基于模仿与强化学习的数据驱动网约车服务仿真
机器学习
2021-04-07 v1 人工智能
摘要
网约车平台的快速增长造就了一个高度竞争的市场，企业难以盈利，亟需更好的运营策略。然而，对这些每日服务数百万用户的平台而言，真实世界实验风险高且代价昂贵。因此，需要一个仿真环境，以预测用户对行程票价和激励等平台特定参数变化的反应。构建此类仿真具有挑战性，因为这些平台存在于动态环境中，成千上万的用户定期相互交互。本文提出一个框架，用于模仿和预测网约车服务中用户（特别是司机）的行为。我们为此采用了数据驱动的混合强化学习和模仿学习方法。首先，智能体利用行为克隆基于真实世界数据集模仿司机行为。接着，在仿真环境中于预训练智能体之上应用强化学习，使其适应平台变化。我们的框架为网约车平台提供了一个理想的试验场，用以实验平台特定参数并预测司机的行为模式。
引用
@article{arxiv.2104.02661,
title = {Data-Driven Simulation of Ride-Hailing Services using Imitation and Reinforcement Learning},
author = {Haritha Jayasinghe and Tarindu Jayatilaka and Ravin Gunawardena and Uthayasanker Thayasivam},
journal= {arXiv preprint arXiv:2104.02661},
year = {2021}
}