The Nash equilibrium among taxi ridesharing partners

Mobility on Demand (MoD) companies such as "Uber" and "Lyft" have become widespread in large cities for everyday mobility. Recently, they have embraced ridesharing opportunities: a passenger who requests a ride may decide to save a certain amount of money at the price of sharing his/her ride with someone else that would delay his/her arrival at destination. But there are significant drawbacks in their implementation, since they do not take into account passengers' preferences, benefits and constraints when selecting their ridesharing partners. Within this context, the way MoD companies would group passengers consists in optimizing savings at a global level. But a possible scenario is that a passenger A is matched to passenger B, while he/she would have preferred being matched to passenger C, who, in turn, would have preferred A as ridesharing partner as well. This introduces the concept of fairness in ridesharing, which consists in finding the Nash equilibrium in a ridesharing plan. In this thesis, we compare the optimum and fair ridesharing plans in both static and dynamic scenarios, when fares are based on overall distance traveled. We show that, in New York City, the fair plan is almost optimum and, consequently, should be issued since it is more likely to increase ridesharing. Moreover, our approach is not limited to money savings but can be extended to a more general concept of benefit: one may prefer a passenger because they are close in their social network or share the same interests.

Società di Mobility on Demand (MoD) come "Uber" e "Lyft" si stanno diffondendo nelle grandi città per la mobilità quotidiana. Recentemente, queste società hanno considerato anche le opportunità offerte dal ridesharing: un passeggero che richiede una corsa può decidere di risparmiare sulla tariffa finale accettando di condividere la propria corsa con qualcuno che conseguentemente potrebbe ritardarne l'arrivo a destinazione. Ma ci sono svantaggi significativi nel modo in cui queste società hanno implementato il ridesharing: infatti, non tengono conto di preferenze e vincoli dei passeggeri quando si tratta di selezionare i loro compagni di viaggio. In questo contesto, le modalità con cui le società di MoD aggregherebbero i passeggeri consistono nell'ottimizzare i risparmi sulle tariffe finali a livello globale. Ma si può presentare uno scenario per cui un passeggero A venga associato ad un passeggero B, ma avrebbe preferito (in termini di risparmio) essere associato ad un passeggero C, il quale avrebbe preferito anche lui A come partner di ridesharing. Questo introduce il concetto di equità nel ridesharing, che consiste nel trovare l'equilibrio di Nash tra i passeggeri per organizzare le corse condivise. In questa tesi, i due ridesharing plans, ottimo ed equo, vengono confrontati sia in uno scenario statico che in uno dinamico, calcolando le tariffe solo sulla distanza totale percorsa. Dimostriamo come a New York City il piano equo è quasi ottimo e conseguentemente dovrebbe essere utilizzato poiché è più probabile che incrementi il ricorso al ridesharing da parte dei passeggeri. Inoltre, il nostro approccio non si limita ai risparmi in termini di denaro, ma può essere esteso ad un concetto più generale di benefit: qualcuno potrebbe preferire un passeggero perché vicino nella sua rete di amicizie oppure perché ne condivide gli interessi.