[논문 리뷰] Adaptive strategies for route selection en-route in transportation networks

Tak Shing Tai, Chi Ho Yeung|arXiv (Cornell University)|2021. 04. 27.

Transportation Planning and Optimization참고 문헌 22인용 수 6

한 줄 요약

이 연구는 차량이 국소적 교통 조건에 따라 경로 탐색의 이면성(즉, 최단 경로를 취하려는 경향)을 조정하는 2차원 세포자기모형을 사용하여 교통망 내에서 적응형 경로 선택 전략을 제안한다. 결과적으로 고밀도 교통에서 경로 탐색의 빈번하고 큰 조정은 성능을 악화시키며, 혼잡 상태에서는 적응형 전략보다 빈도가 낮고 크기가 작은 업데이트를 통해 이루어지는 통제된 비적응형 라우팅이 더 우수함을 보여주어, 혼잡 조건에서는 통제된 비적응형 라우팅이 더 효과적임을 시사한다.

ABSTRACT

We examine adaptive strategies adopted by vehicles for route selection en-route in transportation networks. By studying a model of two-dimensional cellular automata, we model vehicles characterized by a parameter called path-greediness, which corresponds to the tendency for them to travel to their destinations via the shortest path. The path-greediness of each individual vehicle is updated based on the local traffic conditions, to either keep the vehicle travels via a shorter path in an un-congested region or to explore longer diverted paths in a congested region. We found that the optimal number of steps to trigger an update of path-greediness is dependent on the density of vehicles, and the magnitude of path-greediness increment affects the macroscopic traffic conditions of the system. To better coordinate vehicles in denser networks, the update on the tendency for vehicles to travel via the shorter paths should be gradual and less frequent.

연구 동기 및 목표

• 국소적 교통 조건에 기반한 적응형 경로 선택 전략이 교통 흐름과 차량 도착률에 미치는 영향을 조사하는 것.
• 변화하는 교통 조건에 대응하여 경로 탐색 이면성 업데이트의 최적 빈도와 크기를 규명하는 것.
• 다양한 교통 밀도 영역에서 적응형 전략이 비적응형, 통제된 라우팅보다 우월한지 평가하는 것.
• 시간에 따른 경로 탐색 이면성의 동적 변화와 혼잡 패턴 간의 상관관계를 분석하는 것.
• 적응형 라우팅이 거시적 교통 성능을 향상시키거나 악화시키는 조건을 규명하는 것.

제안 방법

• L×L 격자 셀을 가진 2차원 주기적 격자 세포자기모형이 교통망을 시뮬레이션한다.
• 각 차량은 경로 탐색 이면성 매개변수 g(0 ≤ g ≤ 1)를 할당받으며, g=1은 항상 최단 경로를 취함을 의미하고, g=0은 무작위 이동을 의미한다.
• 각 차량의 의도적 이동 방향은 g에 기반해 확률적으로 결정되며, g가 클수록 목적지 향한 이동을 선호한다.
• 경로 탐색 이면성 g는 정기적인 간격(P 단위 시간 간격)마다 고정된 증분 Δg를 기반으로 국소적 교통 밀도와 혼잡 수준에 따라 업데이트된다.
• 업데이트 규칙은 혼잡 지역에서는 g를 증가시켜 경로 탐색을 장려하고, 자유 흐름 지역에서는 g를 감소시켜 최단 경로를 선호하도록 조정한다.
• 성능은 T 시뮬레이션 단계 동안의 총 차량 도착 수를 통해 측정되며, 다양한 차량 밀도(ρ)에서 적응형 대비 비적응형 전략을 비교한다.

실험 결과

연구 질문

• RQ1 경로 탐색 이면성 업데이트 빈도(P)가 다양한 차량 밀도 영역에서 교통 성능에 미치는 영향은 무엇인가?
• RQ2 혼잡을 최소화하고 차량 도착 수를 극대화하기 위한 경로 탐색 이면성 증분(Δg)의 최적 크기는 무엇인가?
• RQ3 자유 흐름 및 혼잡 상태에서 비적응형, 통제된 라우팅에 비해 적응형 경로 선택 전략이 교통 흐름을 향상시키는가?
• RQ4 시간에 따른 평균 경로 탐색 이면성 ̄g의 변동은 네트워크 내 일시적 혼잡 사건을 어떻게 반영하는가?
• RQ5 어떤 교통 밀도 조건에서 적응형 라우팅은 비적응형, 중심 집중 제어 전략을 능가하지 못하는가?

주요 결과

• 자유 흐름 조건(ρ = 0.16)에서는 고주기 업데이트(P=3)와 큰 Δg를 가진 적응형 전략이 비적응형 제어를 능가하며, 도착 수를 최대 15% 증가시킨다.
• 혼잡 흐름 조건(ρ = 0.4)에서는 업데이트가 희박할 때(P=10)와 Δg가 작을 때에만 적응형 전략이 비적응형 제어를 능가하며, 성능 창이 매우 좁다.
• 고도의 혼잡 상태(ρ = 0.7)에서는 비적응형 제어 전략이 P와 Δg에 관계없이 모든 적응형 전략을 일관되게 능가하며, 이는 고도의 혼잡에서 적응형 라우팅이 효과가 없음을 시사한다.
• 평균 경로 탐색 이면성 ̄g의 시계열은 특히 P가 높을 경우(예: P=10) 일시적 혼잡 사건 동안 일시적인 하락을 보이며, 이는 차량이 정체로 인해 일시적으로 방향성을 상실함을 나타낸다.
• 고밀도 영역(ρ ≥ 0.4)에서는 ̄g가 0.1–0.45 사이를 왕복하며, 특히 장기적인 업데이트 간격(P=10)에서는 근처 0에 수렴하는 경우가 있으며, 이는 광범위한 차량 정지와 라우팅 의도 상실을 시사한다.
• 빈번한 업데이트(P=3)는 차량이 국소 조건에 더 빨리 반응함으로써 큰 혼잡 클러스터 형성 가능성을 감소시키며, ̄g의 일시적 하락도 최소화한다.