[논문 리뷰] Congestion Mitigation in Vehicular Traffic Networks with Multiple Operational Modalities

Doris E. M. Brown, Sajal K. Das|arXiv (Cornell University)|2026. 01. 08.

Traffic control and management인용 수 0

한 줄 요약

본 논문은 중앙 중재 시스템과 다중 작동 모드를 가지는 차량들을 반복적인 Bayesian Stackelberg game으로 모델링하고, 네트워크 전반의 혼잡을 감소시키기 위해 신뢰 인식 후회-매칭 거래 제어 전략인 TACTS 알고리즘을 제안한다.

ABSTRACT

Modern commercial ground vehicles are increasingly equipped with multiple operational modalities (e.g., human driving, advanced driver assistance, remote tele-operation, full autonomy). These often rely on heterogeneous sensing infrastructures and distinct routing algorithms, which can yield misaligned perceptions of the traffic environment and route preferences. While such technologies accelerate the transition toward increasingly intelligent transportation networks, their current deployment fails to avoid challenges associated with selfish routing behavior, in which drivers or automated agents prioritize individually optimal routes instead of network-wide congestion mitigation. Existing traffic flow management strategies can address leader-follower dynamics in traffic routing problems but are not designed to account for vehicles capable of dynamically switching between multiple operational modes. This paper models the interaction between a vehicle control arbitration system and a multi-modal vehicle as a repeated single-leader, multiple follower Stackelberg game with asymmetric information. To address the intractability of computing an exact solution in this setting, we propose a Trust-Aware Control Trading Strategy (TACTS) utilizing a regret matching-based algorithm to adaptively update the arbitration system's mixed strategy over sequential, dynamic routing decisions. Theoretical results provide bounds on the realized total network travel time under TACTS algorithm relative to the system-optimal total network travel time. Experimental results of simulations between the system and a vehicle in several real-world traffic networks under various different congestion levels demonstrate that TACTS consistently reduces network-wide congestion and generally outperforms alternative routing and control-allocation strategies, particularly under high congestion and heavy induced vehicle flows.

연구 동기 및 목표

• 모든 교통 모드로 전환 가능한 차량이 있는 네트워크에서 혼잡 완화를 동기부여한다(인간, 보조, 원격 조작 및 자율 모드를 포함).
• 중앙 중재 시스템과 다중 모달 차량 간의 상호 작용을 비대칭 정보가 있는 반복적인 Bayesian Stackelberg game으로 모델링한다.
• 총 네트워크 주행 시간을 최소화하기 위해 모드 간 제어를 할당하는 tractable traded-control 전략(TACTS)을 개발한다.
• 이론적 성능 한계를 제시하고 varying congestion levels에서 실제 교통 네트워크 시뮴레이션으로 검증한다

제안 방법

• 시스템을 반복적인 Bayesian Stackelberg game으로 모델링하여 시스템(리더)이 각 경로 단계에서 하나의 모달리티(팔로워)에 대한 제어를 할당한다.
• 시스템 및 모달리티 신념 하의 기대 엣지 주행 시간을 Bureau of Public Roads (BPR) travel-time model를 사용해 정의한다.
• TACTS: 모달리티에 대한 혼합 전략을 신뢰도 점수로 갱신하는 후회-매칭 기반 제어 거래 전략을 제안한다.
• 신뢰도 점수 업데이트를 지수 가중된 후회 집계를 통해 도입하여 시스템과 일치하는 행동으로 모달리티 선택의 편향을 유도한다.
• TACTS와 시스템 최적 거래 제어를 비교하는 이론적 성능 한계를 도출한다.
• 실제 네트워크에 대한 시뮬레이션 기반 평가 및 예시를 제시한다

실험 결과

연구 질문

• RQ1 다중 모달리즘으로 운행하는 차량이 신념과 목표가 어긋난 상태에서 중앙 중재 시스템이 네트워크 혼잡을 어떻게 완화할 수 있는가?
• RQ2 후회-매칭 기반의 신뢰 인식 거래 제어 전략이 모달리티에 차량 제어를 효과적으로 할당하여 시스템 최적의 주행 시간에 근접할 수 있는가?
• RQ3 시스템 최적의 거래 제어에 비해 TACTS의 이론적 성능 보장은 무엇인가?
• RQ4 다양한 실제 네트워크와 혼잡 수준에서 시뮬레이션 상의 TACTS 성능은 어떤가?
• RQ5 모달리티 신념에 대한 불완전한 정보가 혼잡 결과에 어떤 영향을 미치는가?

주요 결과

• TACTS는 여러 실제 교통 네트워크 및 다양한 혼잡 수준에서 네트워크 전체의 혼잡을 지속적으로 감소시켰다.
• 시스템 최적 거래 제어에 비한 TACTS의 실현 총 주행 시간에 대한 이론적 한계가 정량적으로 제시된다.
• 신뢰 인식 후회 업데이트는 시스템 전체 목표와 일치하는 행동으로 모달리티 선택을 유도한다.
• 혼합 전략 접근 방식은 탐색을 가능하게 하면서 점차 더 신뢰할 수 있는 모달리티를 우선시한다.
• 기준 중재 전략과 비교할 때 TACTS는 특히 높은 혼잡 및 대흐름 상황에서 우수한 성능을 보인다.