[논문 리뷰] Proactive rebalancing and speed-up techniques for on-demand high capacity ridesourcing services

Yang Liu, Samitha Samaranayake|arXiv (Cornell University)|2019. 02. 09.

Transportation and Mobility Innovations참고 문헌 11인용 수 4

한 줄 요약

이 논문은 실시간 고용량 립서싱 페어 관리 프레임워크의 성능을 향상시키기 위해 속도 향상 기법과 확률적 사전 균형 조정 방법을 제안한다. 탐색 공간을 단순화하고 병렬 처리에서 I/O 오버헤드를 줄임으로써 계산 시간이 최대 97.67% 감소하였으며, 이는 이전 수요 확률 기반의 사전 균형 조정으로 인해 서비스율은 4.8% 향상되고 대기 시간과 총 지연 시간은 각각 5.0%와 10.7% 감소하였다.

ABSTRACT

We present a probabilistic proactive rebalancing method and speed-up techniques for improving the performance of a state-of-the-art real-time high-capacity fleet management framework [1]. We improve on both computational efficiency and system performance. The speed-up techniques include search-space pruning and I/O cost reduction for parallelization, reducing the computation time by up to 97.67%, in experiments on taxi trips in New York City. The proactive rebalancing routes idle vehicles to future demands based on probabilistic estimates from historical demand, increasing the service rate by 4.8% on average, and decreasing the waiting time and total delay by 5.0% and 10.7% on average, respectively.

연구 동기 및 목표

• 실시간 고용량 립서싱 페어 관리 시스템의 계산 효율성을 향상시키기 위해.
• 대규모 차량 경로 설정 및 배정 문제를 해결하는 데 소요되는 계산 시간을 줄이기 위해.
• 이전 수요 패tern을 기반으로 한 수요 패턴을 활용해 유휴 차량을 고수요 지역으로 사전 이동시켜 시스템 성능을 향상시키기 위해.
• 병렬 처리된 요청-차량 호환성 검사에서 I/O 병목 현상을 최소화하기 위해.
• 예측 기반 차량 재배치를 통해 서비스율을 높이고 대기 시간 및 지연 시간을 줄이기 위해.

제안 방법

• 트립 가능성 계산 중 평가되는 일반화된 픽업-디리버리 문제의 수를 줄이기 위해 두 가지 탐색 공간 단순화 기법을 적용한다.
• 계산 유닛 간 차량 데이터의 중복을 줄여 병렬 요청 분할에서 발생하는 불필요한 데이터 전송을 최소화하기 위해 I/O 감소 기법을 도입한다.
• 미래 요청 할당의 경계 확률 추정치를 활용해 유휴 차량을 고유용도 지역으로 이동시키는 확률적 사전 균형 조정 방법을 사용한다.
• 이 방법은 이전 수요 분포를 활용해 향후 수요 핫스팟을 예측하고 차량 위치를 예상 향후 이용도와 일치시킨다.
• 이러한 기법들을 [1]에서 제시한 최신의 anytime 최적 페어 관리 시스템에 통합하여 최적성은 유지하면서 계산 속도를 향상시킨다.
• 재배치 효과를 향상시키기 위해 향후 수요를 모델링하기 위해 가상 요청을 ILP 수식에 활용한다.

실험 결과

연구 질문

• RQ1 탐색 공간 단순화 기법은 솔루션 품질을 희생시키지 않고 고용량 립서싱 시스템의 계산 시간을 줄일 수 있는가?
• RQ2 병렬 처리된 요청-차량 호환성 검사에서 I/O 오버헤드를 최소화하면 확장성은 어떻게 향상되는가?
• RQ3 이전 수요 기반의 확률적 사전 균형 조정이 서비스율, 대기 시간, 지연 시간과 같은 시스템 성능 지표에 얼마나 기여하는가?
• RQ4 제안된 속도 향상 기법은 페어 규모와 수요 복잡도가 증가함에 따라 어떻게 스케일링되는가?
• RQ5 속도 향상 기법과 사전 균형 조정을 결합했을 때 전체 시스템의 효율성과 성능에 어떤 영향을 미치는가?

주요 결과

• 실험 결과, 1000대의 차량과 10인승 수용 능력을 가진 페어에서 고수요 제약 조건 하에서 속도 향상 기법으로 계산 시간이 최대 97.67% 감소하였다.
• 모든 테스트 구성에서 평균 계산 시간 감소율은 87.46%였으며, 솔루션의 최적성에 영향을 주지 않았다.
• 사전 균형 조정으로 평균 서비스율이 4.8% 향상되었으며, 이는 6시간 동안 4068명의 추가 승객이 서비스된 것으로 나타났다.
• 대기 시간은 평균 5.0% 감소하였고, 모든 테스트 케이스에서 총 지연 시간은 평균 10.7% 감소하였다.
• 대기 시간 감소 최대치(24.28초)와 총 지연 시간 감소 최대치(68.51초)는 고수요 제약 조건 하에서 3000대의 차량과 4인승 수용 능력을 가진 페어에서 관찰되었다.
• 속도 향상 기법과 사전 균형 조정의 통합으로 원래 프레임워크 대비 평균 계산 시간 감소율이 81.44%에 달했다.