[논문 리뷰] Balancing bike sharing systems (BBSS): instance generation from the CitiBike NYC data

Tommaso Urli|arXiv (Cornell University)|2013. 12. 13.

Urban Transport and Accessibility참고 문헌 2인용 수 5

한 줄 요약

이 논문은 뉴욕 시티바이크 뉴욕 데이터를 사용하여 균형 잡힌 자전거 공유 시스템(BBSS)을 위한 현실적인 정적 기준 문제 인스턴스를 생성하는 방법을 제안한다. 2013년 9월의 자정 스냅샷을 분석하여 저자들은 정류장의 자전거 수, 목표 수준, 구글 맵을 통한 정류장 간 거리를 도출하고, 40에서 240개의 정류장을 가진 다양성 있는 180개의 인스턴스를 생성하였다. 이 인스턴스들은 균형 잡힌 자료원과 소비지 정류장을 포함하여 재현 가능한 최적화 테스트를 가능하게 한다.

ABSTRACT

Bike sharing systems are a very popular means to provide bikes to citizens in a simple and cheap way. The idea is to install bike stations at various points in the city, from which a registered user can easily loan a bike by removing it from a specialized rack. After the ride, the user may return the bike at any station (if there is a free rack). Services of this kind are mainly public or semi-public, often aimed at increasing the attractiveness of non-motorized means of transportation, and are usually free, or almost free, of charge for the users. Depending on their location, bike stations have specific patterns regarding when they are empty or full. For instance, in cities where most jobs are located near the city centre, the commuters cause certain peaks in the morning: the central bike stations are filled, while the stations in the outskirts are emptied. Furthermore, stations located on top of a hill are more likely to be empty, since users are less keen on cycling uphill to return the bike, and often leave their bike at a more reachable station. These issues result in substantial user dissatisfaction which may eventually cause the users to abandon the service. This is why nowadays most bike sharing system providers take measures to rebalance them. Over the last few years, balancing bike sharing systems (BBSS) has become increasingly studied in optimization. As such, generating meaningful instance to serve as a benchmark for the proposed approaches is an important task. In this technical report we describe the procedure we used to generate BBSS problem instances from data of the CitiBike NYC bike sharing system.

연구 동기 및 목표

• 최적화 연구를 지원하기 위해 현실적이고 재현 가능한 BBSS 기준 문제 인스턴스를 생성하기 위해.
• 실제 세계 데이터에서 유래한 표준화되고 공개 가능한 BBSS 인스턴스의 부족을 보완하기 위해.
• 정점 사용 패턴과 공간적 불균형과 같은 실제 세계의 역학을 반영하도록 생성된 인스턴스를 보장하기 위해.
• 일致하고 데이터 기반의 문제 인스턴스를 제공하여 최적화 알고리즘 간 공정한 비교를 가능하게 하기 위해.
• 확장 가능하고 오픈소스인 인스턴스 생성기를 통해 효율적인 재균형 전략 개발을 지원하기 위해.

제안 방법

• 2013년 5월에서 11월 사이에 10분 간격으로 25,000개의 시티바이크 뉴욕 스냅샷을 수집하였으며, 주중을 중심으로 집중하였다.
• 정류장당 시간대별 자전거 수 분포를 계산하여 첫 번째 및 세 번째 분위수를 사용하여 자료원(유출)과 소비지(유입)를 식별하였다.
• 빈 상태 또는 가득 찬 상태가 되는 위험을 최소화하기 위해 이격도 값 $ disp_s = \big\rfloor C_s - (C_s - (max_s - min_s))/2 \big\rfloor - max_s $ 를 정의하였다.
• 인스턴스 생성의 기초로 삼기 위해 2013년 9월의 자정 스냅샷을 선택하였으며, 재균형이 야간에 이루어진다고 가정하였다.
• 중앙에 위치한 점이므로 정류장 ID 294를 도크로 선정하였고, 다른 인스턴스의 정류장 선택에서 제외하였다.
• 목표 함수 범위를 균형 있게 유지하고 다양성을 확보하기 위해 자료원 및 소비지 그룹에서 정류장을 무작위로 선택하여 인스턴스를 생성하였다.

실험 결과

연구 질문

• RQ1 실제 자전거 공유 시스템 데이터에서 현실적이고 정적 BBSS 문제 인스턴스를 어떻게 생성할 수 있는가?
• RQ2 시티바이크 뉴욕과 같은 주요 도시 자전거 공유 시스템에서 자전거 불균형의 시간적 및 공간적 패턴은 어떠한가?
• RQ3 역사적 이용 데이터에서 정류장 수준의 자전거 수와 목표 수준을 어떻게 유도하여 실제 세계의 불균형을 반영할 수 있는가?
• RQ4 도크 선택과 정류장 샘플링 전략이 생성된 인스턴스의 다양성과 현실성에 미치는 영향은 어떠한가?
• RQ5 도시 환경에서의 실제 이동 시간과 경로를 반영하기 위해 정류장 간 거리를 어떻게 정확하게 모델링할 수 있는가?

주요 결과

• 저자들은 실제 시티바이크 뉴욕 데이터를 사용하여 40에서 240개의 정류장을 가진 180개의 정적 BBSS 인스턴스를 성공적으로 생성하였다.
• 자정 스냅샷을 사용하여 초기 자전거 수($b_s$)와 목표 수준($(\hat{b}_s$)를 설정함으로써 시간적 현실성을 확보하였다.
• 목표 함수 범위를 넓히기 위해 자료원 및 소비지 그룹에서 정류장을 균형 있게 선택하는 샘플링 전략을 사용하였다.
• 정류장 간 거리는 구글 맵 API를 통해 미터와 분 단위로 계산되어 실제 이동 비용 입력을 제공하였다.
• MIT 라이선스 하에 오픈소스이며, https://bitbucket.org/tunnuz/citibike-nyc-generator 에서 공개적으로 이용 가능하다.
• 표준 BBSS 인스턴스와 달리, 이 데이터셋은 이동 시간에 로딩/언로딩 시간을 포함하지 않아 다양한 운영 정책을 영속적으로 모델링할 수 있도록 유연성을 제공한다.