[論文レビュー] Seamless Multimodal Transportation Scheduling

Arvind U. Raghunathan, David Bergman+3 more|arXiv (Cornell University)|Jul 25, 2018

Transportation and Mobility InnovationsEngineering参考文献 33被引用数 20

ひとこと要約

本稿では、最終マイルのライドシェアリングと大衆輸送を統合して旅行時間と車両移動回数を最小化する、意思決定図に基づくブランチアンドプライスモデルを提案する。10,000名の乗客、50の目的地、600台の車両という実世界規模のインスタンスを1分未塔で解き、先行手法と比較して桁違いの高速化を達成しながら、目的地別乗客集約を用いることで高い解の品質を維持する。

ABSTRACT

Ride-hailing services have expanded the role of shared mobility in passenger transportation systems, creating new markets and creative planning solutions for major urban centers. In this paper, we consider their use for the first-mile or last-mile passenger transportation in coordination with a mass transit service to provide a seamless multimodal transportation experience for the user. A system that provides passengers with predictable information on travel and waiting times in their commutes is immensely valuable. We envision that the passengers will inform the system of their desired travel and arrival windows so that the system can jointly optimize the schedules of passengers. The problem we study balances minimizing travel time and the number of trips taken by the last-mile vehicles, so that long-term planning, maintenance, and environmental impact are all taken into account. We focus on the case where the last-mile service aggregates passengers by destination. We show that this problem is NP-hard, and propose a decision diagram-based branch-and-price decomposition model that can solve instances of real-world size (10,000 passengers spread over an hour, 50 last-mile destinations, 600 last-mile vehicles) in computational time (~1 minute) that is orders-of-magnitude faster than other methods appearing in the literature. Our experiments also indicate that aggregating passengers by destination on the last-mile service provides high-quality solutions to more general settings.

研究の動機と目的

• 最終マイルのライドシェアリングと大衆輸送を統合したシームレスなマルチモーダル輸送システムを設計し、通勤の予測可能性と効率を向上させること。
• 乗客のスケジュールと最終マイルの車両ルーティングを共同で最適化し、総旅行時間と移動回数を最小化すること。
• 大規模なマルチモーダルスケジューリングの計算課題に対処するため、スケーラブルな最適化フレームワークを開発すること。
• 複雑なスケジューリング問題に対して、目的地別に乗客を集約することが高品質な解を得るのにどの程度有効であるかを評価すること。
• 計算実験を通じて、本手法が実世界規模のインスタンス（例：10,000名の乗客、50の目的地、600台の車両）を許容可能な時間制限内で処理できる実用的妥当性を示すこと。

提案手法

• 著者らは、最新の意思決定図（DD）を用いて、効率的に実行可能なスケジュールを表現するブランチアンドプライス分解モデルを開発する。
• 各目的地に対して、別個の意思決定図をモデル化し、ターミナルからの出発時刻を含む、乗客の適切なグループ化を符号化する。
• DDの構築により、すべての乗客の到着時間ウィンドウが守られ、車両の定員制約が確保される。
• 動的計画法の原則を活用し、乗客インデックスと車両積載量を追跡する状態ノードを用いて、指数的多数の可能なグループ化をコンactに表現する。
• ブランチアンドプライスフレームワーク内で、DDを用いて反復的に価格設定副問題を解き、有望な列（すなわち、実行可能な車両移動）を生成する。
• 本手法は、移動中の乗客が全員同じ目的地を持つと仮定することで、問題の構造を活かし、状態空間の圧縮を効率的に行う。

実験結果

リサーチクエスチョン

• RQ1 意思決定図に基づくブランチアンドプライス手法は、リアルタイムの計算時間で大規模なマルチモーダル輸送スケジューリング問題を解けるか？
• RQ2 複雑な最終マイルスケジューリング問題において、乗客を目的地別に集約することは、最適解を近似するのにどの程度有効か？
• RQ3 本手法は、文献に登場する既存の手法と比較して、どの程度計算性能の向上を達成するか？
• RQ4 目的地別集約によるスケジューリング問題の単純化を行った場合、解の品質はどの程度維持されるか？
• RQ5 本提案フレームワークは、実世界規模のインスタンス（例：10,000名の乗客、50の目的地、600台の車両）を許容可能な時間制限内で処理できるか？

主な発見

• 提案された意思決定図に基づくブランチアンドプライスモデルは、実世界規模のインスタンス（10,000名の乗客、50の目的地、600台の車両）を約1分で解き、既存手法と比較して桁違いの高速化を達成する。
• 本モデルは、乗客を目的地別に集約した最終マイルスケジューリング問題がNP困難であることを示し、高度な最適化技術の必要性を裏付ける。
• 乗客を目的地別に集約することで、より一般的な制約のない定式化と比較しても競争力のある高品質な解が得られ、モデル仮定の妥当性が検証される。
• 意思決定図の構築により、状態ベースの乗客インデックスと積載量の追跡を通じて、到着時間ウィンドウと車両定員制約が正しく強制される。
• 問題の構造を活かし、動的計画法による効率的な列生成を用いることで、最適またはほぼ最適な解が得られる。
• 理論的分析により、意思決定図がO(n_d · v_cap · T_w)本のアークとO(n_d · v_cap)個のノードを有することを確認し、スケーラブルな計算が可能であることが示された。