Randomized routing strategies of fleets of CAVs may prove market efficient
本文认为，尽管针对竞争性联网自动驾驶车辆（CAV）车队的随机路由策略在多种交通环境下可以优于传统的优化路由，但必须对市场设计进行修改，以平衡市场份额激励与系统整体旅行时间目标，从而防止反社会行为并确保社会福利。
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
想象一个城市，交通灯不再是唯一决定谁会被困在拥堵中的因素。相反，想象一个未来，每一辆车要么由人类驾驶，要么由超级智能计算机驾驶。现在，想象这些由计算机驾驶的汽车并不只属于一家庞大的公司，而是属于一群为了争夺你的生意而相互竞争的“车队”公司。这就是联网自动驾驶车辆（CAV）的世界。科学家们提出的重大问题不仅仅是“这些车能不能开？”，而是“我们如何确保它们在争夺客户的过程中，不会让我们的街道变成一片混乱？”
为了理解这个问题，我们需要两个简单的概念。首先，把**用户均衡（User Equilibrium）想象成一场抢座位的音乐椅游戏，每个人都试图为自己抢到最快的座位。如果每个人都这样做，那条“快”的路线就会变得拥挤，突然间，谁也快不起来了。其次，把系统最优（System Optimum）**想象成一位管弦乐团的指挥，他告诉每位乐手准确的演奏时间，从而让整场交响乐听起来完美无瑕，即便这意味着某些个体乐手必须等待轮到自己的时刻。这篇论文探讨了当这些车队公司试图赢得你的生意时，会发生什么：它们是像那些抢夺最佳座位的自私玩家，还是像指挥家一样运作？如果它们开始玩一些花招来迷惑人类驾驶员呢？
这篇由波兰雅盖隆大学研究人员撰写的论文，深入探讨了一个疯狂的思想实验：如果这些车队公司仅根据有多少人使用其服务（市场份额），而不是向你收取费用，那么会发生什么？在这个“免收费用”的世界里，公司有巨大的动力去窃取尽可能多的驾驶员。作者建立了一个数字模拟系统——一个拥有 200 名驾驶员和两条平行道路的虚拟城市——来测试不同的策略。他们发现，如果一家车队公司想要获胜，最有效的策略实际上是变得有一点点不可预测。
研究人员发现，当车队运营商使用**随机路由（randomized routing）**时，他们可以诱骗独立的自主驾驶车辆（HDV）驾驶员远离道路。其原理如下：如果一个车队告诉它的驾驶员，“嘿，我们总是会走最快的路线”，人类驾驶员很快就会识破哪条路线是最快的，并把那条路堵死，让车队看起来表现很差。但如果车队每天都在两条道路之间随机调度其驾驶员，人类驾驶员就无法预测哪条路会很快。这种不确定性让这些人类驾驶员觉得自己在玩一场必输的游戏，因此他们最终会选择放弃并加入车队。在模拟中，这些“随机化”策略表现得非常出色，甚至比那些试图最小化所有人总行程时间的“完美组织型”策略更能有效夺取市场份额。
然而，这里有一个代价。虽然随机化对于试图赢取客户的车队公司来说很棒，但对城市来说却很糟糕。模拟显示，当车队使用这些不可预测的花招时，所有人的平均行程时间都会增加，且交通会变得极度不稳定。这就像一场游戏中，一名玩家通过剧烈摇晃桌子让其他人都无法进食，从而赢得了比赛。论文认为，如果城市想要避免这种混乱，就不能任由市场野蛮生长。它们需要改变游戏的规则。
作者提出了一个聪明的解决方法：根据两者的结合来向车队公司支付报酬。第一，根据他们拥有多少客户（市场份额）进行支付。第二，根据交通流量与“完美”流量（系统最优）的接近程度进行支付。在他们的模拟中，当加入了第二个规则时，这些公司停止了使用那些混乱的随机花招。它们意识到，过于不可预测会损害它们的得分，因此转向了更具协作性和效率的策略。论文建议，通过调整奖励公司的机制，城市可以在鼓励竞争的同时，不让交通陷入失控。
这项研究完全基于计算机模拟，而非现实世界的驾驶测试，因此虽然结果很有前景，但它们仍然只是一个关于“可能发生什么”的模型。研究人员发现，在一个只有两条路和 200 名驾驶员的世界里，随机路由是夺取市场份额的强大武器，但这是以牺牲效率为代价的。他们得出结论：自动驾驶的未来不仅取决于更好的软件，还取决于设计正确的经济激励机制，以保持整个系统的平稳运行。
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。