[논문 리뷰] Congestion-Aware Randomized Routing in Autonomous Mobility-on-Demand Systems

Federico Rossi, Rick Zhang외 1명|arXiv (Cornell University)|2016. 09. 08.

Transportation and Mobility Innovations참고 문헌 17인용 수 4

한 줄 요약

이 논문은 교통 혼잡도에 민감한 자율 이동 서비스 시스템에서의 혼잡도 인지 라우팅 및 재균형화를 위한 랜덤화된 알고리즘을 제안한다. 차량 밀도에 따라 교통 속도를 모델링함으로써, 이 알고리즘은 혼잡도를 낮추면서도 차량 사용을 효율적으로 최소화하며, 현실적인 시뮬레이션에서 최적에 가까운 성능을 달성하면서도 추가 지연이 최소한이 된다.

ABSTRACT

In this paper we study the routing and rebalancing problem for a fleet of autonomous vehicles providing on-demand transportation within a congested urban road network (that is, a road network where traffic speed depends on vehicle density). We show that the congestion-free routing and rebalancing problem is NP-hard and provide a randomized algorithm which finds a low-congestion solution to the routing and rebalancing problem that approximately minimizes the number of vehicles on the road in polynomial time. We provide theoretical bounds on the probability of violating the congestion constraints; we also characterize the expected number of vehicles required by the solution with a commonly-used empirical congestion model and provide a bound on the approximation factor of the algorithm. Numerical experiments on a realistic road network with real-world customer demands show that our algorithm introduces very small amounts of congestion. The performance of our algorithm in terms of travel times and required number of vehicles is very close to (and sometimes better than) the optimal congestion-free solution.

연구 동기 및 목표

• 차량 밀도에 따라 교통 속도가 변하는 도시 도로 네트워크에서 자율 차량의 라우팅 및 재균형화 문제를 해결하기 위해.
• 혼잡도 제약 조건을 충족하면서도 도로에 진입하는 차량 수를 최소화하는 다항 시간 알고리즘을 개발하기 위해.
• 실제 경험적 혼잡도 모델을 기반으로 하여 혼잡도 위반 확률과 근사 품질에 대한 이론적 경계를 제공하기 위해.
• 실제 도로 네트워크와 실제 고객 수요 패턴을 기반으로 최적의 혼잡도 없는 해법과 비교하여 알고리즘 성능을 평가하기 위해.

제안 방법

• 동적 도시 네트워크에서 혼잡도 인지 제약 조건 하에 라우팅 및 재균형화 문제를 NP-난해로 공식화하기 위해.
• 혼잡도 위반 확률에 대한 증명 가능 보장을 갖춘 근사 최적 해를 도출하는 랜덤화 알고리즘 설계하기 위해.
• 일반적으로 사용되는 경험적 혼잡도 모델을 통합하여 동적 교통 조건 하에서 예상되는 차량 사용량과 이동 시간을 특성화하기 위해.
• 최적의 혼잡도 없는 해법 대비 알고리즘의 근사 요인에 대한 이론적 경계 유도하기 위해.
• 실제 고객 수요 트레이스를 포함한 실제 도로 네트워크에서의 수치 실험을 통해 성능 검증하기 위해.
• 최적의 혼잡도 없는 기준 대비 차량 수, 이동 시간, 혼잡 수준 측면에서 알고리즘의 해 품질 평가하기 위해.

실험 결과

연구 질문

• RQ1 동적 도시 도로 네트워크에서 차량 밀도에 따라 변화하는 교통 속도를 고려한 자율 차량의 라우팅 및 재균형화는 어떻게 최적화할 수 있는가?
• RQ2 혼잡도 제약 조건을 준수하면서 차량 사용량을 최소화하는 랜덤화 알고리즘의 이론적 성능 보장은 무엇인가?
• RQ3 이동 시간과 허브 크기 측면에서 제안된 알고리즘의 해는 최적의 혼잡도 없는 해와 비교해 어떻게 되는가?
• RQ4 제안된 알고리즘 하에서 혼잡도 제약 조건을 위반할 확률은 얼마이며, 어떻게 경계할 수 있는가?
• RQ5 실제 고객 수요를 반영한 실제 도시 도로 네트워크에서 알고리즘은 혼잡도를 얼마나 줄일 수 있는가?

주요 결과

• 제안된 랜덤화 알고리즘은 이동 시간과 필요한 차량 수 측면에서 최적의 혼잡도 없는 해법과 매우 유사하거나 때로는 그 이상의 성능을 달성한다.
• 실제 도로 네트워크와 실제 수요 패턴을 반영한 수치 실험에서 알고리즘은 매우 미미한 혼잡도만 유발한다.
• 이론적 경계는 혼잡도 제약 조건 위반 확률이 낮음을 보여주며, 동적 교통 조건 하에서도 신뢰성을 확보한다.
• 해결책이 요구하는 차량의 기대 수는 널리 사용되는 경험적 혼잡도 모델을 통해 특성화된다.
• 최적 해법 대비 증명 가능한 근사 요인을 제공하며, 성능이 일정한 범위 내에서 보장된다.
• 해결책은 계산적으로 효율적이며 다항 시간 내에 실행되어 실세계 적용에 스케일이 가능하다.