[論文レビュー] Uncertain Congestion Games with Assorted Human Agent Populations

Asrar Ahmed, Pradeep Varakantham+1 more|arXiv (Cornell University)|Oct 16, 2012

Transportation Planning and Optimization参考文献 16被引用数 4

ひとこと要約

本稿は、多様な人間エージェント行動（制限付き合理性や非決定的移動を含む）を考慮する、不確実性下における混雑ゲームのための新規フレームワークを提示する。合理的かつ制限付き合理的なエージェントが混在する集団に対してスケーラブルな解決策を提案し、合成データおよび実世界のタクシー・フリートデータを用いた実験を通じて、他者の助言遵守にかかわらず、合理的な戦略に従うことで社会的福祉指標（収益や効率性）が向上することを示している。

ABSTRACT

Congestion games model a wide variety of real-world resource congestion problems, such as selfish network routing, traffic route guidance in congested areas, taxi fleet optimization and crowd movement in busy areas. However, existing research in congestion games assumes: (a) deterministic movement of agents between resources; and (b) perfect rationality (i.e. maximizing their own expected value) of all agents. Such assumptions are not reasonable in dynamic domains where decision support has to be provided to humans. For instance, in optimizing the performance of a taxi fleet serving a city, movement of taxis can be involuntary or nondeterministic (decided by the specific customer who hires the taxi) and more importantly, taxi drivers may not follow advice provided by the decision support system (due to bounded rationality of humans). To that end, we contribute: (a) a general framework for representing congestion games under uncertainty for populations with assorted notions of rationality. (b) a scalable approach for solving the decision problem for perfectly rational agents which are in the mix with boundedly rational agents; and (c) a detailed evaluation on a synthetic and realworld data set to illustrate the usefulness of our new approach with respect to key social welfare metrics in the context of an assorted human-agent population. An interesting result from our experiments on a real-world taxi fleet optimization problem is that it is better (in terms of revenue and operational efficiency) for taxi drivers to follow perfectly rational strategies irrespective of the percentage of drivers not following the advice.

研究の動機と目的

• 動的かつ人間中心のドメインにおいて、決定論的エージェント移動と完全な合理性を仮定する伝統的な混雑ゲームの限界を克服すること。
• 人間エージェントが多様なレベルの合理性（制限付き合理性を含む）を示す混雑ゲームをモデル化および解決すること。
• 完全に合理的なエージェントと制限付き合理的なエージェントが共存するシステムにおけるスケーラブルな意思決定アプローチを開発すること。
• 実世界および合成シナリオにおける社会的福祉指標（収益や効率性）に与える合理的戦略採用の影響を評価すること。

提案手法

• 異種のエージェント集団を伴う不確実性下の混雑ゲームを表現する一般化されたフレームワークを提案する。
• 完全に合理的なエージェント（期待効用を最大化）と制限付き合理的なエージェント（ヒューリスティックまたは近似的な戦略を用いる）の混合を用いてエージェント行動をモデル化する。
• 制限付き合理的なエージェントが存在する中で、合理的エージェントの最適戦略を計算するためのスケーラブルなアルゴリズムを設計する。
• エージェント移動および意思決定における不確実性を組み込んだゲーム理論的定式化を採用する。
• 実世界のデータと合成シミュレーションを用いて、実世界のタクシー・フリート最適化問題にこのフレームワークを適用する。
• 収益や運用効率などの主要な社会的福祉指標を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 制限付き合理的なエージェントの存在が、不確実性下の混雑ゲームにおける合理的エージェントのパフォーマンスに与える影響は何か？
• RQ2 制限付き合理的なエージェントが存在する混合集団において、合理的エージェント向けにスケーラブルな解決策を開発できるか？
• RQ3 実世界の交通システムにおいて、合理的戦略の採用が全体のシステム効率性および収益に与える影響は何か？
• RQ4 合理的戦略の有効性は、集団内の非遵守エージェントの割合に依存するか？
• RQ5 エージェント移動の不確実性が均衡結果およびシステムパフォーマンスに与える影響は何か？

主な発見

• 実世界のタクシー・フリート最適化シナリオにおいて、助言に従わないドライバーの割合に関わらず、合理的戦略の採用により収益と運用効率が向上した。
• 提案されたフレームワークは、不確実性下で制限付き合理的なエージェントが存在する中で、合理的エージェントの最適戦略をモデル化および計算することに成功した。
• 合理的エージェントが最適戦略に従った場合、多くのエージェントが非遵守であってもシステムパフォーマンスが顕著に向上した。
• 解決策のスケーラビリティのおかげで、都市タクシー・フリートのような大規模かつ動的な環境への実用的導入が可能になった。
• 合成データおよび実世界データの両方の実験を通じて、エージェントの非合理性の度合いが変化しても、合理的戦略採用のロバスト性が確認された。
• 結果から、非合理的または予測不能な行動が存在する中でも、人間エージェントにおける合理的行動の促進が、より良い集団的成果をもたらすことが示された。