[論文レビュー] Control of Robotic Mobility-On-Demand Systems: a Queueing-Theoretical Perspective

Rick Zhang, Marco Pavone|arXiv (Cornell University)|Apr 16, 2014

Transportation and Mobility Innovations参考文献 11被引用数 5

ひとこと要約

本稿では、自律的モビリティ・オン・デマンド（MOD）システムのためのキューイング理論的モデルを提案し、閉じたジャクソンネットワークを用いて車両の再配置を最適化する。最適再配置ポリシーは線形計画法として定式化され、サービスのバランスを維持しながら再配置車両の数を削減する。事例研究の結果、8,000台のロボット車両でマンハッタンの現在のタクシー需要を満たすことができ、これは現在の人力タクシー車両の60％に相当する。再配置車両は主に混雑の少ないルートを使用するため、最大の道路セグメントの利用度はほとんど上昇しない。

ABSTRACT

In this paper we present and analyze a queueing-theoretical model for autonomous mobility-on-demand (MOD) systems where robotic, self-driving vehicles transport customers within an urban environment and rebalance themselves to ensure acceptable quality of service throughout the entire network. We cast an autonomous MOD system within a closed Jackson network model with passenger loss. It is shown that an optimal rebalancing algorithm minimizing the number of (autonomously) rebalancing vehicles and keeping vehicles availabilities balanced throughout the network can be found by solving a linear program. The theoretical insights are used to design a robust, real-time rebalancing algorithm, which is applied to a case study of New York City. The case study shows that the current taxi demand in Manhattan can be met with about 8,000 robotic vehicles (roughly 60% of the size of the current taxi fleet). Finally, we extend our queueing-theoretical setup to include congestion effects, and we study the impact of autonomously rebalancing vehicles on overall congestion. Collectively, this paper provides a rigorous approach to the problem of system-wide coordination of autonomously driving vehicles, and provides one of the first characterizations of the sustainability benefits of robotic transportation networks.

研究の動機と目的

• 自律的モビリティ・オン・デマンド（MOD）システムの確率的・キューイング理論的モデルを構築し、車両の利用可能性とサービス品質を分析すること。
• ネットワーク全体の車両利用可能性をバランスさせる一方で、自律的再配置車両の数を最小限に抑える最適再配置ポリシーを設計すること。
• 自律的再配置が都市部の交通混雑とシステムの持続可能性に与える影響を評価すること。
• ニューヨーク市マンハッタンのタクシー需要を実世界の事例として、理論的枠組みを適用すること。
• 混雑の影響を分析し、再配置が全体の遅延を増加させる条件を同定するようにモデルを拡張すること。

提案手法

• 乗客の喪失を伴う閉じたジャクソンネットワークとして自律的MODシステムをモデル化し、確率的顧客の到着と車両ルーティングを捉える。
• 駅間の車両利用可能性をバランスさせる一方で、再配置車両の数を最小限に抑える最適再配置レートを線形計画法で計算する。
• リトルの法則を用いて、到着率とサービス率に基づき、期待されるキュー長および道路セグメント上の車両数を計算する。
• 駅間のパスに沿って車両を均等に分散させ、各道路セグメントごとの車両数を合算することで、道路ネットワークの使用状況をマッピングする。
• 期待される車両数と道路容量の比として道路利用度を推定し、安定性のためには利用度 < 1 を満たす必要がある。
• オープンループの線形計画法の解から導出されたリアルタイムで閉ループとなる再配置アルゴリズムを採用し、動的適応を可能にする。

実験結果

リサーチクエスチョン

• RQ1 ネットワーク全体の車両利用可能性をバランスさせる一方で、自律的再配置車両の数を最小限に抑える最適再配置ポリシーは何か？
• RQ2 自律的再配置は、特に混雑している都市部の道路網において、全体の交通混雑にどのように影響を与えるか？
• RQ3 ロボットによるMODシステムは、現在の都市部の移動需要を、現在の人力タクシー車両の数よりも少ない車両数で満たすことができるか、その程度はどの程度か？
• RQ4 確率的顧客の到着のもとでシステムは安定しているか。また、ネットワークの異なる地域では車両利用可能性はどのように変動するか？
• RQ5 再配置車両の異なるルーティング戦略は、最大の道路セグメント混雑にどのように影響を与えるか？

主な発見

• 最適再配置ポリシーは線形計画法として計算可能であり、自律車両の効率的かつ包括的な調整を可能にする。
• ニューヨーク市マンハッタンの事例研究において、8,000台のロボット車両でマンハッタンの現在のタクシー需要を満たすことができ、これは現在の人力タクシー車両の約60％に相当する。
• 再配置車両は主に混雑の少ない道路を使用するため、平均利用度が再配置車両数に比例して上昇しても、最大の道路セグメント利用度はほとんど上昇しない。
• ほとんどの場合、再配置は最大混雑を増加させない。稀に（最大10％の確率で）、すでに過密なシステムでは最も混雑したセグメントの利用度が上昇するが、これは例外的である。
• モデルは、再配置により道路上の総車両数が増加するが、混雑の少ない道路へのルート選択のバイアスのおかげで、ピーク混雑への影響は一般的に小さいことを示している。
• この枠組みは、持続可能なロボット交通ネットワークの分析と設計に厳密な確率的基盤を提供し、大衆輸送や動的交通割り当てとの統合の可能性を有する。