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

Haoning Xi, Wei Liu+3 more|arXiv (Cornell University)|Sep 15, 2020

Transportation and Mobility Innovations参考文献 30被引用 5

一句话总结

本文提出两种激励相容的连续资源分配机制——按需付费（PAYG）和打包付费（PAAP）——用于基于在线拍卖框架和混合整数/线性规划的出行即服务（MaaS）系统，以最大化社会福利。这些机制实现了与出行方式无关的出行定价，并由具备理论性能边界的高效在线对偶算法支持。

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.

研究动机与目标

• 为解决传统MaaS系统依赖分段出行模式而缺乏连续资源分配模型的问题。
• 设计一种统一的、与出行方式无关的定价框架，将出行视为连续资源而非离散的交通模式。
• 开发激励相容机制，使用户出价与真实估值一致，并最大化社会福利。
• 实现具备理论性能保证的高效在线算法，以支持实时部署。
• 通过滚动时间窗框架引入预订灵活性，以提升可用性与适应性。

提出的方法

• 提出一种在线拍卖框架，旅行者根据自身需求和支付意愿对连续出行资源进行出价。
• 设计两种机制——PAYG用于按需使用，PAAP用于基于订阅的长期访问——两者均以混合整数或线性规划形式建模。
• 采用混合整数或线性规划，在资源与用户约束下最大化社会福利。
• 开发高效的在线对偶算法，实现实时计算分配结果与支付，并具备理论最坏情况性能边界。
• 引入滚动时间窗框架，支持灵活的未来预订与动态重规划。
• 通过结构化支付机制确保激励相容，使真实出价能最大化个体效用。

实验结果

研究问题

• RQ1 如何在不依赖传统出行模式划分的前提下，对MaaS中的连续出行资源分配进行建模？
• RQ2 在具有连续资源需求的动态在线MaaS环境中，何种机制可确保激励相容性？
• RQ3 在不确定性条件下，如何通过高效分配算法实现实时最大化社会福利？
• RQ4 在线对偶算法在此MaaS场景下的理论性能边界是什么？
• RQ5 通过滚动时间窗引入预订灵活性，如何提升机制的实际可行性和效率？

主要发现

• PAYG与PAAP机制被证明具有激励相容性，确保用户真实出价为最优策略。
• 所提出的在线对偶算法实现了有界的竞争比，保证了相对于最优离线解的最坏情况性能。
• 基于真实出行数据的数值实验表明，与分段或静态定价模型相比，社会福利显著提升。
• 滚动时间窗框架有效增强了预订灵活性与系统适应性，同时不损害分配效率。
• 在成本、用户满意度与系统利用率方面，量化了PAYG与PAAP之间的权衡，表明PAAP在长期规划中更具优势。
• 在多种需求场景下，该机制在效率与用户价值捕获方面均优于传统的基于模式分段的MaaS模型。