保证服务可达性的可扩展网约车再平衡：一种约束平均场强化学习方法

Uber、Lyft 和 Didi Chuxing 等网约车服务的快速扩张，通过移动应用程序提供灵活、按需的出行方式，从根本上重塑了城市交通。尽管这些平台带来了便利，但它们面临着巨大的运营挑战，特别是车辆再平衡——即对大量车辆进行战略性重新部署，以解决供需之间的时空不匹配问题。不当的再平衡不仅会导致乘客等待时间延长和车辆利用率低下，还会引发公平性问题，例如服务质量的分配不均和司机收入的差异。为了应对这些复杂性，我们引入了采用连续车辆重新部署动作的连续状态平均场控制 (MFC) 和平均场强化学习 (MFRL) 模型。MFC 和 MFRL 通过将每辆车的行为建模为与车辆分布的交互，而不是与单个车辆的交互，提供了可扩展的解决方案。这限制了传统多智能体方法中固有的维数灾难问题，从而能够以显著降低的计算复杂度协调大型车队。为了确保跨地理区域的服务访问公平性，我们在两个模型中都整合了可达性约束。使用基于深圳真实数据驱动的仿真进行的广泛实证评估证明了我们方法的实时效率和鲁棒性。值得注意的是，它可扩展至数万辆车辆，且训练时间与单个线性规划再平衡的决策时间相当。此外，我们的方法生成的策略有效地探索了效率-公平帕累托前沿，在车队利用率、满足请求数和接驾距离等关键指标上优于传统基准，同时确保了公平的服务访问。