共享經(jīng)濟預(yù)約模式下資源分配的拍賣機制設(shè)計*

張 靜，張驥先，李偉東，劉旭東，張學(xué)杰+

1.云南大學(xué) 信息學(xué)院，昆明 650500

2.云南大學(xué) 數(shù)學(xué)與統(tǒng)計學(xué)院，昆明 650500

1 引言

共享經(jīng)濟通過互聯(lián)網(wǎng)平臺將閑置的資源共享給他人，并從中獲取一定的金錢回報；對于用戶而言，無需購買資源，按需付費租賃即可，是一種新型的經(jīng)濟模式[1-2]。共享經(jīng)濟給人們生活方式帶來巨大改變，目前已遍及交通、住宿、餐飲、教育、醫(yī)療等領(lǐng)域。其運營模式主要分為預(yù)約模式和實時模式。預(yù)約模式中，用戶事先提出資源需求，待搜集所有用戶需求后，由提供商進(jìn)行資源的租賃分配，用戶可在預(yù)約時間準(zhǔn)時得到服務(wù)，如神州專車的預(yù)約用車服務(wù)。實時模式下用戶實時提交需求，系統(tǒng)立即從當(dāng)前空閑資源中選取最合適的分給用戶，如滴滴打車。本文主要研究的是共享經(jīng)濟預(yù)約模式下的資源分配與用戶定價問題。

在共享經(jīng)濟預(yù)約模式中，如何將資源分時租賃給用戶使得提供商的收益最大化，是主要研究的問題。但目前的預(yù)約模式中，都是采用固定價格及先預(yù)約先服務(wù)的方式來分配資源，這種方式簡潔高效，但隨著市場的擴大，存在以下弊端。（1）固定的價格導(dǎo)致提供商收益低下。資源按使用時長收費，雖然會在高峰期調(diào)整倍數(shù)，但仍沒考慮市場實時供需情況，造成資源緊缺時不能提高價格，空閑時沒能降價使得資源閑置，收益較低。（2）資源分配不均導(dǎo)致資源利用率低。當(dāng)用戶申請類型與閑置資源類型不符時，導(dǎo)致某些型號資源供不應(yīng)求，其余卻大量閑置。（3）分配產(chǎn)生的碎片時間造成了資源浪費。先預(yù)約先服務(wù)的方式下，由于用戶的使用時間不確定性，產(chǎn)生很多碎片化時間浪費了資源。

拍賣機制是指通過相應(yīng)的規(guī)則和買者競價來進(jìn)行資源配置的一種市場機制[3]。將拍賣與共享經(jīng)濟預(yù)約服務(wù)相結(jié)合，通過競價方式對資源進(jìn)行全局規(guī)劃，能實現(xiàn)資源的合理配置；另一方面，拍賣根據(jù)相應(yīng)的規(guī)則和市場供需情況動態(tài)決定用戶支付價格，保證公平性的同時吸引更多的用戶參加。

綜上，將拍賣應(yīng)用于共享經(jīng)濟預(yù)約模式中，可以解決當(dāng)前市場分配方式存在的不足?；诖?，本文提出一種公平可信的拍賣機制，用于解決共享經(jīng)濟預(yù)約模式中資源的分配及用戶支付定價問題。該機制適用于按時收費的共享資源在預(yù)約模式下做分配，如共享停車位、共享住宿等；也適用于其他按時收費的資源，如云資源分配、醫(yī)療診治預(yù)約等。但共享經(jīng)濟市場中還有一些移動的共享資源，其收費與取還點相關(guān)，如共享充電寶，這種復(fù)雜的情況不在本文考慮范圍內(nèi)。本文貢獻(xiàn)如下：

（1）共享經(jīng)濟預(yù)約模式的拍賣機制設(shè)計：基于共享經(jīng)濟預(yù)約模式的特征，抽取出資源表示元數(shù)據(jù)，構(gòu)建限制條件下以收益最大化為目標(biāo)的整數(shù)規(guī)劃模型，同時在機制可信（strategy-proof）的基礎(chǔ)上，設(shè)計相應(yīng)的資源分配算法及價格支付算法。

（2）資源分配算法設(shè)計：針對共享資源按時間段租賃的特性，設(shè)計最優(yōu)資源分配算法；但最優(yōu)資源分配算法具有較高的計算復(fù)雜度，因此結(jié)合關(guān)鍵路徑思想，設(shè)計單調(diào)的啟發(fā)式資源分配算法，能夠在接近最優(yōu)解的前提下，提高計算效率。

（3）支付價格算法設(shè)計：最優(yōu)機制中，設(shè)計基于VCG（Vickrey-Clark-Groves）理論的最優(yōu)用戶定價算法；該算法同樣存在計算效率問題，近似機制中提出基于二分法的價格支付求解算法，能夠保證在機制可信的必要條件下，提高計算效率。

（4）對提出的拍賣機制進(jìn)行了嚴(yán)格的理論證明，證明提出的最優(yōu)和近似機制都是可信的。

本文組織結(jié)構(gòu)如下：第2章介紹相關(guān)工作；第3章對共享經(jīng)濟預(yù)約模式問題建模；第4章提出最優(yōu)機制，包括資源的最優(yōu)分配算法及基于VCG的支付算法；第5章提出啟發(fā)式機制，用關(guān)鍵路徑思想求資源分配，以及二分法求支付價格；第6章設(shè)計實驗來對比分析各算法；第7章總結(jié)全文并提出未來研究方向。

2 相關(guān)工作

目前，拍賣機制和共享經(jīng)濟相關(guān)問題都已被廣泛研究，但將拍賣與共享經(jīng)濟結(jié)合起來的研究還較少，相關(guān)工作主要分為以下三方面。

第一，共享經(jīng)濟。目前對共享經(jīng)濟的研究較少，大多從經(jīng)濟學(xué)理論分析其商業(yè)模式及本質(zhì)等；另一部分是針對共享經(jīng)濟最重要的領(lǐng)域網(wǎng)約車的研究，包括乘客預(yù)測、訂單匹配、車輛實時調(diào)度等，并沒有涉及預(yù)約模式下資源配置問題。文獻(xiàn)[4]利用乘客運動模式及車輛GPS軌跡等來進(jìn)行乘客預(yù)測；文獻(xiàn)[5]對用戶歷史數(shù)據(jù)建立貝葉斯框架，來預(yù)測用戶目的地分布，解決出租車與訂單更有效匹配的問題；文獻(xiàn)[6]開發(fā)基于PCA-WNN（principal components analysis wavelet neural network）的適應(yīng)性機制進(jìn)行出租車實時調(diào)度，但不適用于預(yù)約模式。

云資源也是一種動態(tài)共享的資源，云提供商已引入拍賣機制用于對云資源進(jìn)行分配[7-8]；張林等人提出了一個在真實頻譜利用率及社會福利間取得權(quán)衡的可信拍賣機制，用于對頻譜資源拍賣[9]。根據(jù)拍賣在其他領(lǐng)域的應(yīng)用，嘗試將拍賣與共享經(jīng)濟結(jié)合，通過拍賣提高資源利用率，增加收益。

第二，資源分配。資源分配是實現(xiàn)拍賣機制的必要條件[10]。文獻(xiàn)[11]提出了PTAS（polynomial time approximation scheme）強近似機制，用于解決多資源的自主VM（virtual machine）配置問題。文獻(xiàn)[12]將Saas提供問題模擬為Stackelberg博弈，轉(zhuǎn)化為求解優(yōu)化問題來求得分配策略。文獻(xiàn)[13]為基于拍賣的動態(tài)VM配置問題設(shè)計了真實的最優(yōu)和近似機制。有的工作以綠色云計算為出發(fā)點，盡量最小化能源消耗[14]。文獻(xiàn)[15]的頻譜分配將空間上無沖突的用戶分組，對分組團體出價排序并分配資源。用戶分組給予本文啟發(fā)，與文獻(xiàn)[15]不同的是，本文按照資源成本降序并對用戶分組。文獻(xiàn)[16]提出真實的雙向頻譜拍賣機制，提高頻譜利用率。以往拍賣機制的目標(biāo)大都為社會福利最大化，本文的研究中不同型號資源成本不同，目標(biāo)為最大化供應(yīng)商利潤。

第三，支付價格。分配完成后，需要合適的價格支付算法保證機制可信。廣義第二價格（generalized second pricing，GSP）思想簡單，被廣泛用于廣告關(guān)鍵字拍賣[17]，但GSP不可信，買方會謊報出價來獲益。部分研究中基于VCG理論求支付價格[13-14]，本文將VCG用于最優(yōu)分配中保證可信。Mashayekhy等人提出的近似機制中用二分法求支付，能無限逼近最低獲得分配的價格[11]。普通二分法判定條件為用戶能否以新價格獲得分配，但共享經(jīng)濟中新價格可能讓用戶分得低成本資源，不夠支付已租到的高成本資源，需對二分法進(jìn)行改進(jìn)。

以往的研究已經(jīng)在共享經(jīng)濟、拍賣機制、資源分配、支付價格方面取得了顯著的成果，其拍賣應(yīng)用中用戶申請資源只會有分配和不分配兩種結(jié)果，目標(biāo)為社會福利最大化；但在共享經(jīng)濟中，用戶有多種型號可選擇，滿足成本價的情況下可以選擇高、中、低成本資源，對應(yīng)的目標(biāo)也需改為利潤最大化；而支付算法需保證用戶的支付價格大于所租資源型號的成本價。因此共享經(jīng)濟中資源的分配及用戶定價問題與以往的拍賣應(yīng)用大為不同，本文旨在設(shè)計針對共享資源的拍賣機制。

3 問題描述及模型定義

在共享經(jīng)濟的預(yù)約模式中，供應(yīng)商有多種型號的資源，并對應(yīng)不同的成本價；用戶提交預(yù)約信息，包括使用時間段及競價，型號則由系統(tǒng)根據(jù)該時段競爭情況及用戶競價決定，以最大化資源利用率。供應(yīng)商收集所有用戶的預(yù)約信息后，做出最合理的租賃分配方案以獲取最大收益。通過分析共享經(jīng)濟預(yù)約模式的特征，對資源及用戶預(yù)約信息作簡一化處理，得到資源表示元數(shù)據(jù)，并根據(jù)共享經(jīng)濟預(yù)約模式需滿足的約束條件，抽象出整數(shù)規(guī)劃模型。

資源信息定義：假設(shè)供應(yīng)商有m個資源，資源集合為C={1,2,…,m}，對于每一個資源i∈C，對應(yīng)一個單位時間使用成本價格ei，資源按照成本ei降序排序。目前供應(yīng)商的資源一般有多種型號（如高、中、低檔次的汽車），每種型號有多個資源，每種型號的單價也不同。

用戶預(yù)約信息定義：假設(shè)有n個用戶的預(yù)約請求，用戶按照開始使用時間升序排序，用戶集合為U={1,2,…,n}，對于每個用戶j∈U，用戶的預(yù)約信息為qj=(sj,dj,bj)。其中sj為開始使用時間，dj為結(jié)束使用時間，bj為競價。

整數(shù)規(guī)劃模型：資源按照時間段租賃給各用戶，分配方案用矩陣X[m][n]表示，其中任意一個元素xij表示的是第i個資源租給第j個用戶的狀態(tài)。當(dāng)xij=1時，表示i資源分配給第j個用戶，使用時間段(sj,dj)。當(dāng)xij=0時，表示i資源不分給j用戶。本文所有矩陣的下標(biāo)從1開始編號。

目標(biāo)函數(shù)：

約束函數(shù)：

以往研究中目標(biāo)函數(shù)都是社會福利最大化，即勝出拍賣用戶競價之和最大。但在共享經(jīng)濟預(yù)約模式中，用戶可選擇滿足成本的多種型號的資源，但不同型號下競價是相同的，社會福利最大無法保證給用戶分配到最合適的資源，且易選擇使用時間長但利潤少的用戶。因此目標(biāo)函數(shù)改為利潤最大化，才能保證供應(yīng)商獲得最大的收益。最優(yōu)租賃方案就在滿足上述3個約束條件下，使得目標(biāo)函數(shù)最大的分配矩陣X。各約束條件的含義如下：

約束條件（1a）：對于每個用戶j，最多只會租到一個資源。約束條件（1b）：j用戶的競價必須大于i資源為其服務(wù)的成本，j才有可能租到i資源。約束條件（1c）：在求資源i的租賃分配時，對于任意用戶對(j,k)，若j用戶和k用戶的使用時間段有交集，i最多只能租給一個用戶，即xij+xik≤1。

定義1（可信Truthfulness）一個可信的機制必須滿足：

即當(dāng)誠實報價是所有用戶的占優(yōu)策略時，該機制可信[11]。

注：為了區(qū)別策略符號∧，標(biāo)記j用戶采取策略為∧1，其他用戶集采取策略集合為∧2。

定義2（單調(diào)性monotonicity）當(dāng)用戶j∈U在提交競價bj的情況下參與拍賣，租賃到i資源，若用戶j提高競價為bj′＞bj，則用戶j能租賃到與i同成本或者更高成本的資源，則稱該資源分配是單調(diào)的[11,13]。

定義3（臨界值critical value）用戶j∈U在提交競價bj的情況下租到i資源，對于用戶j存在一個臨界值cvj，當(dāng)用戶改變競價為bj″，若bj″＞cvj時，用戶j才有可能租賃到與i同成本或更高成本的資源，反之一定不滿足[11,13]。

引理1一個拍賣機制M={A,P}，當(dāng)其分配算法A求出的是最優(yōu)解，支付算法P使用VCG計算，則機制M被證明是可信的[19]。

引理2一個拍賣機制M={A,P}，當(dāng)其分配算法A滿足單調(diào)性，支付算法P是基于臨界值求解的，則機制M是可信的[18,20]。

4 資源分配和用戶定價最優(yōu)機制

一個拍賣機制，包含資源分配算法完成對資源的優(yōu)化配置，還要有支付算法計算拍賣勝出用戶需要支付的價格。資源分配和用戶定價最優(yōu)拍賣機制包含以下兩部分：

（1）最優(yōu)資源分配算法：得到資源的最優(yōu)分時租賃分配方案，使得供應(yīng)商獲得最大的利益。

（2）最優(yōu)用戶定價算法：在最優(yōu)租賃分配方案下，計算每個租到資源的用戶需支付的合理價格，以保證機制可信。

4.1 最優(yōu)資源分配算法

最優(yōu)資源分配算法，就是要求出資源的最優(yōu)分時租賃分配方案，該方案下資源最大化利用，供應(yīng)商利益最大化。根據(jù)整數(shù)規(guī)劃模型，用CPLEX求解器編程建立各個約束條件及目標(biāo)函數(shù)。求出資源的最優(yōu)租賃分配方案，得到拍賣勝出的用戶，以及給各用戶分配的資源，將各資源按時間段租賃給用戶，得到供應(yīng)商的最大收益。

4.2 最優(yōu)用戶定價算法

在求得資源的最優(yōu)租賃分配方案的前提下，每個租到資源的用戶需支付給供應(yīng)商相應(yīng)的費用。VCG理論下，用戶的支付價格與自己出價無關(guān)，而是由市場決定，激勵用戶真實報價，保證機制可信。VCG對應(yīng)的目標(biāo)函數(shù)是社會福利最大化，即勝利用戶競價之和最大化；但在共享經(jīng)濟資源配置中，不同型號資源的成本不同，競價最大不能保證利潤最大，因此目標(biāo)為供應(yīng)商利潤最大化。而相應(yīng)的價格算法也需對VCG基礎(chǔ)算法進(jìn)行改進(jìn)。

沒有勝出拍賣的用戶支付價格為0，勝出的用戶j需要支付的價格為pj，假設(shè)j用戶租到i資源，又設(shè)用戶j應(yīng)該付給供應(yīng)商的利潤為fj，則：

式（2）表示用戶j給供應(yīng)商支付的價格pj為兩部分相加，fj是j給供應(yīng)商的支付利潤，ei(dj-sj)是i資源為j提供服務(wù)的成本。

基于VCG理論求解支付價格，用戶需要支付的費用為他參與拍賣給別的用戶帶來的損失之和，即用戶不參與時的社會福利，減去用戶參與時的福利剔除用戶競價[21]。但最優(yōu)分配中，目標(biāo)函數(shù)為供應(yīng)商最大化的利潤和，對等的，在求解用戶j的支付利潤fj時應(yīng)用VCG算法。用戶j的預(yù)約申請為qj，所有用戶的預(yù)約請求集合為Q，除去j剩余用戶的請求集為Q-j。對所有用戶調(diào)用最優(yōu)分配算法為A(Q)，對除去j的用戶集調(diào)用最優(yōu)分配算法為A(Q-j)。即支付利潤fj計算公式如下：

式（3）嚴(yán)格按照VCG理論計算，每個勝出的用戶需要支付的利潤值fj為他參與拍賣給別的用戶帶來的利潤損失之和。即fj為兩部分相減，YA(Q-j)為j用戶不參與拍賣下供應(yīng)商的利潤和；(YA(Q)-(bj-ei(dj-sj)))為用戶j參與拍賣時供應(yīng)商的利潤和YA(Q)減去j用戶租賃i資源所貢獻(xiàn)的利潤(bj-ei(dj-sj))。

將式（3）帶入式（2）得：

化簡式（4）得到：

即pj為兩部分相減，YA(Q-j)是j不參與拍賣下的利潤和，(YA(Q)-bj)是j參與拍賣下的利潤和剔除j的競價bj。

定理1最優(yōu)拍賣機制是可信的。

證明最優(yōu)拍賣機制的最優(yōu)分配算法中，按照整數(shù)規(guī)劃模型用CPLEX編程求解，遍歷了所有分配方案的可能性，找出其中讓利潤最大的方案，即得到資源分配的最優(yōu)解；最優(yōu)用戶定價算法是基于VCG計算的。基于引理1，求出最優(yōu)資源分配方案，并基于VCG理論計算支付價格的拍賣機制是可信的[19]。因此最優(yōu)拍賣機制是可信的。

5 資源分配和用戶定價近似機制RAUPAM

雖然最優(yōu)機制能求得最優(yōu)的租賃分配方案，使得供應(yīng)商的利益最大，但其時間復(fù)雜度很高，當(dāng)用戶數(shù)目增多時，求解時間呈指數(shù)級別增長。因此提出了一種共享經(jīng)濟預(yù)約模式下資源分配和用戶定價的近似機制RAUPAM（resources allocation and user payment approximation mechanism）。

近似機制包括以下兩部分：

（1）資源分配近似算法RAAM（resources allocation approximation mechanism）：根據(jù)共享資源分時租賃的數(shù)學(xué)模型，在滿足各個約束條件下，設(shè)計單調(diào)的啟發(fā)式資源分配算法，能夠在接近最優(yōu)解的前提下，提高計算效率。

（2）用戶定價近似算法UPAM（user payment approximation mechanism）：在求得近似的租賃分配方案后，在保證機制可信的前提下，計算出每個租到資源的用戶需要支付的價格。

5.1 資源分配近似算法RAAM

啟發(fā)式的資源分配近似算法RAAM將資源分時租賃問題轉(zhuǎn)化為資源的時間分配圖，將每個資源可租賃的用戶按照時間先后鏈接在圖上，復(fù)雜的資源調(diào)度問題轉(zhuǎn)化為圖問題，進(jìn)而用關(guān)鍵路徑思想得到資源最大近似分配。設(shè)計算法并滿足模型中的三個約束條件：用戶只能租到一個資源、租賃需滿足成本價、有時間交集的用戶不能同時租到同一資源。RAAM的偽代碼如算法1所示。

算法1RAAM求解資源分配方案

輸入：資源總數(shù)m，各資源的單位時間成本ei；用戶總數(shù)n，所有用戶的預(yù)約集Q，其中qj=(sj,dj,bj)。

輸出：資源租賃分配矩陣X[m][n]，供應(yīng)商收益Y。

預(yù)處理：

1.ei降序排序，給對應(yīng)資源編號，得到資源集合C={1,2,…,m}，成本集合E={e1,e2,…,em}。

2.Q按照qj中的sj升序排序，得到用戶集U={1,2,…,n}與預(yù)約信息集Q={q1,q2,…,qn}。

3.X[m][n]初始化所有元素為0，供應(yīng)商利益Y=0。

4.系統(tǒng)用戶集初始U={1,2,…,n}，當(dāng)前資源用戶集U′。

程序：

1.for eachi∈Cdo

2.U′=U

3.for eachp∈U′do

4.Ifei(dp-sp)≥bpthen

5.U′p/*剔除競價≤成本的用戶*/

6.end if

7.end for

8.R[n+2][n+2]={0}/*初始化所有元素賦0*/

9.for eachj∈U′do

10.R[0][j]=bj-(dj-sj)ei

11.end for

12.for eachj∈U′do

13.for eachk＞jandk∈U′do

14.ifdj≤skthen /*j和k無時間交集*/

15.R[j][k]=bk-(dk-sk)ei=R[0][k]

16.end if

17.end for

18.end for

19.R[n+2][n+2]調(diào)用關(guān)鍵路徑算法，求得0到(n+1)的關(guān)鍵路徑長度賦值給yi

20.Y=Y+yi

21.for each 關(guān)鍵路徑除0和(n+1)外涉及的節(jié)點jdo

22.xij=1

23.U j/*從系統(tǒng)可用用戶中刪除j*/

24.end for

25.end for

26.returnY,X[m][n]

RAAM算法將資源按成本降序排序，優(yōu)先分配成本高的資源，其淘汰的用戶還能繼續(xù)租到低成本資源，最大化資源利用率；且給用戶優(yōu)先分配高成本型號，提高了用戶滿意度。U存放系統(tǒng)當(dāng)前可用用戶，更新篩選掉已租到資源的用戶，滿足一個用戶只能租到一個資源。按順序取一個資源i作為當(dāng)前資源，其用戶集U′=U，并刪除競價低于成本的用戶，U′存放當(dāng)前資源的可用用戶，滿足競價高于成本才能租賃。資源i對U′調(diào)用構(gòu)建路徑-關(guān)鍵路徑算法，求出i的租賃方案及收益。

構(gòu)建資源i的關(guān)鍵路徑時，根據(jù)其單價及可用用戶的預(yù)約信息，構(gòu)建矩陣R[n+2][n+2]，R中0代表源節(jié)點，(n+1)代表終節(jié)點，其余n個節(jié)點為n個用戶。源節(jié)點0到U′中各用戶節(jié)點j的路徑等于資源i為j服務(wù)的利潤；j到終節(jié)點的路徑為0。因為U′中用戶按照開始使用時間排序，對于U′中所有用戶對(j,k)，當(dāng)j的結(jié)束時間早于k的開始時間，j到k有路徑相連，長度為i租給k獲得的利潤，滿足沒有時間交集的用戶才有可能租到同一個資源的約束條件。通過上面步驟，將資源i能服務(wù)的用戶按時間先后聯(lián)通在一個圖上。對R調(diào)用關(guān)鍵路徑算法，求得0到(n+1)節(jié)點的關(guān)鍵路徑長度，即i租給U′中用戶所能獲得的最大利益，所有資源的利益相加就是供應(yīng)商獲得的總利益。i的關(guān)鍵路徑中除0和(n+1)外涉及的節(jié)點j，成功租到資源i，在分配矩陣中標(biāo)注xij=1，并從U中刪除，將不會租到別的資源。

完成i資源的構(gòu)建路徑-關(guān)鍵路徑算法后，取下一個成本較低的資源繼續(xù)前面的步驟。直到所有資源分配完后，得到供應(yīng)商的資源分配方案X[m][n]及獲得的總利潤Y。

定理2RAAM求的分配方案是滿足式（1）的一個可行解。

證明在RAAM分配算法中，對資源按照單價高低逐次分配，代碼21～24行將當(dāng)前資源服務(wù)用戶從全局可用用戶里刪除，保證每個用戶最多只會租到一個資源，滿足約束條件（1a）。代碼3～7行對資源的可用用戶集篩選掉競價不高于成本價的用戶，滿足式（1b）。由于用戶按照開始使用時間排序，代碼12～18行確保當(dāng)資源的兩個可用用戶使用時間沒有交集時，兩用戶之間才有路徑相連，當(dāng)有交集則沒有路徑，確保一個資源一定不可能同時租給兩個有時間交集的用戶，滿足式（1c）。求解每個資源的分配方案時，在其可用用戶集合中基于關(guān)鍵路徑思想求解，最大化資源的利潤，滿足目標(biāo)函數(shù)最大化。因此，RAAM求的分配方案是滿足式（1）的一個可行解。

5.2 用戶定價近似算法UPAM

RAAM求得資源分配方案后，每個租到資源的用戶需給供應(yīng)商支付相應(yīng)的費用。最優(yōu)機制中采用基于VCG的價格支付算法，該算法時間復(fù)雜度高，且需對應(yīng)最優(yōu)分配算法使用才能保證機制可信。用戶定價近似算法UPAM采用二分法計算支付價格，其基于臨界值的思想，能無限逼近最低獲得分配的價格[22]，吸引更多的用戶參與拍賣，也提高了計算效率[23]。但是基礎(chǔ)二分法對于共享資源并不適用，其求解思想是，只要能分配到資源則更新降低競價[24]，但無限降價可能導(dǎo)致用戶租到了低成本的資源，不夠支付原本租的高成本資源，需對基礎(chǔ)二分法進(jìn)行改進(jìn)。設(shè)用戶j付給供應(yīng)商的價格為pj，UPAM的偽代碼如算法2所示。

算法2UPAM求解用戶需要支付的價格

輸入：資源分配矩陣X，用戶集U，預(yù)約信息集Q。

輸出：各個用戶支付價格集P={p1,p2,…,pn}。

程序：

1.for eachj∈Udo

2.pj=0,cp=0

3.for eachi∈Cdo

4.Ifxij=1then /*如果j租到了資源i*/

5.cp=ei,break/*記錄j租到的資源的成本*/

6.end if

7.end for

8.Ifcp≠0then

9.h=bj,l=0 /*初始支付價格最大值h=bj，支付價格最小值l=0*/

10.while|h-l|＞εthen

11.bj=(h+l)/2

12.ifj以bj參與RAAM分配，能分配給成本單價≥cp的資源then

13.h=bj

14.elsel=bj

15.end if

16.end while

17.pj=h

18.end if

19.end for

20.returnP

UPAM算法記錄每個用戶所租資源的成本cp，不斷更新競價，判斷新價格能否給用戶分到不低于cp成本的資源。成功則降低最高競價，否則升高最低競價。不斷重復(fù)該步驟，最高和最低競價不斷逼近，最終得到用戶需要支付的臨界價格。

5.3 RAUPAM機制可信證明

定理3RAAM分配算法滿足單調(diào)性。

證明RAAM分配結(jié)束后，任意一個租到資源的用戶j，記其分配資源為i，成本單價為ei。當(dāng)用戶提高自己的報價為bj′＞bj時，其他用戶請求不變，再次執(zhí)行RAAM分配。資源按照單價降序排序，優(yōu)先分配高成本資源，可能會出現(xiàn)以下兩種情況：（1）用戶j租到編號為i′∈{1,2,…,i-1}中的一個資源；（2）當(dāng)（1）情況不滿足時，用戶j必然會租到i資源。

（1）求解i′資源分配方案時，其中i′∈{1,2,…,i-1}，當(dāng)新的bj′＞bj時，若bj′大于i′的運行成本，j成為i′可用用戶，調(diào)用關(guān)鍵路徑算法后，j有可能租到i′資源；或者j本來就是i′的可用用戶，之前的關(guān)鍵路徑?jīng)]采用j，當(dāng)提高競價后，j有可能成為i′的關(guān)鍵路徑上節(jié)點。當(dāng)j租到i′資源時，用戶分配到的是比之前單價成本更高或者同成本的資源型號。

（2）（1）中的情況可能出現(xiàn)，當(dāng)（1）情況沒發(fā)生時，在i資源分配求解中，關(guān)于j用戶的路徑都會增加，i的之前包含j的關(guān)鍵路徑也會增加，則j用戶必然會被選作關(guān)鍵路徑上的節(jié)點，租到i資源。

因此，當(dāng)用戶j提高競價bj′＞bj后，用戶能分配到更高成本的資源，或者至少是同成本的資源，滿足單調(diào)性。

定理4UPAM是基于臨界值求支付價格的。

證明根據(jù)UPAM算法可知，代碼1～7行對每個租到資源的用戶j，記分配的資源成本單價為cp。初始其支付價格最大值h=bj，最小值l=0。代碼10～16行表示，當(dāng)|h-l|大于設(shè)定的閾值ε時，更新bj=(h+l)/2，用戶j以新的bj參與RAAM分配，若j能租到成本單價≥cp的資源，則降低支付價格最大值h=bj，否則升高最小值l=bj。重復(fù)上述步驟，直到不滿足|h-l|＞ε時，h與l不斷逼近。最終求得用戶能分到單價為cp資源的保底價格h，作為用戶的支付價格pj。算法保證當(dāng)競價bj″＞pj=h時，用戶一定能分到成本單價≥cp的資源；當(dāng)用戶競價bj″＜l時，用戶一定不能分到成本單價不低于cp的資源，滿足臨界值的定義3。

定理5RAUPAM機制是可信的。

證明根據(jù)引理2，一個拍賣機制，若資源分配算法滿足單調(diào)性，且支付算法是基于臨界值的，該機制可信。在RAUPAM拍賣機制中，由定理3可知RAAM分配算法滿足單調(diào)性，由定理4可知UPAM基于臨界值求支付價格，因此RAUPAM是可信的拍賣機制。

5.4 示例

交通出行是共享經(jīng)濟應(yīng)用最突出的領(lǐng)域，本文以神州專車的預(yù)約用車為例，通過RAAM算法給各用戶分派合適的車輛，通過UPAM計算出用戶需要支付的費用。

設(shè)有兩輛車，按單位時間成本降序排序，得到車輛集合為C={1,2}，成本集合E={10,8}。按照開始用車時間對用戶排序，表1為用戶預(yù)約信息。

Table1 User's reservation information table表1 用戶預(yù)約信息表

（1）RAAM求車輛分配

首先對第一輛車求分配，成本單價e1=10，剔除成本≥競價的用戶4，第1輛車可用用戶集U′={1,2,3,5}。構(gòu)建時間分配矩陣R，初始化每個元素為0。然后對U′中任意用戶j求r0j，如r01=b1-(d1-s1)?e1=4。再對U′中任意用戶j求元素rjk，其中k＞j,k∈U′，以r12為例，不滿足d1≤s2，不作操作；又如r13，滿足d1≤s3，r13=r03=b3-(d3-s3)?e1=7。以此類推，得到第1輛車的時間分配矩陣R，用圖表示如圖1所示。

Fig.1 Time distribution diagram of vehicle 1圖1 車輛1時間分配轉(zhuǎn)化圖

對R調(diào)用關(guān)鍵路徑算法求得0到6節(jié)點的關(guān)鍵路徑為0-1-3-5-6，關(guān)鍵路徑長度為y1=16。將第1輛車分給用戶1、3和5，從可用用戶集合U中刪除這3個用戶，U={2,4}。繼續(xù)按照上述方法對第2輛車進(jìn)行分配，求得第2輛車的關(guān)鍵路徑為0-2-4-6，長度為y2=14，將第2輛車分給用戶2和4。最后車輛供應(yīng)商收益Y=y1+y2=30，車輛分配矩陣X如表2所示。

Table2 Vehicle allocation matrixX表2 車輛分配矩陣X

（2）UPAM計算支付價格

需要為每個分到車的用戶計算支付價格。本示例中設(shè)置閾值ε=1，所有計算結(jié)果向下取整。以求解1用戶支付價格為例。用戶1租到第1輛車，成本參數(shù)cp=e1=10，初始h=b1=24，l=0。|h-l|=24＞ε，更新競價b1=(h+l)/2=12，重新運行RAAM，此時用戶1不能分到成本不低于cp=10的車，因此令l=b1=12。由于h=24,l=12，|h-l|=12＞ε，更新b1=(h+l)/2=18，重新進(jìn)行RAAM。重復(fù)運行RAAM，若用戶1能分到成本不低于cp=10的車，則h=b1；若不能則l=b1，不斷更新b1=(h+l)/2，直到 |h-l|≤ε，計算結(jié)束。最終取新的h作為用戶的支付價格，最后求得用戶1需支付p1=h=22。

6 實驗

6.1 實驗設(shè)置

本文采用真實的出租車數(shù)據(jù)模擬預(yù)約用車數(shù)據(jù)，反映用戶的真實用車需求，以此來測試本文提出的算法對于共享經(jīng)濟預(yù)約模式下資源的分配結(jié)果。實驗數(shù)據(jù)包含每輛車在不同時間點的經(jīng)緯度、速度、載客狀態(tài)等信息。根據(jù)車輛編號，對每輛車按照時間從早到晚排序，選取了2007-01-31日12：00—24：00半天的數(shù)據(jù)，并剔除了冗余的數(shù)據(jù)。實驗設(shè)置如下。

（1）得到的信息中沒有價格及車型等信息，實驗采用神州專車預(yù)約平臺的車型數(shù)據(jù)，共有三種車型，每分鐘單價平均為8、6、4元，三種車型各占1/3。用戶的競價=用車時間×（5到10之間的隨機數(shù)），即用戶競價與用車時長相關(guān)。

（2）不失一般性，實驗分為小、中、大三種規(guī)模。

（3）實驗設(shè)置不同密度，分別模擬不同的競爭情況，以分析各種情況下算法的執(zhí)行效果。

（4）設(shè)置不同分配周期，并分析周期對分配的影響。

（5）實驗環(huán)境：實驗搭建在 Intel?i7-6700 CPU 3.40 GHz,8 GB內(nèi)存平臺。

實驗采用三種主流算法與本文算法進(jìn)行對比。（1）CPLEX求解器的最優(yōu)算法。通過編寫規(guī)劃模型，在求解器CPLEX上求出最優(yōu)解。但CPLEX十分消耗內(nèi)存，幾百個用戶的約束條件就會導(dǎo)致內(nèi)存耗盡，基本只能解決小規(guī)模下的分配。（2）先預(yù)約先服務(wù)算法（first-come-first-serve，F(xiàn)CFS），按照預(yù)約順序給用戶安排車輛，算法實現(xiàn)簡單，這是目前專車預(yù)約平臺采用的分配方式。（3）最高出價優(yōu)先算法（MAXBID）。利用貪婪法的思想，總是選取當(dāng)前競價最高的用戶，使得局部收益最大化，但局部最優(yōu)并不能實現(xiàn)全局最優(yōu)。

6.2 結(jié)果分析

實驗將對CPLEX求解的最優(yōu)算法、提出的RAUPAM算法、FCFS、MAXBID算法進(jìn)行以下三方面的評估。第一，多維度分析算法效果。實驗首先選取了三個有代表性的密度0.8、2.0、4.0，來分別模擬低峰期、正常時期、高峰期的情況，以分析各種情況下算法的執(zhí)行效果。然后實驗分三種不同的周期T4、T6、T12對車輛進(jìn)行分配，并將各周期結(jié)果分別加和以分析長短周期對分配產(chǎn)生的影響。第二，評估指標(biāo)。在同種密度和周期下，本文從平臺利潤、服務(wù)用戶率、車輛時間利用率對算法進(jìn)行評估。第三，不失一般性。為了降低數(shù)據(jù)對結(jié)果的影響，實驗分為小規(guī)模（10輛車）、中規(guī)模（100輛車）、大規(guī)模（1 000輛車）三種情況，從不同的規(guī)模對本文算法進(jìn)行評估。

6.2.1 密度對算法執(zhí)行效果的影響

在不同的時期，資源競爭情況也不同。如對于車輛的預(yù)約來說，在上下班高峰期，車輛資源稀缺；在白天其他時間段，車輛基本可以滿足所有用戶的請求；在晚上，車輛又大量閑置。對于共享經(jīng)濟中的其他資源，也同樣存在使用高峰期和低峰期。實驗選用T6第一個周期的數(shù)據(jù)，設(shè)置了三種密度，0.8、2.0、4.0，并分析不同密度下算法的執(zhí)行效果。

圖2通過展示三種密度下服務(wù)用戶率的差別，這三個密度可分別用來代表不同的資源競爭情況。在0.8密度下，平均將8輛車的用戶分配給10輛車，車輛富余，幾乎所有算法的服務(wù)用戶率都是1.0，可以用來模擬低峰期的情況。2.0密度下，平均將20輛車的用戶分給10輛車，雖存在競爭，但車輛基本能滿足用戶的需求，所有算法的服務(wù)率都能達(dá)到90%以上，用來模擬正常時期。4.0密度下，平均將40輛車的用戶分配給10輛車，車輛供不應(yīng)求，服務(wù)用戶率只能達(dá)到50%左右，可用來模擬高峰期。

圖3在三種密度下，對比了各算法得到的利潤。任何一種規(guī)模下，密度越大，利潤越大，證明高峰期能為供應(yīng)商帶來更多的利潤。在小規(guī)模時，CPLEX的利潤是最高的，但隨著密度增大，CPLEX的增長速率逐漸緩慢；而RAUPAM的利潤一直勻速增長，隨著密度的增大，與CPLEX的差距逐漸縮少，體現(xiàn)了RAUPAM算法在高峰期時表現(xiàn)優(yōu)異。

Fig.2 Comparison of service user rates of different algorithms under different densities圖2 不同算法在不同密度下的服務(wù)用戶率比較

Fig.3 Profits of different algorithms under different densities圖3 不同算法在不同密度下的利潤比較

接下來比較RAUPAM、FCFS、MAXBID三種算法受密度的影響程度。在任意一種規(guī)模下，0.8密度時，車輛資源充足，三種算法都能使得幾乎所有用戶得到服務(wù)，利潤幾乎相等。到了2.0密度時，三種算法差別不大，按照利潤大小排序為RAUPAM>MAXBID>FCFS。到了4.0密度時，三種算法差距增大，RAUPAM是利潤最大的，比FCFS平均高出75%，比MAXBID算法平均高出30%。因此在任意密度下，即高峰期和低峰期時，RAUPAM都是三種算法中利潤最大的，尤其在高峰期優(yōu)勢更明顯。

任意規(guī)模下，RAUPAM算法的利潤都隨著密度的提高而勻速增長，而FCFS和MAXBID算法的利潤增長速率隨密度增長逐漸變小，其中FCFS算法減小得更多。證明在不同密度下，即是高峰期和低峰期，RAUPAM算法都表現(xiàn)穩(wěn)定，不受密度影響；而FCFS和MAXBID算法在高峰期執(zhí)行效果變差。因此RAUPAM為共享經(jīng)濟供應(yīng)商在高峰期和低峰期都能提供更優(yōu)的資源配置方案。

6.2.2 周期對算法執(zhí)行效果的影響

本文提出的機制用于共享經(jīng)濟預(yù)約模式下做資源配置，預(yù)約模式下用戶在使用時間之前提出預(yù)約請求，機制按周期對資源進(jìn)行分配，用戶需在周期開始前提交預(yù)約請求。但是具體周期時長應(yīng)如何確定，是一個復(fù)雜的問題。因為共享經(jīng)濟中的資源使用時間特點不同，周期應(yīng)不同。如對于共享住宿，周期以天為單位；而預(yù)約掛號，應(yīng)以分鐘為單位。周期應(yīng)能包含多數(shù)用戶的使用周期，避免周期過短而淘汰大量跨周期用戶。但周期過長，雖然能包含大量用戶的請求，又需要用戶更早做預(yù)定。

本文設(shè)置了三種不同的周期，分析周期對于RAUPAM、FCFS、MAXBID這三種算法的影響。實驗采用的是2007-01-31日12：00—24：00半天的數(shù)據(jù)，密度采用4.0，設(shè)置了三種不同的周期：短周期，4 h周期（T4），共有3個周期；中周期，6 h周期（T6），兩個周期；長周期，12 h周期（T12），1個周期。實驗將T4的3個周期的利潤加和，T6的兩個周期利潤加和，與T12周期的利潤進(jìn)行比較。

如圖4所示，在同種規(guī)模的不同周期下，各種算法的周期利潤總和差別不大，因此周期對算法的利潤影響不大。對于RAUPAM算法來說，相同規(guī)模下，周期越長，得到的利潤總和越大，即T12>T6>T4，因此在條件允許的情況下，盡量提醒用戶提前預(yù)約。這是因為RAUPAM算法對車輛進(jìn)行時間資源規(guī)劃，周期越長，每輛車的可選用戶增多，就能規(guī)劃出更優(yōu)的配置方案。FCFS和MAXBID算法受周期影響利潤值有所波動，如小規(guī)模下，F(xiàn)CFS算法在T6的利潤和最大，但在中規(guī)模時，又是T12利潤和最高。RAUPAM隨周期增長收益在小幅增加，表現(xiàn)穩(wěn)定；而FCFS和MAXBID隨周期變化收益波動，易受周期影響。

Fig.4 Comparison of profits of different algorithms under different cycles圖4 不同算法在不同周期下的周期利潤和比較

在同種規(guī)模下，無論RAUPAM的周期選T4、T6、T12，RAUPAM的周期利潤和都遠(yuǎn)高于FCFS和MAXBID的三種周期中的最高值，即無論選取任何一種周期做分配，RAUPAM算法都比FCFS和MAXBID有明顯的優(yōu)勢。雖然共享經(jīng)濟中資源的使用周期不盡相同，以天、小時、分鐘為單位，但RAUPAM算法不受周期影響，在長短周期都表現(xiàn)優(yōu)異，適合為不同分配周期的共享資源做優(yōu)化配置。

6.2.3 四種算法詳細(xì)比對

實驗對四種算法從平臺利潤、服務(wù)用戶率、車輛時間利用率這三個指標(biāo)進(jìn)行詳細(xì)對比分析。選取T6第一個周期的數(shù)據(jù)，密度采用4.0。

（1）平臺利潤

社會福利是常用來衡量機制的重要指標(biāo)，但是社會福利是各個勝出拍賣用戶的競價之和，社會福利最大不代表利潤最大（選取多數(shù)使用時間長的用戶），而利潤才是供應(yīng)商最關(guān)心的指標(biāo)。本文所有算法的目標(biāo)為平臺利潤最大化，并對四種算法從利潤方面進(jìn)行對比。表3詳細(xì)展示各種規(guī)模下的車輛數(shù)目與4.0密度下對應(yīng)的用戶數(shù)目，列出四種算法在三種規(guī)模下得到的利潤值，并將FCFS和MAXBID算法的收益值與RAUPAM算法進(jìn)行比對，得到RAUPAM對這兩種算法在利潤方面的提升率。

Table3 Experimental result表3 實驗結(jié)果表

如表3所示，在小規(guī)模下，RAUPAM的利潤與CPLEX最優(yōu)算法的利潤值最接近，達(dá)到CPLEX最優(yōu)解的75%左右，而另外兩種算法只能達(dá)到50%左右。當(dāng)車輛數(shù)目在10以上，用戶數(shù)目超過500時，約束條件數(shù)目過大，CPLEX求解內(nèi)存空間不夠?qū)е聼o法求解，而其他三種算法在大規(guī)模時仍然能快速求解。在中、大規(guī)模下，RAUPAM算法得到的利潤是最大的，從最后一列可以看出，RAUPAM算法對于FCFS和MAXBID算法有顯著的提高。

四種算法中，F(xiàn)CFS的利潤最差，這是因為用戶預(yù)約請求時間的不確定性，先預(yù)約的用戶可能占用時間長且利潤低，導(dǎo)致后預(yù)約的用戶雖然能帶來更大利潤卻預(yù)約不成功。隨著規(guī)模的擴大，RAUPAM算法的優(yōu)勢比FCFS更明顯，如從小到大規(guī)模時，RAUPAM在利潤方面比FCFS的提高率從55%到77%，再上升到93%，幾乎是其兩倍。

MAXBID采用貪婪的思想，選取當(dāng)前競價最高的用戶，因為不知道能分配到何種車型，成本不固定，所以沒有采用利潤最大優(yōu)先算法。這種局部選取最大競價的思想，卻并未實現(xiàn)全局競價最優(yōu)。表3中社會福利即等于競價之和，MAXBID在每種規(guī)模下的競價之和并沒有RAUPAM的高。MAXBID對于規(guī)模不太敏感，一直表現(xiàn)較穩(wěn)定，但是隨著規(guī)模增大，RAUPAM比MAXBID算法在利潤方面的優(yōu)勢在小幅提高。RAUPAM的利潤比MAXBID算法平均高30%左右。

RAUPAM算法從全局考慮資源的分配，優(yōu)先讓高成本車輛選取出價高的用戶，其淘汰的用戶能繼續(xù)租到低成本車輛，最大化資源的利用。在計算每個車輛的分配方案時，對該車可用用戶調(diào)用關(guān)鍵路徑算法，求得對用戶集的最優(yōu)分配方案，最大化該車的利潤，因此RAUPAM的利潤比FCFS和MAXBID有顯著提高。小規(guī)模時，CPLEX的競價之和不是最大，利潤卻是最高，其成本是四種算法中最低的，因為其優(yōu)先給每個用戶分配低成本的車型以獲得更大的利潤。但RAUPAM算法優(yōu)先為用戶分配滿足成本的高檔車輛，出價高的用戶優(yōu)先分到好的車型，滿足公平性且提升了用戶的滿意度。

（2）服務(wù)用戶率

當(dāng)車輛資源緊缺時，算法應(yīng)該在符合利潤最大化的前提下滿足更多用戶的預(yù)約請求，服務(wù)用戶率等同于用戶預(yù)約訂單成功率，直接影響用戶的體驗度，是共享經(jīng)濟租賃平臺關(guān)注的另一重要指標(biāo)。

Fig.5 Comparison of service user rates of different algorithms圖5 不同算法的服務(wù)用戶率比較

圖5 從服務(wù)用戶率的維度對四種算法進(jìn)行對比分析。在小規(guī)模時，CPLEX算法的服務(wù)用戶率是最高的，達(dá)到59%，RAUPAM算法其次，達(dá)到56%。在所有規(guī)模下，RAUPAM、FCFS、MAXBID這三種算法中，RAUPAM算法的服務(wù)率都是最高的，F(xiàn)CFS其次，RAUPAM的用戶服務(wù)率平均比FCFS提高了7%左右；MAXBID的服務(wù)率最低，RAUPAM的服務(wù)用戶率比其平均提高了20%～30%。當(dāng)前密度為4，車輛資源稀缺，RAUPAM的服務(wù)用戶率維持在60%左右，使得盡可能多的用戶請求得到了滿足。MAXBID服務(wù)用戶率最低，平均只有43%左右，因為其遵循出價最大選擇用戶，選取大量使用時長的用戶占據(jù)了資源，使得車輛能服務(wù)的用戶數(shù)減少。

（3）車輛時間利用率

4.0密度下，車輛對于用戶供不應(yīng)求，每輛車都會被用到，計算車輛利用率沒有意義。而車輛時間利用率是根據(jù)每種算法服務(wù)用戶的時間加和，并除以所有車輛的可用時間之和，更能反映車輛資源的使用情況。圖6從車輛時間利用率方面對四種算法進(jìn)行了對比。

Fig.6 Comparison of utilization rates of vehicle time of different algorithms圖6 不同算法的車輛時間利用率比較

如圖6所示，在任意規(guī)模下，RAUPAM算法的車輛時間利用率都是最高的，在小規(guī)模時都高于CPLEX算法。隨著規(guī)模的擴大，各算法的車輛時間利用率增加。RAUPAM算法的平均車輛時間利用率高達(dá)88%，因為算法對每輛車做規(guī)劃，減少碎片時間，提高了車輛資源的利用率。FCFS的車輛時間利用率是所有算法中最低的，平均只有79%。FCFS按照用戶預(yù)約申請順序來進(jìn)行車輛的分配，先預(yù)約的用戶占住了時間，產(chǎn)生大量碎片時間，導(dǎo)致車輛時間利用率低。

實驗結(jié)論：通過比較密度對于算法的影響，發(fā)現(xiàn)在高峰期和低峰期，RAUPAM的利潤都大于FCFS和MAXBID，且表現(xiàn)穩(wěn)定不受密度影響；而FCFS和MAXBID算法在高峰期表現(xiàn)較差，因此RAUPAM為共享經(jīng)濟供應(yīng)商在高峰期和低峰期都能提供更優(yōu)的資源配置方案。通過分析周期對算法的執(zhí)行影響，發(fā)現(xiàn)在同種規(guī)模下，無論RAUPAM的周期選T4、T6、T12中的任意一種，RAUPAM得到的周期利潤和都遠(yuǎn)高于FCFS和MAXBID的三種周期中的最高值。因此RAUPAM算法不受周期影響，在長短周期都表現(xiàn)優(yōu)異，適合為不同周期的共享資源做優(yōu)化配置。同周期同密度下，對四種算法進(jìn)行了更詳細(xì)的比對。無論何種規(guī)模下，RAUPAM算法的利潤都顯著大于FCFS和MAXBID，比FCFS至少提高55%，比MAXBID算法平均提高30%。在服務(wù)用戶率方面，RAUPAM算法的服務(wù)用戶率平均達(dá)到60%，比FCFS平均提高7%，比MAXBID平均提高了20%～30%，保證大多數(shù)用戶能得到服務(wù)。任何規(guī)模下，RAUPAM算法的車輛時間利用率都是最高的，平均高達(dá)88%，達(dá)到了較高的資源利用率。

7 結(jié)束語

針對目前共享經(jīng)濟預(yù)約模式采用固定價格及先預(yù)約先服務(wù)分配資源的方式，存在的供應(yīng)商收益低下、資源利用率不高等問題，本文設(shè)計可信的拍賣機制用于解決共享經(jīng)濟預(yù)約模式中資源的分配及用戶定價問題。

本文對共享經(jīng)濟預(yù)約服務(wù)中資源的分時租賃問題建模，并設(shè)計可信的最優(yōu)拍賣機制，用CPLEX求解最優(yōu)資源分配方案，基于VCG理論計算用戶的支付價格。但最優(yōu)機制無法在多項式時間求解，提出可信的啟發(fā)式機制RAUPAM解決大規(guī)模的資源租賃分配及用戶定價問題，用關(guān)鍵路徑的思想求解近似最優(yōu)分配方案，再用二分法求用戶的支付價格。測試結(jié)果表明，RAUPAM比傳統(tǒng)算法FCFS和MAXBID取得了更好的結(jié)果。

本文提出的拍賣機制，適用于任何按時收費的共享資源在預(yù)約模式下做分配，如共享停車位、共享住宿、共享廚房等；也適用于其他按時使用收費的資源，如云平臺中資源的分配、醫(yī)療診治預(yù)約等。但在實際共享經(jīng)濟市場中，還有一些可移動的共享資源，用戶可在不同的地點分別領(lǐng)取和歸還資源，其收費與取還點相關(guān)，如共享充電寶、共享服裝等。在未來的研究工作中，將設(shè)計適用于這些可移動資源預(yù)約的拍賣機制，將取還點納入?yún)⒖家蛩?，從全局決策這些資源預(yù)約模式下的租賃分配方案。