Neue Methode reduziert Wartezeiten bei Ride‑Hailing um 31 %

Eine neue, datengetriebene Methode zur Optimierung von Ride‑Hailing‑Dispatches hat die durchschnittliche Wartezeit der Fahrgäste in New York City um mehr als ein Drittel reduziert. Durch die Kombination von Regime‑Kalibrierung und linearem Programmieren können Unternehmen nun präziser vorhersagen, wann und wo Nachfrage entsteht, und ihre Flotten entsprechend neu positionieren.

Der Ansatz teilt historische Fahrdaten in sogenannte Nachfrage‑Regime auf und vergleicht die aktuelle Tageszeit, Wochentag, Jahreszeit und besondere Ereignisse mit sechs verschiedenen Ähnlichkeitsmaßen – von Kolmogorov‑Smirnov bis Wasserstein‑1. Auf Basis dieser Ähnlichkeit wird ein kalibrierter Nachfrage‑Prior erstellt, der sowohl für ein LP‑basiertes Repositionierungsmodell als auch für eine Batch‑Dispatch‑Strategie mit dem Hungarian‑Algorithmus genutzt wird.

In umfangreichen Tests mit 5,2 Millionen TLC‑Fahrten aus New York City, verteilt auf acht unterschiedliche Szenarien (Winter/Sommer, Wochentag/Weekend/Feiertag, Morgen/Abend/Nacht), konnte die Methode die durchschnittliche Wartezeit um 31,1 % senken – ein Ergebnis, das mit einer 95‑%‑Konfidenzintervall von 26,5 % bis 36,6 % bestätigt wird. Auch die Spitzenwerte verbesserten sich signifikant: Der 95‑Perzentil-Wartezeitpunkt fällt um 37,6 % und die Gini‑Koefizienten der Wartezeiten sinken von 0,441 auf 0,409.

Die beiden Kernkomponenten wirken sich multiplicativ aus: Die reine Kalibrierung reduziert die Wartezeit um 16,9 %, während die LP‑Repositionierung einen zusätzlichen 15,5 %‑Senkungswert liefert. Das System erfordert keine Trainingsphase, ist deterministisch und leicht erklärbar – Eigenschaften, die es besonders für regulatorische Prüfungen attraktiv machen. Darüber hinaus zeigte die Methode in Chicago, dass sie mit einer bereits erstellten Regime‑Bibliothek aus New York City eine Wartezeitreduktion von 23,3 % erzielt, was ihre Übertragbarkeit auf andere Städte unterstreicht.