跳到主要内容
返回时间线
arXiv来源发表:

网约车调度把预测器放进多阶段决策链:纽约数据上业务收益比均方误差训练高7.7%至9.1%

核心概要

网约车平台在每一决策阶段先预测需求、再执行调度,并把执行后的车队状态带入下一阶段。此前需求预测器按均方误差训练,与调度决策脱节;多阶段情境优化改用整条轨迹的运营成本训练预测器,并把上一阶段决策留下的状态作为预测上下文。在纽约市网约车数据上,同一预测器改按决策成本训练后,业务收益比均方误差训练高7.7%至9.1%,并优于所比较的五类范式基线。

Source-provided article image: Multistage Contextual Optimization for Vehicle Repositioning
arXiv

深度剖析

网约车空车调度的需求预测器不再只追求预测数值准确,而是按整条多阶段调度轨迹的实际运营成本来训练。 此前这类预测器通常以均方误差等预测误差为目标训练,而一次预测误差的代价取决于空车当时所在位置,位置又由更早的调度和载客决定。 在纽约市网约车数据上,同一预测器改按决策成本训练后,业务收益比均方误差训练高7.7%至9.1%,在全部20个测试日上都更高,并优于所比较的五类范式基线。

训练信号要穿过多个相互耦合的调度阶段:当前预测同时改变线性规划的目标、约束矩阵和右端项,而上一阶段留下的车队状态又反过来作为预测的上下文。 已有的多阶段情境优化研究传播跨阶段梯度,但没有刻画继承状态如何作为上下文改变预测,其中一项还把不确定性限制在目标函数内。 推导出的精确梯度分三部分:参数改变预测进而改变决策、先前决策通过继承状态影响当前决策、继承状态又作为上下文改变预测;等价的伴随形式用反向向量–雅可比积避免完整求解与状态–参数雅可比。

前向传播要逐阶段串行求解大量线性规划,是训练的主要瓶颈;并行块评估把连续阶段分块并行求解,再把每块输出反复传给下一块。 已有的加速方法降低微分成本或减少求解器调用次数,但没有缩短单个样本的串行前向评估。 用八个工作进程时,并行块评估把训练时间缩短为原来的1/1.86,且决策表现没有损失;30轮训练耗时19.9小时,串行版本为37.1小时。

启示与展望

评估范围是纽约市网约车数据,城市划分为八个区域、共64个区域OD对,每天06:00至21:00共180个决策阶段,结果来自智能体仿真而非真实平台部署。

梯度只在每个线性规划保持同一最优基、各规则停留在同一分支的邻域内精确;接近基变换时梯度可能异常放大,训练中会跳过这类更新,串行版本930次访问中跳过35次,并行版本跳过152次。