A fare shakeJacking up prices may n

A fare shake

Jacking up prices may not be the only way to balance supply and demand for taxis

IT IS a familiar ritual for many: after a late night out you reach for your smartphone to hail an Uber home, only to find—disaster—that the fare will be three times the normal rate. Like many things beloved by economists, “surge pricing” of the sort that occasionally afflicts Uber-users is both efficient and deeply unpopular. From a consumer’s perspective, surge pricing is annoying at best and downright offensive when applied during emergencies. Extreme fare surges often lead to outpourings of public criticism: when a snowstorm paralysed New York in 2013, celebrities, including Salman Rushdie, took to social media to rail against triple-digit fares for relatively short rides. Some city governments have banned the practice altogether: Delhi’s did so in April.

Uber is sticking with surge pricing for now, but Jeff Schneider, one of its machine-learning experts, recently suggested that the company is interested in developing systems that rely on technology, rather than price, to allocate cars. Even if such a technological fix proves elusive, however, local governments do not need to regulate or ban surge pricing to reduce its sting.



Yet surge fares also demonstrate the elegance with which prices moderate a marketplace. When demand in an area spikes and the waiting time for a car rises, surge pricing kicks in; users requesting cars are informed that the fare will be a multiple of the normal rate. As the multiple rises, the market goes to work. Higher fares ration available cars by willingness to pay: to richer users, in some cases, but also to those less able to wait out the surge period or with fewer good alternatives. Charging extra to those without good alternatives sounds like gouging, yet without surge pricing such riders would be less likely to get a ride at all, since there would be no incentive for all the other people requesting cars to drop out. Surge pricing also boosts supply, at least locally. The extra money is shared with drivers, who therefore have an incentive to travel to areas with high demand to help relieve the crush.

A recent analysis published by Uber illustrates how the system is intended to work. Jonathan Hall, head of economic research at Uber, Cory Kendrick, a data scientist at the firm, and Chris Nosko, of the University of Chicago, compared two high-demand cases in New York city to illustrate how surge pricing is intended to work. In March 2015 it kicked in after a sold-out concert by Ariana Grande, a singer, in an arena in the middle of Manhattan. As the show came to an end, the number of people in the area opening the Uber app quadrupled in just a few minutes. Uber’s algorithm swiftly applied surge pricing; the average waiting time for a car rose only modestly, while the “completion rate”—the share of requests for rides that are met—never fell below 100%. On New Year’s Eve in 2014, in contrast, Uber’s surge-pricing algorithm broke down for 26 minutes, leaving New York without surge pricing. The average wait time for a car soared from about two minutes to roughly eight, while the completion rate dropped below 25% (see chart).

The comparison may overstate the power of surge pricing. Even without the help of algorithms, cab drivers know to converge on a venue as an event finishes; more Uber drivers than normal were surely in the area at the end of Ms Grande’s concert in expectation of the extra business. Yet the possibility of earning a surge fare may also strengthen drivers’ incentives to anticipate and respond pre-emptively to high demand. Ironically, the better Uber’s surge-pricing algorithm works, the less the company will need to use it, since drivers’ pre-emptive responses will tend to eliminate the demand imbalances that make surge pricing necessary in the first place.

There are tantalising hints that Uber hopes to follow this logic to its conclusion. Mr Schneider noted that clever machine-learning tools could process Uber’s piles of data and determine when and where demand is likely to outstrip the supply of cars. There would be no need to wait until demand starts to rise, nor for drivers to scan concert schedules. The ability to anticipate demand would be of some use to Uber today: it could tell drivers where they are likely to be needed. But they would presumably not respond as rapidly as they do to the inducement of surge fares. Eventually, however, Uber hopes to replace its human drivers with autonomous vehicles, which could be directed around the city by the company’s computers without any pecuniary incentives. (The company still has an incentive to maximise earnings, though, so it might opt to keep surge pricing even if technology made it redundant, at the risk of further public rage.)

Apps and downs
Whether Uber remains a big part of the transport network in future, and whether it retains surge pricing, depends in part on how well local governments manage the

ผลลัพธ์ (ไทย) 1:

ค่าโดยสารสั่นยกราคาอาจเป็นวิธีเดียวที่จะสมดุลระหว่างอุปสงค์และอุปทานสำหรับแท็กซี่มันเป็นพิธีกรรมสำหรับหลาย ๆ คนคุ้นเคย: หลังค่ำคืนออก คุณหยิบสมาร์ทโฟนเพื่อตะโกนเรียก Uber มี บ้านเพียงเพื่อจะพบ — ภัยพิบัติ — ว่า ค่าโดยสารจะเป็นสามเท่าของอัตราปกติ เช่นหลายสิ่ง โดยนักเศรษฐศาสตร์ "กระชากราคา" ของการจัดเรียงที่บางครั้งแนวผู้ใช้ Uber ที่รักจะไม่เป็นที่นิยมอย่างมาก และมีประสิทธิภาพ จากมุมมองของผู้บริโภค ราคาไฟกระชากได้น่ารำคาญที่สุด และจริงจังไม่เหมาะสมเมื่อใช้ในกรณีฉุกเฉิน ค่าโดยสารมากกระชากมักจะนำไปสู่ outpourings วิจารณ์สาธารณะ: เมื่อเผชิญกับ paralysed นิวยอร์กใน 2013 ดัง รวม Salman Rushdie เอาไปสังคมราวกับค่าโดยสารสามหลักค่อนข้างสั้นขี่ บางรัฐบาลเมืองได้ห้ามการปฏิบัติทั้งหมด: ของทำเช่นนั้นในเดือนเมษายนนี้Uber จะติดกับไฟกระชากราคาตอนนี้ แต่เจฟฟ์ชไนเดอร์ ผู้เชี่ยวชาญการเรียนรู้ของเครื่อง อย่างใดอย่างหนึ่งเมื่อเร็ว ๆ นี้แนะนำว่า บริษัทที่สนใจในการพัฒนาระบบที่ต้องพึ่งเทคโนโลยี มากกว่าราคา การจัดสรรรถยนต์ ถ้าแก้ไขเทคโนโลยีพิสูจน์ยาก อย่างไรก็ตาม รัฐบาลท้องถิ่นไม่จำเป็นต้องควบคุม หรือบ้านไฟกระชากราคาลดของมันยัง ราคากระชากยังแสดงความสง่างามที่ราคาปานกลางตลาด เมื่อความต้องการในพื้นที่ spikes และรอสำหรับรถยนต์เพิ่ม ขึ้น ไฟกระชากราคาเตะ ขอรถยนต์ผู้ใช้จะทราบว่า ค่าโดยสารจะเป็นตัวคูณของอัตราปกติ เป็นเพิ่มขึ้นหลาย ตลาดไปทำงาน ค่าโดยสารสูงขึ้นปันส่วนรถพร้อมใช้งาน โดยความเต็มใจจ่าย: ผู้ ใช้ยิ่งขึ้น ในบางกรณี แต่ผู้ที่ไม่ได้รอช่วงไฟกระชาก หรือ มีน้อยกว่าทางเลือกที่ดี ชาร์จพิเศษที่ไม่ มีทางเลือกที่ดีเสียงเหมือนเซาะ ยังไม่ มีไฟกระชากราคาดังกล่าวผู้ขับขี่จะโอกาสน้อยที่จะได้นั่งเลย เพราะจะไม่มีแรงจูงใจสำหรับคนอื่น ๆ ที่ร้องขอรถให้ปล่อยออก ราคากระชากยังช่วยเพิ่มอุปทาน น้อยในท้องถิ่น เงินพิเศษร่วมกับ ผู้ ขับดังนั้น เพื่อจูงใจให้เดินทางไปยังพื้นที่ที่มีความต้องการสูงเพื่อช่วยบรรเทาอาการปิ๊งการวิเคราะห์ล่าสุดที่เผยแพร่ โดย Uber แสดงให้เห็นถึงวิธีระบบเป็นการทำงาน โยนาธานฮอลล์ หัวหน้าสำนักวิจัยเศรษฐกิจที่ Uber โคเคนดิก นักวิทยาศาสตร์ข้อมูลที่บริษัท และคริส Nosko มหาวิทยาลัยชิคาโก เปรียบเทียบสองกรณีสูงในนิวยอร์กซิตี้เพื่อแสดงวิธีกำหนดราคากระชากมีวัตถุประสงค์ในการทำงาน มีนาคม 2015 มันเตะในหลังจากคอนเสิร์ตนำโดย Ariana Grande นักร้อง ในเวทีกลางแมนฮัตตัน ตามที่แสดงมาถึงจุดสิ้นสุด เพิ่มจำนวนคนในพื้นที่เปิด Uber app ในเพียงไม่กี่นาที อัลกอริทึมของ Uber ใช้ไฟกระชากราคา อย่างรวดเร็ว เวลารอคอยเฉลี่ยสำหรับรถกุหลาบสุภาพเท่านั้น ในขณะ "สมบูรณ์อัตรา" — ร่วมขอขี่ที่ตรง — ไม่เคยลดลงต่ำกว่า 100% ในปี 2014 คมชัด อัลกอริทึมราคา surge ของ Uber ร้องไห้ 26 นาที ออกจากนิวยอร์ก โดยไฟกระชากราคา เวลารอคอยเฉลี่ยสำหรับรถยนต์เพิ่มสูงขึ้นจากประมาณสองนาทีถึงประมาณแปด ในขณะอัตราความสมบูรณ์ลดลงต่ำกว่า 25% (ดูแผนภูมิ)การเปรียบเทียบอาจภั์พลังของไฟกระชากราคา โดยใช้อัลกอริทึม ขับทราบเพื่อมาบรรจบกันในสถานเป็นเหตุการณ์เสร็จ Uber โปรแกรมควบคุมเพิ่มเติมมากกว่าปกตินอนในพื้นที่จบคอนเสิร์ต Ms Grande in expectation of เพิ่มเติมของธุรกิจ ยัง เป็นไปได้ของรายได้ค่าโดยสารไฟกระชากอาจยังเสริมสร้างแรงจูงใจในการขับขี่สามารถคาดการณ์ และตอบสนองต่อความต้องการสูง pre-emptively แดกดัน ทำงานอัลกอริทึมราคากระชากของ Uber ดีกว่า น้อยบริษัทจะต้องใช้งานได้ เนื่องจากการตอบสนองของไดรเวอร์ pre-emptive จะมีแนวโน้มจะ ขจัดความไม่สมดุลของความต้องการที่ทำให้ไฟกระชากราคาความจำเป็นในสถานที่แรกกำลังเพลิดคำแนะนำที่ Uber หวังทำตามตรรกะนี้เพื่อสรุป นายชไนเดอร์กล่าวว่า ฉลาดเรียนรู้ของเครื่องมือสามารถประมวลผลข้อมูลกองของ Uber และกำหนด และเวลาที่ต้องการจะ outstrip การจัดหารถยนต์ คุณจะไม่จำเป็นต้องรอจนกว่าความต้องการเริ่ม การเพิ่มขึ้น หรือโปรแกรมควบคุมการสแกนตารางคอนเสิร์ต ความสามารถในการคาดการณ์ความต้องการที่จะเป็น Uber ใช้บางวันนี้: มันสามารถบอกโปรแกรมควบคุมที่พวกเขามีแนวโน้มที่จะมีความจำเป็น แต่พวกเขาจะสันนิษฐานว่าไม่ตอบสนองอย่างรวดเร็วกับประโยชน์ของไฟกระชากราคาเป็น ในที่สุด อย่างไรก็ตาม Uber หวังเพื่อแทนไดรเวอร์มนุษย์ ด้วยยานพาหนะอิสระ ซึ่งสามารถกำกับรอบเมือง โดยคอมพิวเตอร์ของบริษัทโดยไม่มีแรงจูงใจเงินใดๆ (บริษัทยังคงมีสิ่งจูงใจเพื่อเพิ่มกำไร แม้ว่า ดังนั้นมันอาจเลือกที่จะให้กระชากราคาแม้เทคโนโลยีทำซ้ำซ้อน ความเสี่ยงต่อสาธารณะความโกรธ)แอและดาวน์ว่า Uber ยังคง เป็นของเครือข่ายขนส่งในอนาคต และว่า จะยังคงราคาที่กระชาก บางส่วนขึ้นอยู่กับวิธีที่ดีที่รัฐบาลท้องถิ่นจัดการการ

ผลลัพธ์ (ไทย) 2:

สั่นโดยสารjacking ขึ้นราคาอาจจะไม่เป็นวิธีเดียวที่จะรักษาความสมดุลของอุปสงค์และอุปทานของรถแท็กซี่มันเป็นพิธีกรรมที่คุ้นเคยสำหรับหลาย ๆ คน: หลังจากดึกออกคุณมาถึงมาร์ทโฟนของคุณเพื่อลูกเห็บบ้าน Uber เพียงเพื่อจะพบภัยพิบัติที่ ค่าโดยสารจะเป็นสามเท่าของอัตราปกติ เช่นเดียวกับหลายสิ่งหลายอย่างที่รักของนักเศรษฐศาสตร์ "กระชากกำหนดราคา" ของการจัดเรียงที่บางครั้ง afflicts Uber ผู้ใช้เป็นทั้งที่มีประสิทธิภาพและเป็นที่นิยมอย่างล้ำลึก จากมุมมองของผู้บริโภคที่เพิ่มขึ้นการกำหนดราคาเป็นที่น่ารำคาญที่ดีที่สุดและเป็นที่น่ารังเกียจอย่างจริงจังเมื่อนำมาใช้ในกรณีฉุกเฉิน ค่าโดยสารที่สูงที่สุดกระชากมักจะนำไปสู่การพรั่งพรูของการวิจารณ์ส่วนกลาง: เมื่อพายุหิมะเป็นอัมพาตนิวยอร์กในปี 2013 ดังรวมทั้งซัลแมนรัชเอาไปสื่อสังคมเพื่อรถไฟกับค่าโดยสารสามหลักสำหรับการขี่ค่อนข้างสั้น บางรัฐบาลเมืองได้ห้ามการปฏิบัติทั้งหมด: นิวเดลีได้ดังนั้นในเดือนเมษายน. Uber เป็นเกาะที่มีการกำหนดราคากระชากตอนนี้ แต่เจฟฟ์ชไนเดอหนึ่งในผู้เชี่ยวชาญด้านเครื่องเรียนรู้เมื่อเร็ว ๆ นี้ชี้ให้เห็นว่า บริษัท มีความสนใจในการพัฒนาระบบที่ต้องพึ่งพาเทคโนโลยี มากกว่าราคาที่จะจัดสรรรถยนต์ แม้ว่าเช่นการแก้ไขเทคโนโลยีพิสูจน์ยาก แต่รัฐบาลท้องถิ่นไม่จำเป็นต้องควบคุมหรือกำหนดราคาห้ามกระชากเพื่อลดการต่อยของมัน. แต่ค่าโดยสารเพิ่มขึ้นนอกจากนี้ยังแสดงให้เห็นถึงความสง่างามกับที่ราคาปานกลางตลาด เมื่อมีความต้องการในพื้นที่แหลมและเวลาที่รอคอยสำหรับรถที่เพิ่มขึ้นกระชากเตะในการกำหนดราคา; ผู้ใช้ร้องขอรถยนต์ได้รับแจ้งว่าค่าโดยสารจะเป็นหลายอัตราปกติ ในฐานะที่เป็นเพิ่มขึ้นหลายตลาดไปทำงาน อัตราค่าโดยสารที่สูงขึ้นปันส่วนรถยนต์ใช้ได้โดยเต็มใจที่จะจ่าย: กับผู้ใช้งานที่ดียิ่งขึ้นในบางกรณี แต่ยังรวมถึงผู้ที่ไม่สามารถที่จะรอออกระยะเวลาการกระชากหรือมีทางเลือกที่ดีน้อยลง การเรียกเก็บเงินพิเศษให้กับผู้ที่ไม่มีทางเลือกที่ดีเสียงเหมือนแซะ แต่การกำหนดราคาโดยไม่ต้องกระชากผู้ขับขี่ดังกล่าวจะมีโอกาสน้อยที่จะได้รับการนั่งที่ทุกคนเนื่องจากจะมีแรงจูงใจสำหรับทุกคนอื่นขอให้รถที่จะเลื่อนออกไม่มี การกำหนดราคากระชากยังช่วยเพิ่มอุปทานอย่างน้อยในประเทศ เงินพิเศษที่จะใช้ร่วมกันกับคนขับรถที่ดังนั้นจึงมีแรงจูงใจที่จะเดินทางไปยังพื้นที่ที่มีความต้องการสูงเพื่อช่วยบรรเทาปิ๊. การวิเคราะห์ล่าสุดที่เผยแพร่โดย Uber แสดงให้เห็นถึงวิธีการที่ระบบมีจุดมุ่งหมายในการทำงาน โจนาธานฮอลล์หัวหน้าฝ่ายวิจัยเศรษฐกิจใน Uber คอรี Kendrick นักวิทยาศาสตร์ข้อมูลที่ บริษัท และคริส Nosko ของมหาวิทยาลัยชิคาโกเมื่อเทียบสองกรณีความต้องการสูงในเมืองนิวยอร์กเพื่อแสดงให้เห็นว่าการกำหนดราคากระชากมีจุดมุ่งหมายในการทำงาน ในมีนาคม 2015 มันเตะในหลังจากคอนเสิร์ตขายออกโดย Ariana Grande, นักร้องในเวทีในช่วงกลางของแมนฮัตตัน ในฐานะที่เป็นการแสดงมาถึงจุดสิ้นสุดจำนวนคนในพื้นที่เปิดแอป Uber ปากต่อปากในเวลาเพียงไม่กี่นาที อัลกอริทึมของ Uber อย่างรวดเร็วนำมาใช้กำหนดราคากระชาก; รอเวลาเฉลี่ยสำหรับรถที่เพิ่มขึ้นเพียงอย่างสุภาพในขณะที่ "อัตราการสำเร็จ" หุ้นของการร้องขอ -The สำหรับการขี่ที่พบไม่เคยลดลงต่ำกว่า 100% ในวันส่งท้ายปีเก่าในปี 2014 ในทางตรงกันข้ามขั้นตอนวิธีการกำหนดราคากระชาก Uber ของยากจนลง 26 นาทีออกจากนิวยอร์กโดยไม่ต้องกำหนดราคากระชาก ระยะเวลาโดยเฉลี่ยสำหรับรถที่เพิ่มสูงขึ้นจากประมาณสองนาทีประมาณแปดในขณะที่อัตราการสำเร็จลดลงต่ำกว่า 25% (ดูกราฟ). การเปรียบเทียบอาจคุยโวพลังของการกำหนดราคาไฟกระชาก แม้โดยความช่วยเหลือของขั้นตอนวิธีการขับรถแท็กซี่ทราบว่าจะมาบรรจบกันในสถานที่จัดงานเป็นเสร็จสิ้นเหตุการณ์; ไดรเวอร์ Uber กว่าปกติได้อย่างแน่นอนในพื้นที่ในตอนท้ายของคอนเสิร์ตนางสาวแกรนด์ในความคาดหวังของธุรกิจเสริม แต่ความเป็นไปได้ของรายได้ค่าโดยสารกระชากยังอาจสร้างความเข้มแข็งแรงจูงใจของคนขับรถในการคาดการณ์และตอบสนองก่อน emptively ความต้องการสูง กระแทกแดกดันอัลกอริทึมคลื่นการกำหนดราคาที่ดีกว่า Uber ทำงานที่น้อยกว่าที่ บริษัท จะต้องใช้มันตั้งแต่คำตอบไว้ล่วงหน้า emptive คนขับจะมีแนวโน้มที่จะขจัดความไม่สมดุลของอุปสงค์ที่ทำให้การกำหนดราคาคลื่นที่จำเป็นในสถานที่แรก. มีคำแนะนำยั่วเย้าที่ Uber หวังที่จะทำตามตรรกะนี้ไปสู่ข้อสรุปของมัน นายชไนเดอตั้งข้อสังเกตว่าฉลาดเครื่องมือเครื่องสามารถประมวลผลการเรียนรู้กอง Uber ของข้อมูลและการกำหนดเวลาและความต้องการที่มีแนวโน้มที่จะทำได้ดีกว่าอุปทานของรถยนต์ จะไม่มีความจำเป็นที่จะรอจนกว่าความต้องการจะเริ่มต้นที่จะเพิ่มขึ้นหรือสำหรับไดรเวอร์ที่จะสแกนตารางคอนเสิร์ต ความสามารถในการคาดการณ์ความต้องการที่จะเป็นของใช้บางอย่างเพื่อ Uber วันนี้: มันสามารถบอกคนขับรถที่พวกเขามีแนวโน้มที่จะมีความจำเป็น แต่พวกเขาคงจะไม่ตอบสนองอย่างรวดเร็วที่สุดเท่าที่พวกเขาทำเพื่อจูงใจของค่าโดยสารไฟกระชาก ในที่สุดอย่างไร Uber หวังที่จะแทนที่ไดรเวอร์ของมนุษย์ที่มียานพาหนะของตนเองซึ่งอาจถูกนำไปรอบ ๆ เมืองโดยคอมพิวเตอร์ของ บริษัท ฯ โดยไม่มีแรงจูงใจทางการเงินใด ๆ ( บริษัท ฯ ยังคงมีแรงจูงใจที่จะเพิ่มรายได้แม้ว่าดังนั้นมันอาจจะเลือกที่จะให้การกำหนดราคากระชากแม้ว่าเทคโนโลยีทำให้มันซ้ำซ้อนที่มีความเสี่ยงของความโกรธของประชาชนต่อไป.) ปพลิเคชันและดาวน์ไม่ว่า Uber ยังคงเป็นส่วนใหญ่ของเครือข่ายการขนส่ง ในอนาคตและไม่ว่าจะยังคงมีการกำหนดราคาคลื่นส่วนหนึ่งขึ้นอยู่กับวิธีที่ดีรัฐบาลท้องถิ่นจัดการ