[論文レビュー] The Price of Anarchy in Transportation Networks: Data-Driven Evaluation and Reduction Strategies

Jing Zhang, Sepideh Pourazarm+2 more|arXiv (Cornell University)|Jun 7, 2016

Transportation Planning and Optimization参考文献 14被引用数 9

ひとこと要約

本稿では、実際の交通データから出発地・目的地（OD）需要とリンク遅延関数を学習することで、交通網における悪意の価格（PoA）の推定と低減を目的としたデータ駆動型フレームワークを提案する。逆最適化と二段階プログラミングを用い、自己中心的ルーティングにおける非効率性を定量化し、連結自動運転車両や改善されたGPSルーティングなどの戦略を提案。実装された都市ネットワークでは、近似的に1の値を達成した。

ABSTRACT

Among the many functions a Smart City must support, transportation dominates in terms of resource consumption, strain on the environment, and frustration of its citizens. We study transportation networks under two different routing policies, the commonly assumed selfish user-centric routing policy and a socially-optimal system-centric one. We consider a performance metric of efficiency - the Price of Anarchy (PoA) - defined as the ratio of the total travel latency cost under selfish routing over the corresponding quantity under socially-optimal routing. We develop a data-driven approach to estimate the PoA, which we subsequently use to conduct a case study using extensive actual traffic data from the Eastern Massachusetts road network. To estimate the PoA, our approach learns from data a complete model of the transportation network, including origin-destination demand and user preferences. We leverage this model to propose possible strategies to reduce the PoA and increase efficiency.

研究の動機と目的

• 都市交通網における自己中心的ルーティングの非効率性を、悪意の価格（PoA）指標を用いて定量化すること。
• 観測されたリンクフローからOD需要行列とリンク遅延コスト関数を推定するデータ駆動型手法を開発すること。
• 実際の交通データから導出された予測モデルを用いてPoAを評価し、ユーザー最適ルーティングと社会的最適ルーティングの性能を比較可能にすること。
• 特にPoA ≫ 1 の状況において、現実のネットワークにおけるPoA低減のための実用的戦略を提案すること。
• スケーラブルでデータに基づいたモデリングと制御を用いて、交通網の動的かつリアルタイム最適化を可能にすること。

提案手法

• 観測されたWardrop均衡リンクフローから遅延コスト関数を逆最適化により推定し、ユーザー中心の逆問題を解く。
• 予測されたユーザー最適フローが観測されたリンクフローと一致するように、反復的にOD需要推定値を調整する二段階最適化問題を定式化する。
• 回復されたOD需要と遅延関数を用いて、システム中心の前向き問題を非線形計画問題（NLP）として解き、総システムコストを最小化する。
• 学習されたモデルを用いて、ユーザー最適と社会的最適ルーティングにおける総移動コストの比としてPoAを計算する。
• 感度分析を適用し、混雑緩和に高い影響を与える道路セグメントを同定し、干渉の優先順位を決定する。
• 大規模ネットワーク向けのスケーラビリティ向上のため、各ODペアの最速ルートのみを用いる簡略化戦略を実装する。

実験結果

リサーチクエスチョン

• RQ1 OD行列や遅延関数の事前知識がなくとも、実世界の交通データから悪意の価格（PoA）を正確に推定する方法は何か？
• RQ2 どのようなデータ駆動型技術が、観測されたリンクフローから交通網の包括的予測モデルを回復できるか？
• RQ3 実際の都市道路網において、PoAは時間帯やネットワーク状態に応じてどのように変化するか？
• RQ4 どのシステムレベルの干渉がPoAを効果的に低減し、全体のネットワーク効率を向上させられるか？
• RQ5 大規模交通網にこのフレームワークを適用する際の計算的およびスケーラビリティ上の課題は何か？

主な発見

• 提案されたデータ駆動型フレームワークは、マサチューセッツ州東部の実際の交通データを用いてPoAを成功裏に推定した。時間帯ごとに1.02から1.12のPoA値を示した。
• 週末の時間帯（例：1.02）でPoAが最小となり、近似的に最適な効率性を示した。一方で平日のピーク時間帯（例：1.12）で最大となり、顕著な混雑に起因する非効率性を示した。
• システム中心のルーティング方針により、ユーザー中心のルーティングと比較して、総移動遅延コストを最大12％まで削減できた。これは、顕著な効率向上の可能性を示している。
• 感度分析により、特定の高混雑リンクがPoAに顕著な影響を与えることが判明し、インfraストラクチャやルーティングの標的的干渉が可能となった。
• 平日の午後ピーク時（4/18/2012）において、PoA推定値は1.12であった。これは、12％の総移動コストが自己中心的ルーティング行動に起因していることを示している。
• OD推定とPoA計算を含む計算パイプラインは、最大のネットワーク（I₃）で約10時間の処理時間を要したが、並列処理と分解戦略によりスケーラビリティが向上した。