[논문 리뷰] The Price of Anarchy in Transportation Networks: Data-Driven Evaluation and Reduction Strategies

Jing Zhang, Sepideh Pourazarm외 2명|arXiv (Cornell University)|2016. 06. 07.

Transportation Planning and Optimization참고 문헌 14인용 수 9

한 줄 요약

이 논문은 실제 교통 데이터로부터 원-도착(OD) 수요와 링크 지연 함수를 학습함으로써 교통망에서의 악의의 가격(PoA)을 추정하고 감소시키기 위한 데이터 기반 프레임워크를 제안한다. 역 최적화와 이중 최적화를 활용하여 자가 중심 라우팅 하에서의 비효율성을 정량화하고, 연결형 자율주행차나 향상된 GPS 라우팅과 같은 전략을 제안함으로써 PoA를 감소시키며, 시험된 도시 네트워크에서 거의 1에 수렴하는 값을 달성한다.

ABSTRACT

Among the many functions a Smart City must support, transportation dominates in terms of resource consumption, strain on the environment, and frustration of its citizens. We study transportation networks under two different routing policies, the commonly assumed selfish user-centric routing policy and a socially-optimal system-centric one. We consider a performance metric of efficiency - the Price of Anarchy (PoA) - defined as the ratio of the total travel latency cost under selfish routing over the corresponding quantity under socially-optimal routing. We develop a data-driven approach to estimate the PoA, which we subsequently use to conduct a case study using extensive actual traffic data from the Eastern Massachusetts road network. To estimate the PoA, our approach learns from data a complete model of the transportation network, including origin-destination demand and user preferences. We leverage this model to propose possible strategies to reduce the PoA and increase efficiency.

연구 동기 및 목표

• 사용자 중심 라우팅의 비효율성을 악의의 가격(PoA) 지표를 사용하여 도시 교통망에서 정량화하기.
• 관측된 링크 유량 데이터로부터 원-도착(OD) 수요 행렬과 링크 지연 비용 함수를 추정하는 데이터 기반 방법 개발하기.
• 실제 교통 데이터로부터 유도된 예측 모델을 사용하여 PoA를 평가함으로써 사용자 최적 라우팅과 사회적 최적 라우팅 간의 성능 비교 가능하게 하기.
• 특히 PoA ≫ 1일 경우에 실질적인 네트워크에서 PoA를 감소시키기 위한 전략 제안하기.
• 확장 가능한 데이터 기반 모델링 및 제어를 통해 교통망의 동적 실시간 최적화 가능하게 하기.

제안 방법

• 관측된 Wardrop 평형 링크 유량에서 역 최적화를 사용하여 이동 지연 비용 함수를 추정함으로써 사용자 중심의 역 문제 해결하기.
• 예측된 사용자 최적 유량이 관측된 링크 유량과 일치하도록 반복적으로 OD 수요 추정치를 조정하기 위해 이중 최적화 문제를 수립하기.
• 복구된 OD 수요 및 지연 함수를 활용하여 총 시스템 비용을 최소화하는 비선형 프로그래밍(NLP)으로서 시스템 중심 전진 문제 해결하기.
• 학습된 모델을 사용하여 사용자 최적 대비 사회적 최적 라우팅 하에서의 총 이동 비용 비율로 PoA 계산하기.
• 감도 분 析를 통해 혼잡 완화에 가장 영향을 미치는 고위험 구간을 식별하고 우선순위 조정 가능하게 하기.
• 대규모 네트워크에서의 확장성을 향상시키기 위해 각 OD 쌍에 대해 가장 빠른 경로만 사용하는 단순화 전략 구현하기.

실험 결과

연구 질문

• RQ1 원-도착 행렬이나 지연 함수에 대한 사전 지식 없이 실세계 교통 데이터로부터 악의의 가격(PoA)을 정확히 추정할 수 있는 방법은 무엇인가?
• RQ2 어떤 데이터 기반 기법이 관측된 링크 유량으로부터 교통망의 완전한 예측 모델을 복원할 수 있는가?
• RQ3 실제 도시 도로 네트워크에서 PoA는 다양한 시간대와 네트워크 조건에서 어떻게 변화하는가?
• RQ4 어떤 시스템 수준의 간섭 조치가 효과적으로 PoA를 감소시키고 전체 네트워크 효율성을 향상시킬 수 있는가?
• RQ5 이 프레임워크를 대규모 교통망에 적용할 때의 계산 및 확장성 도전 과제는 무엇인가?

주요 결과

• 제안된 데이터 기반 프레임워크는 동매사추세츠 지역의 실제 교통 데이터를 사용하여 PoA를 성공적으로 추정하였으며, 다양한 시간대에 걸쳐 PoA 값이 1.02에서 1.12 사이로 변동함을 확인하였다.
• 주말 기간 동안 PoA가 가장 낮았으며(예: 1.02), 이는 거의 최적의 효율성을 의미하며, 평일 정점 시간대에는 가장 높았으며(예: 1.12), 이는 심각한 혼잡에 기인한 비효율성을 반영한다.
• 시스템 중심 라우팅 정책은 사용자 중심 라우팅 대비 총 이동 지연 비용을 최대 12% 감소시켰으며, 이는 상당한 효율성 향상 잠재력을 보여준다.
• 감도 분석을 통해 특정 혼잡이 심한 링크가 PoA에 크게 영향을 미치는 것으로 밝혀져, 표적형 인프라 또는 라우팅 간섭 조치를 시행할 수 있게 되었다.
• 평일 오후 정점 시간대(4/18/2012)에 대해 PoA 추정치는 1.12를 기록하였으며, 이는 총 이동 비용의 12%가 자가 중심 라우팅 행동에 기인함을 시사한다.
• 가장 큰 네트워크(I₃)의 경우, OD 추정 및 PoA 계산을 포함한 계산 파이프라인은 약 10시간이 소요되었으며, 병렬 처리 및 분해 전략을 통해 확장성 향상이 이루어졌다.