要約
オンデマンドのライドサービスやライドソーシングサービスは、過去10年間に急速な発展を遂げてきた。ライドソーシングプラットフォームがより高い効率で運用戦略を設計できるよう、様々な数学モデルや最適化アルゴリズムが開発されてきた。しかし、コストと信頼性の問題（未熟なアルゴリズムを実運用に実装するとシステムが乱れる可能性がある）により、これらのモデルを検証し、これらの最適化アルゴリズムを実際のライドソーシングプラットフォーム内で訓練/テストすることは一般的に不可能である。有用なテストベッドとして機能するライドソーシングシステム用のシミュレーションプラットフォームは、トレイルアンドエラーを通じてアルゴリズムのトレーニング/テストまたはモデルの検証を実施するために非常に重要である。先行研究では、独自のタスクのために様々なシミュレータが確立されているが、異なる研究者によって提案されたモデルやアルゴリズムを比較するための公平で公開されたプラットフォームが欠けている。さらに、既存のシミュレータは、ライドソーシングシステムの実環境に近いかどうかから、実装可能な様々なタスクの完全性に至るまで、依然として多くの課題に直面している。これらの課題に対処するために、我々は、実際の交通ネットワーク上の様々なエージェントの行動や動きをシミュレートすることができる、ライドソーシングシステムのための新しい多機能かつオープンソースのシミュレーションプラットフォームを提案する。このプラットフォームは、オンデマンドマッチング、アイドル車両の再配置、ダイナミックプライシングなどの様々なタスクに対して、様々な最適化アルゴリズム、特に強化学習アルゴリズムを訓練し、テストするために、ユーザーがアクセス可能なポータルをいくつか提供する。さらに、理論モデルがシミュレーション結果にどの程度近似しているかをテストするのにも利用できる。実世界のデータに基づいた実験で評価した結果、このシミュレータはオンデマンドのライドサービス業務に関連する様々なタスクのための効率的かつ効果的なテストベッドであることが実証された。
要約(オリジナル)
On-demand ride services or ride-sourcing services have been experiencing fast development in the past decade. Various mathematical models and optimization algorithms have been developed to help ride-sourcing platforms design operational strategies with higher efficiency. However, due to cost and reliability issues (implementing an immature algorithm for real operations may result in system turbulence), it is commonly infeasible to validate these models and train/test these optimization algorithms within real-world ride sourcing platforms. Acting as a useful test bed, a simulation platform for ride-sourcing systems will be very important to conduct algorithm training/testing or model validation through trails and errors. While previous studies have established a variety of simulators for their own tasks, it lacks a fair and public platform for comparing the models or algorithms proposed by different researchers. In addition, the existing simulators still face many challenges, ranging from their closeness to real environments of ride-sourcing systems, to the completeness of different tasks they can implement. To address the challenges, we propose a novel multi-functional and open-sourced simulation platform for ride-sourcing systems, which can simulate the behaviors and movements of various agents on a real transportation network. It provides a few accessible portals for users to train and test various optimization algorithms, especially reinforcement learning algorithms, for a variety of tasks, including on-demand matching, idle vehicle repositioning, and dynamic pricing. In addition, it can be used to test how well the theoretical models approximate the simulated outcomes. Evaluated on real-world data based experiments, the simulator is demonstrated to be an efficient and effective test bed for various tasks related to on-demand ride service operations.
arxiv情報
| 著者 | Siyuan Feng,Taijie Chen,Yuhao Zhang,Jintao Ke,Zhengfei Zheng,Hai Yang |
| 発行日 | 2023-08-04 09:47:18+00:00 |
| arxivサイト | arxiv_id(pdf) |