更优的司乘匹配：Lyft中的强化学习
机器学习
2023-11-15 v2
摘要
为了在拼车应用中更好地匹配司机与乘客，我们修订了Lyft的核心匹配算法。我们采用一种新颖的在线强化学习方法，实时估计司机的未来收益，并利用该信息寻找更高效的匹配。这一改动是首个有文献记载的能够实时学习与改进的拼车匹配算法实现。我们在大多数Lyft市场通过数周的切换回实验评估了新方法，并估算其如何惠及司机、乘客与平台。具体而言，它使我们的司机每年能服务数百万额外乘客，带来每年超3000万美元的增量收入。Lyft于2021年将该算法全球上线。
引用
@article{arxiv.2310.13810,
title = {A Better Match for Drivers and Riders: Reinforcement Learning at Lyft},
author = {Xabi Azagirre and Akshay Balwally and Guillaume Candeli and Nicholas Chamandy and Benjamin Han and Alona King and Hyungjun Lee and Martin Loncaric and Sebastien Martin and Vijay Narasiman and Zhiwei and Qin and Baptiste Richard and Sara Smoot and Sean Taylor and Garrett van Ryzin and Di Wu and Fei Yu and Alex Zamoshchin},
journal= {arXiv preprint arXiv:2310.13810},
year = {2023}
}