A medida que las poblaciones envejecen en todo el mundo, muchos gobiernos han introducido el concepto de servicios de paratránsito para ayudar a las personas con movilidad limitada en el transporte. Un servicio de paratránsito exitoso debe ser capaz de satisfacer la mayoría de las solicitudes al sistema; este éxito está relacionado típicamente con la asignación de vehículos a estaciones de despacho. Una configuración adecuada puede reducir el tiempo de viaje innecesario y así atender a más personas. Esto se asemeja al clásico problema de Dial-a-Ride, que estudios anteriores han resuelto utilizando algoritmos heurísticos. Sin embargo, la mayoría de estos algoritmos incurren en costos computacionales elevados y, por lo tanto, no pueden operar en línea, especialmente cuando hay muchas condiciones que considerar, muchos requisitos de configuración o muchos vehículos solicitados. Por lo tanto, este documento propone un enfoque basado en la red adversaria generativa (GAN), que puede reducir significativamente la computación. En entornos en línea, este enfoque puede implementarse en solo unos segundos. Además, la cantidad de cálculo no se ve afectada por el número de condiciones, requisitos de configuración o vehículos solicitados. Este enfoque se basa en tres conceptos importantes: (1) diseñar un GAN para resolver el problema objetivo; (2) utilizar un diagrama de Voronoi mejorado para dividir el área de servicio general y generar la entrada del generador GAN; (3) utilizar el software de simulación de sistemas bien conocido Arena para generar rápidamente muchas condiciones para el problema objetivo y sus soluciones óptimas correspondientes para entrenar el GAN. La eficiencia del enfoque propuesto fue verificada utilizando un estudio de caso de servicios de paratránsito en Yunlin, Taiwán.