自発的分散到着を促すシステム設計のための待ち行列ゲーム解析

点击翻译按钮获取中文摘要

今年度は，到着客が待ちに加入するか否かの待ち行列ゲームについて，その均衡解は客がどのように待ちを経験して活用すれば発現するかを，エージェント・ベース・モデル（ABM）を用いてその構造を明らかにした。ここでは特に，ABMにおいて客が待ちの経験をある程度積み重ねたのちそれを徐々に活用させた。さらに，客が退去時に得た総報酬（サービス完了利得と待ち時間費用の差）と加入時に観測した待ち客数を用いて，その客がそれまでに保持していた加入に関する閾値を更新させる手順を提案した。ABMにおけるこれらの学習構造により，待ち行列ゲームの均衡解が示す待ちに加入する閾値がABMでも発現することを示せた。幾つかの数値実験を通じて分かったことは，サービス時間分布の分散が小さいほど，ABMにおける閾値の収束の様子が，日数の経過につれてより安定する様子が見られたことである。これは，サービス時間のバラつきが客の加入・非加入に強く影響を及ぼすことを示唆している。一方，実験室実験による理論結果の検証については，新型コロナウイルス感染症の影響を受けて研究協力者（実験参加者）が集まらないため，実験実施は見送らざるを得なかった。実験室実験の代わりに，複数の学習過程を用いたシミュレーションをそれぞれ実施しその結果を比較することで，理論結果の計算機実験での検証を試みた結果，客の学習方法の違いが結果に顕著な差異をもたらすことを明らかにした。客が学習に用いる情報の種類により混雑が緩和され得ることも示唆されたため，今後，より詳細な設定・比較検証をすることで，効果的な情報提示により混雑低減をする仕組みを提案したい。