[論文レビュー] Fast Public Transit Routing with Unrestricted Walking through Hub Labeling

Duc-Minh Phan, Laurent Viennot|arXiv (Cornell University)|Jun 21, 2019

Data Management and Algorithms参考文献 15被引用数 2

ひとこと要約

本稿では、公共交通機関ルーティングにおける制限のない歩行を可能にするハブラベルベースの手法を提案する。RAPTORおよびCSAアルゴリズムのクエリ処理を顕著に高速化する。歩行転送をハブノードを介する二ホップ経路としてモデル化することで、従来手法に比べてプロファイルクエリで最大7倍の高速化を達成し、制限付き歩行に比べて最大47％の移動時間短縮を実現する。

ABSTRACT

We propose a novel technique for answering routing queries in public transportation networks that allows unrestricted walking. We consider several types of queries: earliest arrival time, Pareto-optimal journeys regarding arrival time, number of transfers and walking time, and profile, i.e. finding all Pareto-optimal journeys regarding travel time and arrival time in a given time interval. Our techniques uses hub labeling to represent unlimited foot transfers and can be adapted to both classical algorithms RAPTOR and CSA. We obtain significant speedup compared to the state-of-the-art approach based on contraction hierarchies.

研究の動機と目的

• 現在のアルゴリズムでは非現実的であるため、公共交通ネットワークにおける制限のない歩行を効率的に行うルーティングを可能にすること。
• 契約済み歩行グラフに依存し、クエリ時間が遅くなるMCRやUCCHなどの既存手法の性能ボトルネックを克服すること。
• RAPTORおよびCSAといった古典的公共交通機関アルゴリズムに制限のない歩行を統合しながら、効率性を損なわないこと。
• ハブラベリングを、距離の伝搬ではなく到達可能性の伝搬に応用できることを示し、高速なマルチ基準クエリを可能にすること。
• 制限のない歩行が、実世界の交通ネットワークにおいて顕著な移動時間の短縮（最大47％）をもたらすことを示すこと。

提案手法

• ハブノードを介する二ホップ経路として制限のない歩行転送をモデル化し、ハブラベリングを用いて潜在的な歩行接続をインデックス化する。
• ハブラベリングを最短経路計算の目的ではなく、クエリ処理中に到達可能性を伝搬する目的に再利用する。
• ハブベースの歩行モデルをRAPTORおよびCSAアルゴリズムに統合し、HLRaptorおよびHLCSAの変種を構築する。
• 歩行路のグラフに静的ハブラベリング構造を適用し、事前計算されたアクセスノードを用いてクエリ時の高速検索を可能にする。
• ハブリストの積集合が利用可能であることに着目し、任意の二つの停留所間の歩行経路が存在するかどうかを効率的に特定できるようにする。
• 到着時刻、乗換回数、歩行時間などのマルチ基準クエリおよび時間範囲でのプロファイルクエリをサポートする。

実験結果

リサーチクエスチョン

• RQ1 ハブラベリングは、公共交通機関ルーティングにおける制限のない歩行を効果的に再利用可能か？
• RQ2 このアプローチは、MCR や UCCH といった最先端手法に比べ、制限のない歩行クエリで顕著な高速化を達成できるか？
• RQ3 制限のない歩行を有効化することで、実世界の交通ネットワークにおいて測定可能な移動時間の短縮が得られるか？
• RQ4 ハブラベリングベースのRAPTORおよびCSA変種の性能は、元のアルゴリズムと比較して制限のない歩行環境下でどのように異なるか？
• RQ5 提案手法は大規模ネットワークにスケーリング可能であり、プロファイルクエリやランク付きクエリといった複雑なクエリタイプをサポートできるか？

主な発見

• HLRaptorは、ロンドンデータセットにおいて、MCRのMR-∞バージョンに比べて最大1.7倍の高速化を達成し、クエリ時間を44.4msから26.4msに短縮した。
• HLprRaptorはスイスネットワークのプロファイルクエリを751msで処理し、MCRのプロファイルバージョン（5.5秒）に比べて約7倍速かった。
• 平均して、制限のない歩行は制限付き歩行に比べて移動時間を12％から47％短縮し、低ランククエリでは中央値として13％から47％の改善を示した。
• HLCSAは競争力のある性能を示し、ランククエリにおいてもRAPTORベースの手法に比べて2〜3倍遅れるにとどまり、制限のない歩行を処理しているにもかかわらずである。
• 本手法は制限付き歩行モードでも効率性を維持しており、応答時間の面で元のRAPTORおよびCSAと同等またはわずかに上回った。
• 本手法により、公共交通機関ルーティングにおける制限のない歩行の実用的導入が可能となり、複雑なマルチモーダル旅程計画の道筋が開かれた。