[논문 리뷰] Traffic signal control optimization under severe incident conditions using Genetic Algorithm

Tuo Mao, Adriana‐Simona Mihăiţă외 1명|arXiv (Cornell University)|2019. 06. 11.

Traffic control and management참고 문헌 9인용 수 4

한 줄 요약

이 논문은 심각한 비정기적 사고 상황에서 교통 신호 제어를 위한 유전 알고리즘(GA) 기반 최적화 프레임워크를 제안한다. 단계 시간을 결정 변수로 삼아 전체 네트워크 이동 시간을 최소화한다. 먼저 정상 조건에서 GA를 캘리브레이션한 후 사고 상황에서 그 그룹을 재사용함으로써 총 이동 시간을 40.76% 감소시켜 정적 타이밍 계획 대비 뚜렷한 향상을 보였다.

ABSTRACT

Traffic control optimization is a challenging task for various traffic centres in the world and majority of approaches focus only on applying adaptive methods under normal (recurrent) traffic conditions. But optimizing the control plans when severe incidents occur still remains a hard topic to address, especially if a high number of lanes or entire intersections are affected. This paper aims at tackling this problem and presents a novel methodology for optimizing the traffic signal timings in signalized urban intersections, under non-recurrent traffic incidents. The approach relies on deploying genetic algorithms (GA) by considering the phase durations as decision variables and the objective function to minimize as the total travel time in the network. Firstly, we develop the GA algorithm on a signalized testbed network under recurrent traffic conditions, with the purpose of fine-tuning the algorithm for crossover, mutation, fitness calculation, and obtain the optimal phase durations. Secondly, we apply the optimal signal timings previously found under severe incidents affecting the traffic flow in the network but without any further optimization. Lastly, we further apply the GA optimization under incident conditions and show that our approach improved the total travel time by almost 40.76%.

연구 동기 및 목표

• 심각한 비정기적 교통 사고 상황에서의 적응형 신호 제어 솔루션 부족 문제를 해결하기 위해.
• 주요 교란 상황에 대응해 신호 타이밍을 동적으로 조정할 수 있는 GA 기반 최적화 프레임워크를 개발하기 위해.
• 사고 상황에서 총 네트워크 이동 시간을 최소화하는 것을 주요 성능 목표로 삼기 위해.
• 사고 상황에서 기준 정적 계획 대비 최적화된 타이밍을 비교함으로써 GA 접근법의 효과성을 검증하기 위해.

제안 방법

• 신호 제어 도시 네트워크에서 단계 시간을 결정 변수로 삼아 유전 알고리즘을 적용한다.
• 적합도 평가 기준은 네트워크 전역의 총 이동 시간 최소화이다.
• 재발성 교통 조건에서 GA를 먼저 캘리브레이션하여 교차, 돌연변이 및 적합도 계산 파라미터를 최적화한다.
• 정상 조건에서 도출된 최적의 GA 파라미터를 재최적화 없이 사고 상황에 그대로 적용한다.
• 동일한 GA 프레임워크를 사용하여 사고 상황에서 전용 최적화를 수행한다.
• 다수의 고속도로 교차로에 영향을 미치는 다양한 사고 상황을 포함한 테스트베드 네트워크에서 방법을 평가한다.

실험 결과

연구 질문

• RQ1 유전 알고리즘이 심각한 비정기적 교통 사고 상황에서 교통 신호 타이밍을 효과적으로 최적화할 수 있는가?
• RQ2 주요 사고 상황에서 GA 기반 최적화는 정적 신호 타이밍 계획 대비 어떻게 비교되는가?
• RQ3 GA는 사고 상황에서 도시 네트워크의 총 이동 시간을 어느 정도 감소시킬 수 있는가?
• RQ4 정상 조건에서 사전에 GA 파라미터를 캘리브레이션하면 사고 상황에서도 효과적인 성능을 낼 수 있는가?

주요 결과

• 제안된 GA 기반 최적화는 정적 신호 타이밍 계획 대비 심각한 사고 상황에서 총 이동 시간을 40.76% 감소시켰다.
• 정상 교통 조건에서 캘리브레이션한 파라미터를 사용함에도 불구하고 GA 접근법은 뚜렷한 이동 시간 절감 효과를 달성했다.
• 이 방법은 다수의 차선이나 전체 교차로에 영향을 미치는 복잡한 교란 상황을 다룰 수 있는 강건성과 적응성을 보였다.
• 결과적으로 비정기적 사고 상황은 표준 적응형 제어 방법을 초월해 별도의 최적화 전략이 필요하다는 것이 확인되었다.