[論文レビュー] Fleet management for autonomous vehicles: Online PDP under special constraints

Sahar Bsaybes, Alain Quilliot+1 more|arXiv (Cornell University)|Mar 30, 2017

Transportation and Mobility Innovations参考文献 12被引用数 4

ひとこと要約

本稿では、閉鎖的サイト環境における自律走行車両のための動的フリート管理フレームワークを提案する。トランジットモードとエレベーターモードをオンラインアルゴリズムとしてモデル化し、合計巡回長を最小化することを目的とする。競合分析と実践的評価を提示し、現実世界の性能が理論的最悪ケースの境界を著しく上回ることを示しており、最適な日常的需要への対応が可能な適応的モード切り替えを可能にする。

ABSTRACT

The VIPAFLEET project consists in developing models and algorithms for man- aging a fleet of Individual Public Autonomous Vehicles (VIPA). Hereby, we consider a fleet of cars distributed at specified stations in an industrial area to supply internal transportation, where the cars can be used in different modes of circulation (tram mode, elevator mode, taxi mode). One goal is to develop and implement suitable algorithms for each mode in order to satisfy all the requests under an economic point of view by minimizing the total tour length. The innovative idea and challenge of the project is to develop and install a dynamic fleet management system that allows the operator to switch between the different modes within the different periods of the day according to the dynamic transportation demands of the users. We model the underlying online transportation system and propose a correspond- ing fleet management framework, to handle modes, demands and commands. We consider two modes of circulation, tram and elevator mode, propose for each mode appropriate on- line algorithms and evaluate their performance, both in terms of competitive analysis and practical behavior.

研究の動機と目的

• 閉鎖サイト内での日々の需要パターンの変化に適応する動的フリート管理システムを構築すること。
• VIPAFLEETシステムを、時間依存の部分ネットワークと車両の再配置を伴うオンラインメトリックタスクシステムとしてモデル化すること。
• リアルタイムでのリクエスト到着を想定し、合計巡回長を最小化するためのトランジットモードおよびエレベーターモードのオンラインアルゴリズムを設計・分析すること。
• 理論的競合比と合成テストインスタンス上での実践的性能の両方を評価すること。
• グローバルに効率的なスケジューリングを可能にするために、需要と部分ネットワークのクラスタリングフレームワークを提供すること。

提案手法

• 交通ネットワークを、連結グラフ G から導出された距離空間 (V, d) としてモデル化し、駅をノードとし、最短経路距離を辺の重みとする。
• 顧客リクエストを 4 つの要素 (t_j, x_j, y_j, z_j) で定義する。ここで、t_j はリリース時刻、x_j は出発地、y_j は目的地、z_j は乗車人数を表す。
• オンラインディスpatching のためのタスク τ_j = (t_j, x_j, y_j, z_j, G') を定式化する。ここで G' は時間区間 [t, t’] 内に有効な部分ネットワークを表す。
• 円形ネットワークにおけるトランジットモードのための SIR アルゴリズムを提案し、SIF_M、SIF_E、SIF_L の変種をモード固有のリクエスト処理に用いる。
• 直線ネットワークにおけるエレベーターモードのための MAIN アルゴリズムを設計し、動的再配置とリクエスト再割り当てをサポートする。
• 最悪ケース性能を境界づけるために競合分析を用い、さまざまなリクエストシナリオにおける計算実験で検証する。

実験結果

リサーチクエスチョン

• RQ1 動的で時間変動する需要下で、自律走行車両がトランジットモードおよびエレベーターモードで運用される場合、オンラインアルゴリズムをどのように設計できるか？
• RQ2 提案されたオンラインアルゴリズムが合計巡回長を最小化するうえで、理論的に確立可能な競合比は何か？
• RQ3 現実世界に近いシナリオにおいて、アルゴリズムの実践的性能は、理論的最悪ケースの境界と比べてどの程度優れているか？
• RQ4 時間帯ごとのシナリオ（朝、夕方、昼食時間）において、ネットワークおよび需要のクラスタリング戦略をどのように設計すれば、全体の効率性が最大化されるか？
• RQ5 動的フリート管理システムは、経済的および運用的目標を最適化するために、どのようにして輸送モードを知的に切り替えることができるか？

主な発見

• SIR アルゴリズムは、円形ネットワークにおけるトランジットモードで、競合比 Cap·|C| を達成する。ここで Cap は車両の定員、|C| は回路長を表す。
• SIF_M および SIF_E アルゴリズムは、それぞれ朝と夕方のシナリオにおいて、最適な競合比 1 を達成する。これは、リクエストが特定の部分ネットワークに限定されている場合に成立する。
• 昼食時間のシナリオにおける SIF_L アルゴリズムは、競合比 2 を達成する。これは、レストラン駅での中央集権的調整の必要性を反映している。
• 直線ネットワークにおけるエレベーターモードの MAIN アルゴリズムは、競合比 2·Cap·|L| を達成するが、実践的性能は理論的最悪ケースの境界を著しく上回る。
• 計算実験において、TTL/OPT の比（実際の巡回長 / 最適巡回長）は、理論的競合比を常に下回っており、優れた現実世界の性能を示している。
• このフレームワークにより、需要を部分問題にクラスタリングすることが可能となり、最適化された部分ネットワークとアルゴリズムの使用が可能になり、グローバルな解の品質が向上する。