Pricing and Equilibrium in On-Demand Ride-Pooling Markets
Ke, Jintao et al. — 2020
Résumé (FR)
Cet article développe un modèle mathématique pour analyser les décisions de tarification et d’équilibre dans les marchés de covoiturage groupé (ride-pooling) à la demande. Les trois variables clés gouvernant l’efficacité d’une plateforme de ride-pooling sont le tarif, la taille de flotte et le temps de détour autorisé. Un tarif réduit attire suffisamment de passagers pour augmenter le taux d’appariement réussi, tandis qu’un temps de détour approprié évite que les passagers renoncent au service. Les auteurs comparent les optima monopolistique et social dans des marchés de ride-pooling et non-pooling, montrant que les tarifs optimaux peuvent être inférieurs dans le premier cas sous certaines conditions. Des solutions de second-best sont également dérivées pour des contextes réglementés. L’article apporte une contribution analytique importante à la conception des politiques tarifaires pour les services de mobilité partagée.
Summary (EN)
This paper develops a mathematical model to analyze pricing and equilibrium decisions in on-demand ride-pooling markets. Three key decisions govern a ride-pooling platform’s efficiency: trip fare, vehicle fleet size, and allowable detour time. An appropriately discounted fare attracts sufficient passengers to increase the successful pairing rate, while an appropriate allowable detour time prevents passengers from abandoning the service. The authors compare monopoly optimum, social optimum, and second-best fares in ride-pooling versus non-pooling markets, showing that optimal fares can be lower in the former under certain conditions. Second-best solutions are also derived for regulated contexts. The paper makes an important analytical contribution to tariff policy design for shared mobility services.
Points clés
| Aspect | Détail |
|---|---|
| Thème | supply-demand |
| Venue | Transportation Research Part B: Methodological |
| Mots-clés | ride-pooling, pricing, equilibrium, fleet size, platform optimization |
| DOI | 10.1016/j.trb.2020.07.001 |