Deep dispatching: A deep reinforcement learning approach for vehicle dispatching on online ride-hailing platform
Liu, Yang et al. — 2022
Résumé (FR)
Cet article utilise le concept d’équilibrage de charge pour concevoir un modèle d’apprentissage par renforcement profond à agent unique pour optimiser le dispatching de véhicules dans un système de covoiturage en ligne. Le modèle apprend à allouer les demandes de course aux véhicules disponibles en tenant compte des déséquilibres spatiaux et temporels de l’offre et de la demande. L’approche à agent unique simplifie le problème de coordination tout en maintenant des performances élevées. Des expériences sur des données réelles de plateformes de covoiturage valident l’efficacité de la méthode. Le système améliore les taux de réponse aux demandes et réduit les temps d’attente des passagers. Les auteurs discutent des implications pratiques pour le déploiement industriel de systèmes de dispatching basés sur le DRL. Ce travail contribue à réduire l’écart entre la recherche académique et les applications industrielles dans le domaine du covoiturage.
Summary (EN)
This paper uses the concept of load balancing to design a single-agent deep reinforcement learning model to optimize vehicle dispatching in an online ride-hailing system. The model learns to allocate ride requests to available vehicles while accounting for spatial and temporal supply-demand imbalances. The single-agent approach simplifies the coordination problem while maintaining high performance. Experiments on real ride-hailing platform data validate the effectiveness of the method. The system improves request response rates and reduces passenger waiting times. The authors discuss practical implications for industrial deployment of DRL-based dispatching systems. This work contributes to bridging the gap between academic research and industrial applications in the ridesharing domain.
Points clés
| Aspect | Détail |
|---|---|
| Thème | rl-fleet |
| Venue | Transportation Research Part E: Logistics and Transportation Review |
| Mots-clés | vehicle dispatching, deep reinforcement learning, ride-hailing, load balancing, single-agent |
| DOI | 10.1016/j.tre.2022.102694 |