On-Trip Matching and Pricing for Shared Rides
Yifan et al. — 2026
Résumé (FR)
Cet article développe un modèle de matching dynamique et stochastique permettant à une plateforme d’effectuer des matchings avant et pendant les trajets pour les trajets partagés. Le résultat clé est que le matching en cours de trajet est critique dans les zones périphériques moins denses où la demande est spatialement dispersée. En utilisant des données de Chicago, l’étude démontre que l’intégration du matching en cours de trajet augmente la rentabilité de la plateforme, améliore l’efficacité et réduit les prix pour les passagers. Ces effets sont particulièrement prononcés dans les zones peu denses où le covoiturage a historiquement du mal à fonctionner. Ce travail étend considérablement le paradigme dominant du matching pré-trajet.
Summary (EN)
This paper develops a dynamic stochastic matching model enabling platforms to match riders both before and during trips for shared rides. On-trip matching is found to be critical in sparser outskirts where demand is spatially dispersed. Using Chicago data, the model shows that on-trip matching increases platform profitability, improves efficiency, and lowers prices for riders, particularly in areas with sparse demand.
Points clés
| Aspect | Détail |
|---|---|
| — | — |