[論文レビュー] Traffic signal control optimization under severe incident conditions using Genetic Algorithm

Tuo Mao, Adriana‐Simona Mihăiţă+1 more|arXiv (Cornell University)|Jun 11, 2019

Traffic control and management参考文献 9被引用数 4

ひとこと要約

本稿では、深刻な非反復的交通障害発生時における交通信号制御の最適化フレームワークを提案する。段階の持続時間を意思決定変数として扱い、ネットワーク全体の移動時間の合計を最小化することを目的としている。まず通常状態でGAをキャリブレーションし、その後障害発生時にも同じ設定を再適用することで、総移動時間を40.76%削減し、静的タイミング計画よりも顕著な改善を示した。

ABSTRACT

Traffic control optimization is a challenging task for various traffic centres in the world and majority of approaches focus only on applying adaptive methods under normal (recurrent) traffic conditions. But optimizing the control plans when severe incidents occur still remains a hard topic to address, especially if a high number of lanes or entire intersections are affected. This paper aims at tackling this problem and presents a novel methodology for optimizing the traffic signal timings in signalized urban intersections, under non-recurrent traffic incidents. The approach relies on deploying genetic algorithms (GA) by considering the phase durations as decision variables and the objective function to minimize as the total travel time in the network. Firstly, we develop the GA algorithm on a signalized testbed network under recurrent traffic conditions, with the purpose of fine-tuning the algorithm for crossover, mutation, fitness calculation, and obtain the optimal phase durations. Secondly, we apply the optimal signal timings previously found under severe incidents affecting the traffic flow in the network but without any further optimization. Lastly, we further apply the GA optimization under incident conditions and show that our approach improved the total travel time by almost 40.76%.

研究の動機と目的

• 深刻で非反復的な交通障害下における適応的信号制御ソリューションの不足に対処すること。
• 主な混乱に応じて信号タイミングを動的に調整できるGAベースの最適化フレームワークを開発すること。
• 障害発生時における主要なパフォーマンス目標として、ネットワーク全体の移動時間の合計を最小化すること。
• 障害発生シナリオ下で、最適化されたタイミングとベースラインの静的計画を比較することにより、GAアプローチの有効性を検証すること。

提案手法

• 遺伝的アルゴリズムは、信号制御された都市ネットワークにおいて、段階の持続時間を意思決定変数として適用する。
• 適応度評価は、ネットワーク全体の総移動時間を最小化することに基づく。
• GAはまず反復的交通状態下でキャリブレーションされ、交差、変異、適応度計算のパラメータを最適化する。
• 通常状態で得られた最適なGAパラメータを、再最適化を行わずに障害発生時にもそのままで適用する。
• 同じGAフレームワークを用いて、障害発生時特有の最適化をさらに実施する。
• 高容量の交差点に影響を与える複数の障害シナリオを想定したテストベッドネットワーク上で、アプローチを評価する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、深刻で非反復的な交通障害下でも信号タイミングの最適化に効果的に機能するか？
• RQ2 主な障害発生時におけるGAベースの最適化は、静的信号タイミング計画と比べてどのように差をつけるか？
• RQ3 GAは、障害発生時における都市ネットワークの総移動時間をどの程度短縮できるか？
• RQ4 通常状態下で事前にGAパラメータをキャリブレーションすることで、障害発生時にも効果的な性能が得られるか？

主な発見

• 提案されたGAベースの最適化により、深刻な障害発生時において、静的信号タイミング計画と比較して総移動時間が40.76%削減された。
• 通常状態下でキャリブレーションされたパラメータを用いても、GAアプローチは顕著な移動時間の削減を達成した。
• この手法は、複数のレーンや完全な交差点に影響を与える複雑な混乱に対しても、頑健性と適応性を示した。
• 結果から、非反復的障害シナリオには、標準の適応的制御手法を超えた別個の最適化戦略が必要であることが確認された。