[論文レビュー] Routing Directions: Keeping it Fast and Simple

Dimitris Sacharidis, Panagiotis Bouros|arXiv (Cornell University)|Sep 17, 2013

Data Management and Algorithms参考文献 23被引用数 12

ひとこと要約

本稿では、最短経路と最小の曲がり数のトレードオフを考慮し、速度と単純さの両立を図る近似的に最適なルーティング方向を効率的に見つけるためのアルゴリズムを提案する。FS（最速単純）およびSF（単純最速）という新しい手法を導入し、2つの新規問題を定式化する：最速近似単純経路と単純近似最速経路。深さ優先探索およびA*-由来の探索手法を用い、枝刈り技術を適用することで、大規模な道路ネットワークにおいてもサブ秒の応答時間を達成する。

ABSTRACT

The problem of providing meaningful routing directions over road networks is of great importance. In many real-life cases, the fastest route may not be the ideal choice for providing directions in written, spoken text, or for an unfamiliar neighborhood, or in cases of emergency. Rather, it is often more preferable to offer "simple" directions that are easy to memorize, explain, understand or follow. However, there exist cases where the simplest route is considerably longer than the fastest. This paper tries to address this issue, by finding near-simplest routes which are as short as possible and near-fastest routes which are as simple as possible. Particularly, we focus on efficiency, and propose novel algorithms, which are theoretically and experimentally shown to be significantly faster than existing approaches.

研究の動機と目的

• 実世界のナビゲーション、特に観光者や緊急時における経路の速度と単純さのトレードオフを解消すること。
• すべての単純経路の中で最速の経路（最速単純）を特定すること。
• すべての最速経路の中で単純さが最も高い経路（単純最速）を特定すること。
• 最適性制約を緩和するため、「近似単純」および「近似最速」経路を導入し、長さと複雑さの間で制御可能なトレードオフを可能にすること。
• 理論的および実践的両面で全探索に優るスケーラブルで実用的なアルゴリズムの設計

提案手法

• Dijkstraのようなラベル設定アルゴリズムが最速単純問題を解けるようにする概念的グラフ変換を提案し、全探索を回避する。
• 2つの新規問題を定式化：最速近似単純（長さを(1+ε)×単純経路以下に抑える）および単純近似最速（複雑さを(1+ε)×最速経路以下に抑える）。
• 単純近似最速問題において、無 promising な部分経路を排除するために、積極的な枝刈りを施した深さ優先探索を採用する。
• 最速近似単純問題において、ヒューリスティックを用いた枝刈りを施したA*-由来の探索を効率的に実行する。
• 探索を効率化するため、事前処理としてAllFastestSimplestおよびAllSimplestFastestプロシージャを導入する。
• 長さおよび複雑さの上限に基づく枝刈り基準を適用し、最適解が得られない部分経路の探索を回避する。

実験結果

リサーチクエスチョン

• RQ1 全探索を避けて、最速単純経路を効率的に計算できるか？
• RQ2 類似のアプローチを用いて、単純最速経路を効率的に計算できるか？
• RQ3 長さと複雑さの両方で最適解の(1+ε)倍以内の近似的に最適な経路を、どのように効率的に見つけられるか？
• RQ4 非最適だが近似的に最適な経路の探索空間を効果的に削減する枝刈り戦略は何か？
• RQ5 提案されたアルゴリズムは、サイズやトポロジーが異なる実際および合成の道路ネットワークにおいて、どのようにスケーラブルか？

主な発見

• FS（最速単純）アルゴリズムは、ベースライン全探索（BSL）と比べて数個のオーダーも高速であり、実ネットワークでは0.01秒未塔で処理を完了する。
• SF（単純最速）アルゴリズムも、すべてのテスト済み実道路ネットワークで0.5秒未塔で実行され、高い効率性を示す。
• 最速近似単純および単純近似最速問題において、FNS-A*およびSNF-A*は、約80,000本の道路および110,000の交差点を持つネットワークで400ms未塔の応答時間を達成する。
• 事前処理（AllFastestSimplestおよびAllSimplestFastest）の導入により、性能が顕著に向上し、FNS-A*およびSNF-A*は非事前処理版（FNS-A*-WBおよびSNF-A*-WB）を少なくとも1オーダー以上上回る。
• εが増加するにつれて、単純近似最速問題の応答時間は、より効果的な枝刈りにより短縮されるが、探索空間は拡大する。
• スケーラビリティテストでは、より大きなトポロジー（グリッドベースではτ=5、リングベースではτ=4）に対しても、ε=0.1の条件下で最良のアルゴリズムが500ms未塔で結果を返すことが確認された。