[論文レビュー] Modelling Mobility: A Discrete Revolution

Andrea Clementi, Angelo Monti+1 more|arXiv (Cornell University)|Feb 4, 2010

Data Management and Algorithms参考文献 9被引用数 4

ひとこと要約

本稿では、移動エージェントの軌跡を訪問したセルの列として表現することにより、移動ネットワークにおける移動性をモデル化するための離散時間マルコフ連鎖フレームワーク、すなわちマーキovトレースモデル（MTM）を紹介する。このモデルは、数え上げ的議論を用いて定常分布（空間的、到着先、条件付き）を明示的に解析的に計算可能にし、交差点の信号、駐車区域、可変速度を含む複雑なシナリオ（例：マンハッタン型ランダムウェイポイント）に対しても閉形式の式を得る。

ABSTRACT

We introduce a new approach to model and analyze \emph{Mobility}. It is fully based on discrete mathematics and yields a class of mobility models, called the \emph{Markov Trace} Model. This model can be seen as the discrete version of the \emph{Random Trip} Model including all variants of the \emph{Random Way-Point} Model \cite{L06}. We derive fundamental properties and \emph{explicit} analytical formulas for the \emph{stationary distributions} yielded by the Markov Trace Model. Such results can be exploited to compute formulas and properties for concrete cases of the Markov Trace Model by just applying counting arguments. We apply the above general results to the discrete version of the \emph{Manhattan Random Way-Point} over a square of bounded size. We get formulas for the total stationary distribution and for two important \emph{conditional} ones: the agent spatial and destination distributions. Our method makes the analysis of complex mobile systems a feasible task. As a further evidence of this important fact, we first model a complex vehicular-mobile system over a set of crossing streets. Several concrete issues are implemented such as parking zones, traffic lights, and variable vehicle speeds. By using a \emph{modular} version of the Markov Trace Model, we get explicit formulas for the stationary distributions yielded by this vehicular-mobile model as well.

研究の動機と目的

• 可変速度、駐車、信号などの現実世界の特徴を捉えることができる、離散的かつ解析的に取り扱いやすい移動モデルの開発を目的とする。
• 定常分布の解析に複雑な積分計算やパルム計算を要する連続モデル（例：ランダムトランジットモデル）の限界を克服することを目的とする。
• 特に離散的数え上げとマルコフ連鎖を用いた理論的コンピュータサイエンス的手法を、移動型アドホックネットワーク（MANET）における移動性モデル化に適用可能にする。
• 異種の行動とインfra制約を持つ複雑な自動車系システムをモデル化するためのモジュラーなフレームワークを提供することを目的とする。
• 具体的な移動シナリオにおいて、空間的・到着先分布といった重要な確率的分布の明示的かつ計算可能な公式を導出することを目的とする。

提案手法

• エージェントの移動を、各セルの訪問順序からなる離散的トレース（経路）としてモデル化し、各トレースは明確な開始セルと終了セルを持つものとする。
• マーキovトレースモデル（MTM）を、各状態が（トレース, トレース内での位置）のペアである離散時間マルコフ連鎖として定義し、遷移確率はトレース選択確率に従う。
• 特定のセルを通る、またはそのセルから出発する可能なトレースの数を数え上げる議論を用いて、定常分布の解析的導出を可能にする。
• 対称性と再帰的分解を用いて、構造化された環境（例：ブロック、移動区域、駐車区域、交差点を含むグリッドベースの都市部）におけるトレース数を計算する。
• 異なるセルタイプ（移動、駐車、交差点）に対応するモジュラーなコンponentsを定義し、エージェントの行動（例：低速、一時停止時間）に基づく重み付き和を用いて統合する。
• 既知の離散マルコフ連鎖の結果を活用して、定常分布の存在と一意性を証明し、一様性のための条件を導出する。

実験結果

リサーチクエスチョン

• RQ1 可変速度、駐車、信号、構造化された都市部のレイアウトをすべてサポートするが、依然として解析的に取り扱える完全な離散的移動モデルを構築可能か？
• RQ2 このようなモデルにおける定常空間的分布および到着先分布の明示的解析的公式は何か？
• RQ3 定常分布を積分計算やパルム計算に頼らず、可能なトレースに対する数え上げ的議論をどのように用いて計算できるか？
• RQ4 MTMの定常分布がセル全体にわたって一様となる条件は何か？
• RQ5 MTMフレームワークは、異種の行動とインfra制約を持つ複雑な自動車系システムをモジュラーに拡張可能か？

主な発見

• マーキovトレースモデル（MTM）は、可能なトレースに対する数え上げ的議論のみを用いて、定常分布を明示的に計算可能な離散時間マルコフ連鎖を生成する。
• 有界な正方形グリッド上でのマンハッタン型ランダムウェイポイントモデルにおいて、本稿では定常空間的分布および条件付きエージェント空間的・到着先分布の明示的公式を導出する。
• ブロック (i,j) 内の移動セルの定常分布は、水平方向および垂直方向のブロックを含むトレース数の重み付き和に比例し、その係数はそのセル内でのエージェントの速度に依存する。
• 駐車セルの定常確率は、流入および流出経路のトレース数の和に比例し、一時停止時間でスケーリングされ、正規化された場合には定数係数に簡略化される。
• 交差点セルの定常確率は、対称的なトレース数（例：σ-BH,+, σ-BV,−）から導出され、n, i, j, m を含む閉形式の式で表され、最終的な公式は n²(2i+2j+3)−2n(j²+i²+j+i+1)−(i−j)²+2(ij+j+i) に比例する。
• 正規化定数 Λ は Λ = Λb[Rᴰ]/m² として導出され、ここで Λb[Rᴰ] はグリッド全体におけるすべてのトレース重みの和である。これにより、定常分布の完全な計算が可能になる。