我校吴自军教授团队在拥堵博弈领域取得重要原创性研究进展

30.01.2021  05:53

1月21日,国际运筹管理学会(INFORMS)旗舰刊物《Operations Research》(OR)正式发表了合肥学院的一篇题为“Selfishness need not be bad”的原创性研究成果。该论文由我校人工智能与大数据学院吴自军教授、柏林工业大学Rolf Moehring教授(合肥学院特聘教授)、北京工业大学北京交通工程重点实验室陈艳艳教授,以及北京工业大学运筹与信息工程系徐大川教授共同合作完成。论文从出行博弈角度解析了拥堵路网中的自主出行效率。



交通拥堵逐渐成为制约我国城市可持续发展的关键,不仅严重影响城市居民的日常出行,还导致巨大的经济环境损失。如何合理治理交通拥堵成为我国现阶段面临的重要社会问题。随着大数据技术的发展进步,作为拥堵治理重要辅助手段的路径诱导(route guidance)引发了广泛关注。通过路径推荐或拥堵收费等出行干预措施,诱导出行者选择合理路径,能缓解局部拥堵。然而,城市交通出行是一个复杂的系统性行为,路径诱导究竟能多大程度提升整体路网的通行效率,需进一步的理论探索。

吴自军教授团队以拥堵博弈(congestion games)为交通出行模型,深入研究了居民自主路径(selfish routing)的出行效率。从博弈角度看,居民的自主出行会导致纳什均衡。该纳什均衡下的平均出行时滞和最优出行模式下的平均出行时滞之比,即PoA,能衡量居民自主出行的效率。若PoA接近于1,则自主路径已接近最优出行模式,路径诱导难以显著提升整体交通状况;若PoA远大于1,则自主路径显著偏离最优出行模式,路径诱导有望明显改善整体交通状况。针对我国城市交通出行的海量需求特征,吴自军教授团队对PoA随出行需求增加的变化规律进行了严谨的数学解析,取得了一系列的原创性研究成果。

此次在OR上发表的论文是吴自军教授团队系列研究成果的首篇。在该论文中,吴自军教授及合作者解析了静态(static)非原子拥堵博弈(nonatomic congestion game)PoA的变化规律,开创性地构造了PoA收敛性分析的数学工具—渐进分解(asymptotic decomposition),证明了静态非原子拥堵博弈的PoA随出行需求增加快速收敛到1的事实,解决了O’Hare等学者2016年在交通科学与工程顶级期刊TR-B上遗留的PoA收敛速度猜想,证实了Youn等学者2008年发表于物理学权威杂志PRL的PoA实验观测,详情见论文原文。该论文被OR领域主编评论为“Outstanding Work”,所创造的数学工具被匿名审稿人赞为“elegant”。此项研究成果是对Papadimitriou、Roughgarden和Tardos等权威学者引领的PoA最差情况分析理论的重要补充,已获得领域内权威学者Cominetti等人的正面引用和高度评价。该项研究得到国家自然科学基金、安徽省自然科学基金、安徽省教育厅重点基金以及合肥学院人才基金支持。

本研究成果标志着我校在该级别国际权威学术刊物上实现了零突破,在相关领域的学术研究已得到充足发展。第一作者吴自军教授是我校于2017年11月全职引进的优秀德国海归博士,通讯作者Rolf Moehring教授是学校于2018年9月引进的德籍杰出教授。此次合作取得的重要进展是我校中德教育合作的典范,体现了引才育才政策的成功,展现了教职工致力于高水平科学研究的风采。


刊载此项研究成果的OR是运筹与管理科学领域的殿堂级学术刊物,在国际管理学界具有极高声誉,与其姊妹刊《Management Science》一起被誉为管科的Science和Nature。OR审稿极为严格,强调研究的扎实、严谨、规范和科学性,只接受在理论方法上对运筹学相关学科领域做出杰出贡献的原创性成果。因该刊严谨的科学态度和所刊发论文对相关领域做出的巨大贡献,该刊入选美国德克萨斯大学达拉斯分校选取的商科最顶尖24本学术期刊集(UTD 24),美国金融时报票选的50本经济管理类最具参考价值的学术期刊集(FT50),英国商学院协会(ABS)评定的4*级学术期刊(最高级、权威级),以及我国优选法统筹法与经济数学研究会、管理科学与工程学会、中国系统工程学会联合推荐的国际高水平期刊列表A类(FMS A类,最高级、权威级)。同时,该刊还是北大、清华等国内著名学府认定的少数几本管理科学与工程学科国际权威期刊之一。该刊所属的UTD 24列表是国际顶尖商学院学术科研能力排名和教员职称晋升的重要参考指标,以及我国管理科学与工程学科学术评估、国家自然科学基金委管理科学部人才项目评审、教育部管理学科人才计划评选的重要参考条件。

原文链接:https://pubsonline.informs.org/doi/10.1287/opre.2020.2036

(人工智能与大数据学院)