[논문 리뷰] Towards a Socially Optimal Multi-Modal Routing Platform

Chinmaya Samal, Liyuan Zheng외 3명|arXiv (Cornell University)|2018. 02. 27.

Transportation Planning and Optimization참고 문헌 1인용 수 6

한 줄 요약

이 논문은 예측 모델링을 활용해 시간과 다양한 교통 수단 간의 개인적 경로 선택을 조율함으로써 도시 교통 혼잡을 사전에 줄이는 사회적 최적의 다중 모드 경로 설정(SO-MMR) 플랫폼을 제안한다. 내슈빌에서의 시뮬레이션 결과, 낮은 도입률(α = 0.1)일지라도 전체 시스템의 이동 시간과 혼잡을 크게 줄이며, 전면 도입 시 평균 이동 시간과 변동성은 크게 감소하고 대중교통 이용률이 증가한다.

ABSTRACT

The increasing rate of urbanization has added pressure on the already constrained transportation networks in our communities. Ride-sharing platforms such as Uber and Lyft are becoming a more commonplace, particularly in urban environments. While such services may be deemed more convenient than riding public transit due to their on-demand nature, reports show that they do not necessarily decrease the congestion in major cities. One of the key problems is that typically mobility decision support systems focus on individual utility and react only after congestion appears. In this paper, we propose socially considerate multi-modal routing algorithms that are proactive and consider, via predictions, the shared effect of riders on the overall efficacy of mobility services. We have adapted the MATSim simulator framework to incorporate the proposed algorithms present a simulation analysis of a case study in Nashville, Tennessee that assesses the effects of our routing models on the traffic congestion for different levels of penetration and adoption of socially considerate routes. Our results indicate that even at a low penetration (social ratio), we are able to achieve an improvement in system-level performance.

연구 동기 및 목표

• 우버나 lyft와 같은 온디맨드 이동 서비스로 인한 증가하는 도시 혼잡 문제를 해결하기 위해.
• 혼잡이 발생한 후에만 반응하는 현재의 개인 이득 중심 경로 설정 시스템의 한계를 극복하기 위해.
• 공간, 시간, 교통 수단 간 사용자 선택의 공유 효과를 고려해 체계 수준 성능을 사전에 최적화하는 경로 플랫폼을 설계하기 위해.
• 현실적인 시뮬레이션 프레임워크를 사용해 사회적 최적 경로 설정이 혼잡과 이동 효율성에 미치는 영향을 평가하기 위해.

제안 방법

• SO-MMR 알고리즘을 통합해 사용자 행동과 네트워크 동역학을 모델링한 MATSim 시뮬레이션 프레임워크를 변형 적용함.
• 실시간 및 예측 혼잡 수준을 다중 교통 수단에 걸쳐 통합한 다목적 A* 경로 설정 확장 기법을 개발함.
• SO-MMR 사용자의 비율을 모델링하기 위해 사회적 비율 α를 도입하여 도입률 영향 분석을 가능하게 함.
• 역사적 및 실시간 교통 데이터를 활용해 테네시주 내슈빌에서 SO-MMR 도입 수준을 다양하게 설정한 상황에서 에이전트 행동을 시뮬레이션함.
• 경로 선택에 대한 불확실성을 반영하기 위해 사용자 선호도와 경로 선택을 확률적 프레임워크로 모델링함.
• 정규화된 이동 시간, 혼잡 히트맵, 수단 분포 변화 등의 지표를 사용해 체계 성능을 평가함.

실험 결과

연구 질문

• RQ1 사전적이고 사회적 최적의 경로 설정 시스템은 개인 이득 중심 경로 설정보다 도시 혼잡을 더 효과적으로 줄일 수 있는가?
• RQ2 SO-MMR 도입의 침투율(사회적 비율 α)이 전체 시스템의 이동 시간과 혼잡에 어떤 영향을 미치는가?
• RQ3 개인 최적화 경로 설정과 비교해 SO-MMR은 대중교통 및 공유 이동 수단으로의 수단 전환에 어떤 영향을 미치는가?
• RQ4 SO-MMR 하에서 사용자 간 이동 시간 결과는 어떻게 달라지며, 체계 효율성과 개인의 공정성 간의 상충 관계는 어떠한가?
• RQ5 시뮬레이션 기반 플랫폼은 실제 도시 이동 동역학을 어느 정도 정확히 예측할 수 있으며, 도시 수준의 교통 계획 수립에 어떻게 기여할 수 있는가?

주요 결과

• 낮은 사회적 비율(α = 0.1)에서도 SO-MMR은 모든 에이전트의 평균 정규화된 이동 시간을 유의미한 수준으로 감소시켜 초기 체계 수준의 이점을 보여줌.
• 전면 도입(α = 1.0) 시 평균 및 정규화된 이동 시간의 분산이 크게 감소해 성능 향상과 더불어 예측 가능성이 높아짐.
• 혼잡 히트맵 분석 결과, 피크 시간대에 특히 두드러진 혼잡 링크 감소가 SO-MMR 하에서 관찰되었으며, UO-MMR 기준선 대비 뚜렷한 개선 효과를 보임.
• α가 증가함에 따라 대중교통 이용 에이전트 수가 증가하고 개인 차량 이용은 감소해 지속 가능한 수단으로의 성공적인 수단 전환을 보여줌.
• 전체 시스템의 이득에도 불구하고 일부 사용자들은 SO-MMR 하에서 이동 시간이 급격히 증가(최대 200분)하는 경우가 있었으며, 이는 개인의 공정성과의 상충 관계를 드러냄.
• 결과적으로 SO-MMR의 제한된 도입만으로도 의미 있는 혼잡 감소 효과를 얻을 수 있으며, 참가 유도를 위한 인cent이브 메커니즘이 필요함을 시사함.