[논문 리뷰] Near Optimal Control of a Ride-Hailing Platform via Mirror Backpressure

Yash Kanoria, Pengyu Qian|arXiv (Cornell University)|2019. 03. 07.

Transportation and Mobility Innovations인용 수 14

한 줄 요약

이 논문은 유한한 공급 단위를 가진 폐쇄형 큐잉 네트워크에서 리프라이딩 및 유사 플랫폼의 근사 최적 제어를 위한 미러 백프레셔(Mirror Backpressure, MBP) 정책을 제안한다. 미러 강하와 백프레셔 원리를 조합함으로써 MBP는 수요 도착률에 대한 사전 지식 없이도 근사 최적 성능을 달성하며, 최적 정책에 비해 최대 $O(\frac{K}{T} + \frac{1}{K} + \sqrt{\eta K})$의 수익 손실을 입는다.

ABSTRACT

We study the problem of maximizing payoff generated over a period of time in a general class of closed queueing networks with a finite, fixed number of supply units which circulate in the system. Demand arrives stochastically, and serving a demand unit (customer) causes a supply unit to relocate from the origin to the destination of the customer. The key challenge is to manage the distribution of supply in the network. We consider general controls including customer entry control, pricing, and assignment. Motivating applications include shared transportation platforms and scrip systems. Inspired by the mirror descent algorithm for optimization and the backpressure policy for network control, we introduce a novel and rich family of Mirror Backpressure (MBP) control policies. The MBP policies are simple and practical, and crucially do not need any statistical knowledge of the demand (customer) arrival rates (these rates are permitted to vary slowly in time). Under mild conditions, we propose MBP policies that are provably near optimal. Specifically, our policies lose at most $O(\frac{K}{T}+\frac{1}{K} + \sqrt{\eta K})$ payoff per customer relative to the optimal policy that knows the demand arrival rates, where $K$ is the number of supply units, $T$ is the total number of customers over the time horizon, and $\eta$ is the maximum change in demand arrival rates per period (i.e., per customer arrival). A natural model of a scrip system is a special case of our setup. An adaptation of MBP is found to perform well in a realistic ride-hailing environment.

연구 동기 및 목표

• 유한하고 순환하는 공급 단위를 가진 폐쇄형 큐잉 네트워크에서 공급 분배를 효율적으로 관리하는 데 도전하는 것.
• 리프라이딩 플랫폼 및 스크립트 시스템과 같은 시간에 따라 변하는 확률적 수요이 있는 시스템에서 장기 수익을 극대화하는 제어 정책을 설계하는 것.
• 수요 도착률에 대한 사전 지식 없이도 작동하는 제어 프레임워크를 개발하는 것. 이 수요 도착률은 시간이 지남에 따라 천천히 변화할 수 있다.
• 약한 가정 하에 증명 가능한 보장을 갖춘 근사 최적 성능을 달성하는 것.
• 고객 입국 제어, 가격 설정, 할당 결정을 통합한 실용적이고 확장 가능한 정책을 제공하는 것.

제안 방법

• 논문은 미러 강하와 백프레셔 원리에서 영감을 얻은 새로운 제어 정책 가족인 미러 백프레셔(Mirror Backpressure, MBP) 정책을 도입한다.
• MBP는 실시간 네트워크 상태와 큐 차이를 기반으로 공급 할당을 동적으로 조정하는 이중 최적화 프레임워크를 사용한다.
• 정책은 수요 도착률의 통계적 지식이 필요로 하지 않아 시간에 따라 변하는 또는 알려지지 않은 도착 과정에 대해 강건하다.
• 안정성과 근사 최적성 보장을 위해 라플라스 기반 분석을 활용한다.
• 공급 제약 조건과 관련된 이중 변수에 대한 미러 강하 갱신에서 제어 법칙을 유도한다.
• 고객 수용 결정, 동적 가격 설정, 할당 라우팅을 포함한 일반적인 제어 조치를 지원한다.

실험 결과

연구 질문

• RQ1 유한한 공급과 알려지지 않은 수요율을 가진 폐쇄형 큐잉 네트워크에서 근사 최적 수익을 달성하는 제어 정책을 설계할 수 있는가?
• RQ2 미러 강하와 백프레셔 원리를 어떻게 조합하여 동적 플랫폼에 대한 실용적이고 데이터 기반의 제어 정책을 만들 수 있는가?
• RQ3 수요율을 모른 채 작동하는 정책이 최적 정책에 비해 겪는 기본적인 성능 손실은 얼마인가?
• RQ4 제안된 정책은 재추정이나 적응 없이 천천히 시간에 따라 변화하는 수요를 처리할 수 있는가?
• RQ5 MBP 정책은 리프라이딩 및 스크립트 시스템과 같은 실제 응용 분야로 일반화될 수 있는가?

주요 결과

• MBP 정책은 최적 정책이 수요율을 완전히 알고 있을 경우에 비해 고객당 $O(\frac{K}{T} + \frac{1}{K} + \sqrt{\eta K})$의 회귀 한계를 달성한다.
• 공급 단위 수 $K$를 적절히 선택할 경우 성능 손실가 최소화되며, 이는 $\frac{K}{T}$와 $\frac{1}{K}$ 사이의 트레이드오프를 균형 잡는 데 기여한다.
• 수요 도착률이 시간이 지남에 따라 천천히 변화하더라도 정책은 여전히 효과적이며, $\eta$는 각 기간당 최대 변화율을 캡처한다.
• 프레임워크는 고객 입국 제어, 가격 설정, 할당을 포함한 광범위한 제어 조치를 자연스럽게 수용한다.
• MBP의 변형은 현실적인 리프라이딩 플랫폼 시뮬레이션 환경에서 뛰어난 성능을 보였다.
• 모델의 특수한 경우는 스크립트 시스템에 해당하며, 제안된 프레임워크의 일반성과 적용 가능성은 입증된다.