[论文解读] Incentive-compatible mechanisms for online resource allocation in mobility-as-a-service systems

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

Transportation and Mobility Innovations参考文献 36被引用 6

一句话总结

本文提出了一种激励相容的、基于拍卖的在线机制，用于在按需出行服务（MaaS）系统中实现与出行方式无关的移动资源分配，使用户能够为每单位距离的出行时间出价。该文提出了两种机制——按需付费（PAYG）和打包付费（PAAP），采用整数/线性规划方法在最大化社会福利的同时确保策略无关性，通过竞争分析和真实世界移动数据的仿真验证了其性能与效率。

ABSTRACT

In the context of `Everything-as-a-Service', the transportation sector has been evolving towards user-centric business models in which customized services and mode-agnostic mobility resources are priced in a unified framework. Yet, in the vast majority of studies on Mobility as a Service (MaaS) systems, mobility resource pricing is based on segmented travel modes, e.g. private vehicle, public transit and shared mobility services. This study attempts to address this research gap by introducing innovative auction-based online MaaS mechanisms where users can bid for any amount of mode-agnostic mobility resources based on their willingness to pay and preferences. We take the perspective of a MaaS regulator which aims to maximize social welfare by allocating mobility resources to users. We propose two mechanisms which allow users to either pay for the immediate use of mobility service (pay-as-you-go), or to subscribe to mobility service packages (pay-as-a-package). We cast the proposed auction-based mechanisms as online resource allocation problems where users compete for MaaS resources and bid for travel time per trip. We propose (integer-) linear programming formulations to accommodate user bids based on available mobility resources in an online optimization approach. We show that the proposed MaaS mechanisms are incentive-compatible, develop customized online algorithms and derive performance bounds based on competitive analysis. Extensive numerical simulations are conducted on large scale instances generated from realistic mobility data, which highlight the benefits of the proposed MaaS mechanisms and the effectiveness of the proposed online optimization approaches.

研究动机与目标

• 为解决传统MaaS系统中按出行方式分段定价所导致的统一、与出行方式无关的定价研究空白。
• 设计在线资源分配机制，在动态用户出价和实时移动资源约束下最大化社会福利。
• 通过确保在PAYG和PAAP模型下，诚实出价成为用户的主导策略，实现激励相容性。
• 开发具有理论性能边界保证的高效在线算法，采用竞争分析方法。
• 通过大规模仿真，利用真实移动数据评估机制的有效性。

提出的方法

• 将移动资源建模为每单位距离的出行时间，使用户可根据支付意愿和偏好，对任意服务量进行出价。
• 提出两种机制：PAYG用于即时按需服务，PAAP用于固定时间段内的订阅制出行套餐。
• 使用整数规划和线性规划公式实现实时资源分配，根据价值和约束条件优先处理出价。
• 实施一种顺序决策框架，用户在每个时间片出价，监管机构据此分配资源以最大化社会福利。
• 应用竞争分析推导在线算法的理论性能边界。
• 整合用户特定参数，如起止点、出行延迟预算、不便容忍度，以及各出行方式的速率和成本。

实验结果

研究问题

• RQ1 MaaS系统如何在最大化社会福利的前提下，实现与出行方式无关的统一定价？
• RQ2 能否设计出激励相容的在线拍卖机制，确保用户真实报告其支付意愿？
• RQ3 在具有实时出价的动态MaaS环境中，对在线资源分配可推导出何种性能保证？
• RQ4 PAYG与PAAP机制在社会福利、效率和用户采纳潜力方面有何比较差异？
• RQ5 时间离散化（时间步长）对机制实现的社会福利有何影响？

主要发现

• 所提出的PAYG和PAAP机制被证明具有激励相容性，确保诚实出价是用户的最优策略。
• 在线算法实现了有界且实际表现良好的竞争比，经大规模仿真验证。
• 在大规模真实世界移动数据上的仿真显示，与基线分配策略相比，社会福利显著提升。
• 敏感性分析表明，时间步长（Δt）对社会福利的影响呈非单调性，最优性能出现在Δt = 50–90分钟区间。
• PAAP机制降低了边际成本，提高了共享出行和公共交通的用户采纳率，显示出其在促进可持续出行方面的潜力。
• 该模型通过集成的线性规划公式，有效平衡了用户偏好、资源可用性与系统整体效率。