Поездки Uber и Lyft в небелые районы дороже?

Новое исследование показывает, что алгоритмы Uber и Lyft устанавливают более высокие тарифы для клиентов в небелых кварталах.

Недавнее исследование показывает, что алгоритм, используемый популярными компаниями Uber и Lyft, может фактически дискриминировать клиентов, ищущих транспорт в преимущественно небелых кварталах.

Айлин Калискан и Акшат Пандей из Университета Джорджа Вашингтона в Вашингтоне проанализировали данные о транспорте и переписи Чикаго в документе, в котором оценивалась расовая разница в количестве пассажиров, в зависимости от местоположения. Их набор данных включал более 100 миллионов поездок в период с ноября 2018 года по декабрь 2019 года, причем 68 миллионов из них были совершены отдельными водителями.

Они обнаружили, что компании, занимающиеся поездками, взимают более высокую цену за километр пути, если в пункте назначения или пункте посадки есть более высокий процент небелых жителей, жителей с низким доходом или жителей с низким уровнем образования.

«Несмотря на то, что спрос и скорость имеют самую высокую корреляцию с тарифами с указанием стоимости проезда, анализ показывает, что пользователи приложений в городе Чикаго могут испытывать социальный уклон в отношении цен, когда их подбирают или оставляют в районах с низким процентом лиц старше 40 лет или низким процентом лиц с дипломом средней школы или менее », — пишут авторы в своем заключении.

Они также указали во введении, почему это исследование особенно важно.

«В отличие от традиционных служб такси, цены на проезд являются динамичными, рассчитанными с использованием как продолжительности запрашиваемой поездки, так и спроса на услуги проезда на в этом районе», пояснили авторы.

«Uber определяет спрос на поездки, используя модели машинного обучения, используя прогнозирование, основанное на предварительном спросе, чтобы определить, в каких районах будут наиболее необходимы в данный момент времени водители. В то время как использование машинного обучения для прогнозирования спроса может улучшить способность приложений. Известно, что методы машинного обучения применяют политики, отражающие демографическое неравенство в наборе персонала в Интернете, рекламе в Интернете и прогнозировании рецидивизма ».

Это не первый случай, когда Uber и Lyft обвиняются в алгоритмической предвзятости — или в человеческой предвзятости, если уж на то пошло. Исследование 2016 года показало, что расовая и гендерная дискриминация была выражена среди водителей для Uber, Lyft и Flywheel. Мужчины, чьи имена звучали как афроамериканцы, имели в два раза больше шансов на то, чтобы водители отменили свои поездки, поскольку белые пассажиры (11,2–4,5%), а женщины с именами, звучащими в афроамериканских странах, имели схожие результаты (8,4–5,4%).

Источник

Присоединись к нам на:
Facebook
Twitter

Следующая новость

Звернення УТМА щодо реформи ринку таксі в Україні.

Лист Кіселю Ю.Г. Лист Гетманцеву Д.О. ЗАКОНОПРОЕКТ УКРАЇНИ ПРО ПЕРЕВЕЗЕННЯ ПАСАЖИРІВ НА ТАКСІ ТА ЛЕГКОВИМИ АВТОМОБІЛЯМИ НА ЗАМОВЛЕННЯ  ПОРІВНЯЛЬНА ТАБЛИЦЯдо проекту Закону України «Про внесення змін до Податкового кодексу Українищодо підтримки фізичних осіб-підприємців, які здійснюють діяльність з надання послуг таксі» Зміст положення (норми) чинного Закону України Зміст відповідного положення (норми) […]
error: Content is protected !!