[논문 리뷰] A greedy approach for increased vehicle utilization in ridesharing networks

Aqsa Ashraf Makhdomi, Iqra Altaf Gillani|arXiv (Cornell University)|2023. 04. 02.

Transportation and Mobility Innovations인용 수 4

한 줄 요약

이 논문은 예측된 도착지-출발지 쌍을 활용하여 차량 활용도를 극대화하고 플릿 규모를 줄이기 위해, k-호프 기반 슬라이딩 윈도우 기반의 근시적 루트 추천 시스템을 제안한다. 국소화된 검색 윈도우 내에서 루트 추천 문제를 부분모듈 최적화 문제로 모델링함으로써, 최적에 비해 1.3배 이내의 near-optimal 성능를 달성하고, 중복 경로를 가진 승객을 효율적으로 조합함으로써 차량 수를 줄이며, 뉴욕시와 워싱턴 DC 데이터셋에서 실시간 구현 가능성과 환경적 이점을 입증한다.

ABSTRACT

In recent years, ridesharing platforms have become a prominent mode of transportation for the residents of urban areas. As a fundamental problem, route recommendation for these platforms is vital for their sustenance. The works done in this direction have recommended routes with higher passenger demand. Despite the existing works, statistics have suggested that these services cause increased greenhouse emissions compared to private vehicles as they roam around in search of riders. This analysis provides finer details regarding the functionality of ridesharing systems and it reveals that in the face of their boom, they have not utilized the vehicle capacity efficiently. We propose to overcome the above limitations and recommend routes that will fetch multiple passengers simultaneously which will result in increased vehicle utilization and thereby decrease the effect of these systems on the environment. As route recommendation is NP-hard, we propose a k-hop-based sliding window approximation algorithm that reduces the search space from entire road network to a window. We further demonstrate that maximizing expected demand is submodular and greedy algorithms can be used to optimize our objective function within a window. We evaluate our proposed model on real-world datasets and experimental results demonstrate superior performance by our proposed model.

연구 동기 및 목표

• 리프셰어링 플랫폼에서 차량 용량의 낭비를 해결함으로써 온실가스 배출 증가와 비효율성을 줄이기 위해.
• 수요 밀도에만 의존하는 것과는 달리, 승객 요청의 예측된 출발지와 도착지를 통합하여 루트 추천을 향상시키기 위해.
• 중복 경로를 가진 승객을 최적화하여 모든 승객 요청을 충족시키기 위해 필요한 차량 수를 줄이기 위해.
• 최적의 루트 추천 문제의 NP-완전성에 도전하면서도 확장 가능하고 실시간으로 작동할 수 있는 솔루션을 개발하기 위해.

제안 방법

• 전체 도로 네트워크에서 국소 영역으로 검색 공간을 축소하기 위해 k-호프 기반 슬라이딩 윈도우를 제안하여 계산 효율성을 향상시킨다.
• 윈도우 내에서 예상 승객 요청 수를 극대화하는 문제로 루트 추천 문제를 모델링하며, 이는 부분모듈성임이 증명되어 근시적 알고리즘을 사용할 수 있고 근사 보장을 제공한다.
• 출발지-도착지 그래프를 차량 수 그래프로 변환하여 최소 경로 커버 문제를 해결함으로써, 뒤로 가는 근시적 접근을 적용하여 최소 플릿 규모를 추정한다.
• 뉴욕시와 워싱턴 DC의 역사적 택시 데이터셋을 활용하여 실제 수요 패턴 하에서 모델을 시뮬레이션하고 검증한다.
• 예상 승객 수요 방향으로 계속해서 윈도우를 슬라이딩하는 동적 윈도우 슬라이딩 메커니즘을 도입하여 관련성과 효율성을 유지한다.
• 루트 추천과 플릿 규모 추정을 통합된 시스템으로 통합하여 지속 가능하고 비용 효율적인 리프셰어링 운영을 지원한다.

실험 결과

연구 질문

• RQ1 승객 요청의 예측된 출발지와 도착지를 루트 추천에 통합할 경우, 리프셰어링 플랫폼에서 차량 활용도가 상당히 향상될 수 있는가?
• RQ2 출발지-도착지 쌍 기반 최적의 루트 추천 문제는 NP-완전인가? 만약 그렇다면 효율적으로 근사화할 수 있는가?
• RQ3 k-호프 슬라이딩 윈도우 접근법은 검색 공간을 줄이면서도 높은 품질의 루트 추천을 유지하는 데 얼마나 효과적인가?
• RQ4 부분모듈 최적화를 통한 근시적 알고리즘이 기존 기준 대비 차량 활용도 향상과 플릿 규모 감소에 얼마나 효과적인가?
• RQ5 제안된 시스템은 저지연 시간으로 실시간 구현이 가능한가? 하루 동안의 다양한 시간대에서 성능은 어떠한가?

주요 결과

• 6×6 km 테스트 지역에서 제안된 모델은 최적의 차량 활용도에 비해 1.3배 이내의 근사 비율을 달성하여 이론적 최적에 근접한 뛰어난 성능을 보였다.
• 효율적인 승객 간 중복 경로 조합을 통해 기존 기준 대비 플릿 규모를 크게 줄였으며, 도로 상의 차량 수가 감소하였다.
• 시스템은 약 1.1초 내로 루트 쿼리를 응답하여 실시간 구현 가능성을 입증하였다.
• 플릿 규모는 하루 동안 동적으로 조정되며, 오전과 저녁 정점 시간대(7–11 및 16–20)에 최고조에 도달하고, 새벽 시간대(2–7)에 감소하며 실제 수요 패턴과 일치하였다.
• 플릿 규모 추정을 위한 뒤로 가는 근시적 접근법은 실제로 뉴욕시와 워싱턴 DC의 수요 데이터와 검증된 바에 따라 모든 요청을 충족시키기 위해 필요한 최소 차량 수를 효과적으로 식별하였다.
• 고도의 수요 분산이 발생하는 시간대에서 모델의 성능이 가장 뛰어나며, 비피크 시간대에는 근사 비율이 약 1.0에 가까워져 강건성과 확장성을 입증하였다.