HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing
यह शोध पत्र HCRide प्रस्तुत करता है, जो एक मानव-केंद्रित राइड-हेलिंग सिस्टम है जो समग्र सिस्टम दक्षता में सुधार करने के साथ-साथ यात्री निष्पक्षता और ड्राइवर प्राथमिकताओं को प्रभावी ढंग से सामंजस्यपूर्ण बनाने के लिए 'हारमोनाइजेशन-ओरिएंटेड एक्टर-बी-क्रिटिक' (Habic) नामक एक नवीन मल्टी-एजेंट सुदृढीकरण शिक्षण एल्गोरिदम का उपयोग करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक हलचल भरे शहर की कल्पना एक विशाल, जीवित पहेली के रूप में करें जहाँ लाखों लोग बिंदु A से बिंदु B तक पहुँचने की कोशिश कर रहे हैं। इस पहेली को सुलझाने के लिए, हमारे पास उबर या लिफ्ट जैसे राइड-हेलिंग ऐप्स हैं, जो मास्टर पहेली-सुलझाने वाले (master puzzle-solvers) के रूप में कार्य करते हैं। उनका काम यह तय करना है कि कौन सा ड्राइवर किस यात्री को पिक अप करेगा। लंबे समय तक, ये पहेली-सुलझाने वाले केवल एक ही चीज़ पर ध्यान देते थे: गति। वे चाहते थे कि हर कोई जितनी जल्दी हो सके चलता रहे ताकि कंपनी के लिए अधिक से अधिक पैसा बनाया जा सके। लेकिन इस "गति-प्रथम" दृष्टिकोण ने अक्सर कुछ लोगों को अनंत काल तक इंतजार कराया जबकि दूसरों को तुरंत कार मिल गई, और कभी-कभी इसने ड्राइवरों को ऐसी जगहों पर भेज दिया जहाँ वे नफरत करते थे, जैसे उनके घरों या सामान्य मार्गों से दूर। यहीं पर कंप्यूटर विज्ञान की एक शाखा "ह्यूमन-सेंटर्ड एआई" (मानव-केंद्रित एआई) काम आती है। यह एक सरल लेकिन पेचीदा सवाल पूछती है: क्या हम एक ऐसा सिस्टम बना सकते हैं जो तेज़ और सभी के लिए निष्पक्ष हो, साथ ही यह भी सुनिश्चित करे कि गाड़ी चलाने वाले लोग (पहिए के पीछे के इंसान) खुश हों? यह एक कैफेटेरिया चलानेने जैसा है जहाँ आप चाहते हैं कि भोजन तेज़ी से परोसा जाए, लेकिन आप यह भी चाहते हैं कि हर छात्र को उचित हिस्सा मिले और रसोइये अपने काम का आनंद लें।
आप जो शोध पत्र पढ़ने जा रहे हैं, उसका शीर्षक "HCRide" है, जो ठीक इसी चुनौती से निपटता है। शोधकर्ताओं, लिन जियांग, यू यांग और गुआंग वांग ने महसूस किया कि राइड डिस्पैच करने का पुराना तरीका बहुत स्वार्थी था। वे एक नया सिस्टम डिजाइन करना चाहते थे जो तीन चीजों के बीच संतुलन बनाए: यात्रियों को उनकी राइड जल्दी दिलाना, यह सुनिश्चित करना कि आस-पास के किसी अन्य व्यक्ति की तुलना में कोई यात्री बहुत अधिक प्रतीक्षा न करे, और ड्राइवरों की उन जगहों के प्रति पसंद का सम्मान करना जहाँ वे वास्तव में गाड़ी चलाना चाहते हैं। इसे करने के लिए, उन्होंने HCRide नामक एक स्मार्ट कंप्यूटर प्रोग्राम बनाया। HCRide को एक सुपर-संगठित ट्रैफिक मैनेजर के रूप में समझें जो न केवल एक मानचित्र को देखता है, बल्कि ड्राइवरों की भावनाओं और यात्रियों की जरूरतों को भी सुनता है।
उनके आविष्कार का मुख्य हिस्सा "हैबिक" (Habic - Harmonization-oriented Actor-Bi-Critic) नामक एक चतुर एल्गोरिदम है। 'म्यूजिकल चेयर्स' के एक उच्च-दांव वाले खेल की कल्पना करें, लेकिन कुर्सियों के बजाय, खिलाड़ी ड्राइवर हैं और संगीत राइड अनुरोधों की एक धारा है। पुराने खेलों में, ड्राइवर बस बिना सोचे-समझे दौड़ पड़ते थे। HCRide के संस्करण में, एक विशेष "प्रतियोगिता तंत्र" (competition mechanism) है जहाँ केवल वे ड्राइवर जो वास्तव में करीब हैं और एक विशिष्ट राइड लेने में सक्षम हैं, उसके लिए प्रतिस्पर्धा कर सकते हैं। यह खेल को निष्पक्ष और प्रबंधनीय रखता है। फिर, दो "जज" (Bi-Critic वाला हिस्सा) हैं। एक जज यह देखता है कि यात्री कितने खुश हैं (वेटिंग टाइम और निष्पक्षता को देखते हुए), और दूसरा जज यह देखता है कि क्या ड्राइवरों को उन जगहों पर भेजा जा रहा है जिन्हें वे नापसंद करते हैं। सिस्टम का "मस्तिष्क" (Actor) दोनों जजों की बात सुनता है और एक ऐसा निर्णय लेता है जो सभी को खुश करने की कोशिश करता है। यदि किसी ड्राइवर को ऐसी जगह भेजा जाता है जिसे वह नापसंद करता है, तो "लागत" (cost) बढ़ जाती है, और सिस्टम भविष्य में इससे बचने के लिए सीखता है।
शोधकर्ताओं ने अपने नए सिस्टम का परीक्षण वास्तविक डेटा का उपयोग करके दो बहुत अलग शहरों: चीन के शेन्ज़ेन और अमेरिका के न्यूयॉर्क शहर में किया। उन्होंने यह देखने के लिए एक मिलियन से अधिक राइड ऑर्डर्स के साथ सिमुलेशन चलाया कि HCRide मौजूदा सर्वोत्तम तरीकों के मुकाबले कैसा प्रदर्शन करता है। परिणाम उत्साहजनक थे। इन सिमुलेशन में, HCRide ने समग्र सिस्टम दक्षता में लगभग 2.02% का सुधार किया, जिसका अर्थ है कि राइड्स सभी के लिए थोड़ी तेज़ थीं। इससे भी महत्वपूर्ण बात यह है कि इसने यात्रियों के लिए अनुभव को बहुत निष्पक्ष बना दिया, जिससे प्रतीक्षा-समय की असमानता में लगभग 5.39% की कमी आई। शायद सबसे आश्चर्यजनक रूप से, इसने ड्राइवरों की प्राथमिकताओं का काफी बेहतर सम्मान किया, जिससे पुराने तरीकों की तुलना में ड्राइवर संतुष्टि में 10.21% का सुधार हुआ। शोध पत्र सुझाव देता है कि ड्राइवरों और यात्रियों को स्क्रीन पर केवल नंबरों के बजाय विशिष्ट जरूरतों वाले मनुष्यों के रूप में मानकर, हम एक ऐसा राइड-हेलिंग संसार बना सकते हैं जो सभी के लिए बेहतर काम करता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।