[論文レビュー] Managing travel demand: Location recommendation for system efficiency based on mobile phone data

Yan Leng, Larry Rudolph+3 more|arXiv (Cornell University)|Oct 21, 2016

Human Mobility and Location-Based Analysis参考文献 30被引用数 5

ひとこと要約

本論文では、移動電話の通話記錆記録（CDR）を用いて、個人の旅行嗜好と道路の容量制約の両方をバランスさせる場所推薦システムを提案し、交通渋滞の低減を図っている。行列式因子分解による嗜好推定と制約付き最適化によるシステム効率化を組み合わせることで、100%の準拠率下で移動遅れを52%削減したが、満足度は31%低下した。アンドラにおける共同需要管理を通じて顕著な集団的利益を実現した。

ABSTRACT

Growth in leisure travel has become increasingly significant economically, socially, and environmentally. However, flexible but uncoordinated travel behaviors exacerbate traffic congestion. Mobile phone records not only reveal human mobility patterns, but also enable us to manage travel demand for system efficiency. In this paper, we propose a location recommendation system that infers personal preferences while accounting for constraints imposed by road capacity in order to manage travel demand. We first infer unobserved preferences using a machine learning technique from phone records. We then formulate an optimization method to improve system efficiency. Coupling mobile phone data with traffic counts and road network infrastructures collected in Andorra, this study shows that uncoordinated travel behaviors lead to longer average travel delay, implying the opportunities in managing travel demand by collective decisions. The interplay between congestion relief and overall satisfied location preferences observed in extensive simulations indicate that moderate sacrifices of individual utility lead to significant travel time savings. Specifically, the results show that under full compliance rate, travel delay fell by 52% at a cost of 31% less satisfaction. Under 60% compliance rate, 41% travel delay is saved with a 17% reduction in satisfaction. This paper highlights the effectiveness of the synergy among collective behaviors in increasing system efficiency.

研究の動機と目的

• 無計画なレクリエーション行動に起因する増加する渋滞を是正すること。
• 個人の嗜好を単独で優先しないで、システム全体の効率を向上させる推薦システムを開発すること。
• 移動電話CDRデータを活用して、隠れた旅行嗜好を推定し、渋滞への影響をモデル化すること。
• ユーザー満足度と道路容量制約の両方をバランスさせながら、場所推薦を最適化すること。
• 実世界の状況下で、準拠率の影響が渋滞低減とユーザー満足度に与える影響を評価すること。

提案手法

• 個人の暗黙的な旅行嗜好を推定するために、移動電話CDRデータに行列式因子分解を適用する。
• 道路ネットワークと交通量をモデル化し、異なる場所における渋滞制約を定量化する。
• システム容量内での移動遅れを制限しつつユーザー満足度を最大化する制約付き最適化問題を定式化する。
• 次位の場所予測精度を向上させるために再帰的ニューラルネットワーク（RNN）を採用し、基地局レベルと統合基地局レベルでそれぞれ67%および78%の精度を達成した。
• アンドラのCDRデータとインfraストラクチャおよび交通データを統合し、システムレベルの結果をシミュレートする。
• 例えば60%や100%といった異なる準拠率の下で性能を評価し、スケーラビリティとトレードオフを検証する。

実験結果

リサーチクエスチョン

• RQ1 共同による場所推薦は、個人の満足度を著しく損なわせることなく、システム全体の移動遅れをどの程度低減できるか？
• RQ2 無計画な旅行行動は、観光地としてのアンドラのような地域で渋滞レベルにどのように影響を与えるか？
• RQ3 異なる準拠率下で、ユーザー満足度と渋滞緩和のトレードオフはどのようなものか？
• RQ4 ベースラインモデルと比較して、RNNはCDRデータを用いて次位の場所選択を予測する際にどの程度有効か？
• RQ5 個人の嗜好とインfraストラクチャ制約の両方をバランスさせるシステムは、旅行効率を顕著に向上させることができるか？

主な発見

• 100%の準拠率下では、移動遅れが11.73分/時間から5.61分/時間に52%減少したが、満足度は31%低下した。
• 60%の準拠率下では、移動遅れが41%減少（1時間あたり6.98分）し、満足度の低下は17%にとどまった。
• RNNモデルは、基地局レベルで67%、統合基地局レベルで78%の精度を達成し、ベースラインモデルを30%以上上回った。
• 本システムは、個人の嗜好満足度にやや妥協することで、渋滞低減という顕著な集団的利益が得られることを示している。
• 協調行動と最適化された推薦の相乗効果により、部分的準拠でもシステム効率が顕著に向上することが明らかになった。
• 本手法は、CDRデータを活用してユーザー嗜好とインfraストラクチャ制約の両方を効果的にモデル化でき、スケーラブルな移動需要管理を可能にしている。