[논문 리뷰] Impact of Detour-Aware Policies on Maximizing Profit in Ridesharing

Arpita Biswas, Ragavendran Gopalakrishnan외 4명|arXiv (Cornell University)|2017. 06. 08.

Transportation and Mobility Innovations참고 문헌 14인용 수 11

한 줄 요약

이 논문은 도착지 기반 할인을 고려한 실시간 립셰어링 매칭을 위한 근사 알고리즘, 수익 극대화 할인 요금을 최적화하기 위한 적응형 학습 알고리즘(IDFLA), 그리고 도착지 기반 라우팅과 수익성 간의 트레이드오프를 평가한다. 뉴욕 시티 택시 데이터를 대상으로 한 시뮬레이션 결과, 근사 알고리즘은 최적 방법 대비 1/100,000의 시간에 90%의 최적성에 도달했으며, IDFLA는 16회 이내의 반복 안에 최적 할인 요금을 학습했고, 7%의 시장 점유율 증가가 품질 향상 정책으로 인한 단위 수익 감소를 상쇄함을 확인했다.

ABSTRACT

This paper provides efficient solutions to maximize profit for commercial ridesharing services, under a pricing model with detour-based discounts for passengers. We propose greedy heuristics for real-time ride matching that offer different trade-offs between optimality and speed. Simulations on New York City (NYC) taxi trip data show that our heuristics are up to 90% optimal and 10^5 times faster than the (necessarily) exponential-time optimal algorithm. Commercial ridesharing service providers generate significant savings by matching multiple ride requests using heuristic methods. The resulting savings are typically shared between the service provider (in the form of increased profit) and the ridesharing passengers (in the form of discounts). It is not clear a priori how this split should be effected, since higher discounts would encourage more ridesharing, thereby increasing total savings, but the fraction of savings taken as profit is reduced. We simulate a scenario where the decisions of the passengers to opt for ridesharing depend on the discount offered by the service provider. We provide an adaptive learning algorithm IDFLA that learns the optimal profit-maximizing discount factor for the provider. An evaluation over NYC data shows that IDFLA, on average, learns the optimal discount factor in under 16 iterations. Finally, we investigate the impact of imposing a detour-aware routing policy based on sequential individual rationality, a recently proposed concept. Such restricted policies offer a better ride experience, increasing the provider's market share, but at the cost of decreased average per-ride profit due to the reduced number of matched rides. We construct a model that captures these opposing effects, wherein simulations based on NYC data show that a 7% increase in market share would suffice to offset the decreased average per-ride profit.

연구 동기 및 목표

• 도착지 기반 요금제 하에서 최적의 라이드 매칭이 NP-완전임에도 불구하고 실시간 성능이 중요한 상황에서 수익 극대화 문제를 해결하기 위해.
• 라이더 할인(라이드셰어링 수용률을 증가시킴)과 운전자 수익(높은 할인율에 따라 감소함) 사이의 최적 균형을 도출하기 위해.
• 도착지 인지 라우팅 정책(예: 순차적 개인 합리성)의 수익성 트레이드오프를 평가하기 위해. 이러한 정책은 라이드 품질을 향상시키지만 가능한 매칭 범위를 제한함.
• 품질 향상 라우팅 제약 조건으로 인한 단위 수익 감소를 상쇄하기 위해 필요한 최소 시장 점유율 증가를 모델링하고 정량화하기 위해.

제안 방법

• 도착지 기반 할인 하에서 최적성과 속도를 균형 잡는 실시간 라이드 매칭을 위한 정수선형계획문(ILP)과 근사 휴리스틱 가족을 제안한다.
• 사용자 수용률을 제공된 할인에 대한 함수로 모델링하고 반복적으로 매개변수를 개선함으로써 최적 할인 요금을 학습하는 적응형 학습 알고리즘인 IDFLA를 개발한다.
• 순차적 개인 합리성(SIR) 기반의 도착지 인지 라우팅 정책을 도입하여 승객이 단독 이동보다 불리하지 않도록 보장함으로써 사용자 경험과 시장 점유율을 향상시킨다.
• 뉴욕 시티 택시 운행 데이터를 사용해 도착지 기반 할인 수준과 라우팅 제약 조건이 다양한 상황에서의 라이드 매칭, 사용자 수용 행동, 수익성에 대한 시뮬레이션을 수행한다.
• 사용자가 랜덤한 비대칭 동전을 던져 라이드셰어링 수용 여부를 결정하는 확률적 사용자 선택 모델을 활용한다. 이 동전의 기울기는 할인율, 도착지 비용, 시장 점유율 동적 변화에 따라 달라진다.
• SIR 제약 조건이 적용된 정책 하에서 단위 수익 감소를 상쇄하기 위해 필요한 최소 시장 점유율 증가를 측정함으로써 수익성 트레이드오프를 정량화한다.

실험 결과

연구 질문

• RQ1 정확한 해법이 NP-완전임을 감안할 때, 도착지 기반 할인 하에서 실시간 라이드셰어링 매칭을 효율적으로 근사하여 수익을 극대화할 수 있는 방법은 무엇인가?
• RQ2 사용자 수용률이 제공된 할인에 의존하는 모델 하에서, 사용자 수용률 증가와 운전자 수익 간의 균형을 이끄는 최적 할인 요금은 무엇인가?
• RQ3 순차적 개인 합리성 기반의 도착지 인지 라우팅 정책을 도입할 경우, 단위 수익은 어느 정도 감소하며, 이 손실을 증가한 시장 점유율이 상쇄할 수 있는가?
• RQ4 SIR 제약 조건이 적용된 라우팅 정책 하에서 단위 평균 수익 감소를 상쇄하기 위해 필요한 최소 시장 점유율 증가는 얼마인가?

주요 결과

• 제안된 근사 휴리스틱은 뉴욕 실세계 데이터 기반으로 최적 수익의 최대 90%를 달성하면서도 정확한 지수시간 알고리즘 대비 100,000배 빠른 속도를 기록했다.
• IDFLA 알고리즘은 평균적으로 16회 이내의 반복 안에 최적 할인 요금을 학습하여 사용자 수용률과 운전자 수익 간의 균형을 효과적으로 확보했다.
• 7%의 시장 점유율 증가가 순차적 개인 합리성 기반 도착지 인지 라우팅 정책 도입으로 인한 평균 단위 수익 감소를 완전히 상쇄하는 데 충분했다.
• 시뮬레이션 결과, $ c_{\text{in}} \geq 200 $ 인 모든 경우에 대해, SIR-$ \gamma $ 정책을 적용할 경우 기준선 대비 더 높은 총 수익을 얻을 수 있는 $ \gamma $ 값의 범위가 존재함을 확인했다.
• 수익성 곡선은 중간 수준의 $ \gamma $ 값에서 최고점을 보이며, 이는 과도한 도착지 제약이 매칭 가능성을 감소시켜 수익을 줄일 수 있음을 시사한다.
• 결과적으로 SIR와 같은 품질 향상 정책이 시장 점유율을 약간 증가시키면 수익성에 영향을 주지 않거나 오히려 수익성을 높일 수 있음을 보여주며, 이는 2016년 리프트의 70% 시장 점유율 증가 사례와 유사한 실세계 사례에서 확인된다.