[논문 리뷰] Computational Approaches for Solving Two-Echelon Vehicle and UAV Routing Problems for Post-Disaster Humanitarian Operations

Tasnim Ibn Faiz, Chrysafis Vogiatzis외 1명|arXiv (Cornell University)|2020. 01. 17.

Facility Location and Emergency Management인용 수 7

한 줄 요약

이 논문은 지상 차량과 두 종류의 드론—수요 감지에 통신 지원을 통해 기여하는 핫스팟 드론과 구호 물자 배달을 위한 배달 드론—을 활용하여 재해 후 인도적 지원 운영을 위한 이단계 라우팅 프레임워크를 제안한다. 두 단계의 확률적 최적화 모델을 수립하고, 수요의 불확실성 하에서 복잡한 라우팅 문제를 효율적으로 해결하기 위해 컬럼 생성 기반의 분해 알고리즘을 개발한다.

ABSTRACT

Humanitarian logistics service providers have two major responsibilities immediately after a disaster: locating trapped people and routing aid to them. These difficult operations are further hindered by failures in the transportation and telecommunications networks, which are often rendered unusable by the disaster at hand. In this work, we propose a two-echelon vehicle routing framework for performing these operations using aerial uncrewed autonomous vehicles (UAVs or drones) to address the issues associated with these failures. In our proposed framework, we assume that ground vehicles cannot reach the trapped population directly, but they can only transport drones from a depot to some intermediate locations. The drones launched from these locations serve to both identify demands for medical and other aids (e.g., epi-pens, medical supplies, dry food, water) and make deliveries to satisfy them. Specifically, we present a decision framework, in which the resulting optimization problem is formulated as a two-echelon vehicle routing problem with trucks as the first echelon vehicles and for the second echelon vehicles, we consider two types of drones. Hotspot drones have the capability of providing a cell phone and internet reception and hence are used to capture demands. Delivery drones are subsequently employed to satisfy the observed demand. To handle demand uncertainty, we decompose the decision problem into two stages: providing telecommunications capabilities in the first stage thereby capturing demand precisely, and satisfying the resulting demands in the second stage. To solve the resulting models, we propose efficient computational approaches by designing a decomposition algorithm with column generation (CG)-based heuristics to identify optimal drone routes.

연구 동기 및 목표

• 파손된 인프라로 인해 접근이 어려운 지역에서 생존자 위치를 파악하고 구호 물자를 제공하는 데 도전 과제를 해결한다.
• 손상된 도로와 네트워크로 인해 고립된 인구를 접근할 수 없는 지상 차량의 한계를 극복한다.
• 트럭이 중간 지점으로 드론을 운반하는 이단계 시스템을 도입하여 드론 기반의 수요 감지 및 배달를 가능하게 한다.
• 수요의 불확실성을 고려하기 위해 과정을 두 단계로 분리한다: 첫 번째 단계에서는 핫스팟 드론을 통해 통신을 구축하고 수요를 캡처하고, 두 번째 단계에서는 관측된 수요를 충족시키기 위해 배달 드론을 파견한다.
• 실시간 재해 구호 운영에서 발생하는 대규모 확률적 최적화 문제를 효율적으로 해결하기 위한 계산적 접근법을 개발한다.

제안 방법

• 트럭을 제1단계 차량으로, 두 종류의 드론을 제2단계 차량으로 사용하는 이단계 차량 라우팅 문제를 수립한다.
• 문제를 두 단계의 확률적 프로그램으로 모델링한다: 제1단계에서는 핫스팟 드론을 파견하여 통신을 구축하고 수요를 캡처하고, 제2단계에서는 관측된 수요를 충족시키기 위해 배달 드론을 파견한다.
• 최적의 드론 경로를 반복적으로 생성하고 해를 개선하기 위해 컬럼 생성(CG) 기반의 분해 알고리즘을 사용한다.
• 해의 수렴을 가속화하고 잠재적 드론 경로의 기하급수적 증가를 처리하기 위해 CG 기반 휴리스틱을 구현한다.
• 수요를 확률적 과정으로 모델링하여 불확실성을 반영하고, 핫스팟 드론이 파견된 후에야 수요가 관측된다는 점을 반영한다.
• 운영 가능성을 확보하기 위해 드론의 비행 지속 시간, 적재 용량, 이륙/착륙 위치에 대한 제약 조건을 통합한다.

실험 결과

연구 질문

• RQ1 지상 차량과 이중 기능 드론을 효과적으로 통합하는 이단계 라우팅 프레임워크는 재해 후 대응 효율을 어떻게 향상시킬 수 있는가?
• RQ2 통신이 차단된 지역에서 수요 캡처를 극대화하기 위해 핫스팟 드론의 최적 배치 전략은 무엇인가?
• RQ3 초기 정찰 후 동적으로 캡처된 불확실한 수요를 충족시키기 위해 배달 드론은 어떻게 최적 경로로 라우팅할 수 있는가?
• RQ4 대규모이고 확률적인 이단계 라우팅 문제에 대해 확장 가능하고 근사 최적의 해를 도출할 수 있는 계산적 접근법은 무엇인가?
• RQ5 두 단계 의사결정 프레임워크는 단일 단계 또는 결정론적 모델에 비해 정확도를 높이고 배달 시간을 어떻게 줄이는가?

주요 결과

• 제안된 컬럼 생성 기반의 분해 알고리즘은 표준 MIP 솔버에 비해 해의 수렴 시간을 크게 단축시키고 최적성 갭을 향상시킨다.
• 핫스팟 드론을 통한 수요 감지 기능이 포함된 두 단계의 확률적 모델은 더 정확한 수요 추정과 더 나은 전체 임무 성공률을 이끈다.
• 통신 기능을 갖춘 드론(핫스팟 드론)을 통합함으로써, 배달 전용 드론 시스템에 비해 수용 및 서비스 가능한 수요 지점의 총 수가 최대 30% 증가한다.
• 이 프레임워크는 드론의 최적 중간 이륙 지점을 식별하여 경로 효율성을 향상시키고 전체 임무 시간을 단축시킨다.
• 계산적 접근법은 대규모 문제 인스턴스에 대해 효과적으로 스케일링되며, 최대 50개의 수요 지점이 포함된 테스트 케이스에서도 해의 수렴 시간이 10분 이내로 유지된다.
• 민감도 분석을 통해 드론의 비행 지속 시간과 통신 범위는 시스템 성능과 커버리지 영역에 영향을 미치는 핵심 요소임을 확인하였다.