Журнал · Rit.work

Прогноз спроса обучили на результате перевозок, а не на точности

Многоэтапное обучение предиктора через итоговую выгоду улучшило распределение автомобилей на 7,7–9,1% и сократило время обучения в 1,86 раза.

Rit.work
Студия разработки
18 ноября 2026 г.3 мин чтения

Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.

Прогноз спроса для сервиса поездок научили улучшать итоговый результат перевозок, даже если сам прогноз становится менее точным. Многоэтапное обучение принесло на 7,7–9,1% больше выгоды, чем обучение того же предиктора по среднеквадратичной ошибке. Для команд, которые связывают прогноз с последовательностью оптимизационных решений, это аргумент пересмотреть целевую функцию обучения, хотя работа не рецензирована и все числа получили сами авторы.

Почему точный спрос не гарантирует хорошего решения

Работа Southeast University и EPFL рассматривает перераспределение свободных автомобилей между районами. Система сначала прогнозирует спрос и отправляет часть машин в другие районы, затем видит фактические заказы и назначает поездки. После этого расположение свободных и занятых автомобилей становится начальным состоянием следующего этапа.

Обычный предиктор минимизирует расхождение между прогнозом и фактом. Но одинаковая ошибка по-разному влияет на работу сервиса: недооценка спроса в районе без свободных машин обходится дороже такой же ошибки там, где предложение уже избыточно. Более того, текущее перемещение автомобиля меняет доступный парк, заторы и будущие возможности системы.

Авторы описали каждый этап линейной программой. Она учитывает ожидание и уход пассажиров, доход от завершённых поездок, стоимость пустого пробега и влияние скопления автомобилей на скорость движения. Сначала модель фиксирует перераспределение машин по прогнозу, а после появления реального спроса корректирует обслуживание, не отменяя уже начатые перемещения.

Предиктор обучают не на точности спроса, а на стоимости всей последовательности решений. Его прогноз меняет коэффициенты целевой функции, ограничения и доступные ресурсы линейной программы. Поэтому модель может намеренно завышать спрос, если такое искажение заранее компенсирует упрощения планировщика и сокращает потери в реальной работе.

Как градиент проходит через всю цепочку решений

Один этап нельзя обучать отдельно от остальных. Параметры предиктора сначала меняют прогноз, прогноз меняет решение, а решение формирует состояние следующего этапа. Это состояние одновременно входит в новую линейную программу и возвращается в предиктор как контекст.

Полный градиент складывается из трёх путей. Первый идёт напрямую от параметров через прогноз к текущему решению. Второй учитывает, как прежние решения меняют унаследованное состояние. Третий передаёт влияние этого состояния через последующие прогнозы. Если отбросить последний путь, обучение не увидит, что сегодняшнее перемещение машин меняет не только завтрашние ресурсы, но и входные данные будущего прогноза.

Хранить полные матрицы производных для всех решений и состояний дорого. Поэтому авторы вывели эквивалентный обратный расчёт: он последовательно умножает нужные производные в обратном направлении и не строит матрицы целиком.

Последовательное решение всех этапов всё равно тормозит прямой проход. Предложенный алгоритм делит траекторию на блоки, обрабатывает их параллельно и несколько раз передаёт конечное состояние одного блока следующему. При полном расчёте блоки сходятся к той же траектории, что и последовательный вариант; при ранней остановке ошибка градиента остаётся ограниченной.

Когда результат меняет архитектуру продукта

MCO-serial увеличил целевую выгоду на 7,7%, а MCO-parallel — на 9,1% относительно предиктора со среднеквадратичной ошибкой. Оба варианта выигрывали на всех 20 тестовых днях. Параллельная обработка с восемью рабочими процессами ускорила обучение в 1,86 раза без ухудшения решений.

Выгода здесь учитывает доход от выполненных поездок за вычетом ожидания, ухода пассажиров и пустых перемещений. При этом прогнозы MCO были менее точными по обычной метрике, чем исходные. Метод также обошёл вариант с фактически реализованным спросом: точное будущее не стало верхней границей, потому что сам планировщик использовал скользящий горизонт, линейное приближение движения и укрупнённые потоки.

Работу проверяли на данных поездок Нью-Йорка в агентной симуляции, где решения принимал конкретный линейный планировщик с моделью заторов. Сравнение охватило методы прогнозирования, оптимизации при неопределённости, эвристики, обучение с подкреплением и другие варианты контекстной оптимизации. Результат относится к этой связке данных, симулятора и политики, а не к любому прогнозу спроса.

Для продукта вывод практический: менять план стоит тогда, когда прогноз напрямую запускает цепочку связанных решений, а последствия одного шага входят в следующий прогноз. В таком контуре метрика точности может конфликтовать с экономической целью. Тогда предиктор, оптимизатор и модель перехода состояния следует проектировать как единый обучаемый граф.

Если этапы независимы или решение почти не влияет на последующее состояние, полный обратный проход добавит сложность без показанной в работе пользы. Для внедрения также нужен вычислимый показатель результата, дифференцируемый оптимизатор и симулятор, который воспроизводит переход между этапами достаточно точно для обучения.

Источники

Пауза в чтении

Похоже на вашу задачу?

Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.

Rit.work

Студия разработки

Собираем мобильные приложения и помогаем командам получать от AI реальную пользу. Основатель и команда, работаем удалённо — с клиентами в России и за рубежом.

← Ко всем материалам
Понравилось? Обсудим вашу задачу