[논문 리뷰] Managing travel demand: Location recommendation for system efficiency based on mobile phone data

Yan Leng, Larry Rudolph외 3명|arXiv (Cornell University)|2016. 10. 21.

Human Mobility and Location-Based Analysis참고 문헌 30인용 수 5

한 줄 요약

이 논문은 이동 수요를 조율함으로써 개인의 여행 선호도와 도로 용량 제약을 균형 있게 고려하는 위치 추천 시스템을 제안한다. 이는 이동 지연을 52% 감소시키며 안도르라에서 교통 혼잡을 줄이는 데 기여한다. 개인 선호도를 우선시하지 않고도 시스템 전반의 효율성을 높이기 위해 행위자 기반의 최적화 기법을 사용함으로써, 100% 준수율 조건에서 이동 지연을 52% 감소시켰다. 이는 선호도가 31% 감소함에도 불구하고, 안도르라에서 조율된 수요 관리로 인해 집단적 이득이 크게 발생했음을 보여준다.

ABSTRACT

Growth in leisure travel has become increasingly significant economically, socially, and environmentally. However, flexible but uncoordinated travel behaviors exacerbate traffic congestion. Mobile phone records not only reveal human mobility patterns, but also enable us to manage travel demand for system efficiency. In this paper, we propose a location recommendation system that infers personal preferences while accounting for constraints imposed by road capacity in order to manage travel demand. We first infer unobserved preferences using a machine learning technique from phone records. We then formulate an optimization method to improve system efficiency. Coupling mobile phone data with traffic counts and road network infrastructures collected in Andorra, this study shows that uncoordinated travel behaviors lead to longer average travel delay, implying the opportunities in managing travel demand by collective decisions. The interplay between congestion relief and overall satisfied location preferences observed in extensive simulations indicate that moderate sacrifices of individual utility lead to significant travel time savings. Specifically, the results show that under full compliance rate, travel delay fell by 52% at a cost of 31% less satisfaction. Under 60% compliance rate, 41% travel delay is saved with a 17% reduction in satisfaction. This paper highlights the effectiveness of the synergy among collective behaviors in increasing system efficiency.

연구 동기 및 목표

• 비조율된 여가 주행 행동으로 인한 증가하는 교통 혼잡 문제를 해결하기 위해.
• 개인 선호도를 우선시하지 않고도 전체 시스템 효율성을 향상시키는 추천 시스템을 개발하기 위해.
• 모바일 폰 CDR 데이터를 활용해 숨겨진 여정 선호도를 추론하고, 혼잡 영향을 모델링하기 위해.
• 사용자 만족도와 도로 용량 제약 조건을 균형 잡는 방식으로 위치 추천을 최적화하기 위해.
• 실제 환경 조건에서 준수율이 혼잡도 감소와 사용자 만족도에 미치는 영향을 평가하기 위해.

제안 방법

• 개인의 암묵적 여행 선호도를 추론하기 위해 모바일 폰 CDR 데이터에 행렬 분해 기법을 적용한다.
• 도로 네트워크와 교통량 데이터를 모델링하여 다양한 위치에서의 혼잡 제약 조건을 정량화한다.
• 사용자 만족도를 극대화하면서도 시스템 용량 내에서 이동 지연을 제한하는 제약 조건이 있는 최적화 문제를 수립한다.
• 재귀 신경망(RNN)을 활용해 위치 예측 정확도를 햖으며, 셀 타워 수준에서는 67%, 융합 셀 타워 수준에서는 78%의 정확도를 달성하였다.
• 안도르라의 CDR 데이터를 인프라 및 교통 데이터와 융합하여 시스템 수준의 결과를 시뮬레이션한다.
• 예를 들어 60%, 100%와 같은 다양한 준수율 조건에서 성능을 평가하여 확장성과 상충 관계를 분석한다.

실험 결과

연구 질문

• RQ1 조율된 위치 추천이 개인 선호도를 크게 훼손하지 않으면서도 전체 시스템의 이동 지연을 얼마나 줄일 수 있는가?
• RQ2 비조율된 여정 행동은 안도르라와 같은 관광 중심 지역의 혼잡 수준에 어떻게 영향을 미치는가?
• RQ3 다양한 준수율 조건에서 사용자 만족도와 혼잡 완화 사이의 상충 관계는 어떠한가?
• RQ4 RNN은 기준 모델 대비 CDR 데이터를 활용해 다음 위치 선택을 예측하는 데 얼마나 효과적인가?
• RQ5 개인 선호도와 인프라 제약 조건을 균형 잡는 시스템이 여정 효율성을 크게 향상시킬 수 있는가?

주요 결과

• 100% 준수율 조건에서 이동 지연은 시간당 11.73분에서 5.61분으로 52% 감소하였고, 선호도는 31% 감소하였다.
• 60% 준수율 조건에서 이동 지연은 41% 감소(시간당 6.98분)하였고, 선호도 감소는 오직 17%에 그쳤다.
• RNN 모델은 셀 타워 수준에서 67%, 융합 셀 타워 수준에서 78%의 정확도를 기록하여 기준 모델보다 30% 이상 뛰어난 성능을 보였다.
• 시스템은 중간 정도의 개인 선호도 희생이 혼잡도 감소 측면에서 상당한 집단적 이득을 가져올 수 있음을 입증하였다.
• 조율된 행동과 최적화된 추천 간의 상호보완적 작용이 부분 준수 조건에서도 시스템 효율성을 크게 향상시켰다.
• 이 방법은 CDR 데이터를 효과적으로 활용하여 사용자 선호도와 인프라 제약 조건을 동시에 모델링함으로써 확장 가능한 이동 수요 관리 시스템을 가능하게 하였다.