[논문 리뷰] FleetPy: A Modular Open-Source Simulation Tool for Mobility On-Demand Services

Roman Engelhardt, Florian Dandl외 5명|arXiv (Cornell University)|2022. 07. 28.

Transportation and Mobility Innovations인용 수 9

한 줄 요약

FleetPy는 이동 서비스에 대한 수요(MoD) 서비스의 세밀한 모델링을 위해 설계된 오픈소스이자 모듈식이며 에이전트 기반의 파이썬 기반 시뮬레이션 프레임워크이다. 주로 현실적인 고객-운영자 상호작용, 다중 운영자 통합, 유연한 플릿 제어를 중점으로 하며, 리드풀링, 동적 가격 설정, 플릿 최적화의 고정밀 시뮬레이션을 가능하게 한다. 맨해튼 사례 연구에서 다양한 시뮬레이션 구성에서 서비스 효율성과 차량 주행거리(VKM)에 상당한 영향을 미치는 것으로 입증되었다.

ABSTRACT

The market share of mobility on-demand (MoD) services strongly increased in recent years and is expected to rise even higher once vehicle automation is fully available. These services might reduce space consumption in cities as fewer parking spaces are required if private vehicle trips are replaced. If rides are shared additionally, occupancy related traffic efficiency is increased. Simulations help to identify the actual impact of MoD on a traffic system, evaluate new control algorithms for improved service efficiency and develop guidelines for regulatory measures. This paper presents the open-source agent-based simulation framework FleetPy. FleetPy (written in the programming language "Python") is explicitly developed to model MoD services in a high level of detail. It specially focuses on the modeling of interactions of users with operators while its flexibility allows the integration and embedding of multiple operators in the overall transportation system. Its modular structure ensures the transferabillity of previously developed elements and the selection of an appropriate level of modeling detail. This paper compares existing simulation frameworks for MoD services and highlights exclusive features of FleetPy. The upper level simulation flows are presented, followed by required input data for the simulation and the output data FleetPy produces. Additionally, the modules within FleetPy and high-level descriptions of current implementations are provided. Finally, an example showcase for Manhattan, NYC provides insights into the impacts of different modules for simulation flow, fleet optimization, traveler behavior and network representation.

연구 동기 및 목표

• 도시 교통 시스템에 대한 이동 서비스에 대한 수요(MoD) 서비스의 영향을 평가하기 위한 고정밀 시뮬레이션 도구의 증가하는 필요성을 해결하기 위해.
• 리드풀링, 재배치, 동적 가격 설정을 포함한 고급 플릿 제어 알고리즘의 개발 및 테스트를 지원하기 위해.
• 다중 운영자 시뮬레이션을 가능하게 하여 브로커 또는 규제 메커니즘을 통해 이동 효율성과 도시 혼잡도에 대한 체계적 영향을 연구하기 위해.
• 연구자와 실무자들이 다양한 수준의 모델링 세부 정보를 지원할 수 있는 유연하고 모듈식이며 재사용 가능한 프레임워크를 제공하기 위해.
• 실제 이동 서비스의 역학, 특히 실시간 정보 하에서 여행자 행동과 운영자 반응을 시뮬레이션함으로써 근거 기반 정책 및 운영 의사결정 지원을 위해.

제안 방법

• FleetPy는 네트워크, 수요, 플릿 제어, 라우팅 전용 모듈을 핵심 시뮬레이션 로직에서 분리한 모듈식 설계를 가진 에이전트 기반 시뮬레이션 아키텍처를 사용한다.
• 프레임워크는 두 가지 별개의 시뮬레이션 플로우를 지원한다: 즉각적 결정 시스템(_IDS_), 고객 요청에 즉각적인 응답을 제공하는 방식이며, 배치 최적화 시스템(BOS), 요청을 배치 단위로 처리하는 방식이다.
• 고객 행동은 실시간 정보를 기반으로 한 요청-제안-결정 과정을 통해 모델링되며, 동적 모드 선택 및 반응 행동을 포괄한다.
• 플릿 제어는 차량 할당, 재배치, 충전, 동적 플릿 규모 조정, 동적 가격 설정을 처리하는 전용 서브모듈을 통해 구현된다.
• MATSim 및 AIMSUN과 같은 외부 도구와의 통합을 지원하여 교통 흐름 표현의 정교함과 검증을 향상시킨다.
• 사용자 정의 가능한 수축 계층과 중간 수준의 교통 역학을 통해 고성능 라우팅이 가능해져 계산 효율성과 현실성 향상이 가능하다.

실험 결과

연구 질문

• RQ1 다양한 시뮬레이션 플로우(_IDS_ 대 _BOS_)가 MoD 시스템에서 고객 서비스 수준과 플릿 효율성에 어떤 영향을 미치는가?
• RQ2 리드풀링 전략은 도시 네트워크에서 차량 주행거리(VKM)를 얼마나 줄이고 교통 효율성을 향상시키는가?
• RQ3 네트워크 표현 방식과 라우팅 알고리즘의 차이가 시뮬레이션 성능과 계산 부하에 어떤 영향을 미치는가?
• RQ4 동적 가격 설정 및 재배치와 같은 운영자 제어 전략이 플릿 활용도와 고객 만족도에 미치는 영향은 어떠한가?
• RQ5 모듈식 시뮬레이션 프레임워크는 다수의 MoD 운영자 및 규제 개입의 통합과 평가를 어떻게 지원할 수 있는가?

주요 결과

• 시뮬레이션 플로우(_IDS_ 대 _BOS_)는 서비스를 받는 고객 수와 총 차량 주행거리(VKM)에 상당한 영향을 미치며, _BOS_는 배치 처리 시나리오에서 더 높은 효율성을 보였다.
• 리드풀링 전략은 VKM를 크게 줄이고 플릿 활용도를 향상시켜 도시 지역의 혼잡도 완화 잠재력을 입증하였다.
• 네트워크 모델과 라우팅 알고리즘의 선택은 계산 시간에 측정 가능한 영향을 미치며, 더 세밀한 모델은 시뮬레이션 오버헤드를 증가시킨다.
• 모듈식 설계 덕분에 플릿 제어 알고리즘 및 라우팅 모듈와 같은 구성 요소의 재사용이 가능해져 이식성 향상과 개발 시간 단축이 이루어졌다.
• 프레임워크는 실시간 정보 하에서 복잡한 고객 결정 행동을 성공적으로 시뮬레이션했으며, 정적 모드 선택 모델을 초월한 동적 행동을 포괄하였다.
• FleetPy는 MATSim 및 AIMSUN과 같은 고정밀 교통 시뮬레이터와의 통합을 지원하여 교통 흐름 표현의 검증 및 현실성 향상이 가능했다.