[논문 리뷰] How Much Urban Traffic is Searching for Parking? Simulating Curbside Parking as a Network of Finite Capacity Queues

Chase Dowling, Tanner Fiez외 2명|arXiv (Cornell University)|2017. 02. 20.

Smart Parking Systems Research참고 문헌 21인용 수 13

한 줄 요약

이 논문은 도심 지역의 인도 주차를 시뮬레이션하기 위해 유한 용량의 대기열 네트워크 모델을 제안하며, 주차를 찾는 운전사를 블록면 대기열 간 경쟁하는 작업으로 간주한다. 시뮬레이션을 통해 고정된 주차 시간 조건 하에서 마르코프성(지수분포) 서비스 시간이 실제 행동을 잘 근사함을 검증하여, 주차 수용률과 기각률을 정확하게 추정할 수 있음을 입증한다. 이는 주차 탐색으로 인한 교통을 모델링하는 데 핵심적인 지표이다.

ABSTRACT

With the increasing availability of transaction data collected by digital parking meters, paid curbside parking can be advantageously modeled as a network of interdependent queues. In this article we introduce methods for analyzing a special class of networks of finite capacity queues, where tasks arrive from an exogenous source, join the queue if there is an available server or are rejected and move to another queue in search of service according to the network topology. Such networks can be useful for modeling curbside parking since queues in the network perform the same function and drivers searching for an available server are under combinatorial constraints and jockeying is not instantaneous. Further, we provide a motivating example for such networks of finite capacity queues in the context of drivers searching for parking in the neighborhood of Belltown in Seattle, Washington, USA. Lastly, since the stationary distribution of such networks used to model parking are difficult to satisfactorily characterize, we also introduce a simulation tool for the purpose of testing the assumptions made to estimate interesting performance metrics. Our results suggest that a Markovian relaxation of the problem when solving for the mean rate metrics is comparable to deterministic service times reflective of a driver's tendency to park for the maximum allowable time.

연구 동기 및 목표

• 주차 탐색으로 인한 교통을 유발하는 주제를 분석하기 위해 도로변 주차를 유한 용량 대기열 네트워크로 모델링하는 것.
• 대기열 네트워크 모델의 핵심 가정, 특히 서비스 시간 분포와 시스템 안정성에 대한 타당성을 평가하는 것.
• 공간적·시간적 고해상도에서 수용률과 기각률과 같은 성능 지표를 추정하기 위한 시뮬레이션 프레임워크를 개발하는 것.
• 실제 주차 역학을 예측할 때 지수분포(마르코프성)와 고정(고정된) 서비스 시간 가정 간의 성능을 비교하는 것.

제안 방법

• 모든 주차 공간이 포화 상태일 경우 차량이 거부되고 인접한 블록면으로 재루팅되는 유한 용량 대기열 네트워크로 도로변 주차를 모델링한다.
• 정적 상태에 수렴하는지 검증하고 도착 및 서비스 프로세스에 대한 가정을 검증하기 위해 시뮬레이션 도구를 사용한다.
• 관측된 수용률 수준과 일치하는 도착률을 추정하기 위해 브루트 포스 근사법을 적용하며, 99% 수용률 기준을 설정한다.
• 지수분포(마르코프성)와 고정(고정된) 서비스 시간 모델을 비교하여 실제 운전자 행동(허용된 최대 주차 시간 동안 주차)을 반영한다.
• 실제 디지털 주차 계량기 거래 데이터(2016년 3월~6월)를 기반으로 시뮬레이션된 수용률과 기각률을 비교하여 모델 정확도를 검증한다.
• 블록면별 오차와 이질적 사례를 평가하여 공간적·시간적 이질성을 분석한다.

실험 결과

연구 질문

• RQ1 유한 용량 대기열 네트워크 모델은 도시 환경에서 실제 주차 탐색 역학을 얼마나 잘 모의하는가?
• RQ2 지수분포 서비스 시간과 고정 서비스 시간을 가정할 경우 수용률 및 기각률 예측 정확도에 어떤 영향을 미치는가?
• RQ3 어느 블록면에서 시뮬레이션된 수용률과 관측된 수용률 간에 유의미한 차이가 발생하며, 그 원인은 무엇인가?
• RQ4 다양한 서비스 시간 가정 하에서 시스템이 정적 상태에 수렴하는 데 얼마나 걸리는가?
• RQ5 이 모델을 사용하여 주차 탐색이 도시 교통 혼잡에 기여하는 정도를 추정할 수 있는가?

주요 결과

• 시뮬레이션 결과 지수분포 서비스 시간이 고정 서비스 시간과 매우 유사하게 근사되며, 평균 기각률 차이는 월요일 기준 0.34 대 0.38 대차/시간으로 미미한 편이다.
• 고정 서비스 시간 하에서 블록면 평균 수용률 오차는 -5.3%이며, 기각률 오차는 -0.19 대차/시간로 나타나, 모델이 보수적으로 추정하고 있음을 시사한다.
• 상위 3개의 이질적 블록면(91, 185, 196)은 일관된 오차를 보였으며, 원인은 각각 평균 주차 시간이 짧은 블록 91, 네트워크 경계 효과가 영향을 미친 블록 185, 단일 주차 공간 구조를 가진 블록 196였다.
• 모델의 수용률 예측은 일반적인 블록면에서 가장 정확했으며, 오차는 주로 극단적 사례에 집중되어 있어, 일반적인 도시 계획 응용에 대한 강건성을 시사한다.
• 모델는 주차 수요와 공급의 공간적·시간적 이질성을 잘 포착하여, 주차 탐색 교통의 고해상도 분석을 가능하게 한다.
• 결과적으로 단순화된 마르코프 모델을 사용해 실제 주차 역학을 추정할 수 있으며, 정책 수립 및 요금 설계에 특히 유용하다.