[논문 리뷰] Scenic Routes Now: Efficiently Solving the Time-Dependent Arc Orienteering Problem

Gregor Jossé, Ying Lü외 5명|arXiv (Cornell University)|2016. 09. 27.

Mobile Crowdsensing and Crowdsourcing참고 문헌 42인용 수 3

한 줄 요약

이 논문은 대규모 도로 네트워크에서 시간에 따라 변하는 이동 시간과 시간에 따라 변하는 가치 증가를 모델링하는 이중 시간 의존성 간선 옵티미스트 문제(2TD-AOP)를 소개한다. 시간에 따라 변하는 가치 모델링으로 인해 실질적인 성과 향상이 이루어지는 것을 검증한 실세계 데이터 기반 평가에서, 최적 방법보다 빠르면서도 유효하고 높은 가치를 가진 경로를 생성하는 효율적인 근사 동적 프로그래밍 솔루션을 제안한다.

ABSTRACT

This paper extends the Arc Orienteering Problem (AOP) to large road networks with time-dependent travel times and time-dependent value gain, termed Twofold Time-Dependent AOP or 2TD-AOP for short. In its original definition, the NP-hard Orienteering Problem (OP) asks to find a path from a source to a destination maximizing the accumulated value while not exceeding a cost budget. Variations of the OP and AOP have many practical applications such as mobile crowdsourcing tasks (e.g., repairing and maintenance or dispatching field workers), diverse logistics problems (e.g., crowd control or controlling wildfires) as well as several tourist guidance problems (e.g., generating trip recommendations or navigating through theme parks). In the proposed 2TD-AOP, travel times and value functions are assumed to be time-dependent. The dynamic values model, for instance, varying rewards in crowdsourcing tasks or varying urgency levels in damage control tasks. We discuss this novel problem, prove the benefit of time-dependence empirically and present an efficient approximative solution, optimized for fast response systems. Our approach is the first time-dependent variant of the AOP to be evaluated on a large scale, fine-grained, real-world road network. We show that optimal solutions are infeasible and solutions to the static problem are often invalid. We propose an approximate dynamic programming solution which produces valid paths and is orders of magnitude faster than any optimal solution.

연구 동기 및 목표

• 실세계 경로 계획에서 정적 모델의 한계를 해결하기 위해 시간에 따라 변하는 이동 시간과 가치 증가를 통합한다.
• 하루 동안 시간에 따라 변화하는 보상(예: 경관, 긴급성 등)을 반영하는 동적 가치 함수를 모델링한다.
• 대규모이고 세밀한 도로 네트워크에서 NP-완전인 2TD-AOP에 대해 확장 가능하고 효율적인 솔루션을 개발한다.
• 시간에 따라 변하는 가치 모델링이 정적 평균 모델링보다 우수한지 실증적으로 입증한다.
• 관광 탐색 및 현장 운영과 같은 실시간 시스템에 적합한 빠른 근사 알고리즘을 제공한다.

제안 방법

• 시간에 따라 변하는 이동 시간과 시간에 따라 변하는 간선 가치를 포함하여 아크 옵티미스트 문제(AOP)를 확장하여 2TD-AOP를 구성한다.
• 시간에 따라 변하는 다익스트라 알고리즘의 변형(FWR)을 사용하여 출발지에서 시간 예산 내에서 도달 가능한 정점들을 계산한다.
• 도착지에서의 최후 출발 시간을 계산하기 위해 역방향 도달 가능성 알고리즘(BWR)을 사용하며, 시간 창 선형 스캔과 에프스실론 보정을 통해 경계 정밀도를 향상시킨다.
• 전진 및 역방향 도달 영역의 교차를 기반으로 한 프루닝 기법을 적용하여 검색 공간을 줄인다.
• 시간에 따라 변하는 간선 가치 함수를 사용하여 가치 수집과 시간 예산 제약 조건의 균형을 이루는 근사 동적 프로그래밍 접근법을 적용한다.
• 대규모 네트워크에서 정확한 최적 솔루션을 구하는 것은 비현실적이므로, 정확한 최적 솔루션을 피하고 빠른 반응 시간을 확보한다.

실험 결과

연구 질문

• RQ1 시간에 따라 변하는 가치를 모델링하면 정적 가치 가정 대비 경로 계획의 품질이 어떻게 향상되는가?
• RQ2 시간에 따라 변하는 가치 함수를 사용할 경우, 동적 교통과 변동하는 보상이 있는 실세계 도로 네트워크에서 성능 향상은 어느 정도인가?
• RQ3 효율적인 근사 알고리즘이 정확한 최적 솔루션보다 런타임에서 뛰어나면서도 유효성과 품질을 유지할 수 있는가?
• RQ4 시간에 따라 변하는 이동 시간과 가치가 대규모 도로 네트워크에서 경로 선택에 어떻게 영향을 미치는가?
• RQ5 전진 및 역방향 도달 가능성 기반의 프루닝이 솔루션 효율성에 어떤 영향을 미치는가?

주요 결과

• 2TD-AOP의 최적 솔루션은 계산 복잡도로 인해 대규모 도로 네트워크에서는 비현실적이다.
• 정적 가치 가정 기반 솔루션은 피크 가치 주기를 반영하지 못해 종종 유효하지 않다.
• 제안된 근사 동적 프로그래밍 솔루션은 최적 방법보다 수개월에서 수천 배 빠르며, 유효하고 높은 가치를 가진 경로를 생성한다.
• 시간에 따라 변하는 가치 모델링은 특히 일일 가치 변화가 있는 경관 경로 계획에서 품질 향상에 크게 기여한다.
• FWR 및 BWR 알고리즘은 도달 영역을 효과적으로 계산하여 효율적인 프루닝과 확장 가능한 솔루션 계산을 가능하게 한다.
• 실세계 도로 네트워크에서의 실증 평가 결과, 시간에 따라 변하는 가치 함수는 평균 정적 값보다 더 우수한 결과를 도출한다.