[论文] Uber、Ola和Rapido的车费比较应用

Source: arXiv - 2512.04065v1

概述

本文提出了一款基于网页的 车费比较应用，能够实时从印度三大网约车平台——Uber、Ola 和 Rapido——获取报价，并为用户指定的目的地展示最便宜、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 的车费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‑终点对的实时车费比较。
• 实践性讨论了集成挑战（限流、认证、使用 Appium 的模拟器测试以及地理位置处理）。
• 可开源的架构，可扩展至其他出行服务（如共享单车、公共交通）。

方法论

1. 数据获取 – 作者逆向工程了 Uber、Ola 和 Rapido 的公开 API（在有文档的情况下使用端点， otherwise 采用网页抓取）。认证令牌会自动刷新。
2. 位置标准化 – 用户提供的纬度/经度对会被送入每个服务的 “价格估算” 端点。系统调和坐标精度和地图投影的差异。
3. 车费与 ETA 融合 – 对于每个提供商，后端提取估算的车费区间和预计到达时间（ETA）。使用简单的评分函数 (score = α * fare + β * ETA) 对选项进行排序；α、β 权重可配置。
4. 网页前端 – 一个轻量的 Flask 应用渲染起点/终点输入表单，显示三家服务的并排表格，并突出显示排名最高的乘车方案。
5. 测试框架 – 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 可能使得对时间敏感的用户更倾向于选择 Uber 或 Ola。
• 透明度提升：使用该应用的用户相比随机选择服务可节省约 12 % 的车费。
• 技术可行性：统一后端能够在约 150 个并发请求下保持亚秒级延迟，证明实时聚合在中小规模下是可行的。

实际意义

• 对开发者：本文的模块化 API 包装器可直接嵌入现有的旅行编排平台，实现多提供商的价格比较，无需从头构建每个集成。
• 对产品团队：在移动即服务（MaaS）门户中嵌入车费比较小部件，可通过提供 “最佳价格保证” 增强用户信任并降低流失率。
• 对网约车公司：透明的定价仪表盘可能促使平台优化其车费估算算法，从而形成更具竞争力的定价结构。
• 对终端用户：一次点击即可显示给定行程的最便宜乘车方案，省钱并减少决策疲劳——在价格敏感的市场尤为重要。

局限性与未来工作

• API 稳定性 – 本方法依赖第三方端点，可能随时变更；更稳健的方案应通过正式合作协议或使用行业标准 API（如 Mobility Data Specification）。
• 评分简易性 – 当前的线性组合仅考虑车费和 ETA，未纳入车辆类型、动态加价、用户偏好和安全评级等因素。未来可引入机器学习模型，根据用户行为学习个性化权重。
• 地理范围 – 原型仅覆盖少数印度大都市；若要实现全国乃至跨境覆盖，需要处理地区定价规则和监管约束。
• 实时加价处理 – 系统仅快照车费估算；若能集成持续流式更新，将在高峰期提升准确性。

通过弥补上述不足，车费比较框架有望发展为全功能、生产级服务，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
• 发布日期: 2025 年 12 月 3 日
• PDF: Download PDF