Optimizing Group Utility in Itinerary Planning: A Strategic and Crowd-Aware Approach

要約

タイトル：旅程計画におけるグループの効用最適化：戦略的かつクラウドによるアプローチ

要約：
-旅程の推薦は、多数の実世界のアプリケーションを持つ複雑なシーケンス予測問題です。
-このタスクは、複数のユーザーの待ち時間と混雑度の最適化を考慮する場合、さまざまな関連するパラメータ、すなわちアトラクションの人気度、待ち時間、移動時間、営業時間など、問題がより難しくなります。
-既存のソリューションは通常、単一の人物の視点に重点を置き、セルフィッシュルーティング問題のような自然の混雑の原因となる実世界の問題に対処できません。
-本論文では、現実の世界でグループの効用を最適化する戦略的かつクラウドによる旅程推奨アルゴリズム（SCAIR）を紹介します。
-我々は、マルコフ決定過程としてルート推薦戦略をモデリングし、状態エンコーディングメカニズムを提案し、リアルタイムの計画と割り当てを線形時間で可能にします。
-我々は、テーマパークのデータセットを用いて、SCAIRが4つのテーマパークでセルフィッシュルーティング問題に対処することを示す、競争力のある、現実的なベースラインに対してアルゴリズムを評価します。

要約(オリジナル)

Itinerary recommendation is a complex sequence prediction problem with numerous real-world applications. This task becomes even more challenging when considering the optimization of multiple user queuing times and crowd levels, as well as numerous involved parameters, such as attraction popularity, queuing time, walking time, and operating hours. Existing solutions typically focus on single-person perspectives and fail to address real-world issues resulting from natural crowd behavior, like the Selfish Routing problem. In this paper, we introduce the Strategic and Crowd-Aware Itinerary Recommendation (SCAIR) algorithm, which optimizes group utility in real-world settings. We model the route recommendation strategy as a Markov Decision Process and propose a State Encoding mechanism that enables real-time planning and allocation in linear time. We evaluate our algorithm against various competitive and realistic baselines using a theme park dataset, demonstrating that SCAIR outperforms these baselines in addressing the Selfish Routing problem across four theme parks.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI