🤖 machine learning

HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing

Este artículo presenta HCRide, un sistema de transporte de pasajeros centrado en el ser humano que emplea un novedoso algoritmo de aprendizaje por refuerzo multiagente llamado Harmonization-oriented Actor-Bi-Critic (Habic) para armonizar eficazmente la equidad de los pasajeros y las preferencias de los conductores mientras mejora simultáneamente la eficiencia general del sistema.

Autores originales: Lin Jiang, Yu Yang, Guang Wang

Publicado 2026-08-06

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Lin Jiang, Yu Yang, Guang Wang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una ciudad bulliciosa como un rompecabezas gigante y viviente donde millones de personas intentan ir del punto A al punto B. Para resolver este rompecabezas, tenemos aplicaciones de transporte como Uber o Lyft, que actúan como los maestros resolutores de rompecabezas. Su trabajo es decidir qué conductor recoge a qué pasajero. Durante mucho tiempo, estos resolutores de rompecabezas solo se preocupaban por una cosa: la velocidad. Querían que todo el mundo se moviera lo más rápido posible para ganar la mayor cantidad de dinero para la empresa. Pero este enfoque de "prioridad en la velocidad" a menudo dejaba a algunas personas esperando eternamente mientras que otras obtenían autos instantáneamente, y a veces enviaba a los conductores a lugares que odiaban, lejos de sus hogares o rutas habituales. Aquí es donde entra en juego una rama de la informática llamada "IA centrada en el ser humano". Plantea una pregunta simple pero complicada: ¿Podemos construir un sistema que sea rápido y justo para todos, al mismo tiempo que nos aseguramos de que las personas que están conduciendo (los humanos al volante) estén contentas? Es como intentar dirigir una cafetería donde quieres que la comida se sirva rápidamente, pero también quieres que cada estudiante reciba una parte justa y que los cocineros disfruten de su trabajo.

El artículo que estás a punto de leer, titulado "HCRide", aborda este desafío exacto. Los investigadores, Lin Jiang, Yu Yang y Guang Wang, se dieron cuenta de que la forma antigua de despachar viajes era demasiado egoísta. Querían diseñar un nuevo sistema que equilibre tres cosas: que los pasajeros reciban sus viajes rápidamente, asegurar que ningún pasajero espere demasiado más tiempo que otro cercano y respetar hacia dónde quieren conducir realmente los conductores. Para lograr esto, crearon un programa informático inteligente llamado HCRide. Piensa en HCRide como un gestor de tráfico súper organizado que no solo mira un mapa, sino que también escucha los sentimientos de los conductores y las necesidades de los pasajeros.

El núcleo de su invento es un algoritmo ingenioso llamado "Habic" (Actor-Bi-Crítico orientado a la Armonización). Imagina un juego de sillas musicales de alto riesgo, pero en lugar de sillas, los jugadores son conductores y la música es un flujo de solicitudes de viaje. En los juegos antiguos, los conductores simplemente corrían a ciegas. En la versión de HCRide, hay un "mecanismo de competición" especial donde solo los conductores que están realmente cerca y son capaces de tomar un viaje específico pueden competir por él. Esto mantiene el juego justo y manejable. Luego, hay dos "jueces" (la parte Bi-Crítica). Un juez comprueba qué tan felices están los pasajeros (observando los tiempos de espera y la equidad), y el otro juez comprueba si se está enviando a los conductores a lugares que no les gustan. El "cerebro" del sistema (el Actor) escucha a ambos jueces y toma una decisión que intenta complacer a todos. Si un conductor es enviado a un lugar que odia, el "costo" aumenta y el sistema aprende a evitarlo en el futuro.

Los investigadores probaron su nuevo sistema utilizando datos reales de dos ciudades muy diferentes: Shenzhen en China y la ciudad de Nueva York en los EE. UU. Ejecutaron simulaciones con más de un millón de pedidos de viaje para ver cómo se desempeñaba HCRide frente a los mejores métodos existentes. Los resultados fueron prometedores. En estas simulaciones, HCRide logró mejorar la eficiencia general del sistema en aproximadamente un 2.02%, lo que significa que los viajes fueron ligeramente más rápidos para todos. Más importante aún, hizo que la experiencia fuera mucho más justa para los pasajeros, reduciendo la desigualdad en el tiempo de espera en aproximadamente un 5.39%. Quizás lo más sorprendente es que también respetó mucho mejor las preferencias de los conductores, mejorando la satisfacción de los conductores en un 10.21% en comparación con los métodos antiguos. El artículo sugiere que, al tratar a los conductores y pasajeros como humanos con necesidades específicas en lugar de solo números en una pantalla, podemos construir un mundo de transporte que funcione mejor para todos.

Resumen Técnico: HCRide – Armonizando la Equidad del Pasajero y la Preferencia del Conductor

Formulación del Problema
El artículo aborda las limitaciones de los sistemas actuales de despacho de pedidos de transporte de pasajeros, que predominantemente priorizan los ingresos de la plataforma y la eficiencia del sistema, a menudo a expensas de la experiencia del pasajero y la satisfacción del conductor. Específicamente, los enfoques actuales suelen pasar por alto dos factores críticos centrados en el ser humano:

Equidad del Pasajero: Los modelos de equidad existentes a menudo asumen una igualdad absoluta en los tiempos de espera independientemente de la ubicación, ignorando las fluctuaciones dinámicas de oferta y demanda en diferentes contextos espaciales y temporales.
Preferencia del Conductor: Los conductores suelen tener preferencias por operar en regiones específicas (por ejemplo, cerca de su hogar o áreas familiares), sin embargo, los sistemas de despacho frecuentemente los asignan a zonas desconocidas o no deseadas, lo que genera insatisfacción y reduce la eficiencia operativa.

Los autores formalizan el problema del despacho de pedidos como un Proceso de Decisión de Markov Restringido (CMDP). El objetivo es maximizar las recompensas acumuladas a largo plazo (eficiencia del sistema y equidad del pasajero) asegurando que el costo acumulado (violación de las preferencias del conductor) se mantca por debajo de un umbral predeterminado.

Metodología: HCRide y Habic
Para resolver este CMDP, los autores proponen HCRide, un marco de trabajo centrado en el ser humano impulsado por un nuevo algoritmo de aprendizaje por refuerzo multiagente (MARL) llamado Harmonization-oriented Actor-Bi-Critic (Habic). El sistema se construye sobre tres componentes principales:

Modelado de Equidad Espacio-Temporal y Preferencia:
- Equidad del Pasajero: Definida en dos niveles. La equidad intra-región asegura que los pasajeros en la misma región y período de tiempo experimenten tiempos de espera comparables. La equidad inter-región establece un referente dinámico basado en la relación oferta-demanda, reconociendo que los tiempos de espera deben variar naturalmente según la densidad regional.
- Preferencia del Conductor: Modelada mediante frecuencias de visitas históricas. Las regiones se categorizan en conjuntos Positivos ( $H^+$ ), Neutrales ( $H^0$ ) y Negativos ( $H^-$ ). Despachar a un conductor a una región en $H^-$ incurre en un costo, cuyo tamaño está determinado por la distancia a la ubicación preferida más cercana del conductor.
Mecanismo de Competencia Multiagente:
Para gestionar el gran espacio de acciones conjuntas, el sistema transforma el problema en espacios de acción distribuidos y más pequeños. Para cada pedido, un conjunto limitado de conductores candidatos dentro de un rango específico compite por la tarea. Este mecanismo genera "características de emparejamiento" (que combinan el estado del conductor y el estado del pedido) para facilitar la toma de decisiones a micro-nivel entre conductores heterogéneos con diversas preferencias.
Algoritmo de Harmonization-oriented Actor-Bi-Critic (Habic):
- Red de Actor Dinámica: Utiliza las características de emparejamiento para seleccionar al conductor óptimo. Actualiza alternativamente los parámetros de la política ( $\theta$ ) y el multiplicador de Lagrange ( $\lambda$ ) para equilibrar el compromiso entre la maximización de la recompensa y la satisfacción de las restricciones.
- Red de Bi-Crítico: Consiste en dos redes de evaluación. El Crítico de Recompensa estima la recompensa acumulada (eficiencia y equidad), mientras que el Crítico de Costo estima el costo acumulado (violaciones de preferencia). Ambos utilizan Estimación de Ventaja Generalizada (GAE) y Optimización de Política Próxima con Recorte (PPO-Clip) para asegurar un entrenamiento estable y la convergencia.

Contribuciones Clave

Marco de Trabajo Novedoso: Este trabajo presenta el primer estudio sobre despacho de transporte de pasajeros centrado en el ser humano que optimiza simultáneamente la equidad del pasajero y la preferencia del conductor sin comprometer la eficiencia general del sistema.
Definiciones Basadas en Datos: Los autores introducen definiciones formales, conscientes del espacio y el tiempo, para la equidad y la preferencia del conductor, derivadas de estudios cualitativos y análisis cuantitativos de más de un millón de pedidos del mundo real.
Innovación Algorítmica: El desarrollo del algoritmo Habic, que integra un mecanismo de competencia multiagente con una arquitectura de Bi-Crítico para resolver eficazmente el problema de optimización restringida en un entorno dinámico.

Resultados Experimentales
El sistema HCRide fue evaluado utilizando dos conjuntos de datos del mundo real: Shenzhen (1.07 millones de pedidos) y Nueva York (214k pedidos). Se comparó contra ocho líneas base, incluyendo despacho miópico, métodos de RL de agente único y multiagente, y enfoques de RL restringido.

Las mejoras clave de rendimiento de HCRide sobre las líneas base de vanguardia incluyen:

Eficiencia del Sistema: Reducción del Tiempo de Espera Promedio del Pasajero (APWT) en un 2.02% (Shenzhen) y 2.02% (NYC) en comparación con la línea base de vanguardia Lag-TRPO.
Equidad del Pasajero: Mejora de la equidad inter-región en un 5.29% (Shenzhen) y 5.28% (NYC); mejora de la equidad intra-región en un 7.65% (Shenzhen) y 5.39% (NYC).
Preferencia del Conductor: Reducción de la Tasa de Violación de Preferencia en un 7.77% (Shenzhen) y 10.21% (NYC).

Significancia y Reivindicaciones
El artículo afirma que HCRide armoniza con éxito los objetivos conflictivos en el despacho de transporte de pasajeros. Al tratar la preferencia del conductor como una restricción en lugar de algo secundario, y al definir la equidad a través de una lente espacio-temporal en lugar de una igualdad absoluta, el sistema logra un ecosistema más equilibrado. Los autores sostienen que su enfoque no solo mejora la experiencia del usuario tanto para pasajeros como para conductores, sino que también mantiene o mejora la eficiencia operativa de la plataforma, ofreciendo un camino viable hacia servicios de transporte más sostenibles y centrados en el ser humano.

Más como este