[논문 리뷰] Vehicle Route Planning using Dynamically Weighted Dijkstra's Algorithm with Traffic Prediction

Piyush Udhan, Akhilesh Ganeshkar외 4명|arXiv (Cornell University)|2022. 05. 30.

Transportation Planning and Optimization인용 수 4

한 줄 요약

이 논문은 교통 흐름 이론에 기반한 교통 예측 모델을 통합하여 시간에 따라 변화하는 정책 기반의 정적 경로 계획을 가능하게 하는 동적 가중치 Dijkstra 알고리즘을 제안한다. 경로 계산 중 실시간 교통 예측을 간선 가중치에 통합함으로써, 전통적인 Dijkstra 알고리즘 대비 평균 주행 시간을 387초(6.45분) 감소시켜 동적 교통 조건이 적용된 테스트 케이스에서 21.7% 향상된 성능을 달성하였다.

ABSTRACT

Traditional vehicle routing algorithms do not consider the changing nature of traffic. While implementations of Dijkstra's algorithm with varying weights exist, the weights are often changed after the outcome of algorithm is executed, which may not always result in the optimal route being chosen. Hence, this paper proposes a novel vehicle routing algorithm that improves upon Dijkstra's algorithm using a traffic prediction model based on the traffic flow in a road network. Here, Dijkstra's algorithm is adapted to be dynamic and time dependent using traffic flow theory principles during the planning stage itself. The model provides predicted traffic parameters and travel time across each edge of the road network at every time instant, leading to better routing results. The dynamic algorithm proposed here predicts changes in traffic conditions at each time step of planning to give the optimal forward-looking path. The proposed algorithm is verified by comparing it with conventional Dijkstra's algorithm on a graph with randomly simulated traffic, and is shown to predict the optimal route better with continuously changing traffic.

연구 동기 및 목표

• 경로 계획 중 지속적으로 변화하는 교통 조건를 처리하는 데에 전통적인 Dijkstra 알고리즘의 한계를 해결한다.
• 실행 후에 가중치를 조정하는 기존의 정적 가중치 접근 방식을 넘어서, 계획 단계에서 가중치를 동적으로 조정함으로써 문제를 해결한다.
• 도로 네트워크 간선에서 속도, 밀도, 유량과 같은 향후 교통 파라미터를 추정하기 위한 교통 흐름 이론 기반 예측 모델을 개발한다.
• 예측된 교통 상태를 계획 단계에서 Dijkstra 알고리즘에 통합하여 시간 인지 경로를 계산한다.
• 실제 교통 환경에서의 동적 교통 조건에 비해 정적 경로 계획 방법에 비해 사전 예측 기반 동적 경로 계획이 주행 시간을 크게 감소시킨다는 것을 입증한다.

제안 방법

• 도로 구간에서 교통 유량, 밀도, 속도 간의 관계를 교통 흐름 이론의 기본 다이어그램을 활용해 모델링한다.
• 차량 이동과 유량 분포를 정확하게 모델링하기 위해 교차로에서 교통 흐름 보존 법칙을 적용한다.
• 도로 네트워크로의 외부 교통 유입을 시뮬레이션하기 위해 정규 확률 모델링을 구현한다.
• 동적 교통 파라미터에서 유도된 예측 주행 시간을 사용하여 Dijkstra 알고리즘의 인접 행렬에서 간선 가중치로 활용한다.
• 예측된 교통 상태에 따라 매 시간 단계에서 간선 가중치를 재계산하는 방식으로 Dijkstra 알고리즘을 시간에 따라 변화하는 방식으로 수정한다.
• 예측된 교통 상태를 경로 계산 이전에 시간에 따라 변화하는 가중치로 통합하여 라우팅 파이프라인에 통합함으로써 사전 예측 기반 최적화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 시간에 따라 변화하는 교통 조건에서, Dijkstra 알고리즘의 동적이고 시간에 따라 변화하는 적용이 경로 계획 정확도를 향상시킬 수 있는가?
• RQ2 교통 흐름 이론 기반의 교통 예측 모델을 통합할 경우, 정적 Dijkstra 알고리즘 대비 계산된 경로의 최적성은 어떻게 영향을 받는가?
• RQ3 시뮬레이션된 도시 도로 네트워크에서 사전 예측 기반의 교통 상태가 총 주행 시간을 얼마나 감소시킬 수 있는가?
• RQ4 교통 예측 모델의 다양한 매개변수(α 및 β)가 제안된 알고리즘과 기존 Dijkstra 알고리즘 간의 성능 격차에 어떤 영향을 미치는가?
• RQ5 변동하는 유량과 속도를 가진 다양한 교통 환경에서 제안된 방법이 일관되게 정적 라우팅보다 뛰어난 성능을 보일 수 있는가?

주요 결과

• 제안된 동적 Dijkstra 알고리즘과 교통 예측을 통합한 결과, 특정 테스트 케이스에서 총 주행 시간이 46 단위에서 36 단위로 21.7% 감소하였다.
• 10,000개의 테스트 케이스에서 제안된 알고리즘과 기존 Dijkstra 알고리즘 간 평균 주행 시간 격차는 387초(6.45분)였다.
• α 및 β 값의 다양한 조합에서도 모델이 뚜렷한 성능 향상을 보였으며, 특히 예측 정확도가 향상될수록 평균 시간 격차가 감소하는 경향을 보였다.
• 경로 [0 → 1 → 3 → 7 → 9]는 제안된 알고리즘이 최적 경로로 선정한 반면, Dijkstra 알고리즘은 정적 가중치 기반으로 다른 더 느린 경로를 선택하였다.
• 시간에 따라 변화하는 교통 예측을 라우팅 알고리즘의 가중치 계산 과정에 통합함으로써 더 정확하고 효율적인 경로 선택이 가능해졌다.
• 결과적으로, 복잡한 실제 도로 네트워크 환경에서 유동적인 교통 조건이 존재하더라도 동적 예측 기반 라우팅이 정적 라우팅보다 뛰어난 성능을 보임을 확인하였다.