HCRide: Harmonizing Passenger Fairness and Driver Preference for Human-Centered Ride-Hailing
本文介绍了 HCRide，这是一个以人为中心的网约车系统，该系统采用了一种名为“面向和谐化 Actor-双判别器”（Habic）的新型多智能体强化学习算法，旨在有效协调乘客公平性与驾驶员偏好，同时提高整体系统效率。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，一座繁忙的城市就像一个巨大的、活生生的拼图，数以百万计的人正试图从 A 点移动到 B 点。为了解决这个拼图，我们有了像 Uber 或 Lyft 这样的网约车应用，它们充当了“大师级拼图解决者”的角色。它们的职责是决定哪位司机去接哪位乘客。长期以来，这些拼图解决者只关心一件事：速度。它们希望让每个人都尽可能快地移动起来，从而为公司创造最多的利润。但这种“速度至上”的方法往往导致有些人等待时间过长，而另一些人却能瞬间叫到车；有时还会把司机送到他们讨厌的地方，远离他们的家或常用路线。这正是“以人为本的人工智能”（Human-Centered AI）这一计算机科学分支介入的地方。它提出了一个简单但棘手的疑问：我们能否构建一个既快速又对每个人都公平，同时还能确保驾驶者（方向盘后的真人）感到愉悦的系统？这就像是在经营一家食堂，你既希望食物能被快速供应，又希望每位学生都能获得公平的份额，同时还要让厨师享受工作。
你即将阅读的这篇题为《HCRide》的论文，正是在应对这一挑战。研究人员 Lin Jiang、Yu Yang 和 Guang Wang 意识到，旧有的派单方式过于自私。他们希望设计一种新系统，来平衡三件事：让乘客快速获得乘车服务、确保没有乘客的等待时间比附近的其他人长太多，以及尊重司机实际想要行驶的区域。为了实现这一目标，他们创建了一个名为 HCRide 的智能计算机程序。可以将 HCRide 想象成一位超级组织有序的交通管理员，她不仅观察地图，还倾听驾驶员的情绪和乘客的需求。
他们发明的核心是一个名为“Habic”（面向和谐的演员-双评论家，Harmonization-oriented Actor-Bi-Critic）的巧妙算法。想象一场高风险的抢椅子游戏，但参与者不是椅子，而是司机，而音乐则是源源不断的叫车请求。在旧的游戏中，司机们只会盲目冲刺。在 HCRide 的版本中，存在一种特殊的“竞争机制”，只有那些真正靠近且有能力承接特定订单的司机才有资格参与竞争。这使得游戏变得公平且易于管理。接着，有两个“裁判”（即 Bi-Critic 部分）。一位裁判检查乘客是否满意（关注等待时间和公平性），另一位裁判则检查司机是否被送到了他们不喜欢的地方。系统的“大脑”（Actor）会倾听这两位裁判的意见，并做出一个试图取悦所有人的决策。如果一名司机被送往一个他讨厌的地方，“成本”就会上升，系统也会据此学习在未来避免这种情况。
研究人员使用来自中国深圳和美国纽约这两个截然不同的城市的真实数据对他们的新系统进行了测试。他们在超过一百万个订单的模拟实验中，观察了 HCRide 与现有最佳方法的表现对比。结果令人振奋。在这些模拟中，HCRide 使整体系统效率提升了约 2.02%，这意味着所有人的乘车速度都略微加快了。更重要的是，它让乘客的体验变得更加公平，将等待时间的不平等程度降低了约 5.39%。或许最令人惊讶的是，它对司机偏好的尊重程度显著提高，与旧方法相比，司机满意度提升了 10.21%。该论文表明，通过将司机和乘客视为具有特定需求的“人”，而非屏幕上的数字，我们可以构建一个让所有人都能受益的网约车世界。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。