[논문 리뷰] Large Scale Real-time Ridesharing with Service Guarantee on Road Networks

Yan Huang, Ruoming Jin외 2명|arXiv (Cornell University)|2013. 02. 27.

Transportation and Mobility Innovations참고 문헌 13인용 수 4

한 줄 요약

이 논문은 도로 네트워크에서 대규모 실시간 라이드셰어링을 위한 운동 나무 알고리즘을 제안하며, 대기 시간 및 서비스 시간 제약 조건을 보장하면서도 실시간으로 여행 요청을 서버에 동적으로 매칭할 수 있도록 한다. 대규모 상하이 택시 데이터셋에서 브랜치 앤 바운드 및 믹스드-인티거 프로그래밍보다 반응 시간이 빠르며, 강력한 서비스 보장을 제공하는 빠른 실시간 스케줄링을 달성한다.

ABSTRACT

The mean occupancy rates of personal vehicle trips in the United States is only 1.6 persons per vehicle mile. Urban traffic gridlock is a familiar scene. Ridesharing has the potential to solve many environmental, congestion, and energy problems. In this paper, we introduce the problem of large scale real-time ridesharing with service guarantee on road networks. Servers and trip requests are dynamically matched while waiting time and service time constraints of trips are satisfied. We first propose two basic algorithms: a branch-and-bound algorithm and an integer programing algorithm. However, these algorithm structures do not adapt well to the dynamic nature of the ridesharing problem. Thus, we then propose a kinetic tree algorithm capable of better scheduling dynamic requests and adjusting routes on-the-fly. We perform experiments on a large real taxi dataset from Shanghai. The results show that the kinetic tree algorithm is faster than other algorithms in response time.

연구 동기 및 목표

• 도로 네트워크에서 엄청난 규모의 실시간 라이드셰어링을 수행하면서 엄격한 서비스 보장을 달성하는 문제를 해결하기 위해.
• 지속적으로 도착하는 여행 요청을 처리하면서도 대기 시간 및 회피 거리 제약 조건을 만족하는 동적 매칭 알고리즘을 개발하기 위해.
• 실시간 가용성과 확장성을 확보하면서 서버 이동 시간을 최소화하고 요청 수용률을 극대화하기 위해.
• 기존의 브랜치 앤 바운드 및 믹스드-인티거 프로그래밍 접근 방식이 동적이고 대규모 환경에서 가지는 한계를 극복하기 위해.
• 도시 택시 서비스, 개인 카풀, 온디맨드 이동 서비스 등 실질적인 구현을 가능하게 하기 위해.

제안 방법

• 들어오는 여행 요청에 대해 후보 서버 할당을 실시간으로 유지하고 업데이트하는 데 사용되는 운동 나무 데이터 구조를 제안한다.
• 비교를 위해 브랜치 앤 바운드 알고리즘과 믹스드-인티거 프로그래밍을 기준선으로 사용하지만, 이는 동적이고 대규모 환경에서는 확장성이 떨어진다.
• 후보 매칭의 변화하는 상태를 효율적으로 추적하고 필요할 때만 업데이트하여 계산 오버헤드를 줄이는 운동 나무를 설계한다.
• 각 요청에 대해 서비스 제약 조건(1+ε)×d(s,e)를 평가하기 위해 최단 경로 계산과 회피 거리 비용 추정에 다익스트라 알고리즘을 활용한다.
• 실시간 요청 평가를 통해 기존의 대기 시간 및 회피 거리 제약 조건을 위반하지 않도록 서버가 새로운 요청을 처리할 수 있는지 확인한다.
• 고도로 최적화된 운동 나무는 가지치기와 이벤트 기반 업데이트를 통해 고밀도 요청 스트림 동안 효율성을 유지한다.

실험 결과

연구 질문

• RQ1 수천 대의 택시와 수만 건의 일일 여행 요청을 수반하는 대규모 도시 도로 네트워크에서 실시간 라이드셰어링을 어떻게 효율적으로 확장할 수 있는가?
• RQ2 어떤 알고리즘 접근 방식이 대기 시간 및 회피 거리 제약 조건을 보장하면서도 여행 요청을 서버에 동적으로 매칭할 수 있는가?
• RQ3 운동 나무의 성능은 실시간 환경에서 기존의 정확한 방법인 브랜치 앤 바운드 및 믹스드-인티거 프로그래밍과 비교해 어떻게 되는가?
• RQ4 운동 나무는 동적이고 고밀도 요청 워크로드 하에서 낮은 반응 시간과 높은 요청 수용률을 유지할 수 있는가?
• RQ5 제안된 방법은 서비스 보장과 확장성 측면에서 히우리스틱 기반 접근 방식보다 어느 정도 뛰어나게 성과를 낼 수 있는가?

주요 결과

• 운동 나무 알고리즘이 대규모 상하이 택시 데이터셋에서 브랜치 앤 바운드 및 믹스드-인티거 프로그래밍보다 반응 시간을 크게 단축시켰다.
• 운동 나무는 이벤트 기반 업데이트와 가지치기를 통해 불필요한 재계산를 최소화함으로써 더 빠른 실시간 반응을 달성했다.
• 알고리즘은 모든 매칭 요청에서 최대 대기 시간 및 회피 거리 제약 조건을 성공적으로 유지했다.
• 운동 나무는 최대 40,000대의 택시와 일일 400,000건의 여행 요청을 수용하는 대규모 도시 도로 네트워크로도 효과적으로 확장되어 실용적 잠재력을 입증했다.
• 운동 나무는 속도와 확장성 측면에서 기준선 방법을 모두 뛰어넘어 온디맨드 이동 서비스에서의 실질적 구현에 적합하다.
• 결과는 실시간 성능이 핵심인 동적이고 대규모 라이드셰어링 시스템에서 운동 나무가 정확한 방법의 실질적인 대안이 될 수 있음을 확인한다.