[论文解读] Effects of Information Heterogeneity in Bayesian Routing Games

Jeffrey Liu, Saurabh Amin+1 more|arXiv (Cornell University)|Mar 29, 2016

Game Theory and Applications参考文献 16被引用 22

一句话总结

本文提出一种贝叶斯拥堵博弈模型，用于分析在具有并行链路的网络中，关于交通事件的异质性信息如何影响路径选择与成本。研究发现，当知情通勤者比例超过某一阈值后，进一步传播信息对社会成本的降低作用仅边际改善，甚至可能使其上升，揭示了信息对社会而言具有非单调的价值。

ABSTRACT

This article studies the value of information in route choice decisions when a fraction of players have access to high accuracy information about traffic incidents relative to others. To model such environments, we introduce a Bayesian congestion game, in which players have private information about incidents, and each player chooses her route on a network of parallel links. The links are prone to incidents that occur with an ex-ante known probability. The demand is comprised of two player populations: one with access to high accuracy incident information and another with low accuracy information, i.e. the populations differ only by their access to information. The common knowledge includes: (i) the demand and route cost functions, (ii) the fraction of highly-informed players, (iii) the incident probability, and (iv) the marginal type distributions induced by the information structure of the game. We present a full characterization of the Bayesian Wardrop Equilibrium of this game under the assumption that low information players receive no additional information beyond common knowledge. We also compute the cost to individual players and the social cost as a function of the fraction of highly-informed players when they receive perfectly accurate information. Our first result suggests that below a certain threshold of highly-informed players, both populations experience a reduction in individual cost, with the highly-informed players receiving a greater reduction. However, above this threshold, both populations realize the same equilibrium cost. Secondly, there exists another (lower or equal) threshold above which a further increase in the fraction of highly-informed players does not reduce the expected social costs. Thus, once a sufficiently large number of players are highly informed, wider distribution of more accurate information is ineffective at best, and otherwise socially harmful.

研究动机与目标

• 建立模型以分析在部分通勤者可获取高精度事件数据而其他通勤者则拥有低精度或无额外信息的情况下，异质性信息对路径选择决策的影响。
• 刻画在具有概率性事件和私人信息的静态并行链路网络中，贝叶斯沃德罗普均衡（BWE）的特征。
• 在知情群体信息准确度为完美的前提下，量化个体与社会成本随高知情玩家比例变化的函数关系。
• 评估知情与非知情通勤者的信息价值，并评估其对社会的影响。
• 识别出在何种阈值之后，进一步传播信息无法降低社会成本，甚至可能使其上升。

提出的方法

• 在具有并行链路的网络上建立静态贝叶斯拥堵博弈模型，其中每条链路具有已知的事件状态先验概率。
• 引入两类玩家群体：H（高精度信息）和L（低精度或无额外信息），其对事件状态拥有私人信号。
• 使用贝叶斯更新方法，模拟玩家如何基于其私人信号修正对事件状态的信念。
• 应用贝叶斯沃德罗普均衡（BWE）解的概念，即任何玩家都无法通过单方面切换路径来降低其期望成本。
• 推导出在不同H型玩家比例下，均衡路径分配与期望成本的解析表达式。
• 将社会成本相对于社会最优水平进行归一化，以评估在不同信息分布水平下的效率增益与损失。

实验结果

研究问题

• RQ1 高知情通勤者比例如何影响知情与非知情玩家的个体出行成本？
• RQ2 在社会成本方面，信息传播的效益开始减弱的临界阈值是什么？
• RQ3 在何种条件下，向更多通勤者提供更准确的信息反而导致期望社会成本上升？
• RQ4 随着知情用户比例的增加，信息价值在知情与非知情通勤者之间有何差异？
• RQ5 最小化期望社会成本的最优高知情通勤者比例是多少？该比例是否小于1？

主要发现

• 在高知情玩家比例低于某一阈值时，知情与非知情通勤者均经历个体成本下降，且知情者获得更大的成本降幅。
• 超过该阈值后，两类群体的均衡成本趋于一致，表明个体从信息获取中获得的收益递减。
• 存在第二个阈值（小于或等于第一个阈值），超过该阈值后，增加高知情玩家比例不再降低期望社会成本。
• 在某些情形下，增加高知情用户比例甚至可能提高期望社会成本，尤其是在事件发生概率较低时。
• 信息传播带来的社会成本降低具有非单调性：其在最优高知情用户比例处达到峰值，随后下降或趋于平稳。
• 即使非知情通勤者也能从知情通勤者的存在中受益，因为当他人拥有准确事件数据时，其期望成本会下降。