[論文レビュー] Towards a Socially Optimal Multi-Modal Routing Platform

Chinmaya Samal, Liyuan Zheng+3 more|arXiv (Cornell University)|Feb 27, 2018

Transportation Planning and Optimization参考文献 1被引用数 6

ひとこと要約

本論文は、予測モデリングを用いて、時間的・モード的要因を統合的に考慮して個々のルート選択を調整することで、都市の混雑を事前に軽減する社会的最適なマルチモーダルルーティング（SO-MMR）プラットフォームを提案する。ナッシュビルでのシミュレーションでは、低水準の導入（α = 0.1）でも、システム全体の移動時間と混雑が顕著に削減され、完全導入では平均移動時間とそのばらつきが大幅に低下し、公共交通機関利用が増加する。

ABSTRACT

The increasing rate of urbanization has added pressure on the already constrained transportation networks in our communities. Ride-sharing platforms such as Uber and Lyft are becoming a more commonplace, particularly in urban environments. While such services may be deemed more convenient than riding public transit due to their on-demand nature, reports show that they do not necessarily decrease the congestion in major cities. One of the key problems is that typically mobility decision support systems focus on individual utility and react only after congestion appears. In this paper, we propose socially considerate multi-modal routing algorithms that are proactive and consider, via predictions, the shared effect of riders on the overall efficacy of mobility services. We have adapted the MATSim simulator framework to incorporate the proposed algorithms present a simulation analysis of a case study in Nashville, Tennessee that assesses the effects of our routing models on the traffic congestion for different levels of penetration and adoption of socially considerate routes. Our results indicate that even at a low penetration (social ratio), we are able to achieve an improvement in system-level performance.

研究の動機と目的

• ウーバーやリフトのようなオンデマンドモビリティサービスが、利便性にもかかわらず都市の混雑を悪化させているという問題に対処すること。
• 混雑が発生してから反応するのみの現在の個別利便性中心のルーティングシステムの限界を乗り越えること。
• 空間的・時間的・交通手段的要因を統合的に考慮し、ユーザーの選択が及ぼす共有効果を踏まえて、事前にシステム全体のパフォーマンスを最適化するルーティングプラットフォームを設計すること。
• 現実的なシミュレーションフレームワークを用いて、社会的最適ルーティングが混雑と移動効率に与える影響を評価すること。

提案手法

• SO-MMRアルゴリズムを統合したMATSimシミュレーションフレームワークを改変し、ユーザー行動とネットワークダイナミクスをモデル化した。
• リアルタイムおよび予測混雑度を複数の交通手段にわたって統合した、マルチオブジェクティブなA*ルーティング拡張を開発した。
• SO-MMRの導入率を表す社会比αを導入し、導入率の影響を分析可能にした。
• 歴史的およびリアルタイムの交通データを用いて、テネシー州ナッシュビルで、SO-MMR導入率を変化させた状況下でのエージェント行動をシミュレートした。
• 不確実性を考慮したルート導入確率を反映するため、ユーザーの好みとルート選択を確率的フレームワークでモデル化した。
• 正規化移動時間、混雑ヒートマップ、モード別分布の変化などの指標を用いて、システムパフォーマンスを評価した。

実験結果

リサーチクエスチョン

• RQ1 プロアクティブで社会的最適なルーティングシステムは、個別利便性中心のルーティングよりも都市の混雑をより効果的に軽減できるか？
• RQ2 SO-MMRの導入率（社会比α）が、システム全体の移動時間と混雑にどのように影響を与えるか？
• RQ3 SO-MMRは、個別最適化ルーティングと比較して、公共交通機関や共有移動手段へのモードシフトにどのような影響を与えるか？
• RQ4 SO-MMR下での移動時間の結果はユーザー間でどのように変動するか。また、システム効率と個人の公平性の間にはどのようなトレードオフがあるか？
• RQ5 シミュレーションベースのプラットフォームは、現実の都市モビリティダイナミクスをどれほど正確に予測でき、都市レベルの交通計画にどのように貢献できるか？

主な発見

• 低水準の社会比（α = 0.1）でも、SO-MMRはすべてのエージェントの平均正規化移動時間を測定可能な程度に短縮し、初期段階でのシステム全体の利点を示した。
• 完全導入（α = 1.0）では、正規化移動時間の平均値と分散の両方が顕著に低下し、パフォーマンスの向上と予測可能性の向上が確認された。
• 混雑ヒートマップでは、ピーク時間帯に特に顕著に、SO-MMR導入時における高混雑路線の減少が確認され、UO-MMRベースラインと比較して顕著だった。
• αが上昇するにつれて、公共交通機関利用者数が増加し、個人用車両の利用が減少した。これは、より持続可能な選択肢への成功したモードシフトを示している。
• システム全体の利点にもかかわらず、一部のユーザーはSO-MMR導入で移動時間が著しく延長（最大200分）された。これは、個人の公平性とトレードオフが生じることを示している。
• 結果から、SO-MMRの限定的導入でも顕著な混雑軽減が得られることを示しており、参加を促進するインcentiveメカニズムの導入の必要性が示唆された。