基于深度多任务学习的按需乘车服务匹配半径动态决策方法，可在广播模式下根据实时供需信息实时优化匹配半径，提升系统整体性能。
75737968 · Zijian, Shen · Feng, Siyuan · 杨林川 · 柯锦涛
Transportation Research Part E: Logistics and Transportation Review 2025
模型利用实时供需信息为不同匹配半径预测系统性能，使平台能即时选择最优半径。
提出WESM多任务学习策略，同时优化多项系统性能指标，加快各任务收敛并提高整体预测精度。
仿真环境下，与固定匹配半径相比，动态调整匹配半径带来显著性能提升，验证了方法有效性。