Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
交通の最適化で強化学習を使い始めた話
Search
NearMeの技術発表資料です
PRO
September 02, 2023
Technology
1
900
交通の最適化で強化学習を使い始めた話
NearMeの技術発表資料です
PRO
September 02, 2023
Tweet
Share
More Decks by NearMeの技術発表資料です
See All by NearMeの技術発表資料です
ルートの質を評価する指標について
nearme_tech
PRO
0
13
Rustで作る強化学習エージェント
nearme_tech
PRO
0
42
ビームサーチ
nearme_tech
PRO
0
36
WASM入門
nearme_tech
PRO
0
35
ESLintをもっと有効活用しよう
nearme_tech
PRO
0
25
リファクタリングのための第一歩
nearme_tech
PRO
0
68
ガウス過程回帰とベイズ最適化
nearme_tech
PRO
1
190
確率的プログラミング入門
nearme_tech
PRO
2
120
Observability and OpenTelemetry
nearme_tech
PRO
2
46
Other Decks in Technology
See All in Technology
サイト信頼性エンジニアリングとAmazon Web Services / SRE and AWS
ymotongpoo
7
1.8k
Cracking the Coding Interview 6th Edition
gdplabs
14
28k
AI自体のOps 〜LLMアプリの運用、AWSサービスとOSSの使い分け〜
minorun365
PRO
9
790
Amazon Aurora のバージョンアップ手法について
smt7174
2
180
【内製開発Summit 2025】イオンスマートテクノロジーの内製化組織の作り方/In-house-development-summit-AST
aeonpeople
2
1.1k
リクルートのエンジニア組織を下支えする 新卒の育成の仕組み
recruitengineers
PRO
1
140
MIMEと文字コードの闇
hirachan
2
1.4k
【5分でわかる】セーフィー エンジニア向け会社紹介
safie_recruit
0
19k
Two Blades, One Journey: Engineering While Managing
ohbarye
4
2.4k
データモデルYANGの処理系を再発明した話
tjmtrhs
0
210
30→150人のエンジニア組織拡大に伴うアジャイル文化を醸成する役割と取り組みの変化
nagata03
0
250
IAMのマニアックな話2025
nrinetcom
PRO
6
1.4k
Featured
See All Featured
A Modern Web Designer's Workflow
chriscoyier
693
190k
A designer walks into a library…
pauljervisheath
205
24k
Statistics for Hackers
jakevdp
797
220k
Optimising Largest Contentful Paint
csswizardry
34
3.1k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
morganepeng
129
19k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
45
9.4k
Designing Experiences People Love
moore
140
23k
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
29
1k
Building a Scalable Design System with Sketch
lauravandoore
461
33k
VelocityConf: Rendering Performance Case Studies
addyosmani
328
24k
A Philosophy of Restraint
colly
203
16k
JavaScript: Past, Present, and Future - NDC Porto 2020
reverentgeek
47
5.2k
Transcript
0 交通の最適化で強化学習を使い始めた話 2023-09-02 AWS Startup Day 2023 Kenji Hosoda
1
2 自己紹介 名前:細田 謙二 東京大学大学院工学博士(脳の視覚情報処理)。 前職では、EコマースパッケージやPOSアプリ、IoTや機械学習 を含む新規事業など様々なサービスを開発。Python入門2&3 著。 現在、CTOとしてNearMeに参画。
3 ドアツードアの移動に関する課題は多い 空港や観光地への アクセス 混雑を回避した 通勤などの移動 交通空白地帯や 高齢者の移動 終電後や災害時の 代替輸送手段不足
4 4 タクシーの「シェア」で 第4の公共交通機関を目指す!
5 NearMe
6 バスよりも便利、タクシーよりも安い NearMe
7 注文までの流れ
8 □□□□□□ □□□□□□ □□□□□□ □□□□□□ □□□□□□ 管理画面 注文が入るたびに AIにより組み合わせの最適化をおこない、 自動でマッチング
相乗りになった注文
9 OR-Tools: https://developers.google.com/optimization 車両と注文をマッチする 配送計画問題(VRP)を ヒューリスティックな手法により解く マッチングのアルゴリズム ただし、注文が入る度に、 また、承認、キャンセル等の注文ステータスが変化する度に 逐次的に最適化処理を行っている
10 リリース後の実績
11 サービス展開 エアポートシャトル トラベルシャトル 地域シャトル ゴルフシャトル
12 さらなる改善の余地 羽田空港に行く運行と 帰る運行が対になると効率がいい 車両 相乗りマッチング後の運行 手作業で 車両にアサイン
13 簡易的な連続運行レコメンド 連続運行できるものを ハイライト
14 機械学習による追加相乗りの確率推定によるレコメンド 偶奇の日付で機能ON/OFFして 総受注数に有意に差 (ペアt検定) 追加相乗りの確率が高い ものをハイライト 在庫に限りがある場合は 効率のいい運行を 選ぶ必要がある
15 将棋のようでもありテトリスのようでもある 最善手を予測 運行はブロック 運行は駒
16 複雑そうなので強化学習のアプローチを探る OR-Tools: https://developers.google.com/optimization 車両と注文をマッチする 配送計画問題(VRP)には変わらない まずはプリミティブなモデルで調査
17 近年、深層強化学習x VRPによるアプローチが注目されている B Li et al., 2022
18 性能は出るのか? Solve routing problems with a residual edge-graph attention
neural network. K Lei, et al., Neurocomputing 2022 報酬 ベンチマークしたモデル パフォーマンス
19 EncoderのGraph Neural Networkについて https://distill.pub/2021/gnn-intro/ グラフのエッジに沿って 特徴量を集約 メッセージ伝搬関数
20 DecoderのAttentionとMaskについて K Lei, et al., 2022 ステップ1 ステップ2 ステップm
辿った点の 入力をマスク
21 実際に試してみた TSP, n_nodes=50 TSP, n_nodes=20 ちゃんと学習してるのすごい!ここ をスタートラインにして 新たなモデルを探っていく ※論文より小規模な学習
だったので、トータルは OR-Toolsと五分五分くらい
22 https://ekimetrics.github.io/blog/2021/11/03/tsp/ Z Zhang et al., 2023 例1:渋滞のエリアが設定されるシナリオ 例2 強化学習の動的なシナリオへの対応力
顧客(点)と渋滞(点の距離)が時間と共に変化するシナリオ
23 モデルのカスタマイズ ベンチマークしたモデル https://distill.pub/2021/gnn-intro/ K Lei, et al., 2022 グラフ要素の特徴量を変更
アテンションモデルの マスクの仕方を変更 報酬設計を変更
24 少しだけリアルなシナリオへの対応 Start 報酬を、到達した点の数 - α*距離、 つまり、売上 - コスト、に変更 End
Start End Start End 全ての点を必ずしも通らなくていいように マスクを変更 (Start / Endの点も設定) 割に合わない運行が無視される ※最短経路の学習が進まないと、 売上 - コストが正しく算出されないので、 報酬を学習ステップに応じて変えた こっちに来た方が より多く点を辿れる
25 AWS SageMaker使ってみた n=20 1epoch M2 Mac CPU:52.6 秒 ml.g4dn.2xlarge
GPU:15.4 秒 n=50 1epoch M2 Mac CPU : 336.2 秒 ml.g4dn.2xlarge GPU:60.0 秒 hidden_node_dim=[128], hidden_edge_dim=[16], conv_laysers=[4], data_size=[12800] 学習パラメタ M2 Macより4~5倍速い
26 まとめ • 逐次的な組み合わせ最適化をコアに相乗りサービスを構築した • 相乗り後の運行をどの車両にアサインすればいいかという問題が浮上 • 将棋やテトリスのような複雑さがあり強化学習のアプローチを探った • 深層強化学習
x 配送計画問題(VRP)において、 従来のヒューリスティックな手法に匹敵 / 超える結果が得られることが分かった • モデルの一部を変えることで、より複雑なシナリオに対応できた • 学習は非常に時間がかかるので、GPU必須。AWS SageMakerで手軽に利用できた
27 Thank you