【KDD2018论文】 基于强化学习技术的智能派单模型 阅读笔记

回顾KDD2017

A Taxi Order Dispatch Model based On Combinatorial Optimization

最大化全局的匹配概率

基于贝叶斯框架来预测用户目的地

KDD2018

Large-Scale Order Dispatch in On-Demand Ride-Hailing Platforms: A Learning and Planning Approach
MDP+组合优化,value function 与 匹配组合优化的目标函数结合

一、 Learning(离线):序列决策 (Sequential Decision Making) 问题

  • 收集历史数据中的订单信息,表示为强化学习中的四元组形式;

  • 使用动态规划求解value function。将价值函数以查找表 (lookup table) 形式保存以供线上使用。

image-20200203181550076

二、 Planning(在线):

  • 收集待分配的司机和订单列表;

  • 计算每个司乘匹配对应的State-Action Function Q(s,a) ,优化为advantage function A(s,a) ,并以此为权重建立二分图;

  • 将上述匹配权值作为权重嵌入 KM 算法,充分考虑接驾距离、服务分等因素,求解最优匹配,进入最终派单环节。

image-20200203182509365

image-20200203183723212

三、 Combining(迭代):

步骤 3 迭代重复进行 1 和 2,即根据新积累的数据离线更新价值函数,和使用更新后的价值函数指导派单的过程。

Details

空间分片方式:

一般处理方式都是采用六边形格子 ( google S2 ) 对地图进行划分,单独的格子可能会有稀疏问题,因此可以对相邻的格子依据供需状况做聚类,最终作为统一的空间分片。

advantage function的考虑因素:

  • 订单价格,高价格订单会更具有优势,Rγ(j)Rγ(j);
  • 司机位置,司机当前的位置有一个负的影响,−V(si)−V(si),因此,在相同的条件下,司机在更小价值的位置更容易被选择服务订单;
  • 订单目的地,选择高价值地区的目的地的订单更有优势,因为它会有一个更大的V(s′ij)V(sij′);
  • 接乘客的距离,接乘客的距离也会影响advantage function,更长的距离需要更多的时间来接乘客,使得订单的未来价值降低,总体的值降低。

其他解读

[1] 滴滴 KDD 2018 论文详解:基于强化学习技术的智能派单模型

[2] 基于 “ 滴滴 KDD 2018 论文:基于强化学习技术的智能派单模型 ” 再演绎

[3] Dispatching-in-Didichuxing-2

[4] [高效的多维空间点索引算法 — Geohash 和 Google S2](

posted @ 2020-02-03 13:14  Ryan0v0  阅读(1382)  评论(0编辑  收藏  举报