論文の概要: A Data-driven Pricing Scheme for Optimal Routing through Artificial
Currencies
- arxiv url: http://arxiv.org/abs/2211.14793v2
- Date: Thu, 25 May 2023 13:04:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-26 23:26:34.488927
- Title: A Data-driven Pricing Scheme for Optimal Routing through Artificial
Currencies
- Title(参考訳): 人工通貨による最適ルーティングのためのデータ駆動価格体系
- Authors: David van de Sanden, Maarten Schoukens, Mauro Salazar
- Abstract要約: モビリティシステムは、利己的なユーザの制御不能な振る舞いのために、高価格のアナーキーに悩まされることが多い。
本稿では,繰り返しゲーム設定において,人工通貨料金を自動的に適用するためのデータ駆動方式を提案する。
- 参考スコア(独自算出の注目度): 1.3419982985275638
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mobility systems often suffer from a high price of anarchy due to the
uncontrolled behavior of selfish users. This may result in societal costs that
are significantly higher compared to what could be achieved by a centralized
system-optimal controller. Monetary tolling schemes can effectively align the
behavior of selfish users with the system-optimum. Yet, they inevitably
discriminate the population in terms of income. Artificial currencies were
recently presented as an effective alternative that can achieve the same
performance, whilst guaranteeing fairness among the population. However, those
studies were based on behavioral models that may differ from practical
implementations. This paper presents a data-driven approach to automatically
adapt artificial-currency tolls within repetitive-game settings. We first
consider a parallel-arc setting whereby users commute on a daily basis from an
individual origin to an individual destination, choosing a route in exchange of
an artificial-currency price or reward, while accounting for the impact of the
choices of the other users on travel discomfort. Second, we devise a
model-based reinforcement learning controller that autonomously learns the
optimal pricing policy by interacting with the proposed framework considering
the closeness of the observed aggregate flows to a desired system-optimal
distribution as a reward function. Our numerical results show that the proposed
data-driven pricing scheme can effectively align the users' flows with the
system optimum, significantly reducing the societal costs with respect to the
uncontrolled flows (by about 15% and 25% depending on the scenario), and
respond to environmental changes in a robust and efficient manner.
- Abstract(参考訳): モビリティシステムは、利己的なユーザーの制御不能な行動のために、しばしば高価格の無秩序に苦しむ。
これは、集中型システム最適化コントローラによって達成できるものよりもはるかに高い社会的コストをもたらす可能性がある。
金銭的な料金体系は、利己的なユーザーの行動をシステム最適化と効果的に一致させることができる。
しかし、彼らは必然的に収入の観点から人口を差別する。
人工通貨は、人口間の公正性を確保しつつ、同じパフォーマンスを達成する効果的な代替手段として提示された。
しかし、これらの研究は実践と異なる行動モデルに基づいていた。
本稿では,繰り返しゲーム設定において,人工通貨料金を自動的に適用するためのデータ駆動方式を提案する。
筆者らはまず,利用者が旅行不愉快感に対する他の利用者の選択の影響を考慮しつつ,個人発起点から個人発着点まで毎日通勤し,人為的通貨価格や報酬と引き換えに経路を選択する並列弧設定について検討した。
第2に,提案フレームワークと対話して最適価格政策を自律的に学習するモデルベース強化学習制御を考案し,観測された集約フローの密接性から所望のシステム最適分布への報奨関数として扱う。
提案したデータ駆動型価格体系は, ユーザのフローを最適なシステムに効果的に整合させ, 制御されていないフローに対する社会的コスト(シナリオに応じて約15%から25%)を大幅に低減し, 堅牢かつ効率的に環境変化に対応することができることを示す。
関連論文リスト
- Aligning Large Language Models via Self-Steering Optimization [78.42826116686435]
本稿では,高品質な選好信号を自律的に生成するアルゴリズムであるSelf-Steering Optimization(SSO$)を紹介する。
SSO$は、選択された応答と拒否された応答の間に一貫したギャップを確保することで、信号の精度を維持する。
我々は、Qwen2とLlama3.1という2つの基礎モデルを用いて、$SSO$の有効性を検証する。
論文 参考訳(メタデータ) (2024-10-22T16:04:03Z) - Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。
このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
論文 参考訳(メタデータ) (2024-05-28T07:38:39Z) - Analytical model for large-scale design of sidewalk delivery robot
systems [4.510000677649468]
本稿では,配送システムの初期コストと運用コストの両方を把握し,運用における制約や運用戦略の影響を評価するモデルを提案する。
そして、このモデルをニューヨーク市の地区に適用し、実際のシナリオにおける歩道配達ロボットシステムの展開を評価する。
論文 参考訳(メタデータ) (2023-10-26T15:26:12Z) - Value function estimation using conditional diffusion models for control [62.27184818047923]
拡散値関数(DVF)と呼ばれる単純なアルゴリズムを提案する。
拡散モデルを用いて環境-ロボット相互作用の連成多段階モデルを学ぶ。
本稿では,DVFを用いて複数のコントローラの状態を効率よく把握する方法を示す。
論文 参考訳(メタデータ) (2023-06-09T18:40:55Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳(メタデータ) (2023-03-28T00:23:23Z) - Mechanisms that Incentivize Data Sharing in Federated Learning [90.74337749137432]
我々は、データ共有の利点が完全に損なわれているような、ナイーブなスキームが破滅的なフリーライディングのレベルにどのように結びつくかを示す。
次に,各エージェントが生成するデータ量を最大化する精度形成機構を導入する。
論文 参考訳(メタデータ) (2022-07-10T22:36:52Z) - Probabilistically Robust Recourse: Navigating the Trade-offs between
Costs and Robustness in Algorithmic Recourse [34.39887495671287]
本稿では,達成された(反感)と所望のリコース無効率とのギャップを同時に最小化する目的関数を提案する。
我々は,任意のインスタンスに対応するリコース無効化率を特徴付けるために,新しい理論的結果を開発した。
複数の実世界のデータセットを用いた実験により,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-03-13T21:39:24Z) - Low-Cost Algorithmic Recourse for Users With Uncertain Cost Functions [74.00030431081751]
本稿では,ユーザ固有のコスト関数の概念を定式化し,ユーザのための行動可能なリコースを識別する新しい手法を提案する。
本手法は,強いベースライン法に比べて最大25.89パーセントのユーザを満足させる。
論文 参考訳(メタデータ) (2021-11-01T19:49:35Z) - Incentivizing Efficient Equilibria in Traffic Networks with Mixed
Autonomy [17.513581783749707]
車両小隊化は、車両小隊化による道路容量の増加によって交通渋滞を減少させる可能性がある。
我々は、(i)最短経路を選択する人間ドライバーと(ii)相乗りサービスという2つの交通手段を持つ平行道路のネットワークについて検討する。
我々は、混合自律で車両の流れのモデルと、価格と遅延の異なるルート間で自律サービスユーザーがどのように選択するかのモデルを定式化する。
論文 参考訳(メタデータ) (2021-05-06T03:01:46Z) - Balancing Fairness and Efficiency in Traffic Routing via Interpolated
Traffic Assignment [29.556405472628402]
補間交通割当問題(英: Interpolated Traffic Assignment Problem, I-TAP)は、公平性促進と効率性向上のための交通割当を補間する凸プログラムである。
輸送ネットワークにおけるI-TAPと最先端アルゴリズムの数値比較について述べる。
論文 参考訳(メタデータ) (2021-03-31T20:32:52Z) - Offline Learning for Planning: A Summary [0.0]
自律的なエージェントの訓練は、しばしば、環境との高価で安全でない試行錯誤の相互作用を必要とする。
さまざまなタスクを実行するインテリジェントエージェントの記録された経験を含むデータセットは、インターネット上でアクセス可能である。
本稿では,最先端のオフライン学習ベースラインの開発を動機とするアイデアを要約する。
論文 参考訳(メタデータ) (2020-10-05T11:41:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。