[논문 리뷰] Shortest Path and Distance Queries on Road Networks: Towards Bridging Theory and Practice

Andy Diwen Zhu, Hui Ma외 4명|arXiv (Cornell University)|2013. 04. 09.

Data Management and Algorithms참고 문헌 2인용 수 12

한 줄 요약

이 논문은 전략적으로 배치된 단축경로를 갖는 계층적 구조로 노드를 정렬함으로써 대규모 도로 네트워크에서 최단경로 및 거리 쿼리에 효율적으로 응답하는 새로운 색인 구조인 Arterial Hierarchy (AH)를 소개한다. 현실적인 기하학적 가정 하에서 AH는 거리 쿼리의 경우 $ frac{1}{2} ilde{O}( ext{log}α)$, 최단경로 쿼리의 경우 $ frac{1}{2} ilde{O}(k + ext{log}α)$의 근사 로그 시간 복잡도를 달성하며, 중간 수준의 공간 및 사전처리 비용을 유지하면서도 실용적으로 히우리스틱 기반 및 이론적으로 효율적인 방법들을 능가한다.

ABSTRACT

Given two locations $s$ and $t$ in a road network, a distance query returns the minimum network distance from $s$ to $t$, while a shortest path query computes the actual route that achieves the minimum distance. These two types of queries find important applications in practice, and a plethora of solutions have been proposed in past few decades. The existing solutions, however, are optimized for either practical or asymptotic performance, but not both. In particular, the techniques with enhanced practical efficiency are mostly heuristic-based, and they offer unattractive worst-case guarantees in terms of space and time. On the other hand, the methods that are worst-case efficient often entail prohibitive preprocessing or space overheads, which render them inapplicable for the large road networks (with millions of nodes) commonly used in modern map applications. This paper presents {\em Arterial Hierarchy (AH)}, an index structure that narrows the gap between theory and practice in answering shortest path and distance queries on road networks. On the theoretical side, we show that, under a realistic assumption, AH answers any distance query in $ ilde{O}(\log )$ time, where $ = d_{max}/d_{min}$, and $d_{max}$ (resp.\ $d_{min}$) is the largest (resp.\ smallest) $L_\infty$ distance between any two nodes in the road network. In addition, any shortest path query can be answered in $ ilde{O}(k + \log )$ time, where $k$ is the number of nodes on the shortest path. On the practical side, we experimentally evaluate AH on a large set of real road networks with up to twenty million nodes, and we demonstrate that (i) AH outperforms the state of the art in terms of query time, and (ii) its space and pre-computation overheads are moderate.

연구 동기 및 목표

• 대규모 도로 네트워크에서 최단경로 및 거리 쿼리의 이론적 효율성과 실용적 성능 사이의 격차를 메우기 위해.
• 강력한 이론적 쿼리 시간 경계를 제공하면서도 낮은 공간 및 사전처리 오버헤드를 확보하는 색인 구조를 설계하기 위해.
• 최대 2300만 개의 노드를 포함하는 실제 도로 네트워크에서 방법을 평가하여 기존 기술들에 비해 실용적 우수성을 입증하기 위해.
• 현대 지도 및 내비게이션 애플리케이션을 위한 대규모 데이터셋에 적합한 확장 가능한 솔루션을 제공하기 위해.

제안 방법

• AH는 각 수준이 노드의 상호배타적 부분집합을 포함하는 다중 수준 계층으로 도로 네트워크 노드를 정렬한다.
• 노드 간의 수준을 가로질러 연결되는 보조 '단축경로'를 사전 계산하며, 이들의 길이는 실제 최단경로 거리와 같다.
• 쿼리 처리는 원천과 목적지에서 번갈아가며 이중 방향 탐색을 수행하며, 항상 높은 수준에서 낮은 수준으로 이동하여 중복 탐색을 방지한다.
• 이론적 쿼리 시간 경계를 유도하기 위해 도로 네트워크에서 $L_\infty$ 거리 분포에 대한 현실적인 가정에 의존한다.
• 색인 구축 알고리즘은 $O(hn^2)$ 시간에 실행되지만, 실질적으로는 선형 증가를 보인다.
• AH는 추가 비용이 최소한이면서도 거리 쿼리(최단 거리 반환) 및 최단경로 쿼리(실제 경로 반환)를 모두 지원한다.

실험 결과

연구 질문

• RQ1 이론적으로 효율적인 색인 구조가 대규모 도로 네트워크에서 최단경로 및 거리 쿼리에 실용적으로 효율적인가?
• RQ2 제안된 Arterial Hierarchy (AH)가 낮은 공간 및 사전처리 비용을 유지하면서도 빠른 쿼리 시간을 확보하는가?
• RQ3 CH, SILC, Dijkstra의 알고리즘과 같은 최신 기술들과 비교해 AH의 쿼리 성능과 자원 사용량은 어떠한가?
• RQ4 네트워크 크기와 토폴로지가 AH의 쿼리 시간, 공간 오버헤드 및 사전처리 시간에 어떤 영향을 미치는가?

주요 결과

• 실제 기하학적 가정 하에서 AH는 임의의 거리 쿼리를 $ frac{1}{2} ilde{O}( ext{log}α)$ 시간 내에 해결하며, 여기서 $α = d_{\text{max}}/d_{\text{min}}$이다.
• 최단경로 쿼리는 $k$가 경로상의 노드 수일 때 $ frac{1}{2} ilde{O}(k + ext{log}α)$ 시간 내에 해결된다.
• 최대 2300만 개의 노드를 포함하는 도로 네트워크에서 AH는 CH, SILC, Dijkstra의 알고리즘보다 쿼리 시간에서 뛰어나며, 특히 최단경로 쿼리에서 두각을 나타낸다.
• AH의 공간 소비는 노드 수에 따라 선형적으로 증가하며, 가장 큰 데이터셋 기준으로 최대 32GB 이내이므로 주 메모리 배포에 적합하다.
• 미국 도로 네트워크(2300만 노드)의 사전처리 시간은 약 3시간으로, SILC의 초선형 비용보다 훨씬 적다.
• CH는 가장 공간 효율적인 방법이지만, AH는 공간 및 사전처리 오버헤드를 중간 수준으로 유지하면서도 CH를 능가하는 쿼리 성능을 달성한다.