[논문 리뷰] Empty-car routing in ridesharing systems

Anton Braverman, J. G. Dai외 2명|arXiv (Cornell University)|2016. 09. 23.

Transportation and Mobility Innovations참고 문헌 21인용 수 17

한 줄 요약

이 논문은 리프라이드링 시스템에서 빈 차량 재배치를 최적화하기 위해 유체한계 기반의 최적화 프레임워크를 제안한다. 이는 승객 이용 가능성과 같은 시스템 전체의 효용을 극대화하기 위한 것이다. 시스템을 닫힌 큐잉 네트워크로 모델링하고 유체한계로 수렴함을 증명함으로써, 유체기반 최적 재배치 정책이 이론적 효용 상한선에 점점 가까워지며, 실제 디디추싱 데이터를 사용한 시뮬레이션에서 정적 및 동적 정책보다 뛰어난 성능을 보임을 입증한다.

ABSTRACT

This paper considers a closed queueing network model of ridesharing systems such as Didi Chuxing, Lyft, and Uber. We focus on empty-car routing, a mechanism by which we control car flow in the network to optimize system-wide utility functions, e.g. the availability of empty cars when a passenger arrives. We establish both process-level and steady-state convergence of the queueing network to a fluid limit in a large market regime where demand for rides and supply of cars tend to infinity, and use this limit to study a fluid-based optimization problem. We prove that the optimal network utility obtained from the fluid-based optimization is an upper bound on the utility in the finite car system for any routing policy, both static and dynamic, under which the closed queueing network has a stationary distribution. This upper bound is achieved asymptotically under the fluid-based optimal routing policy. Simulation results with real-world data released by Didi Chuxing demonstrate the benefit of using the fluid-based optimal routing policy compared to various other policies.

연구 동기 및 목표

• 리어라이드링 시스템을 단일 서버 및 무한 서버 스테이션을 가진 닫힌 큐잉 네트워크로 모델링하여 차량 및 승객의 동역학을 포착한다.
• 빈 차량 재배치가 시스템 성능, 특히 승객 이용 가능성 및 만족도에 미치는 영향을 분석한다.
• 수요와 공급이 무한으로 증가하는 대규모 시장 환경에서 큐잉 네트워크의 유체한계를 수립한다.
• 모든 재배치 정책에 대해 시스템 효용의 상한선을 제공하는 유체기반 최적화 문제를 유도한다.
• 유체기반 최적 재배치 정책이 유한 시스템에서 이 상한선에 점점 수렴하며 실제로 다른 정책보다 뛰어나다는 것을 입증한다.

제안 방법

• 리어라이드링을 $ r $개의 지역, $ N $대의 차량, 그리고 각 지역에서 포아송 분포로 도착하는 승객을 가진 닫힌 큐잉 네트워크로 모델링한다.
• 단일 서버 스테이션(승객을 기다리는 중)과 무한 서버 스테이션(승객과 함께나 혼자 이동 중)을 사용해 차량 이동을 표현한다.
• 빈 차량 재배치를 제어하기 위해 상태에 따라 변하는 라우팅 행렬 $ Q $ 를 도입한다.
• 대규모 시장 스케일링 하에서 프로세스 수준 및 정적 상태 수렴을 유체한계로 보장하기 위해 확산 및 유체한계 정리들을 사용한다.
• 라우팅 행렬 $ Q $, 승객 목적지 확률 $ P_{ij} $, 이동률 $ \mu_{ij} $ 를 포함한 균형 방정식의 해를 통해 유체기반 최적화 문제를 유도한다.
• 유체 모델에서 도출된 최적 효용이 정적 또는 동적 재배치 정책이 정적 분포를 가지는 경우 유한 시스템 성능의 상한선이 됨을 증명한다.

실험 결과

연구 질문

• RQ1 유체한계 근사치는 빈 차량 재배치를 고려한 대규모 리어라이드링 시스템의 성능을 정확하게 특성화할 수 있는가?
• RQ2 최적의 빈 차량 재배치를 통해 달성 가능한 이론적 효용 상한선(예: 승객 이용 가능성)은 무엇인가?
• RQ3 유체기반 최적 재배치 정책은 유한 시스템에서 이 상한선에 점점 수렴하는가?
• RQ4 유체기반 최적 정책은 실세계 데이터 기반 시뮬레이션에서 실용적 정책과 비교해 어떻게 성능이 뛰어나게 되는가?
• RQ5 유체한계가 결정론적 해로 수렴하는 조건은 무엇이며, 이는 최적화에 어떻게 기여하는가?

주요 결과

• 유체기반 최적화 문제에서 도출된 효용 상한선는 정적 또는 동적 재배치 정책이 정적 분포를 가지는 모든 유한 차량 시스템에 대해 유효하다.
• 유체기반 최적 재배치 정책은 차량 수와 수요가 무한으로 증가함에 따라 이 상한선에 점점 수렴한다.
• 대규모 시장 스케일링 하에서 큐잉 네트워크 프로세스가 결정론적 유체 경로로 수렴함으로써 유체한계가 도출된다.
• 유체 모델은 라우팅 및 목적지 확률에서 유도된 열-스토케스틱이고 기약가능한 행렬 $ B $ 를 포함한 균형 방정식 $ (I - B)\Lambda \bar{a} = 0 $ 으로 수립된다.
• 실제 디디추싱 데이터를 사용한 시뮬레이션 결과, 유체기반 정책이 승객 이용 가능성과 시스템 효율 측면에서 다른 재배치 전략보다 뚜렷이 뛰어나다는 것이 입증되었다.
• 최적의 유체해는 유체균형 방정식을 풀고 $ \bar{a}_i \in [0,1] $ 를 충족시키는 조건을 부여함으로써 유일하게 결정되며, $ \bar{a}_i = 1 $ 은 지역 $ i $ 가 최대로 활용됨을 나타낸다.