[Paper] Uber、Ola 和 Rapido 的票价比较应用

Source: arXiv - 2512.04065v1

概述

本文介绍了一款基于网页的 票价比较应用，它从印度三大网约车平台——Uber、Ola 和 Rapido——实时获取价格，并为用户指定的目的地呈现最便宜、最快的选项。通过整合不同的 API 并处理基于位置的查询，作者旨在为通勤者提供透明、数据驱动的选择，提升整体网约车体验。

关键贡献

• 统一的 API 层，将 Uber、Ola 和 Rapido 的费用估算聚合为单一响应。
• 基于 Python 的后端，对不同的数据格式进行标准化，执行价格‑时间权衡计算，并返回“最佳”乘车方案。
• 端到端原型（网页 UI + 后端），演示任意起点‑终点对的实时费用比较。
• 实用讨论集成挑战（速率限制、身份验证、使用 Appium 的模拟器测试以及地理位置处理）。
• 面向开源的架构，可扩展至其他出行服务（例如共享单车、公共交通）。

方法论

1. 数据获取 – 作者对 Uber、Ola 和 Rapido 的公共 API 进行了逆向工程（在有文档的端点时使用文档端点，其他情况下使用网页抓取）。认证令牌会自动刷新。
2. 位置标准化 – 将用户中心的纬度/经度对输入到每个服务的“价格估算”端点。系统调和坐标精度和地图投影的差异。
3. 费用与 ETA 融合 – 对于每个提供商，后端提取估计的费用区间和预计到达时间（ETA）。一个简单的评分函数 (score = α * fare + β * ETA) 对选项进行排序；α 和 β 的权重是可配置的。
4. Web 前端 – 一个轻量级的 Flask 应用渲染用于输入起点/终点的表单，显示三项服务的并排表格，并突出显示排名最高的乘车选项。
5. 测试工具 – Android Studio 的模拟器和 Appium 脚本模拟叫车流程，以验证 API 调用与移动应用的行为保持同步。

结果与发现

• 成本优势：Rapido（摩托车）平均最便宜，但其较长的 ETA 可能使对时间敏感的用户更倾向于选择 Uber 或 Ola。
• 透明度提升：与随机选择服务相比，使用应用查询的用户在车费上节省了 ≈12 %。
• 技术可行性：统一后端能够处理约 150 个并发请求，延迟低于一秒，证明实时聚合在中等规模下是可行的。

实际意义

• 对于开发者：论文中提供的模块化 API 包装器可以直接嵌入现有的出行编排平台，实现多供应商的价格比较，而无需从头构建每个集成。
• 对于产品团队：在移动即服务（MaaS）门户中嵌入票价比较小部件，可通过提供“最佳价格保证”来提升用户信任并降低流失率。
• 对于网约车公司：透明的定价仪表盘可能会迫使供应商优化其费用估算算法，从而推动更具竞争力的定价结构。
• 对于终端用户：一次点击即可显示给定行程的最便宜乘车选项，省钱并减轻决策疲劳——在价格敏感的市场尤为有价值。

限制与未来工作

• API 稳定性 – 该方法依赖于可能随时变更的第三方端点；更稳健的方案应包括正式的合作协议或使用标准化行业 API（例如 Mobility Data Specification）。
• 评分简化 – 当前对费用和 ETA 的线性组合忽略了车辆类型、动态加价、用户偏好和安全评级等因素。未来工作可以引入机器学习模型，根据用户行为学习个性化权重。
• 地理范围 – 原型仅限于少数印度大城市；若要扩展到全国乃至跨境覆盖，需要处理地区定价规则和监管约束。
• 实时加价处理 – 系统仅快照式获取费用估算；整合持续流式更新可在需求高峰期提升准确性。

通过弥补这些不足，费用比较框架有望发展为功能完整、生产级别的服务，为下一代透明、以用户为中心的出行平台提供动力。

作者

• Ashlesha Gopinath Sawant
• Sahil S. Jadhav
• Vidhan R. Jain
• Shriraj S. Jagtap
• Prachi Jadhav
• Soham Jadhav
• Ichha Raina

论文信息

• arXiv ID: 2512.04065v1
• 分类: cs.LG, cs.AI
• 发表时间: 2025年12月3日
• PDF: 下载 PDF