[논문 리뷰] Two-layer adaptive signal control framework for large-scale dynamically-congested networks: Combining efficient Max Pressure with Perimeter Control

Dimitrios Tsitsokas, Anastasios Kouvelas외 1명|arXiv (Cornell University)|2022. 10. 19.

Network Traffic and Congestion Control인용 수 7

한 줄 요약

이 논문은 대규모 동적 혼잡 네트워크에서 Max-Pressure (MP)와 Perimeter Control (PC)를 결합한 이중층 적응형 신호 제어 프레임워크를 제안한다. 노드 분류 알고리즘을 활용해 핵심 교차로를 선별해 부분적 MP 구현을 수행함으로써, 전체 네트워크 MP 성능에 근접하면서도 최대 75% 낮은 구현 비용을 달성하여 고도로 혼잡한 상황과 수요 변동성에 대비해 시스템 처리 능력과 내성성을 크게 향상시킨다.

ABSTRACT

Traffic-responsive signal control is a cost-effective and easy-to-implement network management strategy with high potential in improving performance in congested networks with dynamic characteristics. Max Pressure (MP) distributed controller gained significant popularity due to its theoretically proven ability of queue stabilization and throughput maximization under specific assumptions. However, its effectiveness under saturated conditions is questionable, while network-wide application is limited due to high instrumentation cost. Perimeter control (PC) based on the concept of the Macroscopic Fundamental Diagram (MFD) is a state-of-the-art aggregated strategy that regulates exchange flows between regions, in order to maintain maximum regional travel production and prevent over-saturation. Yet, homogeneity assumption is hardly realistic in congested states, thus compromising PC efficiency. In this paper, the effectiveness of network-wide, parallel application of PC and MP embedded in a two-layer control framework is assessed with mesoscopic simulation. Aiming at reducing implementation cost of MP without significant performance loss, we propose a method to identify critical nodes for partial MP deployment. A modified version of Store-and-forward paradigm incorporating finite queue and spill-back consideration is used to test different configurations of the proposed framework, for a real large-scale network, in moderately and highly congested scenarios. Results show that: (i) combined control of MP and PC outperforms separate MP and PC applications in both demand scenarios; (ii) MP control in reduced critical node sets leads to similar or even better performance compared to full-network implementation, thus allowing for significant cost reduction; iii) the proposed control schemes improve system performance even under demand fluctuations of up to 20% of mean.

연구 동기 및 목표

• 과도 포화 조건에서 단독으로 적용할 경우 성능에 한계를 보이는 대규모 동적 혼잡 네트워크에서의 Max-Pressure (MP) 및 Perimeter Control (PC)의 한계를 해결하기 위해.
• 전체 네트워크 MP 제어의 높은 장비 비용을 줄이기 위해 데이터 기반의 노드 선택 방법을 통해 핵심 교차로만을 식별하고 제어함으로써.
• 다양한 수요 수준에서 MP와 PC 제어의 상호보완적 성능을 평가하기 위해.
• 최대 20%의 수요 변동성에 대해 제안된 제어 프레임워크의 강인성을 평가하기 위해.
• 특히 고도로 혼잡한 상황에서 전체 네트워크 MP 대비 부분적 MP 구현의 성능 유지 또는 향상 잠재력을 탐색하기 위해.

제안 방법

• PC는 매크로스코픽 기본도(Diagram, MFD) 개념을 활용해 지역 간 유량을 조절하고, MP는 국부적 대기 길이 최대화를 통해 개별 교차로를 제어하는 이중층 제어 아키텍처를 제안한다.
• 평균 대기 길이(m₁), 대기 길이 분산(m₂), 갈림길 수(Nc) 등의 교통 특성 기반으로 핵심 교차로를 선별하는 노드 분류 알고리즘을 도입한다.
• 유한한 대기 용량과 역류 고려를 포함한 수정된 스토어 앤 포워드 동적 교통 모델을 사용해 현실적인 네트워크 동역학을 시뮬레이션한다.
• 경계 제어에는 PI 조절기, 국부적 신호 최적화에는 분산 MP 알고리즘을 사용하며, MP는 선별된 핵심 노드에만 적용된다.
• 중간 및 고수요 시나리오에서 보정을 통해 노드 선택 파라미터를 최적화하여 제어된 교차로의 효과적인 공간 분포를 확보한다.
• 실제 대규모 네트워크에서 중간 및 고수요 시나리오에서 단독 PC, 단독 MP(전체 및 부분), 그리고 병합된 PC+MP의 다양한 구성에 대해 평가한다.

실험 결과

연구 질문

• RQ1 이중층 프레임워크에서 MP와 PC를 병행 적용할 경우, 시스템 처리 능력과 혼잡 완화 측면에서 단독 적용 대비 뛰어난 성능을 보일 수 있는가?
• RQ2 핵심 노드의 일부에 국한된 부분적 MP 구현이 전체 네트워크 MP 성능에 근접하면서도 설치 비용을 줄일 수 있는가?
• RQ3 교통 특성 기반의 제안된 노드 선택 방법이 랜덤 선택 대비 성능 향상과 비용 효율성 측면에서 어떻게 우월한가?
• RQ4 평균에서 최대 20%의 수요 변동성에 대해 이중층 프레임워크는 얼마나 강인한가? 이러한 변동성으로 인해 성능 저하가 심각하게 발생하는가?
• RQ5 MP가 지역적 균형성과 PC의 효과성에 미치는 영향은 무엇인가? 특히 PC만으로는 성능이 떨어지는 고수요 상황에서의 영향을 살펴보기 위해.

주요 결과

• 병합된 PC+MP 프레임워크는 중간 및 고수요 시나리오에서 모두 단독 PC 및 단독 MP보다 뛰어난 성능을 보이며, 고수요 조건에서 가장 높은 성능 향상을 기록한다.
• 제안된 노드 분류 알고리즘을 통해 네트워크의 25%에만 MP를 적용하는 부분적 구현이 전체 네트워크 MP 성능과 유사한 성능을 달성하면서도 설치 비용을 최대 75%까지 감소시킨다.
• 고수요 시나리오에서 25% MP 침투율을 가진 병합된 PC+MP 프레임워크는 고정시간 제어(FTC) 대비 15% 이상의 성능 향상을 기록했으며, 단독 PC의 성능 향상(7.5%)을 두 배로 높였다.
• 중간 수요 조건에서는 제안된 노드 선택 방법이 모든 침투율에서 무작위 선택보다 뛰어난 성능 향상을 보였고, 고수요 조건에서도 PC와 병행할 경우 효과성을 유지했다.
• 수요 변동성이 최대 20%일 경우에도 프레임워크는 강인성을 유지하며, 교통 분포 변화에도 불구하고 성능 향상 효과를 유지했다.
• 고수요 조건에서 MP만의 침투율이 100%일 경우 성능 향상이 0으로 떨어지지만, 병합된 PC+MP 방식은 여전히 뚜렷한 성능 향상을 유지하여, PC가 포화 상태에서 MP 성능을 안정화시키는 역할을 한다는 점을 시사한다.