用于降低交通网络社会成本的进化斯塔克伯格路由算法

《IEEE Transactions on Intelligent Transportation Systems》：Evolutionary Stackelberg Routing for Social Cost Reduction in Traffic Networks

　　

摘要：

本文提出了一种用于两群体路由游戏的进化斯塔克伯格（Stackelberg）框架。在该框架中，一个具有有限理性的中央控制器管理着一支与自私司机共享网络的车辆队伍。控制器通过采用E-Aloof策略为车辆分配路线，以最小化社会成本。E-Aloof是一种信息量较少、具有自适应性的规则，它仅需要观察当前的交通分布，而不需要记忆过去的状态；E-Aloof是贪婪的静态Aloof策略的进化版本。其余车辆的司机表现出自私和短视的行为，他们根据斯塔克伯格复制动态（Stackelberg Replicator Dynamic）调整自己的路线，通过比较自己的行驶成本与随机抽取的车辆的成本来进行决策。该研究将问题构建为一个在双并行链路网络上的非原子路由游戏（nonatomic routing game）。在连续可微、非递减且凸成本函数的标准假设下，证明了渐近稳定均衡的存在性。研究还推导出了中央集权能够提升性能的条件，结果表明：当至少有一半的车辆由中央控制器管理时，Aloof策略是有益的；而E-Aloof策略则需要更少的中央控制车辆数量，具体取决于成本函数的性质。对于线性成本情况，研究找到了某些条件，在这些条件下，E-Aloof的均衡结果与完全信息下的斯塔克伯格博弈（full-information Stackelberg game）的均衡结果一致。