[論文レビュー] Traffic Lights with Auction-Based Controllers: Algorithms and Real-World Data

Shumeet Baluja, Michele Covell+1 more|arXiv (Cornell University)|Feb 3, 2017

Transportation Planning and Optimization参考文献 16被引用数 4

ひとこと要約

本論文では、車両間または車両-インfraストラクチャ間通信を必要とせず、道路内センサーからのリアルタイムデータを活用して信号タイミングを動的に最適化するオークションベースの交通信号制御システムを提案する。フェーズ遷移をマイクロオークションとして定式化し、センサーの読み取り値が入札価格に反映されることで、数か月分の実世界GPSデータから最適なタイミングポリシーを学習する。このシステムは、マウンテンビューおよびシカゴの両都市で、静的・最適化・計画ベースの制御システムを大きく上回り、平均移動時間を短縮するとともに、道路の容量を向上させる。

ABSTRACT

Real-time optimization of traffic flow addresses important practical problems: reducing a driver's wasted time, improving city-wide efficiency, reducing gas emissions and improving air quality. Much of the current research in traffic-light optimization relies on extending the capabilities of traffic lights to either communicate with each other or communicate with vehicles. However, before such capabilities become ubiquitous, opportunities exist to improve traffic lights by being more responsive to current traffic situations within the current, already deployed, infrastructure. In this paper, we introduce a traffic light controller that employs bidding within micro-auctions to efficiently incorporate traffic sensor information; no other outside sources of information are assumed. We train and test traffic light controllers on large-scale data collected from opted-in Android cell-phone users over a period of several months in Mountain View, California and the River North neighborhood of Chicago, Illinois. The learned auction-based controllers surpass (in both the relevant metrics of road-capacity and mean travel time) the currently deployed lights, optimized static-program lights, and longer-term planning approaches, in both cities, measured using real user driving data.

研究の動機と目的

• 既存インフラ内での運用を前提とし、車両間または車両-インフラストラクチャ間通信を必要としない応答性の高いデータ駆動型交通信号制御システムの開発。
• オプトインしたAndroidユーザーから収集された大規模な実世界GPSデータを活用し、最適な信号タイミングを学習することで、実都市環境における交通流の改善。
• シミュレーションを用いて現在導入済みの静的交通信号の挙動を近似することで、新しい交通制御システムの評価に向けた現実的なベースラインを確立する。
• オークションベースの制御メカニズムが、保護付き左折の排除や主要道路の優先といった効果的な交通管理戦略を自律的に発見できることを示すこと。
• 将来的な通信ベースの機能統合（例：緊急車両優先、金銭的入札）を統一されたオークションフレームワーク内で可能にする。

提案手法

• 制御システムはマイクロオークションメカニズムを採用し、各交通フェーズが誘導ループまたはカメラからのリアルタイムセンサー情報をもとに入札を行う。
• 入札重みとオークションルールは、Androidユーザーから得た大規模な歴史的GPSデータを用いて学習され、実際の交通パターンに適応可能となる。
• 各フェーズ切り替え時にリアルタイムオークションを実施し、次の最適フェーズを選択する。入札価格は現在の交通量と流れを反映している。
• 現在導入済みの静的交通信号のタイミングスケジュールを推定するために、シミュレーションベースの手法が用いられ、性能比較のための現実的なベースラインを構築する。
• 中央集権的連携を避け、ローカルセンサー入力と分散型意思決定に依存することでスケーラビリティを確保する。
• オークションメカニズムは拡張性を備えており、将来的に車両が提供する到着時刻や優先入札などの通信ベースの入力を容易に統合可能である。

実験結果

リサーチクエスチョン

• RQ1 分散型でセンサーのみに依存する交通信号制御システムは、実世界の都市交通において静的・最適化・計画ベースの制御システムを上回ることができるか？
• RQ2 既存インフラから得られるリアルタイム交通データを活用し、車両-インフラストラクチャ間通信を必要とせずに、適応的信号タイミングを学習する方法は何か？
• RQ3 学習ベースのオークションメカニズムから自然に生じる交通管理戦略（例：保護付き左折の排除、主要道路の優先）は何か？
• RQ4 シミュレーションとGPSデータを用いて、現在導入済みの静的交通信号の挙動を正確に近似できるか？これにより、性能評価の公平性が保証されるか？
• RQ5 将来的な通信機能（例：緊急車両優先、マネタイズドアクセス）をオークションフレームワークにどのように統合できるか？

主な発見

• オークションベースの制御システムは、マウンテンビューおよびシカゴの両都市で、実世界データを用いた評価において、静的・最適化・計画ベースの制御システムを上回り、平均移動時間を短縮するとともに、道路の容量を向上させた。
• 事前にプログラムされたルールがなくても、保護付き左折の排除や主要道路への交通優先といった効果的な戦略を、システムが自律的に発見した。
• マウンテンビューでは、高速道路の合流部という高混雑エリアにおいて、リアルタイムの流れ変動に適応することで性能が向上した。
• シカゴでは、密集した都市グリッド環境でも優れた性能を示し、さまざまな交通パターンに強く対応できた。
• シミュレーションベースの手法により、既存の静的交通信号のスケジュールを効果的に近似でき、性能評価の有効なベースラインが確立された。
• 本アプローチは拡張性があり、将来的に緊急車両からの優先入札や有料アクセスといった通信機能を自然に統合可能である。