[논문 리뷰] Data-driven Estimation of Origin-Destination Demand and User Cost Functions for the Optimization of Transportation Networks

Jing Zhang, Sepideh Pourazarm외 2명|arXiv (Cornell University)|2016. 10. 29.

Transportation Planning and Optimization참고 문헌 5인용 수 9

한 줄 요약

이 논문은 실제 속도 및 유량 데이터를 사용하여 대규모 교통망에서 원천-목적지(OD) 수요 행렬과 사용자 비용 함수를 추정하기 위한 데이터 기반 역최적화 프레임워크를 제안한다. 비용 함수 추정을 이중 최적화 문제로 재구성함으로써 이전 연구의 수치적 한계를 극복하여 실제 매사추세츠 동부 네트워크 데이터에서 정확한 POA(자기 이득 비용) 추정과 민감도 분석이 가능해졌으며, 이는 사용자 최적 경로 기반의 시스템 최적 경로로 전환할 경우 최대 50퍼센트의 시스템 효율성 향상을 가능하게 한다.

ABSTRACT

In earlier work (Zhang et al., 2016) we used actual traffic data from the Eastern Massachusetts transportation network in the form of spatial average speeds and road segment flow capacities in order to estimate Origin-Destination (OD) flow demand matrices for the network. Based on a Traffic Assignment Problem (TAP) formulation (termed "forward problem"), in this paper we use a scheme similar to our earlier work to estimate initial OD demand matrices and then propose a new inverse problem formulation in order to estimate user cost functions. This new formulation allows us to efficiently overcome numerical difficulties that limited our prior work to relatively small subnetworks and, assuming the travel latency cost functions are available, to adjust the values of the OD demands accordingly so that the flow observations are as close as possible to the solutions of the forward problem. We also derive sensitivity analysis results for the total user latency cost with respect to important parameters such as road capacities and minimum travel times. Finally, using the same actual traffic data from the Eastern Massachusetts transportation network, we quantify the Price of Anarchy (POA) for a much larger network than that in Zhang et al. (2016).

연구 동기 및 목표

• 실제 교통 데이터를 활용하여 대규모 교통망에서 사용자 비용 함수와 OD 수요를 추정할 때 발생하는 수치적 한계를 극복하기 위해.
• 관측된 링크 유량과 속도에서 OD 수요 행렬과 지연 비용 함수를 효율적으로 추정할 수 있는 확장 가능한 역문제 설정을 개발하기 위해.
• 이전에 연구된 것보다 훨씬 큰 하위네트워크에서 실질적인 교통망에 대해 자기 이득 비용(PoA)을 정량화하고, 사용자들이 이기적인 경로 선택을 할 경우 발생하는 비효율성을 평가하기 위해.
• 도로 용량과 자유 흐름 이동 시간에 대한 총 사용자 지연 시간의 민감도 분석 공식을 유도하여 표적적 인프라 개선 조치를 안내하기 위해.
• 성능 평가의 시간 해상도와 정확도를 향상시키기 위해 일일 단위의 OD 수요 추정을 가능하게 하기 위해.

제안 방법

• 관측된 유량과 예측된 유량 간의 차이를 최소화하는 방식으로 OD 수요 행렬을 추정하기 위해 이중 최적화 문제(BiLev)를 설정한다.
• 대규모 네트워크에서 발생하는 수치적 불안정성을 피하기 위해 사용자 비용 함수를 추정하기 위한 새로운 역문제 설정을 도입한다.
• 사회적 최적 경로 모델을 사용하여 사회적 최적 유량을 계산하고, 총 사용자 최적 지연 시간과 시스템 최적 지연 시간의 비율로 POA를 계산한다.
• 교통 할당 문제(TAP)에 민감도 분석을 적용하여 총 지연 시간의 부분 도함수를 링크 용량과 자유 흐름 시간에 대해 유도한다.
• 관측된 데이터를 반복적으로 활용하여 초기 OD 추정치를 점진적으로 개선하는 수요 조정 기법을 적용하며, 이는 지상 진실과 유사한 해에 수렴한다.
• 정확도 손실 없이 더 큰 네트워크로의 OD 추정을 가능하게 하기 위해 대표성 있는 하위네트워크(지표 하위네트워크)를 활용한다.

실험 결과

연구 질문

• RQ1 데이터 기반 역최적화 프레임워크는 대규모 교통망에서 원천-목적지 수요 행렬과 사용자 비용 함수를 정확하게 추정할 수 있는가?
• RQ2 다시 설정된 역문제 설정을 통해 대규모 네트워크 추정에서 발생하는 수치적 불안정성은 어떻게 극복할 수 있는가?
• RQ3 대규모 실세계 교통망의 자기 이득 비용(PoA)은 얼마이며, 시간대에 따라 어떻게 변화하는가?
• RQ4 총 사용자 지연 시간에 대해 용량 또는 자유 흐름 이동 시간 변화에 가장 민감한 네트워크 링크는 무엇인가?
• RQ5 일일 단위의 OD 수요 추정은 월간 추정 대비 성능 지표(예: POA)의 정확도를 향상시킬 수 있는가?

주요 결과

• 제안된 역문제 설정은 수치적 한계를 성공적으로 극복하여 이전 연구(Zhang et al., 2016)보다 훨씬 큰 네트워크에서도 추정이 가능하게 했다.
• 30일 간의 데이터 평균 자기 이득 비용(PoA)은 약 1.5이며, 이는 사용자 최적 경로에서 시스템 최적 경로로 전환할 경우 최대 50퍼센트의 효율성 향상을 의미한다.
• POA 값은 일별로 크게 다름을 보이며, 일부 날은 2.2를 초과하여 전체 시스템의 효율성 향상 잠재력이 뚜렷하게 드러남을 시사한다.
• 민감도 분석을 통해 링크 19, 10, 8, 20, 21이 자유 흐름 이동 시간 향상으로 총 지연 시간을 줄이는 데 가장 영향을 미친다.
• 링크 23, 20, 19, 21, 10은 용량 증가에 가장 민감하여 인프라 개선 우선순위에 적합하다.
• 수요 조정 기법은 빠르게 수렴하며, 지상 진실 수요와의 거리가 몇 차례 반복 후에 안정화되는 경향을 보였다.