Föreställ dig att du är på väg till mataffären och får en telefonvarning som frågar om du också är villig att ta med dig grannens matvaror hem. Eller så är du på väg till en konsert och ser att du kan fylla stolarna i din bil – och din plånbok – om du plockade upp några andra musikfans på vägen. Som leverantör i dessa scenarier, du kan välja vilka tjänster du tillhandahåller och när. Detta kan mycket väl vara på vägen för handeln.

Forskning nyligen publicerad i Transportforskning Del B:Metodologisk , av systemingenjörer på Rensselaer, demonstrerade hur en hierarkisk modell som ger leverantörer en viss mängd valmöjligheter kan förbättra matchningen mellan utbud och efterfrågan för underutnyttjade resurser – och kan till och med förändra det som blivit känt som delningsekonomin.

I denna forskning, Jennifer Pazour, docent i industri- och systemteknik vid Rensselaer Polytechnic Institute, och Seyed Shahab Mofidi, som nyligen fick sin Ph.D. från Rensselaer, byggde en simulering av åkdelningsmiljöer och kopplade in simulerad data till algoritmerna de skapade. Dock, samma tillvägagångssätt skulle kunna tillämpas på andra scenarier, till exempel företag som vill dela lagerutrymme eller ideella organisationer som vill fylla volontärtimmar med hjälp av en on-demand-applikation.

"Det som är spännande för mig är att detta proof of concept visar att modellen fungerar, ", sa Pazour. "Detta lade grunden för att det här sättet att ge människor rekommendationer och val faktiskt kan hjälpa alla enheter i systemet."

Tillvägagångssätt som används för närvarande, Pazour sa, kan matcha en leverantör med en efterfrågan baserat på vad som är bäst för kunden utan mycket val från leverantören. Detta kan resultera i ett snabbt svar men, hon påpekar, det hindrar vissa leverantörer från att delta.

Omvänt, andra befintliga plattformar kan visa alla tillgängliga efterfrågan för en leverantör, så att de kan gå igenom alternativen och välja vad som fungerar för dem. Det är ett tillvägagångssätt som har leverantören i åtanke, men resulterar i ett mycket långsammare svar för klienten.

Teamets plattform försöker hitta en balans mellan utbud och efterfrågan genom att ge leverantören några – men inte alla – val baserade på tidigare leverantörsbeteende. Pazour jämför detta tillvägagångssätt med hur andra plattformar kan föreslå en uppsättning filmer du kanske gillar att se, eller produkter du kanske vill köpa baserat på dina tidigare beslut.

Till exempel, en förare – eller leverantör – med en bil kommer att få några valmöjligheter av potentiella förare som de kan plocka upp. De kan sedan fatta ett beslut baserat på sina planer för dagen och den rutt de redan är på väg att ta. Dessa beslut kommer att informera om vilka potentiella ryttare de erbjuds i framtiden.

"Vårt tillvägagångssätt är mer proaktivt, " Sa Pazour. "Vi kommer inte att fråga dig något först. Vi kommer att skicka meddelanden till dig, alternativ, och låter dig välja och sedan kommer modellen att hantera konsekvenserna."

Vad forskarna fann är att detta tillvägagångssätt fungerade bättre, jämfört med andra metoder, när plattformen inte har mycket information om leverantören och deras preferenser.

"Denna metod är mest användbar när plattformen inte kan förutsäga människors handlingar perfekt, " sa Pazour. "Det är verkligheten, men jag tror att det är en sak som saknas i många andra appar."

Pazour hoppas också att fler människor kommer att vara benägna att välja en plattform som ger fler valmöjligheter, vilket i sin tur kan leda till en ökad användning av underutnyttjade resurser som tomma stolar i en bil.

"Om vi ​​ger fler valmöjligheter, kanske vi får fler människor som är villiga att göra detta, sa Pazour.

Förutom att se på denna utmaning i termer av effektivitet, Pazour har också eget kapital i åtanke.

Till exempel, en leveranstjänst på begäran kan hjälpa dem som inte har en livsmedelsbutik i närheten. Isåfall, Att bara matcha en leverantör med sin närmaste granne kan utesluta vissa kunder från att bli betjänade.

"Om det är utformat för effektivisering av resurser, det är potentiellt en annan algoritm än om den är designad för eget kapital. Så vi funderar på hur vi kan se till att alla får den här tjänsten på en rättvis nivå, sa Pazour.

Nu när de vet att deras metodik fungerar, Pazour och hennes team kan utöka sin forskning. De planerar att förbättra plattformsmodellerna och algoritmerna och tillämpa dem på andra områden av utbud och efterfrågan, inklusive frivillighet. Pazour sa att hennes team också undersöker möjligheter att arbeta med företag för att analysera faktiska data och utvärdera om detta unika tillvägagångssätt kan gynna dem.