[논문 리뷰] Optimizing Curbside Parking Resources Subject to Congestion Constraints

Chase Dowling, Tanner Fiez외 2명|arXiv (Cornell University)|2017. 03. 22.

Smart Parking Systems Research참고 문헌 17인용 수 4

한 줄 요약

이 논문은 도심 지역의 커브사이드 주차를 최적화하기 위해 주차 탐색을 혼잡도 제약 조건을 고려한 경쟁적 대기열 네트워크로 간주하는 새로운 대기열 네트워크 모델을 제안한다. 주차 점유율을 극대화하면서 탐색과 관련된 교통을 제한하는 것은 볼록 최적화 문제임을 보이며, 샌프란시스코 데이터를 바탕으로 가격 기반의 수요 재분배가 혼잡도를 80% 감소시키면서도 높은 점유율을 유지할 수 있음을 시연한다.

ABSTRACT

To gain theoretical insight into the relationship between parking scarcity and congestion, we describe block-faces of curbside parking as a network of queues. Due to the nature of this network, canonical queueing network results are not available to us. We present a new kind of queueing network subject to customer rejection due to the lack of available servers. We provide conditions for such networks to be stable, a computationally tractable "single node" view of such a network, and show that maximizing the occupancy through price control of such queues, and subject to constraints on the allowable congestion between queues searching for an available server, is a convex optimization problem. We demonstrate an application of this method in the Mission District of San Francisco; our results suggest congestion due to drivers searching for parking stems from an inefficient spatial utilization of parking resources.

연구 동기 및 목표

• 운전자들이 이용 가능한 주차 공간을 찾기 위해 탐색하는 과정을 고려한 도시 커브사이드 주차를 대기열 네트워크로 모델링한다.
• 공간적·시간적 변동이 있는 상황에서 주차 점유율과 교통 혼잡도 간의 관계를 엄밀한 모델링이 부족한 문제를 해결한다.
• 주차 점유율을 극대화하면서 탐색과 관련된 혼잡도를 제약 조건으로 삼는 계산적으로 실현 가능한 가격 최적화 방법을 개발한다.
• 가격 통제가 실제 도시 환경에서 전체 혼잡도를 줄이기 위해 주차 수요를 재분배하는 데 효과적인지 시연한다.
• 동적 수요와 공간 제약 조건 하에서 이러한 주차 네트워크의 안정적인 운영을 위한 이론적 기반을 제공한다.

제안 방법

• 가용한 서버(주차 공간)가 없을 경우 고객이 거부되는 대기열 네트워크로 블록면 주차를 모델링한다.
• 공간적 구조와 노드 간 고객 라우팅을 고려한 새로운 대기열 네트워크 클래스를 도입한다. 고객은 이용 가능한 서버를 찾을 때까지 노드 간 이동한다.
• 균일한 네트워크 구조 하에서 안정성 조건을 유도하고, 비균일한 경우에 대해 단일 노드 근사 모델을 제시한다.
• 최대 허용 혼잡 수준(즉, 주차를 찾기 위해 운행하는 차량 수)을 제약 조건으로 삼아 주차 점유율을 극대화하는 볼록 최적화 문제를 설정한다.
• 샌프란시스코 미션 디스트릭트의 실제 점유율 및 가격 데이터를 활용해 모델을 校정하고 검증한다.
• 고점유율 블록에서 수요를 낮추고 저점유율 블록에서 수요를 유도하기 위해 가격 조정을 적용하여 총 탐색 교통량을 최소화한다.

실험 결과

연구 질문

• RQ1 공간적으로 분산된 도시 주차 네트워크에서 주차 점유율과 혼잡도를 동시에 최적화할 수 있는 방법은 무엇인가?
• RQ2 주차 점유율과 주차를 찾기 위해 운행하는 운전자로 인한 교통 혼잡도 간의 관계는 어떠한가?
• RQ3 가격 통제를 통해 수요를 재분배하여 전체 혼잡도를 줄이면서도 높은 활용도를 유지할 수 있는가?
• RQ4 주차 탐색으로 인한 혼잡도가 급격히 증가하기 시작하는 점유율 수준은 어느 정도인가?
• RQ5 혼잡도를 줄이기 위해 고수요 지역의 가격을 인상하는 것과 저조화된 지역의 가격을 인하하는 것 중 어느 것이 더 효과적인가?

주요 결과

• 샌프란시스코 미션 디스트릭트의 17번가 3300번대와 18번가 3400번대는 주차와 관련된 혼잡도의 약 60%를 차지하며, 시간당 60대 이상의 차량이 주차를 찾지 못한다.
• 점유율-혼잡도 곡선 상에서 약 90% 점유율 근처에 '엘보(팔꿈치)'가 나타나며, 이는 높은 점유율을 유지하기 위해 필요한 도착률이 급격히 증가함을 시사한다.
• 17번가에서 가격을 0.28달러 인상하고 18번가에서는 0.27달러 인상함으로써 혼잡도가 80% 감소했으며, 탐색 차량 수는 시간당 약 11대 수준으로 감소했고, 점유율은 각각 91%와 92%를 유지했다.
• 저점유율 블록의 가격을 인하하여 수요를 재분배하는 것이 고점유율 블록에서 가격을 인상하는 것과 동일한 효과를 보이며 총 혼잡도를 감소시켰다.
• 가격 통제 후, 미션 디스트릭트는 더 많은 차량을 수용하면서도 혼잡도가 감소했으며, 평균 점유율 78%를 기록하면서 탐색 교통량이 크게 감소했다.
• 모델은 총 점유율이 높다고 해서 반드시 혼잡도가 증가하는 것은 아니며, 가격을 통한 공간적 수요 재분배가 점유율과 혼잡도를 분리시킬 수 있음을 보여준다.