[논문 리뷰] Simulation-based Optimization of Toll Pricing in Large-Scale Urban Networks using the Network Fundamental Diagram: A Cross-Comparison of Methods

Ziyuan Gu, Meead Saberi|arXiv (Cornell University)|2020. 11. 24.

Transportation Planning and Optimization참고 문헌 73인용 수 5

한 줄 요약

이 논문은 호주 멜버른의 대규모 도시 네트워크에서 네트워크 기본도표(NFD)를 사용한 시뮬레이션 기반 최적화(SBO) 프레임워크를 제안하며, PI 제어기, 회귀 기반 크리깅(RK), DIRECT, SPSA의 네 가지 방법을 비교한다. 복잡한 시나리오에서는 RK가 시뮬레이션 노이즈에 강건한 성능을 보이며 우월한 반면, 단순한 경우에서는 PI 제어기가 더 빠른 수렴 속도로 뛰어난 성능을 보인다.

ABSTRACT

Simulation-based optimization (SO or SBO) has become increasingly important to address challenging transportation network design problems. In this paper, we propose to solve two toll pricing problems with different levels of complexity using the concept of the macroscopic or network fundamental diagram (MFD or NFD), where a large-scale simulation-based dynamic traffic assignment model of Melbourne, Australia is used. Four computationally efficient SBO methods are applied and compared, including the proportional-integral (PI) controller, regressing kriging (RK), DIviding RECTangles (DIRECT), and simultaneous perturbation stochastic approximation (SPSA). The comparison reveals that these methods work equally well on the simple problem without exhibiting significant performance differences. But, for the complex problem, RK manifests itself to be the best-performing method thanks to its capability of filtering out the numerical noise arising from computer simulations (i.e. allowing for non-smoothness of the objective function). While the PI controller is a more competitive solution to the simple problem given its faster rate of convergence, the poor scalability of the method in the complex problem results in limited applicability. Two caveats, however, deserve emphasis: (i) the chosen critical network density of the NFD does not necessarily represent a robust network control or optimization threshold, as it might shift in the presence of toll pricing; and (ii) re-interpolation is required as part of RK in order to achieve global convergence.

연구 동기 및 목표

• 대규모 도시 네트워크 설계 문제를 시뮬레이션 기반 최적화(SBO)를 통해 통행료 설정을 통해 해결하고자 한다.
• 복잡도가 다른 두 가지 통행료 설정 문제에 대해 네 가지 SBO 방법—PI 제어기, RK, DIRECT, SPSA의 성능을 평가하고 비교하고자 한다.
• 시뮬레이션 노이즈와 실제 도로 네트워크의 동적 특성 하에서 SBO 방법의 강건성과 확장성을 평가하고자 한다.
• NFD에서 유도된 핵심 네트워크 밀도가 통행료 설정 간섭 하에서 안정적인 제어 임계값으로 기능하는지 조사하고자 한다.
• 복잡한 최적화 과제에서 전역 수렴을 달성하기 위해 RK에 재보간(re-interpolation)이 필요한지 검토하고자 한다.

제안 방법

• 호주 멜버른의 대규모 동적 교통할당(DTA) 시뮬레이션 모델을 활용하여 실제 도로 교통 역학을 표현한다.
• 네트워크 기본도표(NFD)를 사용하여 거시적 교통 흐름을 특성화하며, 핵심 네트워크 밀도를 주요 성능 지표로 삼는다.
• 네 가지 SBO 방법을 적용한다: 피드백 기반의 PI 제어기, 확률적 대체 모델링을 사용하는 회귀 기반 크리깅(RK), 도함수를 사용하지 않는 전역 최적화 방법인 DIRECT, 동시에 변화를 적용하는 확률적 근사 방법인 SPSA.
• 비연속성과 시뮬레이션 노이즈를 다루기 위해 RK에 재보간을 구현하여 복잡한 문제에서 전역 수렴을 향상시킨다.
• 시뮬레이션 출력을 반복적으로 활용하여 총 시스템 이동 시간을 최소화하는 통행료 설정 전략을 최적화한다.
• 단순 문제와 복잡 문제 두 가지 설정에서 수렴 속도, 노이즈에 대한 강건성, 해의 질을 기준으로 각 방법의 성능을 비교한다.

실험 결과

연구 질문

• RQ1 문제의 복잡도 수준에 따라 다양한 SBO 방법이 통행료 설정 최적화에서 어떻게 성능을 내는가?
• RQ2 NFD에서 유도된 핵심 네트워크 밀도가 통행료 설정 간섭 하에서 네트워크 제어의 신뢰할 수 있는 기준점이 될 수 있는가?
• RQ3 시뮬레이션 노이즈가 SBO 방법의 성능에 미치는 영향은 어느 정도이며, 어떤 방법이 가장 강건한가?
• RQ4 복잡한 최적화 과제에서 전역 수렴을 달성하기 위해 RK 방법에서 재보간이 반드시 필요한가?
• RQ5 PI 제어기의 확장성은 복잡하고 대규모 네트워크 최적화에 있어 그 적용 가능성에 어떤 영향을 미치는가?

주요 결과

• 단순한 통행료 설정 문제에서는 네 가지 SBO 방법 모두 유사한 성능을 보이며, 유의미한 성능 차이가 관찰되지 않는다.
• 복잡한 문제에서는 시뮬레이션에서 발생하는 수치적 노이즈를 효과적으로 걸러내는 능력 덕분에 회귀 기반 크리깅(RK)이 다른 방법들을 압도한다.
• 단순 문제에서는 PI 제어기가 다른 방법보다 더 빠른 수렴 속도를 보였지만, 복잡한 시나리오에서는 확장성이 열악하고 적용 범위가 제한된다.
• NFD에서 유도된 핵심 네트워크 밀도는 통행료 설정 하에서 이동이 변할 수 있어 안정적인 제어 기준점으로서의 기능이 제한되며, 고정된 최적화 목표로 사용하기에는 부적절하다.
• 특히 고차원적이고 노이즈가 많은 최적화 환경에서 전역 수렴을 보장하기 위해 RK 방법에서 재보간이 필수적이다.
• 본 연구는 시뮬레이션 노이즈가 SBO 성능에 상당한 영향을 미치며, 유일하게 복잡하고 비연속적인 환경에서 일관된 정확성과 안정성을 유지하는 방법이 RK임을 확인한다.