Uber: نظرة عامة على الخوارزميات إدارة النظام الأساسي

1. مقدمة

نشأت منصات نقل الركاب عبر الإنترنت ، مثل Uber و DiDi و Yandex ، مؤخرًا ، بينما وصلت بسرعة إلى أحجام مثيرة للإعجاب ، وعلى الرغم من صغر سنها ، فقد قامت بتعديل واستكمال نظام نقل المدينة. تعد التقنيات والنماذج النظرية التي تستخدمها هذه المنصات (أو المطورة لها) مجالًا للبحث النشط لمجموعة واسعة من المتخصصين في المجتمع العلمي: الاقتصاديون وعلماء الرياضيات والمبرمجون والمهندسون.

في هذه المقالة ، سنقدم نحن (كممثلين لفريق تحسين سوق Uber) نظرة موجزة من الداخل على الدوافع الرئيسية لإدارة فعالية المنصات عبر الإنترنت: الخوارزميات المسؤولة عن إرسال القرارات (المطابقة) ، والتسعير الديناميكي ، وكذلك تقديم أحد المفاهيم الجديدة - الوقت الديناميكي لتعيين السيارة (الانتظار الديناميكي). استنادًا إلى الخبرة العملية الفعلية ، سنبين أن الخوارزميات الثلاثة تلعب دورًا مهمًا في إنشاء نظام يتميز بالأداء العالي وأوقات انتظار منخفضة لأوامر المسافرين والسائقين.

سيكون الوصف المقدم للخوارزميات استكشافيًا بطبيعته وخاليًا عن قصد من العمق التقني والدقة. تتم دعوة قارئ مهتم لدراسة المقالة الأصلية ( التسعير الديناميكي والمطابقة في منصات ركوب الخيل - N. Korolko ، D.Woodard ، C.Yan ، H.Zhu - 2019) ، التي نشرها باحثون من Uber Marketplace ، بناءً على هذا الاستعراض التمهيدي الموجز وخلق.

2. وصف الخوارزميات الرئيسية

على مدار العقد الماضي ، شهدت صناعة حلول النقل نمواً سريعًا بفضل الأفكار والتقنيات المفاهيمية الجديدة ، مثل منصات نقل الركاب عبر الإنترنت ، وتطوير السيارات ذاتية القيادة والسيارات الكهربائية. يعد تآزر هذه التقنيات ، الذي تعمل فيه العديد من الشركات والمختبرات في الوقت نفسه ، طفرة هائلة في خفض تكلفة وحدة نقل الركاب ، بما لا يقل عن 10 مرات على مدى عقدين من الزمن.

يتضح في الوقت الحالي النمو الأكثر انفجارًا من هذه القائمة من التقنيات بواسطة منصات نقل الركاب عبر الإنترنت. على سبيل المثال ، أنتجت أوبر أكثر من 10 مليارات رحلة في أكثر من 80 دولة و 700 مدينة حول العالم على مدار 10 سنوات من وجودها [الشكل 1]. يعد السوق العالمي لمثل هذا النقل عبر الإنترنت بالوصول إلى حجم لا يصدق يبلغ 285 مليار دولار بحلول عام 2030. لذلك ، ليس من المستغرب أن تكون فعالية هذه المنصات التي تتحكم ديناميكيًا في السوق الثنائية للمسافرين والسائقين ذات أهمية عملية كبيرة.



تُظهر الدراسات التجريبية أن الخوارزميات الآلية لمعالجة البيانات وتوجيهها وتسعيرها وترتيبها تسمح للمنصات عبر الإنترنت بتحقيق استخدام أعلى لساعات عمل السائقين وأوقات انتظار أقصر للمسافرين مقارنة بخدمة التاكسي الكلاسيكية. علاوة على ذلك ، ترتبط هاتان الخاصيتان الرئيسيتان للنظام (الاستفادة من وقت السائق ووقت انتظار الركاب) ارتباطًا وثيقًا بموثوقية الخدمة واستقرارها: يمكن أن تؤدي الفاشيات المحلية المفاجئة للطلب (على سبيل المثال ، في نهاية حفلة موسيقية كبيرة أو عشية رأس السنة الجديدة) إلى تفاقم كلا القياسين بشكل كبير ، وبالتالي الاستفادة من خدمة غير جذابة لكلا الجانبين من السوق. ويرجع ذلك إلى حقيقة أن السائقين على الخط في منطقة الطلب المرتفع يحصلون بسرعة على جزء صغير من إجمالي عدد الطلبات ، ويتم تعيين السائقين من المناطق النائية للجزء المتبقي من الطلبات. يؤدي ذلك إلى زيادة وقت تسليم السيارة ، والذي لا يتم دفعه في الغالب للسائق (وبالتالي يقلل من أرباحه لكل وحدة زمنية) ، ويشكل في الوقت نفسه انطباعًا سلبيًا على الراكب. وبالتالي ، فإن كلا الطرفين الذين يستخدمون المنصة يبدأون في استخدامها بشكل أقل. لهذا السبب ، يبدأ كلا القياسين في التدهور أكثر ، مما يؤدي إلى الدوران الهبوطي لأداء المنصة في اتجاه الكفاءة الصفرية. في الأدب الإنكليزي ، تسمى هذه الظاهرة السلبية "مطاردة الأوز البري" (WGC) ، والتي تُعتبر الترجمة الحرفية "السعي وراء الأوز البري".

تقنيتان أساسيتان تهدفان إلى زيادة الاستقرار والإنتاجية للمنصة هما خوارزميات توزيع الطلبات والتسعير الديناميكي. تتحكم التقنية الأولى في قرارات الإرسال ، وتوازن الأسعار الديناميكية في الوقت الفعلي نسبة العرض والطلب شديدة التقلب لنقل الركاب. يعد التسعير الديناميكي أمرًا بالغ الأهمية للحفاظ على أداء النظام ، وتقليل وقت انتظار السيارة ، وزيادة عدد السائقين خلال فترات الطلب الكبير. علاوة على ذلك ، تظهر الدراسات التجريبية والنظرية أن التسعير الديناميكي يمكن أن يقلل من حجم التأثير الخطير المرضي لـ WGC.

2.1 خوارزميات لتوزيع الطلبات (المطابقة)

إن أبسط خوارزميات الإرسال لتعيين برنامج تشغيل للطلب هو بروتوكول الإرسال الأول. على الرغم من بساطته ومؤشرات الأداء العملي الجيدة ، فمن السهل إظهار أن هذه الخوارزمية غير فعالة في عدد كبير من الحالات التي تحدث كثيرًا. أولاً ، يقوم باختيار سائق فقط من مجموعة فرعية من السائقين الذين يتمتعون بالحرية في وقت الطلب ، متجاهلاً أولئك السائقين الذين قد يكونون على وشك الانتهاء من رحلة في المنطقة المجاورة مباشرة لطلب جديد [الشكل 4]. ثانياً ، تأخذ هذه الخوارزمية البسيطة في الاعتبار فقط المعلومات حول النظام في فترة زمنية محددة ، بينما في أغلب الأحيان يمكن تزويد النظام الأساسي بمعلومات دقيقة بما فيه الكفاية حول ما سيحدث مع تدفق الطلبات والتوزيع المكاني للسائقين في المستقبل القريب. في الأدبيات ، تسمى فئة من المهام المماثلة التي تقدم وصفات عملية حول كيفية استخدام هذه المعلومات لتحسين جودة الخوارزمية "مشكلة خادم K".



تعتمد عائلة أخرى من خوارزميات الإرسال على فكرة الجمع بين مجموعة من أوامر السفر خلال فترة زمنية قصيرة وحل مشكلة التحسين المجمعة للتخصيص المزدوج. بمعنى آخر ، بدلاً من تعيين سيارة على الفور وبشكل تسلسلي لكل طلب فردي ، يجمع النظام معلومات حول الطلبات الواردة ويوزع الطلبات المتراكمة بين السائقين على الخط مع بعض التردد. إذا تم ترك بعض الطلبات بدون برنامج تشغيل معين ، فستبقى في النظام وتشارك في مهمة توزيع الخطوة التالية. يمكن أن تشمل الوظيفة الموضوعية لمهمة التحسين التي يتعين حلها في كل خطوة مجموعة واسعة من المقاييس التي تحدد جودة مواعيد الإرسال التي تم إنشاؤها: وقت انتظار الراكب للسيارة والمسافة بين الطلب والسائق المعين واحتمال إلغاء الطلب بواسطة الراكب أو السائق ، إلخ.

في الممارسة العملية ، تبدو خوارزميات الإرسال أكثر تعقيدًا ، حيث يجب أن تأخذ في الاعتبار عددًا كبيرًا من ميزات المنتجات المختلفة التي يتم تقديمها في وقت واحد في واجهة التطبيق. على سبيل المثال ، يمكن أن تكون السيارات المسجلة على المنصة من فئات مختلفة من الراحة وبسعات مختلفة. بعض منتجات المنصات عبر الإنترنت تعني الاستخدام المتزامن لسيارة واحدة من قبل مسافرين مختلفين (UberPool، Lyft Line) ، إذا كانت طرقهم قريبة جدًا. علاوة على ذلك ، يجب أن تراعي قرارات الإرسال غالبًا تفضيلات السائقين لمناطق الخدمة وتوجيهات الطلبات التي يتلقونها. وبالتالي ، يتم تحديث مجموعة من مشاكل التحسين الناشئة والتي تهدف إلى زيادة كفاءة قرارات الإرسال ، والتي تحتاج أيضًا إلى حل في الوقت الفعلي ، باستمرار باستخدام صيغ جديدة متزايدة التعقيد.

2.2 خوارزميات التسعير الديناميكي

واحدة من الصعوبات التشغيلية الرئيسية في إدارة منصة نقل الركاب عبر الإنترنت هي حجم الطلب والعرض على خدمات سيارات الأجرة التي تتغير باستمرار في المكان والزمان. يوضح الشكل أدناه [الشكل 5] نسبة عدد طلبات السفر عبر الإنترنت من المسافرين إلى عدد الساعات التي يقضيها السائقون على الخط لمنطقتين في سان فرانسيسكو: المركز المالي ومنطقة النوم السكنية في ضواحي المدينة. يوضح هذا الرسم البياني جيدًا التقلب الشديد وعدم التوازن بين العرض والطلب (يمكن أن تأخذ النسبة في بعض الأحيان قيمًا عالية جدًا) ، بالإضافة إلى تنوع سلوك هذا التوازن اعتمادًا على الموقع الجغرافي.



من أجل التحكم في توازن العرض والطلب في المكان والزمان ، تستخدم المنصات عبر الإنترنت خوارزميات تسعير ديناميكية تزيد المعدل الأساسي في الوقت الفعلي إذا تجاوز عدد الطلبات الواردة من الركاب عددًا كبيرًا من برامج التشغيل المجانية. يتم دعم فوائد التسعير الديناميكي للحفاظ على أداء ثابت للمنصة من خلال عدد كبير من النماذج النظرية والتجارب والملاحظات التجريبية المرتبطة بأحمال النظام القياسية. يمكن أن تحدث مثل هذه الأحمال بسبب عدد كبير من الأسباب التي لا يمكن التنبؤ بها وليس الأسباب: الظروف الجوية السيئة ، والأحداث العامة ، ونظام النقل العام المعطل ، إلخ. في حالة التشغيل غير الصحيح لخوارزمية التسعير ، مع زيادة حادة في عدد طلبات المسافرين (أو مع انخفاض حاد في عدد السيارات المتاحة) ، يمكنك ملاحظة نسبة منخفضة للغاية من الركاب الذين تم تخصيص السيارة لهم نتيجة لذلك والوقت غير المرضي المرتفع لتقديمها. يتمثل الدور الرئيسي للتسعير الديناميكي لمنصة عبر الإنترنت في تمكين أي مستخدم في أي مكان وفي أي وقت من استدعاء سيارة أجرة. حتى لو كانت التعريفة المقترحة أعلى من المعتاد ، فسيكون ذلك خيارًا أفضل من إخبار مستخدم المنصة (الذي قد يحتاج إلى سيارة على وجه السرعة) بأنه لا توجد آلات متوفرة حاليًا.

تتضمن أساليب نمذجة التسعير الديناميكية الشائعة النماذج الاقتصادية التي تصف نماذج الحالة المستقرة ونماذج البرمجة الديناميكية وتحليل الانحدار ونماذج التحسين التي تصف تأثيرات الشبكة. أظهرت الدراسات الحديثة للاقتصاديين (كاستيلو ، 2017) أن زيادة التعريفة الديناميكية تتيح أيضًا للمنصة تجنب الوقوع في منطقة التأثير السلبي لـ WGC ، والتي تحدثنا عنها أعلاه.

التسعير الديناميكي له عيوب موضوعية. أولاً ، يمكن أن يختلف السعر النهائي للرحلة ، والتي يراها الركاب عند طلب سيارة أجرة ، اختلافًا كبيرًا بسبب تقلب العرض والطلب ، مما يزيد من عدم إمكانية التنبؤ بالأجرة على نفس المسار. من ناحية أخرى ، غالبًا ما يكون لدى سائقي المنصات عبر الإنترنت إمكانية الوصول إلى المعلومات الموجودة في التطبيق حول تلك المناطق من المدينة حيث يكون عامل الزيادة نشطًا. ومع ذلك ، نظرًا لارتفاع معدل تذبذب هذا المعامل ، في الوقت الذي ينتقل فيه السائق إلى منطقة الأسعار المرتفعة ، قد تعود الرسوم إلى قيم الأساس. علاوة على ذلك ، فإن زيادة التعريفة التلقائية بواسطة الخوارزمية يمكن أن تشجع السائقين على التعاون وخلق مصطنع في السوق المحلية حالة من نقص السيارات المتاحة للطلب ، وبالتالي تفعيل معاملات متزايدة للرحلات. بالطبع ، ليس من الصعب اكتشاف مثل هذا السلوك المنسق للسائقين للمنصات التي تعالج كمية كبيرة من بيانات الطلب وتتخذ الإجراءات الوقائية اللازمة ، ولكن بالنسبة للمسافرين ، قد تكون هذه التجربة ذات الأسعار المرتفعة مصطنعة غير مرضية.

2.3 وقت الانتظار الديناميكي للسيارة (الانتظار الديناميكي)

لتجنب المشاكل المرتبطة بالتسعير الديناميكي ، في الممارسة العملية ، يتم استخدام خوارزميات أخرى لموازنة العرض والطلب ، وكذلك لتجنب إدخال النظام في منطقة تأثير WGC. يتضمن ذلك فكرة تحديد الحد الأقصى للمسافة بين الطلب والسائق المعين (Maximum Dispatch Radius) ، بالإضافة إلى تشكيل قائمة انتظار لأوامر السفر (قائمة الانتظار) الواردة في النظام ، واستبدال الموعد الفوري للسائق لكل طلب.

المفهوم الأحدث الذي يهدف إلى استبدال أو استكمال الزيادة الديناميكية في الأسعار هو آلية التحكم الديناميكي في وقت الانتظار قبل تعيين سيارة (الانتظار الديناميكي). يتم استخدام متغير واحد من هذه الآلية في منتج Express Pool ، الذي أطلقته Uber مؤخرًا في بعض الأسواق الكبيرة. يتميز هذا النوع من نقل الركاب بأدنى التعريفات الممكنة ويشير إلى الاستخدام المتزامن لسيارة واحدة من قبل العديد من الركاب المستقلين للسفر على طول الطريق.

الفكرة العامة لآلية وقت الوجهة الديناميكية هي كما يلي. بالنسبة للراكب الذي يطلب رحلة ، لا يقوم التطبيق بتعيين سائق على الفور ، لكنه يعرض الانتظار ، ولكن لا يزيد عن فترة زمنية محددة محددة (الحدود العليا النموذجية هي دقيقتان أو 5 دقائق). علاوة على ذلك ، يمكن أن يحدث تعيين برنامج التشغيل في أي وقت مناسب للنظام الأساسي: من لحظة إلى الحد الأعلى المحدد. في هذه الحالة ، يتكون إجمالي وقت انتظار السيارة للركاب من جزأين (مستقلين تقريبًا): الوقت حتى يتم تعيين السائق والوقت من موعده إلى الوصول إلى مكان الطلب. يتم تعويض إزعاج انتظار المسافر بأجرة منخفضة.

على جانب المنصة ، يتم استخدام درجة إضافية من الحرية على مدار الوقت الذي يتم فيه تعيين السائقين للأوامر على النحو التالي. نظرًا لأن المنتج يتضمن مجموعة من الأوامر وتعيين سيارة واحدة للنقل المتزامن لعدة ركاب ، فإن الوقت الإضافي لجمع المعلومات يسمح لك بزيادة عدد الخيارات التوافقية وبالتالي توليد رحلات أكثر كفاءة. في هذه الحالة ، قد يكون مقياس الكفاءة هو ، على سبيل المثال ، قرب مسارات الركاب الذين يسقطون في سيارة واحدة. من الواضح ، بمجرد أن يجد النظام الأساسي مجموعة فعالة للغاية من السفر ، فإنه يقوم فورًا بتحديد موعد السائق الضروري وإخطار جميع المشاركين فيه. إذا لم يتم العثور على تركيبة ناجحة وملائمة ، فإن المنصة ترسل سائقًا فرديًا لكل من الركاب الذين قاموا بالطلب.

تعمل الآلية الموضحة في المقام الأول على تحسين قرارات الإرسال والوقت الذي يتم فيه اتخاذ هذه القرارات ، ويمكن استخدامها في وقت واحد مع تحسين الأسعار الديناميكي. يوضح النموذج النظري الذي تم تطويره وتحليله في النسخة الأصلية من المقال الرئيسي أن التحسين المتزامن للأسعار والوقت له عدد كبير من المزايا: يمكن أن يقلل تقلبات التعريفة الجمركية ، ويقلل من مخاطر تأثير WGC ، ويزيد أيضًا إجمالي عدد الرحلات الناتجة عن النظام الأساسي لكل وحدة زمنية. علاوة على ذلك ، فإن خيارات النقل هذه أكثر اقتصادا للسائقين (الذين يتلقون في وقت واحد العديد من الركاب الذين يدفعون مقابل الرحلة) ، وللركاب (الذين يحصلون على خصم في مقابل المرونة مع وقت الانتظار).

3. الخاتمة

في هذه المقالة ، وصفنا بإيجاز مهام إدارة التحسين الرئيسية التي تحل منصات نقل الركاب عبر الإنترنت لضمان التشغيل المستقر وزيادة كفاءتها. تتضمن هذه المهام إنشاء خوارزميات الإرسال وخوارزميات التسعير الديناميكية وتحديد أوقات مواعيد السائق ديناميكيًا. تتيح الإدارة المتزامنة لهذه الرافعات تحقيق معدلات عالية من الاستفادة من وقت السائقين ووقت انتظار السيارة المنخفض وعدد الرحلات التي يتم إنشاؤها بواسطة النظام الأساسي لكل وحدة زمنية. يتم تحديث فئة هذه المهام باستمرار بأمثلة جديدة واقعية بشكل متزايد ، مما يفتح آفاقًا واسعة للبحث النظري والعملي.

يمكن الاطلاع على جميع الإشارات إلى المصادر المذكورة في المقالة الأصلية ( التسعير والمطابقة الديناميكية في منصات ركوب الخيل - N. Korolko ، D. Woodard، C. Yan، H. Zhu - 2019).