[論文レビュー] A Dynamic Tree Algorithm for Peer-to-Peer Ride-sharing Matching

Rui Yao, Shlomo Bekhor|arXiv (Cornell University)|May 27, 2021

Transportation and Mobility Innovations参考文献 39被引用数 6

ひとこと要約

本稿では、運転手のスケジュールを活用して、正確な手法と比較して著しく短縮された実行時間で、効率的かつほぼ最適な解を達成する、オンデマンドのピアツーピア乗合バスマッチングのための動的ツリー手法を提案する。この手法は、候補乗客リクエストをフィルタリングする事前処理フェーズを組み合わせ、マッチングを高速化するための動的ツリーデータ構造を用いる。時間的・空間的制約および空間的分布に敏感な性能を示し、小規模および大規模ネットワークの両方で優れた性能を発揮する。

ABSTRACT

On-demand peer-to-peer ride-sharing services provide flexible mobility options, and are expected to alleviate congestion by sharing empty car seats. An efficient matching algorithm is essential to the success of a ride-sharing system. The matching problem is related to the well-known dial-a-ride problem, which also tries to find the optimal pickup and delivery sequence for a given set of passengers. In this paper, we propose an efficient dynamic tree algorithm to solve the on-demand peer-to-peer ride-sharing matching problem. The dynamic tree algorithm benefits from given ride-sharing driver schedules, and provides satisfactory runtime performances. In addition, an efficient pre-processing procedure to select candidate passenger requests is proposed, which further improves the algorithm performance. Numerical experiments conducted in a small network show that the dynamic tree algorithm reaches the same objective function values of the exact algorithm, but with shorter runtimes. Furthermore, the proposed method is applied to a larger size problem. Results show that the spatial distribution of ride-sharing participants influences the algorithm performance. Sensitivity analysis confirms that the most critical ride-sharing matching constraints are the excess travel times. The network analysis suggests that small vehicle capacities do not guarantee overall vehicle-kilometer travel savings.

研究の動機と目的

• 動的環境下でのリアルタイムでオンデマンドの乗合バスマッチングを実現するための計算課題に対処すること。
• より大きなネットワークにスケーリング可能でありながら、解の品質を維持する効率的なアルゴリズムの開発。
• 乗合バスマッチングのパフォーマンスに最も影響を与える重要な制約、特に余分な移動時間の特定。
• 空間的分布および車両容量が車両キロメートル削減に与える影響の評価。
• マッチングの前段階で候補乗客リクエストをフィルタリングする事前処理フェーズにより、実行時間を短縮すること。

提案手法

• アルゴリズムは、リアルタイムマッチング中に乗合バスルートを効率的に管理・更新するため、動的ツリーデータ構造を用いる。
• 事前処理手順により、空間的および時間的近接性に基づいて候補乗客リクエストを選択し、探索空間を削減する。
• 動的ツリーは、リクエストの挿入および削除時にツリー構造を動的に調整することで、最適なピックアップおよびドアトドール順序を維持する。
• 運転手スケジュールを制約として統合し、妥当なルート構築をガイドするとともに、実行時間のパフォーマンスを向上させる。
• 数値実験を用いて、小規模および大規模ネットワークにおける解の品質と実行時間の比較を実施し、正確な手法との性能を評価する。
• 感度分析を実施し、とりわけ余分な移動時間の影響がマッチング結果に与える影響を評価する。

実験結果

リサーチクエスチョン

• RQ1 動的ツリー手法は、解の品質を維持しつつ、オンデマンドのピアツーピア乗合バスマッチングの効率をどのように向上させ得るか？
• RQ2 参加者の空間的分布は、提案されたマッチングアルゴリズムのパフォーマンスにどのような影響を与えるか？
• RQ3 特に余分な移動時間といった制約の中で、乗合バスマッチングの結果に最も顕著に影響を与えるものは何か？
• RQ4 車両容量が小さい場合、乗合バスシステムにおける車両キロメートルの削減にどの程度貢献するか？
• RQ5 事前処理フェーズは、解の品質を劣化させることなく、計算のオーバーヘッドをどの程度効果的に低減できるか？

主な発見

• 動的ツリー手法は、小規模ネットワークにおいて正確なアルゴリズムと同一の目的関数値を達成するが、著しく短い実行時間で実現する。
• 事前処理フェーズは、候補リクエストの数を効果的に削減し、全体のアルゴリズム効率を向上させる。
• 感度分析により、余分な移動時間が乗合バスマッチングパフォーマンスに最も重要な制約であることが確認された。
• 参加者の空間的分布はアルゴリズムのパフォーマンスに顕著な影響を与え、均等な分布がより良い結果をもたらす。
• 小さな車両容量が、全体の車両キロメートルの削減を保証するものではないため、容量そのものが効率性の十分な要因とはならない。
• 提案手法は大規模ネットワークに対しても効果的にスケーリングでき、小規模なテストケースをはるかに超えた実用的応用性を示している。