn)楹铣朔?wù)順序而增加時(shí)間成本。因此，乘客向合乘乘客提供激勵(lì)，以提高其參與合乘的意愿，超過60%以上的激勵(lì)流向了乘客。

各算例計(jì)算時(shí)間如表4所示，隨著算例規(guī)模的增加，計(jì)算時(shí)間不斷增加，除了800-800算例計(jì)算時(shí)間超過1 min外，其余算例計(jì)算時(shí)間均在1 min以內(nèi)。當(dāng)算例中司機(jī)和乘客總?cè)藬?shù)相同時(shí)，乘客數(shù)量占比高的算例計(jì)算時(shí)間高于司機(jī)數(shù)量占比高的算例。

表4 算法效率Table 4 Efficiency of algorithm

4.3 合乘車費(fèi)折扣影響

本文討論了合乘車費(fèi)折扣對激勵(lì)的影響，如圖7所示。較低的合乘車費(fèi)折扣系數(shù)能夠生成更多的出行方案，乘客間的競合關(guān)系將改變出行方案集合。在400-800算例中，由于需求大于供給，隨著合乘車費(fèi)折扣系數(shù)增加，流向司機(jī)的激勵(lì)比例提高且始終高于流向乘客的激勵(lì)比例。當(dāng)合乘車費(fèi)折扣系數(shù)較高時(shí)，合乘帶來的車費(fèi)減少可能小于因繞行產(chǎn)生的額外時(shí)間成本，部分乘客的合乘意愿降低，在需求大于供給時(shí)乘客更傾向于提供激勵(lì)給司機(jī)以獲得運(yùn)力，超過90%的激勵(lì)流向司機(jī)。

圖7 不同合乘折扣系數(shù)下的激勵(lì)流向比較Fig.7 Composition of incentive with different discount rates

在800-400 和800-800 算例中，流向司機(jī)的激勵(lì)變化情況比較相似。由于需求小于供給，大部分乘客可以匹配到運(yùn)力，當(dāng)合乘車費(fèi)折扣系數(shù)較低時(shí)，相比于單獨(dú)出行，部分乘客愿意激勵(lì)其他乘客合乘，因此流向乘客的激勵(lì)高于流向司機(jī)的激勵(lì)。當(dāng)合乘車費(fèi)折扣系數(shù)較高時(shí)，乘客更愿意單獨(dú)出行，為匹配更偏好的司機(jī)，流向司機(jī)的激勵(lì)高于流向乘客的激勵(lì)。

5 結(jié)論

本文研究了合乘模式下乘客和網(wǎng)約車的匹配均衡和價(jià)格均衡，乘客可以通過提供激勵(lì)給司機(jī)和其他乘客以獲得更高的剩余。根據(jù)均衡阻礙方案定義，設(shè)計(jì)了乘客激勵(lì)策略、司機(jī)激勵(lì)策略、乘客和司機(jī)激勵(lì)策略，并通過列生成算法求解。網(wǎng)約車平臺自動(dòng)匹配并生成包含激勵(lì)的總運(yùn)費(fèi)，保證沒有司機(jī)或乘客有動(dòng)機(jī)單方面改變匹配對象。得到的主要結(jié)論如下：

（1）與實(shí)際中的隨機(jī)調(diào)度費(fèi)機(jī)制相比，從供給側(cè)和需求側(cè)出發(fā)，同時(shí)激勵(lì)司機(jī)和乘客的自動(dòng)激勵(lì)機(jī)制在提高乘客匹配率的同時(shí)，也提高了乘客的剩余。在自動(dòng)激勵(lì)機(jī)制下，更多的乘客合乘出行，司機(jī)的平均收益也提升了16.7%，避免了乘客間的價(jià)格競爭和無效激勵(lì)。

（2）在不同的供需場景下，乘客的激勵(lì)策略和激勵(lì)流向不同。當(dāng)需求大于供給時(shí)，司機(jī)處于優(yōu)勢一方，更多乘客采取了司機(jī)激勵(lì)策略與乘客和司機(jī)激勵(lì)策略，因此，大部分激勵(lì)流向了司機(jī)。當(dāng)需求小于供給時(shí)，乘客處于優(yōu)勢一方，更多乘客采取了乘客激勵(lì)策略，因此，大部分激勵(lì)流向乘客。與需求小于供給相比，當(dāng)需求大于供給時(shí)，乘客和司機(jī)獲得的平均激勵(lì)額度更高。

（3）合乘折扣系數(shù)也是影響激勵(lì)流向的關(guān)鍵因素。當(dāng)乘客合乘不享受車費(fèi)折扣時(shí)，更多乘客偏好于單獨(dú)出行方案，超過90%的激勵(lì)流向司機(jī)。為了提高乘客的匹配率和司機(jī)的收益，網(wǎng)約車平臺應(yīng)同時(shí)實(shí)施合乘折扣策略和激勵(lì)策略，以促成更多合乘出行。