[논문 리뷰] Single-leader multi-follower games for the regulation of two-sided Mobility-as-a-Service markets
이 논문은 이중 시장(MaaS) 시장의 규제를 위해 단일 리더 다수 후속자 게임(SLMFG) 프레임워크를 제안하며, 이름-당신-가격(NYOP) 경매를 통해 MaaS 규제 기관이 수익을 극대화하기 위해 가격과 번들링을 설정하고, 여행자 및 이동 서비스 제공자(TSP)들이 참여 수준을 최적화하여 반응한다. 이 모델은 교차 그룹 네트워크 효과를 반영하며, 강력한 이중성 기반 분할 및 구속 알고리즘을 통해 결과적인 이중 문제를 해결하여 기준 대비 10–100배의 계산 속도 향상을 보인다.
Mobility-as-a-Service (MaaS) is an emerging business model driven by the concept of "Everything-as-a-Service" and enabled through mobile internet technologies. In the context of economic deregulation, a MaaS system consists of a typical two-sided market, where travelers and transportation service providers (TSPs) are two groups of agents interacting with each other through a MaaS platform. In this study, we propose a modeling and optimization framework for the regulation of two-sided MaaS markets. We consider a name-your-own-price (NYOP)-auction mechanism where travelers submit purchase-bids to accommodate their travel demand via MaaS platform, and TSPs submit sell-bids to supply mobility resources for the MaaS platform in exchange for payments. We cast this problem as a single-leader multi-follower game (SLMFG) where the leader is the MaaS regulator and two groups of follower problems represent the travelers and the TSPs. The MaaS regulator aims to maximize its profits by optimizing operations. In response to the MaaS regulator's decisions, travelers (resp. TSPs) adjust their participation level in the MaaS platform to minimize their travel costs (resp. maximize their profits). We analyze cross-group network effects in the MaaS market, and formulate SLMFGs without and with network effects leading to mixed-integer linear bilevel programming and mixed-integer quadratic bilevel programming problems, respectively. We propose customized branch-and-bound algorithms based on strong duality reformulations to solve these SLMFGs. Extensive numerical experiments conducted on large scale simulation instances generated from realistic mobility data highlight that the performance of the proposed algorithms is significantly superior to a benchmarking approach, and provide meaningful managerial insights for the regulation of two-sided MaaS markets in practice.
연구 동기 및 목표
- 현재 이동 수단 유형별로 분할된 가격 책정 방식을 취하고 있는 MaaS 시스템에서 통합적이고 모드에 관계없이 적용 가능한 가격 책정의 부재를 해결하기 위해.
- 경제적 해제 상태 하에서 이중 시장 내 MaaS 규제 기관, 여행자, TSP 간의 전략적 상호작용을 모델링하기 위해.
- MaaS 플랫폼 성능 및 수익성에 영향을 미치는 공급-수요 격차를 포함한 교차 그룹 네트워크 효과를 포착하기 위해.
- SLMFG에서 발생하는 혼합정수 이중계획문제에 대해 정확하고 확장 가능한 해법 방법을 개발하기 위해.
- 이중성 있는 이해관계자 선호도와 지불 의사 금액에 기반한 MaaS 규제 기관의 최적 가격 책정 및 번들링 전략에 대한 관리 통찰을 제공하기 위해.
제안 방법
- MaaS 규제 문제를 단일 리더 다수 후속자 게임(SLMFG)으로 공식화하며, MaaS 규제 기관을 리더로, 여행자 및 TSP를 두 개의 별도된 후속자 그룹으로 설정한다.
- 여행자가 구매 입찰을 제출하고 TSP가 판매 입찰을 제출하는 이름-당신-가격(NYOP) 경매 메커니즘을 적용한다.
- 네트워크 효과 유무에 따라 각각 혼합정수선형이중계획문제(MILBP) 및 혼합정수이차이중계획문제(MIQBP)로 시스템을 모델링한다.
- 강력한 이중성 재구성 기법을 적용하여 이중 문제를 등가 제약 조건이 있는 단일 수준 수학적 프로그래밍(MPEC)으로 변환하고, 분할 및 구속을 통해 정확한 해를 도출한다.
- 이중 변수의 수용/거부 여부에 따라 분할하고, 수렴성을 향상시키기 위해 세 가지 맞춤형 분할 규칙을 적용한 특화된 SD 기반 B&B 알고리즘을 제안한다.
- 실제 이동 데이터 기반의 대규모 시뮬레이션을 통해 접근법을 검증하고, 기준 MPEC 기반 B&B와의 성능을 비교한다.
실험 결과
연구 질문
- RQ1공급-수요 격차로 측정되는 교차 그룹 네트워크 효과의 포함 여부가 이중 시장에서 MaaS 규제 기관의 수익에 어떤 영향을 미치는가?
- RQ2구매 및 판매 입찰 가격 범위 비율이 MaaS 규제 기관의 수익과 이해관계자 참여에 어떤 영향을 미치는가?
- RQ3공급-수요 격차의 하한 및 상한 범위의 변화가 네트워크 효과 존재 조건에서 규제 기관의 수익성에 어떻게 영향을 미치는가?
- RQ4제안된 SD 기반 B&B 알고리즘이 대규모 SLMFG를 해결하는 데 있어 표준 MPEC 기반 B&B보다 얼마나 뛰어난가?
- RQ5여행자 이동 비용과 TSP 수익이 공급-수요 격차가 증가함에 따라 감소하는 조건는 무엇인가?
주요 결과
- SD 기반 B&B 알고리즘은 기준 MPEC 기반 B&B 대비 10배에서 100배의 계산 속도 향상을 달성하며, 특히 대규모 인스턴스에서 뚜렷한 성능 향상을 보인다.
- 고정된 여행자 및 TSP 수량 조건에서, 구매 입찰 가격 범위 비율(b_max/b_min)이 증가할수록 MaaS 규제 기관의 수익이 증가하지만, 판매 입찰 가격 범위 비율(β_max/β_min)이 증가할수록 수익은 감소한다.
- 입찰 가격 범위가 고정된 조건에서 여행자 또는 TSP의 수가 증가할수록 MaaS 규제 기관의 수익이 증가함을 확인하여, 모델의 확장성 잠재력을 입증한다.
- 네트워크 효과가 있는 SLMFG에서 공급-수요 격차 하한(C̲)이 증가할수록 수익이 크게 감소하고, 상한(C̄)이 증가함에 따라 처음에는 약간 감소하다가 안정화되는 경향을 보인다.
- 네트워크 효과 존재 시, 네트워크 효과가 없는 경우에 비해 MaaS 규제 기관의 수익이 감소함을 확인하여, 시장 통합성과 수익성 간의 잠재적 트레이드오프를 시사한다.
- 여행자 이동 비용과 TSP 수익 모두 공급-수요 격차가 증가할수록 감소함을 확인하여, 불균형이 이해관계자 복지에 부정적인 영향을 미친다는 점을 강조한다.
더 나은 연구,지금 바로 시작하세요
논문 읽기부터 검토까지, 연구 시간을 획기적으로 줄여보세요.
카드 등록 없음 · 무료 플랜 제공
이 리뷰는 AI가 만들고, 인간 에디터가 검토했습니다.