[論文レビュー] Shortest Path and Distance Queries on Road Networks: Towards Bridging Theory and Practice

Andy Diwen Zhu, Hui Ma+4 more|arXiv (Cornell University)|Apr 9, 2013

Data Management and Algorithms参考文献 2被引用数 12

ひとこと要約

本稿では、戦略的に配置されたショートカットを用いてノードを階層構造に整理することで、大規模なレッドネットワーク上での最短経路および距離クエリを効率的に処理する、新しいインデックス構造であるArterial Hierarchy (AH) を紹介する。現実的な幾何的仮定のもとで、AH は距離クエリに対して $ ilde{O}("logarithmic

ABSTRACT

Given two locations $s$ and $t$ in a road network, a distance query returns the minimum network distance from $s$ to $t$, while a shortest path query computes the actual route that achieves the minimum distance. These two types of queries find important applications in practice, and a plethora of solutions have been proposed in past few decades. The existing solutions, however, are optimized for either practical or asymptotic performance, but not both. In particular, the techniques with enhanced practical efficiency are mostly heuristic-based, and they offer unattractive worst-case guarantees in terms of space and time. On the other hand, the methods that are worst-case efficient often entail prohibitive preprocessing or space overheads, which render them inapplicable for the large road networks (with millions of nodes) commonly used in modern map applications. This paper presents {\em Arterial Hierarchy (AH)}, an index structure that narrows the gap between theory and practice in answering shortest path and distance queries on road networks. On the theoretical side, we show that, under a realistic assumption, AH answers any distance query in $ ilde{O}(\log )$ time, where $ = d_{max}/d_{min}$, and $d_{max}$ (resp.\ $d_{min}$) is the largest (resp.\ smallest) $L_\infty$ distance between any two nodes in the road network. In addition, any shortest path query can be answered in $ ilde{O}(k + \log )$ time, where $k$ is the number of nodes on the shortest path. On the practical side, we experimentally evaluate AH on a large set of real road networks with up to twenty million nodes, and we demonstrate that (i) AH outperforms the state of the art in terms of query time, and (ii) its space and pre-computation overheads are moderate.

研究の動機と目的

• 大規模なレッドネットワークにおける最短経路および距離クエリの理論的効率性と実用的パフォーマンスのギャップを埋めること。
• 強力な理論的クエリ時間バウンダリーを提供するとともに、低コストのメモリ使用量と事前処理コストを実現するインデックス構造を設計すること。
• 2300万ノードに達する実世界のレッドネットワーク上で本手法を評価し、既存の技術に比べて実用的に優れていることを示すこと。
• 現代の地図およびナビゲーションアプリケーション向けに、大規模データセットに対応可能なスケーラブルなソリューションを提供すること。

提案手法

• AH は、ノードを複数のレベルに分けた階層構造に整理し、各レベルがノードの互いに素な部分集合を含む。
• 事前に補助的な「ショートカット」を計算する。ショートカットとは、異なるレベルのノードを結ぶエッジで、その長さは実際の最短経路距離に等しい。
• クエリ処理では、ソースおよびターゲットから交互に双方向探索を実行し、常に上位レベルから下位レベルへ移動することで、重複した探索を避ける。
• 理論的クエリ時間バウンダリーを導出するために、レッドネットワークにおける $L_\infty$ 距離分布に関する現実的な仮定に依存する。
• インデックス構築アルゴリズムの実行時間は $O(hn^2)$ であるが、実際には線形増加を示す。
• AH は、距離クエリ（最短距離を返す）および最短経路クエリ（実際の経路を返す）の両方を、追加コストを最小限に抑えてサポートする。

実験結果

リサーチクエスチョン

• RQ1 理論的に効率的なインデックス構造が、大規模なレッドネットワーク上での最短経路および距離クエリにおいて実用的効率性を達成できるか？
• RQ2 提案された Arterial Hierarchy (AH) が、低コストのメモリ使用量と事前処理コストを維持しながら、高速なクエリ時間を確保できるか？
• RQ3 CH や SILC や Dijkstra のアルゴリズムといった最新の手法と比較して、AH のクエリパフォーマンスとリソース使用量はどのように異なるか？
• RQ4 ネットワークのサイズとトポロジーが、AH のクエリ時間、メモリオーバーヘッド、および事前処理時間に与える影響は何か？

主な発見

• 現実的な幾何的仮定のもとで、AH は任意の距離クエリを $\tilde{O}(\log\alpha)$ 時間で処理する。ここで $\alpha = d_{\text{max}}/d_{\text{min}}$ である。
• 最短経路クエリは $\tilde{O}(k + \log\alpha)$ 時間で処理され、$k$ は経路上のノード数を表す。
• 最大2300万ノードのレッドネットワークにおいて、AH は CH や SILC や Dijkstra のアルゴリズムをクエリ時間において上回り、特に最短経路クエリにおいて顕著な優位性を示す。
• AH のメモリ使用量はノード数に比例して増加し、最大データセットでは32 GB に留まるため、メインメモリ上での実装が可能である。
• 米国レッドネットワーク（2300万ノード）の事前処理時間は約3時間であり、SILC の超線形コストに比べて著しく少ない。
• CH は最もメモリ効率が良いが、AH は CH よりも優れたクエリパフォーマンスを達成しながら、中程度のメモリ使用量と事前処理コストを維持している。