本文提出了一种强化学习算法，以提高共享出租车系统的服务水平。在实际操作中，共享出租车运营商通常会将新的打车请求插入到一个可以最小化当前总等待时间和绕行距离的车辆路径中。然而，共享出租车系统的服务水平不仅涉及总等候时间和绕行距离，还与打车数量有关。如果出租车运营商只强调减少当前乘客的等候时间和绕行距离，出租车的运输能力会被当前的乘客过度消耗，而不能有效地响应未来的打车请求，那么未来的大部分打车请求可能会被拒绝，导致系统的服务水平下降。本文提出的强化学习算法考虑到未来打车请求的不确定性，并对未来的打车情景作出前瞻性的预判，以帮助运营商提高共享出租车系统的服务水平。本文在大规模网络上对该方法进行了测试，以验证该方法的性能。

　　Chong Wei（卫翀），Yinhu Wang，Xuedong Yan，Chunfu Shao（邵春福），Look-ahead Insertion Policy for A Shared-taxi System Based on Reinforcement Learning. IEEE Access, 2017, Accepted.