HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing
Dieses Paper stellt HCRide vor, ein menschzentriertes Ride-Hailing-System, das einen neuartigen Multi-Agenten-Reinforcement-Learning-Algorithmus namens Harmonization-oriented Actor-Bi-Critic (Habic) einsetzt, um die Fairness gegenüber Fahrgästen und die Präferenzen der Fahrer effektiv zu harmonisieren und gleichzeitig die Gesamteffizienz des Systems zu verbessern.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine geschäftige Stadt wie ein riesiges, lebendiges Puzzle vor, in dem Millionen von Menschen versuchen, von Punkt A nach Punkt B zu gelangen. Um dieses Puzzle zu lösen, haben wir Ride-Hailing-Apps wie Uber oder Lyft, die als die ultimativen Puzzle-Löser fungieren. Ihre Aufgabe ist es zu entscheiden, welcher Fahrer welchen Fahrgast abholt. Lange Zeit kümmerten sich diese Puzzle-Löser nur um eine einzige Sache: Geschwindigkeit. Sie wollten, dass sich alle so schnell wie möglich bewegen, um für das Unternehmen das meiste Geld zu verdienen. Aber dieser „Geschwindigkeit-zuerst“-Ansatz führte oft dazu, dass einige Menschen ewig warten mussten, während andere sofort Autos bekamen, und er schickte Fahrer manchmal an Orte, die sie hassten, weit weg von ihren Häusern oder ihren üblichen Routen. Hier kommt ein Zweig der Informatik namens „Human-Centered AI“ (menschzentrierte KI) ins Spiel. Er stellt eine einfache, aber knifflige Frage: Können wir ein System bauen, das sowohl schnell als auch fair für alle ist, während wir gleichzeitig sicherstellen, dass die Menschen, die hinter dem Steuer sitzen (die Menschen am Steuer), auch zufrieden sind? Es ist, als würde man versuchen, eine Kantine zu führen, in der man das Essen zwar schnell servieren möchte, aber auch möchte, dass jeder Schüler einen fairen Anteil bekommt und die Köche gerne arbeiten.
Das Papier, das Sie gleich lesen werden, mit dem Titel „HCRide“, widmet sich genau dieser Herausforderung. Die Forscher Lin Jiang, Yu Yang und Guang Wang erkannten, dass die alte Art der Fahrgastvermittlung zu egoistisch war. Sie wollten ein neues System entwerfen, das drei Dinge ausbalanciert: die Fahrgäste schnell zu ihren Fahrten zu bringen, sicherzustellen, dass kein Fahrgast viel länger warten muss als jemand anderes in der Nähe, und die Orte zu respektieren, an denen die Fahrer tatsächlich fahren wollen. Um dies zu erreichen, entwickelten sie ein intelligentes Computerprogramm namens HCRide. Stellen Sie sich HCRide als einen superorganisierten Verkehrsmanager vor, der nicht nur auf eine Karte schaut, sondern auch auf die Gefühle der Fahrer und die Bedürfnisse der Fahrgäste hört.
Der Kern ihrer Erfindung ist ein cleverer Algorithmus namens „Habic“ (Harmonization-oriented Actor-Bi-Critic). Stellen Sie sich ein hochspannendes Spiel namens Stuhlkreis vor, aber anstelle von Stühlen sind die Spieler Fahrer und die Musik ist ein Strom von Fahranfragen. In den alten Spielen wären die Fahrer einfach blindlings losgestürmt. In der Version von HCRide gibt es jedoch einen speziellen „Wettbewerbsmechanismus“, bei dem nur die Fahrer, die tatsächlich nah genug sind und in der Lage sind, eine bestimmte Fahrt zu übernehmen, darum konkurrieren dürfen. Dies hält das Spiel fair und überschaubar. Dann gibt es zwei „Richter“ (der Bi-Critic-Teil). Ein Richter prüft, wie zufrieden die Fahrgäste sind (indem er auf Wartezeiten und Fairness achtet), und der andere Richter prüft, ob die Fahrer an Orte geschickt werden, die sie nicht mögen. Das „Gehirn“ des Systems (der Actor) hört auf beide Richter und trifft eine Entscheidung, die versucht, alle zufrieden zu stellen. Wenn ein Fahrer an einen Ort geschickt wird, den er hasst, steigt die „Kostenbelastung“ an, und das System lernt, dies in Zukunft zu vermeiden.
Die Forscher testeten ihr neues System unter Verwendung realer Daten aus zwei sehr unterschiedlichen Städten: Shenzhen in China und New York City in den USA. Sie führten Simulationen mit über einer Million Fahrbestellungen durch, um zu sehen, wie sich HCRide gegenüber den besten bestehenden Methoden schlägt. Die Ergebnisse waren vielversprechend. In diesen Simulationen gelang es HCRide, die Gesamteffizienz des Systems um etwa 2,02 % zu verbessern, was bedeutet, dass die Fahrten für alle etwas schneller waren. Wichtiger noch: Es machte das Erlebnis für die Fahrgäste viel fairer, indem es die Ungleichheit bei den Wartezeiten um etwa 5,39 % reduzierte. Vielleicht überraschend am meisten war, dass es die Präferenzen der Fahrer deutlich besser respektierte und die Zufriedenheit der Fahrer im Vergleich zu den alten Methoden um 10,21 % verbesserte. Das Papier legt nahe, dass wir eine Welt des Ride-Hailing schaffen können, die besser für alle funktioniert, indem wir Fahrer und Fahrgäste als Menschen mit spezifischen Bedürfnissen behandeln und nicht bloß als Zahlen auf einem Bildschirm.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.