i-Rebalance: Personalized Vehicle Repositioning for Supply Demand Balance

要約

配車プラットフォームは、需要と供給のバランスをとるという課題に直面しています。
既存の車両位置変更技術では、多くの場合、ドライバーを同種のエージェントとして扱い、位置変更に従うことを前提として、決定論的にドライバーを再配置します。
このペーパーでは、ドライバーが独自のクルーズの好みを持ち、推奨事項を受け入れるかどうかを自分で決定できる、より現実的なドライバー中心のシナリオを検討します。
私たちは、深層強化学習 (DRL) を使用したパーソナライズされた車両位置変更技術である i-Rebalance を提案します。
i-Rebalance は、99 人の実際のドライバーを対象とした現場でのユーザー調査を通じて、位置変更の推奨を受け入れるかどうかのドライバーの決定を推定します。
需要と供給のバランスを最適化し、同時に嗜好の満足度を高めるために、i-Rebalance はデュアル DRL エージェントを使用した順次再配置戦略を採用しています。グリッド エージェントはアイドル車両の再配置順序を決定し、車両エージェントは事前に各車両にパーソナライズされた推奨事項を提供します。
定義された順序。
この逐次学習戦略により、従来の共同行動手法と比較して、より小さな行動空間内でより効果的な政策トレーニングが促進されます。
実際の軌道データを評価すると、i-Rebalance によりドライバーの受け入れ率が 38.07%、ドライバーの総収入が 9.97% 向上することがわかりました。

要約(オリジナル)

Ride-hailing platforms have been facing the challenge of balancing demand and supply. Existing vehicle reposition techniques often treat drivers as homogeneous agents and relocate them deterministically, assuming compliance with the reposition. In this paper, we consider a more realistic and driver-centric scenario where drivers have unique cruising preferences and can decide whether to take the recommendation or not on their own. We propose i-Rebalance, a personalized vehicle reposition technique with deep reinforcement learning (DRL). i-Rebalance estimates drivers’ decisions on accepting reposition recommendations through an on-field user study involving 99 real drivers. To optimize supply-demand balance and enhance preference satisfaction simultaneously, i-Rebalance has a sequential reposition strategy with dual DRL agents: Grid Agent to determine the reposition order of idle vehicles, and Vehicle Agent to provide personalized recommendations to each vehicle in the pre-defined order. This sequential learning strategy facilitates more effective policy training within a smaller action space compared to traditional joint-action methods. Evaluation of real-world trajectory data shows that i-Rebalance improves driver acceptance rate by 38.07% and total driver income by 9.97%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google