核心概念
동적 할인 만족화 휴리스틱을 사용하여 운전자의 순차적 의사결정을 모델링하고 예측하는 새로운 접근법을 제안한다. 이를 위해 랜덤 활성화를 가진 신경망 아키텍처와 샘플링 기반 역전파 알고리즘을 개발하였다.
摘要
이 논문은 승차공유 플랫폼에서 운전자의 인지 쇠퇴와 피로도를 모델링하고 예측하는 새로운 접근법을 제안한다. 기존 연구가 주로 다양한 승차 요청에 대한 운전자 선호도 모델링과 학습에 초점을 맞춘 것과 달리, 이 논문은 동적 할인 만족화(DDS) 휴리스틱을 제안하여 주어진 근무 시간 동안 운전자의 순차적 승차 결정을 모델링하고 예측한다.
DDS 휴리스틱을 기반으로 랜덤 활성화를 가진 새로운 확률적 신경망 모델을 제안하였다. 이 모델의 학습을 위해 샘플링 기반 역전파 알고리즘(SBPTT)을 개발하였다. 시뮬레이션 실험과 실제 시카고 택시 데이터셋을 통해 제안 방법의 우수한 성능을 입증하였다.
統計資料
운전자가 하루에 완료한 총 승차 횟수는 운전자의 누적 수익에 영향을 미친다.
운전자의 만족화 임계값 λd와 할인 요인 βd는 시간이 지남에 따라 동적으로 변화한다.
운전자의 만족화 임계값 λd는 이전 날의 임계값 λd-1, 이전 날의 누적 수익 Ud-1, 그리고 표준 정규 분포 ϵd에 따라 업데이트된다.
운전자의 할인 요인 βd는 이전 날의 할인 요인 βd-1, 이전 날의 총 승차 횟수 Td-1, 그리고 표준 정규 분포 ηd에 따라 업데이트된다.
引述
"실제 의사결정에는 변화하는 상황에 적응하고 과거 경험에서 학습하는 것이 중요하다."
"DDS 모델은 유연하며 다양한 상황에 적용될 수 있다. 이 논문에서는 DDS 모델을 사용하여 운전자의 제한된 합리성을 모델링하고 운전자가 주어진 날에 수락할 승차 요청 수를 예측한다."