Multi-objective distributional reinforcement learning may be applied to order dispatching on ride-hailing platforms. A set of historical driver trajectories and a set of driver-order pairs may be obtained. A weight vector between a first reward of the set of historical driver trajectories and a second reward of the set of historical driver trajectories may be determined using inverse reinforcement learning (IRL). A first value function and a second value function may be jointly learned using distributional reinforcement learning (DRL) based on the historical driver trajectories and the weight vector. A set of scores comprising a score of each driver-order pair in the set of driver-order pairs may be determined based on the weight vector, the first value function, and the second value function. A set of dispatch decisions may be determined based on the set of scores that maximizes a total reward of the set of dispatch decisions.
L'invention concerne un apprentissage de renforcement distributionnel multi-objectif pouvant être appliqué à des fins de répartition d'ordre sur des plateformes de voiturage. Un ensemble de trajectoires de conducteur historique et un ensemble de paires conducteur-ordre peuvent être obtenus. Un vecteur de poids entre une première récompense de l'ensemble de trajectoires de conducteur historique et une seconde récompense de l'ensemble de trajectoires de conducteur historique peut être déterminé à l'aide d'un apprentissage de renforcement inverse (IRL). Une première fonction de valeur et une seconde fonction de valeur peuvent être apprises conjointement à l'aide d'un apprentissage de renforcement distributionnel (DRL) sur la base des trajectoires de conducteur historique et du vecteur de poids. Un ensemble de scores comprenant un score de chaque paire conducteur-ordre de l'ensemble de paires conducteur-ordre peut être déterminé sur la base du vecteur de poids, de la première fonction de valeur et de la seconde fonction de valeur. Un ensemble de décisions de répartition peut être déterminé sur la base de l'ensemble de scores qui élève au maximum une récompense totale de l'ensemble de décisions de répartition.
MULTI-OBJECTIVE DISTRIBUTIONAL REINFORCEMENT LEARNING FOR LARGE-SCALE ORDER DISPATCHING
APPRENTISSAGE DE RENFORCEMENT DISTRIBUTIONNEL MULTI-OBJECTIF POUR LA RÉPARTITION D'ORDRE À GRANDE ÉCHELLE
2021-12-09
Patent
Electronic Resource
English
IPC: | G08G Anlagen zur Steuerung, Regelung oder Überwachung des Verkehrs , TRAFFIC CONTROL SYSTEMS |
Multi-agent reinforcement learning for order-dispatching via order-vehicle distribution matching
European Patent Office | 2023
|MULTI-AGENT REINFORCEMENT LEARNING FOR ORDER-DISPATCHING VIA ORDER-VEHICLE DISTRIBUTION MATCHING
European Patent Office | 2020
|MULTI-AGENT REINFORCEMENT LEARNING FOR ORDER-DISPATCHING VIA ORDER-VEHICLE DISTRIBUTION MATCHING
European Patent Office | 2020
|