[論文レビュー] Altruistic Autonomy: Beating Congestion on Shared Roads

Erdem Bıyık, Daniel A. Lazar+2 more|arXiv (Cornell University)|Oct 29, 2018

Transportation Planning and Optimization被引用数 10

ひとこと要約

本稿では、交通の基本図を用いた混合自律交通流の形式的モデルを提案し、利他の自律性を導入することで混雑を軽減する。ロバストで利他の最適化された均衡を計算する多項式時間アルゴリズムを開発し、シミュレーションで、わずかな利他の存在ですでに平均遅延を、最悪の自己中心的均衡と比較して4倍まで低減できることを示している。

ABSTRACT

Traffic congestion has large economic and social costs. The introduction of autonomous vehicles can potentially reduce this congestion, both by increasing network throughput and by enabling a social planner to incentivize users of autonomous vehicles to take longer routes that can alleviate congestion on more direct roads. We formalize the effects of altruistic autonomy on roads shared between human drivers and autonomous vehicles. In this work, we develop a formal model of road congestion on shared roads based on the fundamental diagram of traffic. We consider a network of parallel roads and provide algorithms that compute optimal equilibria that are robust to additional unforeseen demand. We further plan for optimal routings when users have varying degrees of altruism. We find that even with arbitrarily small altruism, total latency can be unboundedly better than without altruism, and that the best selfish equilibrium can be unboundedly better than the worst selfish equilibrium. We validate our theoretical results through microscopic traffic simulations and show average latency decrease of a factor of 4 from worst-case selfish equilibrium to the optimal equilibrium when autonomous vehicles are altruistic.

研究の動機と目的

• 交通の基本図を用いて、自律走行車の影響を共有道路に形式的に定式化すること。
• 予期しない需要増加に対しても性能を維持できるロバストなナッシュ均衡アルゴリズムの設計。
• 自律走行車ユーザー間の利他の度合いを変化させたモデルを構築し、総ネットワーク遅延を最小化する最適化。
• 現実の道路ネットワークにおけるマイクロスコピック交通シミュレーションを通じた理論的結果の妥当性検証。

提案手法

• 交通の基本図に基づく混合自律交通流モデルを構築し、車両密度、流量、遅延を関連付ける。
• ナッシュ均衡における追加的で予期しない交通需要に対する耐性を定量化するレジリエンスの指標を導入。
• 総遅延を最小化する最良のロバストナッシュ均衡（RBNE）を計算する多項式時間最適化アルゴリズムを提案。
• 自律走行車がより長いルートを取ることを好む度合いを表す「利他のプロファイル」を定義。
• 総経験遅延を最小化する最適な利他のルーティング（BANE）を計算する多項式時間アルゴリズムを設計。
• 現実の車両動態と流量制約を想定したSUMOベースのマイクロスコピックシミュレーションを用いて理論的結果を妥当性検証。

実験結果

リサーチクエスチョン

• RQ1 利他の自律性は、混合人間／自律走行車ネットワークにおける全体的な交通遅延にどのように影響するか？
• RQ2 自律走行車が自己中心的ルーティングから利他の行動をとることで、理論的に遅延はどの程度改善されるか？
• RQ3 予期しない交通需要の増加に対しても性能を維持できるロバストナッシュ均衡をどのように計算できるか？
• RQ4 利他の度合いを変化させた場合、全体のネットワーク効率と混雑軽減効果にどのような影響があるか？

主な発見

• 任意に小さい利他の存在ですら、利他のない状況と比較して、総ネットワーク遅延が無限に改善される可能性がある。
• 最良の自己中心的均衡は、最悪の自己中心的均衡よりも無限に優れていることが示され、ルーティング戦略の重要性が浮き彫りになる。
• シミュレーションでは、最適な利他のルーティングにより、最悪の自己中心的均衡と比較して平均遅延が4倍まで低減された。
• ロバストナッシュ均衡（RBNE）アルゴリズムは、予期しない需要増加に対するレジリエンスを最大化しながら、低遅延を維持するが、流量容量の差異により理論とシミュレーションの不一致が生じた。
• 利他の自律走行車は、自由流れ状態における低い車両密度と高い平均速度から、混雑を顕著に軽減することが示された。
• 利他の度合いを高めることで、全体の遅延はさらに低減され、複数の需要シナリオにおいて、シミュレーションで性能が向上した。