[논문 리뷰] Highway Traffic Control via Smart e-Mobility -- Part I: Theory

Carlo Cenedese, Michele Cucuzzella외 3명|arXiv (Cornell University)|2021. 02. 18.

Transportation and Mobility Innovations참고 문헌 25인용 수 9

한 줄 요약

이 논문은 정점 혼잡 시간대에 고속도로 충전소에서 전략적 충전 정류를 유도하기 위해 플러그인 전기자동차(PEVs)를 대상으로 하는 동적 가격 설정 메커니즘을 제안한다. 이는 운전자 결정을 모델링하기 위해 혼합정수잠재게임 프레임워크를 사용하며, 실시간 교통 데이터는 세포 전송 모델(CTM)을 통해 활용된다. 이는 나시 균형으로 수렴하여 경제적 동기 부여를 통한 부드러운 인센티브로 고속도로 혼잡을 효과적으로 감소시킨다.

ABSTRACT

In this paper, we study how to alleviate highway traffic congestion by encouraging plug-in hybrid and electric vehicles to stop at a charging station around peak congestion times. Specifically, we design a pricing policy to make the charging price dynamic and dependent on the traffic congestion, predicted via the cell transmission model, and the availability of charging spots. Furthermore, we develop a novel framework to model how this policy affects the drivers' decisions by formulating a mixed-integer potential game. Technically, we introduce the concept of "road-to-station" (r2s) and "station-to-road" (s2r) flows, and show that the selfish actions of the drivers converge to charging schedules that are individually optimal in the sense of Nash. In the second part of this work, submitted as a separate paper (Part II: Case Study), we validate the proposed strategy on a simulated highway stretch between The Hague and Rotterdam, in The Netherlands.

연구 동기 및 목표

• 도시 지역의 고속도로 혼잡 증가 문제, 특히 출퇴근 시간대에 플러그인 전기자동차(PEVs)의 보급 증가를 활용하여 해결하고자 한다.
• 피크 혼잡 시간대에 PEV 운전자들이 충전소에서 정류하도록 유도하는 부드럽고 경제적 인센티브 기반의 교통 제어 메커니즘을 설계하고자 한다. 이는 전체 교통 부하를 감소시키기 위함이다.
• 실시간 교통 역학(세포 전송 모델(CTM)을 통해 모델링됨)과 동적 에너지 가격을 통합하여 반응형이며 적응 가능한 제어 시스템을 구축하고자 한다.
• 운전자들의 전략적 의사결정을 혼합정수 일반화 잠재게임으로 공식화하여, 합리적 자기 이익 기반의 의사결정 하에 나시 균형으로 수렴함을 보장하고자 한다.
• 고속도로 운영자(HO)가 집계자 역할을 하여 가격 및 혼잡 데이터를 방출함으로써 PEV 행동을 이끌어내는 이중 레벨 제어 아키텍처를 수립하고자 한다.

제안 방법

• 시스템은 고속도로를 이산 셀으로 나누고 시간 간격 동안 차량 이동을 추적함으로써 교통 흐름을 세포 전송 모델(CTM)을 사용해 모델링한다.
• 실시간 혼잡 수준과 충전소 가용성에 기반하여 동적 에너지 가격을 계산하며, 혼잡이 높을수록 가격을 할인하는 공식을 사용한다.
• 의사결정 과정은 혼합정수일반화잠재게임으로 공식화되며, PEV는 비용 최소화를 기반으로 충전소에서 정류할지(1) 또는 계속 주행할지(0) 결정한다.
• 고속도로 운영자(HO)는 충전소 주변에 진입하는 PEV들에게 혼잡도 및 가격 데이터를 방출하여 각 시간 간격에서 게임을 초기화한다.
• 반복적이고 반분산형 알고리즘을 통해 PEV는 전략을 갱신하여 ε-혼합정수 나시 균형(ε-MINE)으로 수렴하게 되며, 이는 개인 최적성을 보장한다.
• r2s(도로에서 충전소로) 및 s2r(충전소에서 도로로) 흐름은 최종 전략에서 계산되며, 이는 게임 결과와 CTM 프레임워크 내 실제 교통 역학 간의 직접적인 정량적 연결을 제공한다.

실험 결과

연구 질문

• RQ1 실시간 혼잡 수준에 기반한 동적 에너지 가격 정책이 피크 시간대에 PEV 운전자들이 충전소에서 정류하도록 효과적으로 유도할 수 있는가? 이는 고속도로 혼잡을 감소시키는가?
• RQ2 PEV 운전자 간의 상호작용은 게임 이론적 의사결정 과정으로 어떻게 모델링할 수 있는가? 이는 개인의 합리성과 체계 수준의 교통 결과를 모두 반영하는가?
• RQ3 제안된 반복적 전략 갱신 메커니즘의 수렴 행동은 어떠한가? 그리고 이는 혼합정수 결정의 맥락에서 안정적이고 근사 최적의 균형으로 이어지는가?
• RQ4 세포 전송 모델(CTM)은 어떻게 동적 가격 정책과 통합되어, 교통 조건과 운전자 인cent브 사이의 피드백 루프를 만들 수 있는가?
• RQ5 정류하는 PEV의 수와 그로 인한 교통 흐름 감소 간의 관계는 r2s 및 s2r 흐름 정의를 통해 어떻게 캡처되는가?

주요 결과

• 제안된 동적 가격 설정 메커니즘이 피크 혼잡 시간대에 PEV 운전자들이 충전소에서 정류하도록 효과적으로 유도하여 전체 교통 흐름을 감소시키고 혼잡을 완화함을 입증하였다.
• 의사결정 과정은 ε-혼합정수 나시 균형(ε-MINE)으로 수렴하여, 어떤 운전자도 단독으로 전략을 변경함으로써 자신의 비용을 향상시킬 수 없음을 보장한다.
• r2s 및 s2r 흐름 정의는 게임 이론적 결과와 CTM 프레임워크 내 실제 교통 역학 간의 직접적이고 정량적인 연결을 제공한다.
• 시스템은 실시간으로 작동하며, 각 시간 간격이 다음 간격이 시작되기 전에 반복적 게임 해결 과정이 완전히 수렴하도록 한다.
• 실세계 데이터를 활용한 수치 시뮬레이션을 통해 검증되었으며, 인프라 변경이나 강제적 시행 없이도 효과적인 혼잡 감소를 보였다.
• 이 프레임워크는 향후 다수의 충전소, 비합리적 에이전트, 또는 대체 교통 모델에 적용 가능하도록 확장 가능하다.