基于预测任务收益的共享单车系统机制设计
计算机科学与博弈论
2023-07-04 v4 多智能体系统
摘要
近年来，共享单车系统已在全球广泛部署。此类系统中的一个核心问题是对自行车进行重新调配，以重塑自行车供给分布，从而更好地匹配动态自行车需求。当共享单车公司或平台能够基于历史数据预测每个重新调配任务的收益时，一个额外的约束是将每个任务的支付限制在其预测收益以下。在本文中，我们提出一种称为 TruPreTar 的激励 mechanism，以激励用户将自行车停放在平台期望的位置，从而实现供需再平衡。TruPreTar 具有真实性（truthfulness）和预算可行性（budget feasibility）等四个重要的经济与计算性质。此外，我们证明即使支付预算紧张，总收益仍超过或等于预算。否则，TruPreTar 相较于最优（收益最大化）解达到 2-近似，这也接近我们证明的至少 的下界。使用从一家大型共享单车公司获得的工业数据集，我们的实验表明 TruPreTar 在再平衡自行车供需方面是有效的，并因此产生了高于若干基准机制的高收益。
引用
@article{arxiv.1911.07706,
title = {Mechanism Design with Predicted Task Revenue for Bike Sharing Systems},
author = {Hongtao Lv and Chaoli Zhang and Zhenzhe Zheng and Tie Luo and Fan Wu and Guihai Chen},
journal= {arXiv preprint arXiv:1911.07706},
year = {2023}
}
备注
Accepted by AAAI 2020; This is the full version that contains all the proofs