[論文レビュー] FleetPy: A Modular Open-Source Simulation Tool for Mobility On-Demand Services

Roman Engelhardt, Florian Dandl+5 more|arXiv (Cornell University)|Jul 28, 2022

Transportation and Mobility Innovations被引用数 9

ひとこと要約

FleetPyは、Mobility-on-Demand（MoD）サービスの詳細なモデリングを目的とした、オープンソースでモジュラーなエージェントベースのシミュレーションフレームワークであり、現実的な顧客-運行業者間の相互作用、複数運行業者の統合、および柔軟なファミリー制御を重視している。シミュレーションにより、リ ride-pooling、動的価格設定、ファミリー最適化の高精度な再現が可能であり、マンハッタンの事例において、さまざまなシミュレーション設定下でサービス効率および車両走行キロメートル（VKM）に顕著な影響を示した。

ABSTRACT

The market share of mobility on-demand (MoD) services strongly increased in recent years and is expected to rise even higher once vehicle automation is fully available. These services might reduce space consumption in cities as fewer parking spaces are required if private vehicle trips are replaced. If rides are shared additionally, occupancy related traffic efficiency is increased. Simulations help to identify the actual impact of MoD on a traffic system, evaluate new control algorithms for improved service efficiency and develop guidelines for regulatory measures. This paper presents the open-source agent-based simulation framework FleetPy. FleetPy (written in the programming language "Python") is explicitly developed to model MoD services in a high level of detail. It specially focuses on the modeling of interactions of users with operators while its flexibility allows the integration and embedding of multiple operators in the overall transportation system. Its modular structure ensures the transferabillity of previously developed elements and the selection of an appropriate level of modeling detail. This paper compares existing simulation frameworks for MoD services and highlights exclusive features of FleetPy. The upper level simulation flows are presented, followed by required input data for the simulation and the output data FleetPy produces. Additionally, the modules within FleetPy and high-level descriptions of current implementations are provided. Finally, an example showcase for Manhattan, NYC provides insights into the impacts of different modules for simulation flow, fleet optimization, traveler behavior and network representation.

研究の動機と目的

• 都市の交通システムに及ぼすMobility-on-Demand（MoD）サービスの影響を評価するための高精度なシミュレーションツールの需要を満たす。
• 動的価格設定、再配置、リ ride-pooling を含む、MoDサービスのための高度なファミリー制御アルゴリズムの開発とテストを支援する。
• ブローカーや規制メカニズムを介した複数運行業者のシミュレーションを可能にし、移動効率や都市部の混雑状態に及ぼすシステム的影響を研究する。
• 研究者や実務家が多様なモデリング詳細レベルに対応できる、柔軟でモジュラーかつ再利用可能なフレームワークを提供する。
• 旅行者の行動やリアルタイム情報下での運行業者の反応を含む、現実のMoDダイナミクスをシミュレートすることで、根拠に基づく政策立案および運用意思決定を支援する。

提案手法

• FleetPyは、ネットワーク、需要、ファミリー制御、ルーティングの各モジュールを別々に分離したモジュラー設計を採用したエージェントベースのシミュレーションアーキテクチャを採用している。
• 本フレームワークは、2種類の異なるシミュレーションフローをサポートしている：即時意思決定システム（IDS）、顧客のリクエストに対して即座に応答するものと、リクエストをバッチ処理するバッチ最適化システム（BOS）である。
• 顧客行動は、リアルタイム情報に基づくリクエスト・オファー・意思決定プロセスによってモデリングされており、動的なモード選択と反応行動を捉えている。
• ファミリー制御は、車両の割り当て、再配置、充電、動的ファミリー規模調整、動的価格設定を担当する専用サブモジュールによって実装されている。
• MATSim や AIMSUN といった外部ツールとの統合をサポートしており、交通フローの表現と検証を強化している。
• カスタマイズ可能な収縮ハブ（contraction hierarchies）とメソスコピック交通ダイナミクスを活用することで、高性能なルーティングが可能になり、計算効率と現実性が向上している。

実験結果

リサーチクエスチョン

• RQ1 異なるシミュレーションフロー（IDS 対 BOS）は、MoDシステムにおける顧客サービス水準とファミリー効率にどのように影響を与えるか？
• RQ2 リ ride-pooling は、都市ネットワークにおける車両走行キロメートル（VKM）をどの程度削減し、交通効率を向上させるか？
• RQ3 ネットワーク表現の選択とルーティングアルゴリズムの違いが、シミュレーションのパフォーマンスと計算負荷に及ぼす影響は何か？
• RQ4 動的価格設定や再配置といった運行業者制御戦略が、ファミリーの利用率と顧客満足度に与える影響は何か？
• RQ5 モジュラーなシミュレーションフレームワークは、複数のMoD運行業者および規制介入の統合と評価をどのように支援できるか？

主な発見

• シミュレーションフロー（IDS 対 BOS）は、対応した顧客数と合計車両走行キロメートル（VKM）に顕著な影響を及ぼし、BOSはバッチ処理シナリオでより高い効率を示した。
• リ ride-pooling 戦略は VKM を顕著に削減し、ファミリーの利用率を向上させ、都市部における混雑緩和の可能性を示した。
• ネットワークモデルとルーティングアルゴリズムの選択は、計算時間に測定可能な影響を与えることがあり、より詳細なモデルはシミュレーションのオーバーヘッドを増加させる。
• モジュラー設計により、ファミリー制御アルゴリズムやルーティングモジュールといったコンponentsの再利用が可能となり、移植性が向上し、開発時間の短縮が達成された。
• フレームワークは、リアルタイム情報下での複雑な顧客意思決定行動を正しく再現できており、静的モード選択モデルを超えた動的行動を捉えている。
• FleetPyは、MATSim や AIMSUN といった高精度な交通シミュレータとの統合をサポートしており、交通フロー表現の検証と現実性の向上を可能にした。