[论文解读] Near Optimal Control of a Ride-Hailing Platform via Mirror Backpressure

Yash Kanoria, Pengyu Qian|arXiv (Cornell University)|Mar 7, 2019

Transportation and Mobility Innovations被引用 14

一句话总结

本文提出镜像反压（Mirror Backpressure, MBP）策略，用于在具有有限供给单元的封闭排队网络中实现近似最优的网约车平台及其他类似平台的控制。通过结合镜像下降与反压原理，MBP在无需事先知晓需求到达率的情况下，实现近似最优性能，相对于已知完整需求信息的最优策略，每位顾客的收益损失最多为 $O(\frac{K}{T} + \frac{1}{K} + \sqrt{\eta K})$。

ABSTRACT

We study the problem of maximizing payoff generated over a period of time in a general class of closed queueing networks with a finite, fixed number of supply units which circulate in the system. Demand arrives stochastically, and serving a demand unit (customer) causes a supply unit to relocate from the origin to the destination of the customer. The key challenge is to manage the distribution of supply in the network. We consider general controls including customer entry control, pricing, and assignment. Motivating applications include shared transportation platforms and scrip systems. Inspired by the mirror descent algorithm for optimization and the backpressure policy for network control, we introduce a novel and rich family of Mirror Backpressure (MBP) control policies. The MBP policies are simple and practical, and crucially do not need any statistical knowledge of the demand (customer) arrival rates (these rates are permitted to vary slowly in time). Under mild conditions, we propose MBP policies that are provably near optimal. Specifically, our policies lose at most $O(\frac{K}{T}+\frac{1}{K} + \sqrt{\eta K})$ payoff per customer relative to the optimal policy that knows the demand arrival rates, where $K$ is the number of supply units, $T$ is the total number of customers over the time horizon, and $\eta$ is the maximum change in demand arrival rates per period (i.e., per customer arrival). A natural model of a scrip system is a special case of our setup. An adaptation of MBP is found to perform well in a realistic ride-hailing environment.

研究动机与目标

• 解决在具有有限循环供给单元的封闭排队网络中高效管理供给分配的挑战。
• 设计控制策略，以在需求随机且随时间变化的系统（如网约车平台和代币系统）中实现长期收益最大化。
• 开发一种无需事先知晓需求到达率的控制框架，且允许需求到达率随时间缓慢变化。
• 在弱假设条件下，实现近似最优性能并提供可证明的保证。
• 提供一种实用且可扩展的策略，整合顾客准入控制、定价与指派决策。

提出的方法

• 本文提出镜像反压（MBP）策略，这是一种受镜像下降与反压原理启发的新型控制策略家族。
• MBP采用对偶优化框架，根据实时网络状态与队列差值动态调整供给分配。
• 该策略无需掌握需求速率的统计信息，因此对时变且未知的到达过程具有鲁棒性。
• 它利用基于李雅普诺夫的分析推导性能边界，确保系统稳定与近似最优。
• 控制律源自对与供给约束相关的对偶变量执行镜像下降更新。
• 该框架支持广泛的控制动作，包括顾客接纳决策、动态定价与指派路径选择。

实验结果

研究问题

• RQ1 能否设计一种控制策略，在供给有限且需求速率未知的封闭排队网络中实现近似最优收益？
• RQ2 如何结合镜像下降与反压原理，为动态平台创建一种实用且数据驱动的控制策略？
• RQ3 一种不掌握需求速率的策略与已知完整需求信息的最优策略相比，其根本性能损失是多少？
• RQ4 所提出的策略能否在无需重新估计或适应的情况下处理缓慢时变的需求？
• RQ5 MBP策略是否可推广至现实世界应用，如网约车平台与代币系统？

主要发现

• MBP策略相对于已知完整需求速率的最优策略，每位顾客的后悔边界为 $O(\frac{K}{T} + \frac{1}{K} + \sqrt{\eta K})$。
• 当供给单元数量 $K$ 选择得当时，性能损失最小化，从而在 $\frac{K}{T}$ 与 $\frac{1}{K}$ 之间实现权衡。
• 即使需求到达率随时间缓慢变化，该策略依然有效，其中 $\eta$ 表示每时段的最大变化率。
• 该框架自然支持广泛的控制动作，包括顾客准入控制、定价与指派。
• MBP的一种改进形式在真实的网约车仿真环境中表现出色。
• 该模型的一个特例对应于代币系统，表明所提框架具有广泛通用性与适用性。