[논문 리뷰] Traffic Lights with Auction-Based Controllers: Algorithms and Real-World Data

Shumeet Baluja, Michele Covell외 1명|arXiv (Cornell University)|2017. 02. 03.

Transportation Planning and Optimization참고 문헌 16인용 수 4

한 줄 요약

이 논문은 차량 간 또는 차량-인프라 통신을 필요로 하지 않고 도로 내 센서에서 수집한 실시간 데이터를 활용하여 신호 제어 시간을 동적으로 최적화하는 경매 기반 교통 신호 제어기를 제안한다. 단계 전환을 마이크로 경매로 간주함으로써 센서 읽기 값이 입찰 가중치를 결정하게 하여, 수개월에 걸친 실제 GPS 데이터로부터 최적의 제어 정책을 학습한다. 이는 마운틴 뷰와 시카고에서 정적, 최적화, 계획 기반 제어기들을 뛰어넘는 성능을 보이며 평균 이동 시간을 감소시키고 도로 용량을 증가시킨다.

ABSTRACT

Real-time optimization of traffic flow addresses important practical problems: reducing a driver's wasted time, improving city-wide efficiency, reducing gas emissions and improving air quality. Much of the current research in traffic-light optimization relies on extending the capabilities of traffic lights to either communicate with each other or communicate with vehicles. However, before such capabilities become ubiquitous, opportunities exist to improve traffic lights by being more responsive to current traffic situations within the current, already deployed, infrastructure. In this paper, we introduce a traffic light controller that employs bidding within micro-auctions to efficiently incorporate traffic sensor information; no other outside sources of information are assumed. We train and test traffic light controllers on large-scale data collected from opted-in Android cell-phone users over a period of several months in Mountain View, California and the River North neighborhood of Chicago, Illinois. The learned auction-based controllers surpass (in both the relevant metrics of road-capacity and mean travel time) the currently deployed lights, optimized static-program lights, and longer-term planning approaches, in both cities, measured using real user driving data.

연구 동기 및 목표

• 차량 간 또는 차량-인프라 통신을 요구하지 않고 기존 인프라 내에서 작동하는 반응형, 데이터 기반 교통 신호 제어기를 개발하는 것.
• 옵트인한 안드로이드 사용자로부터 수집한 대규모 실세계 GPS 데이터를 기반으로 최적의 신호 제어 시간을 학습하여 실도시 환경에서 교통 흐름을 향상시키는 것.
• 현재 도입된 정적 교통 신호의 행동을 시뮬레이션을 통해 근사함으로써 신규 교통 제어 시스템 평가를 위한 현실적인 기준을 설정하는 것.
• 경매 기반 제어 메커니즘이 자율적으로 효과적인 교통 관리 전략(예: 보호 좌회전 제거, 주요 도로 우선순위 부여)을 발견할 수 있음을 보여주는 것.
• 통신 기반 기능(예: 비상 차량 우선순위, 금전적 입찰)을 향후 통합할 수 있도록 통합된 경매 프레임워크를 제공하는 것.

제안 방법

• 제어기는 각 교통 단계가 유도 고리 또는 카메라에서 수집한 실시간 센서 데이터를 바탕으로 입찰을 제출하는 마이크로 경매 메커니즘을 사용한다.
• 입찰 가중치와 경매 규칙은 안드로이드 사용자로부터 확보한 대규모 역사적 GPS 데이터를 활용하여 학습되며, 이로 인해 실제 교통 패턴에 적응할 수 있다.
• 시스템은 각 단계 전환 시 실시간 경매를 수행하여 다음 최적 단계를 선택하며, 입찰 값은 현재 교통량과 흐름을 반영한다.
• 기존에 도입된 정적 교통 신호의 제어 일정을 추론하기 위해 시뮬레이션 기반 방법을 사용하여 성능 비교를 위한 현실적인 기준을 마련한다.
• 중앙 집중적 조율을 피하고 지역 센서 입력과 분산된 의사결정에만 의존함으로써 확장성을 확보한다.
• 경매 메커니즘은 확장 가능하도록 설계되어, 향후 차량 제공 도착 시간 또는 우선순위 입찰과 같은 통신 기반 입력을 자연스럽게 통합할 수 있다.

실험 결과

연구 질문

• RQ1 분산형, 센서 전용 교통 신호 제어기가 실세계 도시 교통에서 정적, 최적화, 계획 기반 제어기들을 능가할 수 있는가?
• RQ2 기존 인프라에서 수집한 실시간 교통 데이터를 어떻게 활용하여 차량-인프라 통신 없이도 적응형 신호 제어 시간을 학습할 수 있는가?
• RQ3 학습 기반 경매 메커니즘에서 자연스럽게 도출될 수 있는 교통 관리 전략(예: 보호 좌회전 제거, 주요 도로 우선순위 부여)은 무엇인가?
• RQ4 기존에 도입된 정적 교통 신호의 행동을 시뮬레이션과 GPS 데이터를 통해 정확히 근사할 수 있는가? 이를 통해 공정한 성능 평가가 가능할까?
• RQ5 향후 통신 기능(예: 비상 차량 우선순위, 금전 입찰)은 어떻게 이 경매 프레임워크에 통합될 수 있는가?

주요 결과

• 경매 기반 제어기는 마운틴 뷰와 시카고에서 모두 평균 이동 시간을 감소시키고 도로 용량을 증가시켜 정적, 최적화, 계획 기반 제어기들을 실세계 데이터에서 뛰어넘는 성능을 보였다.
• 사전 설정된 규칙 없이도 보호 좌회전 제거 및 주요 도로 교통 우선순위 부여와 같은 효과적인 전략을 자동으로 발견했다.
• 마운틴 뷰에서는 고속도로 진입로가 만나는 지점과 같은 고밀도 혼잡 지역에서 실시간 흐름 변화에 적응함으로써 성능을 향상시켰다.
• 시카고에서는 고밀도 도심 격자 구조에서 뛰어난 성능을 보이며 다양한 교통 패턴에 대한 강건성을 입증했다.
• 시뮬레이션 기반 방법은 기존 정적 교통 신호의 일정을 성공적으로 근사하여 성능 평가를 위한 타당한 기준을 마련했다.
• 이 접근법은 확장 가능하며 향후 통신 기반 기능(예: 비상 차량 우선순위 입찰, 통행료 기반 접근)을 자연스럽게 통합할 수 있다.