通过固定与自适应惩罚监管自动驾驶按需出行运营商：一种多智能体强化学习方法

arXiv:2611.07122v1 公告类型：新论文 摘要：追求利润最大化的自动驾驶按需出行（AMoD）运营商可能通过过高定价攫取消费者剩余，并将车辆调离盈利能力较低的区域，导致这些区域服务不足。我们研究了在多模式出行系统中，如何通过基于惩罚的监管限制 AMoD 运营商的溢价定价，并改善区域服务可用性。我们将监管建模为作用于基于学习的运营商的外层控制回路。对于联合控制定价与车辆再平衡的运营商，我们将采用固定惩罚的静态监管建模为马尔可夫决策过程，将动态监管建模为部分可观测随机博弈，其中监管者以闭环方式定期调整各区域的惩罚。运营商与监管者的策略均通过基于图的多智能体强化学习获得。在使用 Manhattan 真实数据开展的实验中，固定的溢价定价惩罚将面临过高价格的出行者比例从 22% 降至 1%。在区域服务可用性方面，与平均强度相同的固定惩罚相比，动态监管使监管者的奖励最多提高 15.6%。当车队存在富余运力时，服务可用性的提升最为显著；而在车队利用率较高的高峰时段，服务不足仍然存在。学习得到的监管者策略会相应降低那些因车队运力受限而难以达到监管要求的区域的惩罚。研究结果揭示了监管目标、运营商盈利能力与出行者效用之间的权衡。