[論文レビュー] A Semi Distributed Approach for Min-Max Fair Car-Parking Slot Assignment Problem

Elisabetta Alfonsetti, Pradeep Chathuranga Weeraddana+1 more|arXiv (Cornell University)|Jan 23, 2014

Smart Parking Systems Research参考文献 19被引用数 4

ひとこと要約

本稿では、ラグランジュ双対性を用いて、公平な駐車枠割り当てを実現するとともにユーザーのプライバシーを保護する半分散型アルゴリズムを提案する。この手法は、最適な指数時間的手法と比較して効率的にスケーリング可能であり、グリーディ手法よりも公平性とパフォーマンスに優れ、駐車枠が車両数の2倍を超える場合には最適解に近い結果を達成する。

ABSTRACT

Designing efficient car parking mechanisms that can be potentially integrated into future intelligent transportation systems is of crucial importance. Usually, the related design problems are combinatorial and the worst-case complexity of optimal solution approaches grows exponentially with the problem sizes. Therefore, such optimal approaches are not scalable and practically undesirable. As a result, almost all existing methods for parking slot assignment are simple and greedy approaches, where each car is assigned a free parking slot, which is closer to its destination. Moreover, no emphasis is placed to optimize the social benefit of the users during the parking slot assignment. In this paper, the fairness as a metric for modeling the aggregate social benefit of the users is considered and a distributed algorithm based on Lagrange duality theory is developed. The proposed algorithm is gracefully scalable compared to the optimal methods. In addition, it is shown that the proposed car parking mechanism preserves privacy in the sense that any car involved in the algorithm will not be able to discover the destination of any other car during the algorithm iterations. Numerical results illustrate the performance of the proposed algorithm compared to the optimal assignment and a greedy method. They show that our algorithm yields a good tradeoff between the implementation-level simplicity and the performance. Even though the main emphasis in this paper resides in the car parking slot assignment problem, our formulation and the algorithms, in general, can also be applied or adopted in fair agent-target assignment problems in other application domains.

研究の動機と目的

• 駐車枠割り当ての最適な組合せ的手法には問題サイズに伴い指数関数的に増加する計算量の制限があることを解決すること。
• 最大距離を最小化することで、全ユーザーの社会的利便を最適化する公平な割り当てメカニズムを設計すること。
• 割り当てプロセス中に、いかなる車両も他の車両の目的地を学習できないようにプライバシーを保証すること。
• 実装の単純さと高いパフォーマンスの両立を図る、スケーラブルで分散型のソリューションを開発すること。
• 駐車場以外の公平なエージェント-ターゲット割り当て問題への応用を可能にする一般化を図ること。

提案手法

• 問題は、割り当てられた駐車枠とユーザーの目的地間の最大距離を最小化することを目的とした非凸で組合せ最適化問題として定式化される。
• ラグランジュ双対性理論を適用して、問題を双対最適化フレームワークに分解し、分散計算を可能にする。
• 双対問題は、双対変数 ν における二分探索を用いて解かれ、最適な ν* を特定するための部分勾配計算が行われる。
• プライマリ解は、投影公式 λ̄_i = max{0, x_i - ν*} を用いて回復される。ここで x_i は距離ベクトルを表す。
• アルゴリズムは半分散的に実装され、各車両は自らの距離データのみを共有するため、プライバシーが保証される。
• 双対問題を効率的に解くために、確率単体へのユークリッド射影を部分勾配に基づく二分探索法で計算する。

実験結果

リサーチクエスチョン

• RQ1 分散型アルゴリズムは、計算量を低く抑えつつ、駐車枠割り当てにおける近似的に最適な公平性を達成できるか？
• RQ2 割り当てプロセス中に、いかなる車両も他の車両の目的地を学習しないようにプライバシーをどのように保証できるか？
• RQ3 グリーディ法および最適法と比較して、提案手法がパフォーマンスと実装の単純さの間でどのようなトレードオフを達成しているか？
• RQ4 スロット対車両数の比が変化する条件下で、アルゴリズムのパフォーマンスが最適解にどの程度近づくか？
• RQ5 提案されたフレームワークは、駐車場以外の公平なエージェント-ターゲット割り当て問題へ一般化可能か？

主な発見

• 自由駐車枠の数が車両数の2倍以上である場合、提案手法は最適手法と非常に近いパフォーマンスを達成する。
• 全テストシナリオにおいて、提案手法はグリーディ法と比較して公平性において顕著に優れており、ユーザーが移動する最大距離を低減した。
• アルゴリズムは強力なプライバシー保証を維持しており、実行中いかなる車両も他の車両の目的地を推測できない。
• この手法はスケーラブルであり、正確な最適解の指数的複雑性を回避するため、大規模な展開に実用的である。
• 数値結果から、実世界の駐車場シナリオにおいて、単純さと最適性の有効なトレードオフを実現していることが確認された。
• このフレームワークは、リソース割り当てやタスクスケジューリングなどの分野における他の公平な割り当て問題へ一般化可能である。