EP36 揭秘 Uber 司機乘客配對演算法 最佳化計算供需市場動態平衡 - a podcast by 柯柯與肯吉在矽谷

Uber 和 Lyft 是共享經濟的代表，但許多使用者對他們的印象仍然停留在「叫車服務」。其實他們背後的技術不僅是提供叫車功能，他們正在解決許多最佳化問題，以維持乘車服務雙邊市場中供給與需求的平衡， 例如：要如何配對司機和乘客以節省雙方的等待時間，我們會聊到為什麼不總是配對離乘客最近的司機其實有助於達到整個系統的最佳解。另外為了維持供需平衡，也可以利用許多方法調整供給和需求的數量，例如大家常聽到的 Surge Pricing 動態定價，以及針對司機和乘客方都設計專屬的促銷活動等等。這些方法的背後，需要許多資料科學家和經濟學家來研究建立各種不同的數學模型，還需要實時動態大規模的計算，是很具挑戰性的技術問題！

與Facebook 和 Google 的廣告雙邊市場不同，對 Uber 和 Lyft 來說，維持雙邊平衡至關重要，這也是叫車服務這個應用場景的特性，也讓他們面對的問題更加困難。近幾年零工經濟相關法規的爭議不斷，例如與今年美國總統大選一起舉行的加州公投第22號公投案，就是Uber 和 Lyft 等共享經濟公司為了反對去年通過的 AB5 法案，希望能夠突破 AB5 法案要求把 App 的司機列為正式員工的限制。共享經濟乘車服務似乎還有許多硬仗要打，我們在此獻上最誠摯的祝福！

#Uber #Lyft #RideShare #Prop22 #經濟學 #供需平衡 #共享經濟 #零工經濟  #JustKiddingTech #矽谷輕鬆談

Further episodes of 矽谷輕鬆談 Just Kidding Tech

Further podcasts by 柯柯與肯吉在矽谷

Website of 柯柯與肯吉在矽谷