[논문 리뷰] Uncertain Congestion Games with Assorted Human Agent Populations

Asrar Ahmed, Pradeep Varakantham외 1명|arXiv (Cornell University)|2012. 10. 16.

Transportation Planning and Optimization참고 문헌 16인용 수 4

한 줄 요약

이 논문은 인간의 다양한 행동 양태(한계적 이성과 비결정적 이동 포함)를 고려하는 불확실성 하의 혼잡 게임을 위한 새로운 프레임워크를 제안한다. 이는 이성적 및 한계적 이성적 에이전트가 혼합된 인구에서 스케일러블한 해결책을 제공하며, 인공적 및 실세계 택시 펌웨이 데이터를 통해 이성적 전략을 따를 경우 타인의 조언 이행 여부와 관계없이 수익과 효율성과 같은 사회적 복지 지표가 향상됨을 입증한다.

ABSTRACT

Congestion games model a wide variety of real-world resource congestion problems, such as selfish network routing, traffic route guidance in congested areas, taxi fleet optimization and crowd movement in busy areas. However, existing research in congestion games assumes: (a) deterministic movement of agents between resources; and (b) perfect rationality (i.e. maximizing their own expected value) of all agents. Such assumptions are not reasonable in dynamic domains where decision support has to be provided to humans. For instance, in optimizing the performance of a taxi fleet serving a city, movement of taxis can be involuntary or nondeterministic (decided by the specific customer who hires the taxi) and more importantly, taxi drivers may not follow advice provided by the decision support system (due to bounded rationality of humans). To that end, we contribute: (a) a general framework for representing congestion games under uncertainty for populations with assorted notions of rationality. (b) a scalable approach for solving the decision problem for perfectly rational agents which are in the mix with boundedly rational agents; and (c) a detailed evaluation on a synthetic and realworld data set to illustrate the usefulness of our new approach with respect to key social welfare metrics in the context of an assorted human-agent population. An interesting result from our experiments on a real-world taxi fleet optimization problem is that it is better (in terms of revenue and operational efficiency) for taxi drivers to follow perfectly rational strategies irrespective of the percentage of drivers not following the advice.

연구 동기 및 목표

• 동적 인간 중심 도메인에서 결정론적 에이전트 이동과 완벽한 이성을 가정하는 전통적 혼잡 게임의 한계를 해결하기 위해.
• 에이전트가 다양한 수준의 이성을 보이는 혼잡 게임을 모델링하고 해결하기 위해, 특히 한계적 이성을 포함하여.
• 완벽한 이성적 에이전트와 한계적 이성적 에이전트가 공존하는 시스템에서 스케일러블한 의사결정 접근법을 개발하기 위해.
• 실세계 및 인공 데이터 환경에서 이성적 전략 채택이 사회적 복지 지표에 미치는 영향을 평가하기 위해.

제안 방법

• 이질적인 에이전트 인구를 고려한 불확실성 하의 혼잡 게임을 표현하기 위한 일반적 프레임워크를 제안한다.
• 완벽한 이성적 에이전트(기대 효용 최대화)와 한계적 이성적 에이전트(휴리스틱 또는 부분 최적 전략 사용)를 사용해 에이전트 행동을 모델링한다.
• 한계적 이성적 에이전트 존재 하에서 이성적 에이전트의 최적 전략을 계산하기 위한 스케일러블 알고리즘을 설계한다.
• 에이전트 이동 및 의사결정의 불확실성을 통합한 게임 이론적 설정을 사용한다.
• 실세계 데이터를 활용한 실세계 택시 펌웨이 최적화 문제에 프레임워크를 적용하고, 인공 시뮬레이션을 수행한다.
• 수익과 운영 효율성과 같은 핵심 사회적 복지 지표를 사용해 성능을 평가한다.

실험 결과

연구 질문

• RQ1 한계적 이성적 에이전트의 존재가 불확실성 하의 혼잡 게임에서 이성적 에이전트의 성능에 어떤 영향을 미치는가?
• RQ2 한계적 이성성과 혼합된 인구에서 이성적 에이전트가 운영되는 데 있어 스케일러블한 해결책을 개발할 수 있는가?
• RQ3 실세계 교통 시스템에서 이성적 전략 채택이 전체 시스템의 효율성과 수익에 어떤 영향을 미치는가?
• RQ4 이성적 전략의 효과성은 인구 내 비준수 에이전트 비율에 따라 달라지는가?
• RQ5 에이전트 이동의 불확실성이 균형 결과와 시스템 성능에 어떤 영향을 미치는가?

주요 결과

• 실세계 택시 펌웨이 최적화 시나리오에서, 조언을 따르지 않는 운전사 비율과 관계없이 이성적 전략을 채택할 경우 더 높은 수익과 운영 효율성을 달성했다.
• 제안된 프레임워크는 불확실성 하에서 한계적 이성적 에이전트 존재 하에서 이성적 에이전트의 최적 전략을 성공적으로 모델링하고 계산할 수 있었다.
• 이성적 에이전트가 최적 전략을 따를 경우, 비준수 비율이 높더라도 시스템 성능이 크게 향상되었다.
• 해결책의 스케일러비리티 덕분에 도시 택시 펌웨이와 같은 대규모 동적 환경에서의 실용적 구현이 가능해졌다.
• 인공적 및 실세계 데이터에 대한 실험을 통해 이성적 전략 채택이 다양한 수준의 에이전트 비이성성에 걸쳐 뛰어난 강건성을 보였다.
• 결과적으로, 비이성적이거나 예측 불가능한 행동이 존재하더라도 인간 에이전트의 이성적 행동을 장려할 경우 더 나은 집단적 결과를 이끌 수 있음을 입증했다.