新闻中心
当前位置:  首页 新闻中心 通知公告 2022年POMS中国暑期学校授课第八期简报
2022年POMS中国暑期学校授课第八期简报
2022年09月29日

2022年POMS中国暑期学校9月29日下午授课活动于14:00在腾讯会议线上进行。授课老师分别是北京大学翁翕教授和北京交通大学孙会君教授。

第三堂课程:数字经济中的博弈论建模

授课老师:翁翕(国家杰出青年基金获得者,北京大学光华管理学院)

翁翕教授从现实生活中的问题出发,介绍了什么是博弈论以及博弈论的三大要素,策略集、博弈方和收益函数。同时,为同学们讲述了如何用博弈论刻画出现实问题,比如占座问题、拍卖问题等等。由于现实问题很复杂,在应用中需要不断的训练,详细讲述了简化问题的重要性以及如何精准把握住实际问题将其转化为数学语言。讲座结束后,翁教授同师生进行了交流互动并回答了同学们提出的问题。各部分的详细内容如下:

1.什么是博弈论

生活中充满着策略性互动,比如同学们遇到的占座问题,可能同时去占座,也有可能不同时间去占座,每位同学都想要得到自己喜欢的座位并且不想付出更多的时间成本,于是就会出现占座博弈问题。那么到底什么是博弈论?博弈论是一种策略性互动,因此在现实生活中需要用博弈论去分析问题。博弈论起源于1994年,Nash提出了博弈论。之后不少学者用博弈论进行分析问题,比如拍卖问题等等。博弈论包括博弈方、策略集合、以及收益函数。

    2.数字经济与拍卖理论概述

翁教授指出数字经济包括一个平台、卖家、消费者和机器。数字经济最基础的是流量,而流量可以转化为数据,收集的数据进行处理后可以进行个性化预测从而获得更多的流量。在现实的拍卖中,一种策略是先发制人,另一种的拍卖方式为后发制人。1996年诺贝尔经济学奖授予威廉·维克里。现实生活中需要的拍卖的方式不同于威廉·维克里拍卖,因为参与者并不是完全理性的。在数字经济场景之下,时间是很重要的约束。在建模过程中,应该考虑主要的约束并且求解。

3.利用博弈论建模

利用博弈论建模过程中我们需要通过简化问题,从而体现问题的精髓。当概率不确定情况下,可以采取混合策略。博弈论有很重要的特点,稍微将模型改变一下,结论也许完全不同。比如在占座博弈和投钱博弈中,时间分别服从均匀分布和指数分布,最后的均衡完全不同。寡头博弈中包括古诺模型和伯特兰德模型,古诺模型为两个公司同时选择,进行数量竞争。伯特兰德模型为两家公司同时选择,进行价格的竞争。两个模型都预测进入者的对现任者产生负面影响。

image.png

第四堂课程:基于大数据的城市智慧交通--共享出行

授课老师:孙会君(国家优秀青年基金获得者,北京交通大学)

孙会君教授从共享出行的背景与意义出发,对我国共享出行正趋于稳定的发展阶段进行了阐述,并简述了其中四个关键的科学问题,包括:共享出行的多样性机制揭示、共享出行时空精准预测、共享出行行为与资源配置的互动耦合、共享出行服务方案智能优化。孙教授从共享出行的发展、共享出行行为特征分析、共享出行调度优化、现有平台及未来研究四个方面进行了详细的讲解。讲座结束后,孙教授同请您教室级学员们进行了交流互动并回答了同学们提出的问题。主要讲授内容如下:

1.共享出行的发展

计算机、互联网以及大数据技术的不断更新,大力推进了共享经济在各个领域的成功应用和发展。在共享的理念下,催生了一种新兴的交通行业模式--共享交通。我国共享出行的发展经历了萌芽期和爆发期,正趋于稳定的发展阶段。孙教授讲述了主流共享出行模式的发展和挑战。网约车现存问题包括运力紧缺、拼车率低、定价不合理、派单效率低等问题。面对这样的问题,可以从短时需求预测和车辆调度与订单匹配出发进行研究,提升供需匹配效率。共享汽车主要面临着取车难、费用高、充电难、还车难等问题。根据预测的远期需求来优化共享汽车的资源配置,可以提升用户体验和运营效率。根据预测的短期需求对共享汽车进行调度是加热供需匹配的有效方式。

2.共享出行行为特征分析

通过处理共享汽车交易数据、共享汽车轨迹数据、北京市POI数据,可以对共享汽车出行链特征、共享汽车出行规律分析与使用模式、共享汽车出行目的预测进行分析。

3.共享出行调度优化

现有文献采用时空网络方法建模具有一定的局限性,通常固定调度时长为若干时间段,使得到达时间段唯一存在。实际上尽管在同一时间段出发,选择不同的出行时刻会导致到达时间不同。时间粒度大小的设置直接影响到问题的求解结果。若每个时间段的时间粒度设置偏大,会出现忽略更多的可行调度任务等关键的问题。反之,若每个时间段的时间粒度设置偏小,会大幅度增加模型复杂度。因此,在建模过程中,孙教授提出利用两个时间粒度进行调度优化数学建模,即粗时间粒度和细时间粒度。两个时间粒度的应用既可以刻画出车辆调度和调度员调度的过程,又不会增加模型的复杂度。在算法设计中,在时域上分解为不断滚动进行的多个子问题,每个子问题求解结果作为下一决策时域的已知信息。通过启发式分解算法处理大规模问题。

4.现有平台及未来研究

现有平台包括共享出行管理优化与智能服务系统、数据管理与决策支持平台、建立共享出行数据平台接入城市综合交通监测平台。其中数据管理与决策支持平台包括多源数据融合模块、用户特征分析模块、司机特征分析模块、出行规律挖掘模块、出行需求预测模块、站点配置优化模块、车辆调度优化模块。孙教授表示,在未来的研究计划中,将更加关注于基于多源数据的共享出行链特征分析、差异化共享出行订单匹配算法以及精细化导航增强智能服务三大方向。

image.png



撰稿:2022年POMS中国暑期学校学员         王梦茹(东北财经大学)