【论文】When Recommender Systems Meet Fleet Management: Practical Study in Online Driver Repositioning

滴滴司机调度

《When Recommender Systems Meet Fleet Management: Practical Study in Online Driver Repositioning System》

背景

解决供需错配，为空闲司机个性化推荐接单点。
目标：优化司机体验，同时提高平台效率
挑战：

1. 司机体验满意度：失败的调度会增加司机对平台的质疑，降低信任度。 -> 要确保能接到单
2. 获取丰富的实时供需信息，以上帝视角协调多司机协作

总结

1. 定义司机调度问题，提供工业界解法
2. 设计“调度任务”
3. 建模，解最优化问题
4. 收益：司机收入+2%

调度任务

1. 向空闲司机提供一个建议的指定地点with更高可能性接到单，并同时提供导航和eta
2. 定义是否调度成功：
   去了相反方向 -> 0
   向目的地走，并在途中接到单 -> 1
   向目的地走，到达后xmin内接到单 -> 1
   向目的地走，到达后xmin内未接到单 -> 0
3. 失败补偿，建立司机和平台的信任

建模

召回 rep=<d,g,f,r>

1. 司机召回（D*）：等待时长>x
2. 目的地召回（G*）：distance < a && eta< b。 临近位置（如.附近三圈13层格子）/ 路网结构容易到达的 （如. 有高速）/ 全城热点
3. 失败率控制（F）：使用调度失败概率模型进行过滤，模型刻画司机在当前供需场景下对调度路线的接受程度，类似接