[논문 리뷰] Incentive-compatible mechanisms for continuous resource allocation in mobility-as-a-service: Pay-as-You-Go and Pay-as-a-Package.

Haoning Xi, Wei Liu외 3명|arXiv (Cornell University)|2020. 09. 15.

Transportation and Mobility Innovations참고 문헌 30인용 수 5

한 줄 요약

이 논문은 사회적 복지를 최대화하기 위해 온라인 경매 프레임워크와 혼합정수/선형 프로그래밍을 사용하여 이동성 서비스(MaaS)를 위한 두 가지 인센티브 호환성 있는 연속적 자원 할당 메커니즘—지급-사용(PAYG) 및 패키지 지급(PAAP)—을 제안한다. 이 메커니즘들은 모드에 관계없이 이동성 가격 설정이 가능하며, 이론적 성능 한계를 갖는 효율적인 온라인 원시-쌍대 알고리즘에 의해 뒷받침된다.

ABSTRACT

Mobility as a Service (MaaS) has recently received a significant attention from researchers, industry stakeholders, and the public sector. The vast majority of existing MaaS paradigms are articulated based on the traditional segmentation of travel modes, e.g. private vehicle, public transportation (bus, metro, light rail) and shared mobility (car/bike/ride-sharing, ride-sourcing). In the context of `Everything-as-a-Service' (XaaS), service providers have evolved from product-based models towards less segmented representations in which resources are priced in a continuous fashion. Yet, such continuous resource allocation formulations are inexistent for MaaS systems. This study attempts to address this gap by introducing innovative MaaS mechanisms that allocate mobility resources to users without any form of travel mode segmentation. We introduce an online auction framework where travelers have the possibility to bid for continuous mobility resources based on their requirements and willingness to pay. We propose two MaaS mechanisms, Pay-as-You-Go (PAYG) and Pay-as-a-Package (PAAP), which allow travelers to either pay for the immediate use of mobility services or to subscribe to mobility service packages for a more protracted usage. Both MaaS mechanisms are based on mixed-integer or linear programming formulations designed to maximize social welfare. We show that the proposed PAYG and PAAP mechanisms are incentive-compatible, develop efficient online primal-dual algorithms to implement the proposed MaaS mechanisms and derive theoretical bounds on the worst-case performance of these algorithms. Moreover, we design a rolling horizon framework to incorporate booking flexibility. Numerical results on extensive problem instances generated from realistic mobility data highlight the benefits of the proposed MaaS mechanisms, and quantify the trade-offs among the proposed approaches.

연구 동기 및 목표

• 기존에 분할된 이동 모드에 의존하는 MaaS 시스템에서 연속적 자원 할당 모델의 부족을 해결하기 위해.
• 이동성을 이산적인 교통 수단이 아닌 연속적 자원으로 간주하는 통합된 모드에 관계없는 가격 설정 프레임워크를 설계하기 위해.
• 사용자 입찰가가 진정한 평가와 일치하도록 하고 사회적 복지를 최대화하는 인센티브 호환성 메커니즘을 개발하기 위해.
• 실시간 구현을 위해 이론적 성능 보장을 갖는 효율적인 온라인 알고리즘을 구현하기 위해.
• 유연한 미래 예약과 동적 재계획이 가능한 롤링 하루 프레임워크를 통해 예약 유연성을 통합하기 위해.

제안 방법

• 여행자가 자신의 필요와 지불 의사에 따라 연속적인 모빌리티 자원을 입찰하는 온라인 경매 프레임워크를 제안한다.
• 즉각적 사용을 위한 PAYG와 구독 기반 장기 접근을 위한 PAAP을 포함한 두 가지 메커니즘을 설계하며, 모두 혼합정수 또는 선형 프로그래밍으로 기술된다.
• 자원 및 사용자 제약 조건 하에서 사회적 복지를 최대화하기 위해 혼합정수 또는 선형 프로그래밍을 활용한다.
• 실시간 할당 및 지불을 계산하기 위한 효율적인 온라인 원시-쌍대 알고리즘을 개발하며, 이론적 최악의 경우 성능 한계를 보장한다.
• 유연한 향후 예약과 동적 재계획이 가능한 롤링 하루 프레임워크를 도입한다.
• 사용자의 이득을 최대화하는 진정한 입찰가가 최적임을 보장하기 위해 지불 구조를 설계함으로써 인센티브 호환성을 확보한다.

실험 결과

연구 질문

• RQ1 기존의 이동 모드 분할에 의존하지 않고 MaaS에서 연속적인 모빌리티 자원 할당을 어떻게 모델링할 수 있는가?
• RQ2 연속적인 자원 수요가 있는 동적이고 온라인인 MaaS 환경에서 어떤 메커니즘이 인센티브 호환성을 보장하는가?
• RQ3 불확실성 하에서 실시간 효율적인 할당 알고리즘을 통해 사회적 복지를 어떻게 최대화할 수 있는가?
• RQ4 이 MaaS 맥락에서 온라인 원시-쌍대 알고리즘의 이론적 성능 한계는 무엇인가?
• RQ5 롤링 하루 프레임워크를 통해 예약 유연성을 통합하면 메커니즘의 실용성과 효율성이 어떻게 향상되는가?

주요 결과

• PAYG 및 PAAP 메커니즘은 인센티브 호환성임이 증명되어 있어, 사용자에게 진정한 입찰가가 최적임을 보장한다.
• 제안된 온라인 원시-쌍대 알고리즘은 유한한 경쟁 비율을 달성하여 최적의 오프라인 솔루션 대비 최악의 경우 성능을 보장한다.
• 실제 모빌리티 데이터를 바탕으로 한 수치 실험 결과, 분할 또는 정적 가격 모델 대비 사회적 복지 향상이 뚜렷하게 나타났다.
• 롤링 하루 프레임워크는 할당 효율성을 훼손하지 않으면서도 예약의 유연성과 시스템의 적응 가능성을 효과적으로 향상시킨다.
• 비용, 사용자 만족도, 시스템 활용도 측면에서 PAYG와 PAAP 간의 트레이드오프가 정량화되었으며, 장기 계획에서 PAAP의 우월성이 드러났다.
• 다양한 수요 시나리오 하에서 전통적인 모드 분할 MaaS 모델 대비 효율성과 사용자 가치 캡처 측면에서 더 뛰어난 성능을 보였다.