[论文解读] Toward understanding the impact of user participation in autonomous ridesharing systems

Wen Shen, Rohan Achar+1 more|arXiv (Cornell University)|Dec 9, 2018

Transportation and Mobility Innovations参考文献 10被引用 1

一句话总结

本文通过基于仿真的分析，量化了用户参与对自动驾驶共享出行系统（ARS）效率的影响，表明车队规模、车辆容量和最大等待时间等系统配置能够缓解因用户行为不协调导致的性能损失。其主要贡献在于为利益相关方提供了一个数据驱动的框架，以在效率与“无政府状态价格”之间取得平衡，优化系统设计。

ABSTRACT

Autonomous ridesharing systems (ARS) promise many societal and environmental benefits, including decreased accident rates, reduced energy consumption and pollutant emissions, and diminished land use for parking. To unleash ARS' potential, stakeholders must understand how the degree of passenger participation influences the ridesharing systems' efficiency. To date, however, a careful study that quantifies the impact of user participation on ARS' performance is missing. Here, we present the first simulation analysis to investigate how and to what extent user participation affects the efficiency of ARS. We demonstrate how specific configurations (e.g., fleet size, vehicle capacity, and the maximum waiting time) of a system can be identified to counter the performance loss due to users' uncoordinated behavior on ridesharing participation. Our results indicate that stakeholders of ARS should base decisions regarding system configurations on insights from data-driven simulations and make tradeoffs between system efficiency and price of anarchy for desired outcomes.

研究动机与目标

• 探究用户行为不协调如何影响自动驾驶共享出行系统（ARS）的运行效率。
• 识别可抵消用户行为导致性能下降的系统配置参数，如车队规模、车辆容量和最大等待时间。
• 为利益相关方提供可操作的洞察，通过平衡系统效率与“无政府状态价格”来优化ARS设计。
• 通过基于仿真的分析，弥合用户参与在ARS性能中作用的实证理解空白。

提出的方法

• 本研究采用仿真框架，模拟在不同用户参与水平下自动驾驶共享出行系统的表现。
• 系统性地改变关键参数，如车队规模、车辆容量和最大等待时间，以评估其对系统效率的影响。
• 仿真评估了在不同用户协调情景下，系统吞吐量、行驶时间及利用率等性能指标。
• 应用“无政府状态价格”概念，量化用户行为不协调导致的效率损失。
• 利用数据驱动的仿真结果，识别出能最小化用户参与导致性能损失的最优系统配置。

实验结果

研究问题

• RQ1 用户参与如何影响自动驾驶共享出行系统的整体效率？
• RQ2 哪些系统配置能有效抵消用户行为不协调导致的性能下降？
• RQ3 在不同参与水平下，车队规模、车辆容量和最大等待时间如何影响系统效率？
• RQ4 在ARS部署中，系统效率与“无政府状态价格”之间存在何种权衡？

主要发现

• 用户参与显著影响ARS效率，不协调行为导致可测量的性能下降。
• 如增加车队规模和优化车辆容量等系统配置，可有效减轻用户协调问题带来的负面影响。
• 最大等待时间是影响用户满意度和系统吞吐量的关键参数，其最优值可提升整体效率。
• “无政府状态价格”作为量化和管理用户非合作行为导致效率损失的有用指标。
• 利益相关方可通过数据驱动的仿真，基于效率与协调成本之间的期望权衡，校准系统参数，从而获得更优的系统表现。