[논문 리뷰] Dynamic Origin-Destination Estimation Using Smart Card Data: An Entropy Maximisation Approach

Abderrahman Ait Ali, Jonas Eliasson|arXiv (Cornell University)|2019. 09. 06.

Human Mobility and Location-Based Analysis참고 문헌 16인용 수 6

한 줄 요약

이 논문은 엔트로피 최대화와 라그랑주 승수를 적용하여 스마트 카드 입구 데이터만을 사용해 동적 원-목적지(OD) 추정 모델을 제안한다. 이 방법은 스웨덴 스톡홀름 통근 철도망의 OD 행렬을 정확하게 추정하며, 수동 관찰 결과와 유사한 성능을 보이며, 추가 데이터와 현실적인 가정을 통합할 경우 더욱 향상된다.

ABSTRACT

Problems of dynamic origin-destination (OD) estimation using smart card data can be modelled using entropy maximisation and solved for large networks using solution techniques such as Lagrangian relaxation. In this paper, we give an overview of the research literature about OD estimation. We show how entropy maximisation can be used to model this problem in case station-entry data from smart cards is the only available information, i.e. number of entries is known but not exits nor the flow between the stations. The large entropy maximisation program is solved using Lagrangian relaxation. The model is tested on a case study from the commuter train service in Stockholm with smart card entry-data from a working day in 2015. The results show that, given the entry-data, the entropy maximisation-based model and methods allows to find an OD-estimate that is as accurate as the reported estimates from manual observations. The estimates are further improved when using relevant assumptions and additional available data.

연구 동기 및 목표

• 스마트 카드 입구 데이터만을 사용해 동적 OD 추정 모델을 개발하는 것.
• 제약 조건 하에 가장 가능성이 높은 OD 행렬을 생성하기 위해 엔트로피 최대화를 적용하는 것.
• 라그랑주 승수를 통해 대규모 최적화 문제를 효율적으로 해결하는 것.
• 스톡홀름의 통근 철도 시스템에서의 실제 데이터를 기반으로 모델을 검증하는 것.
• 추가 데이터와 가정이 추정 정확도에 미치는 영향을 평가하는 것.

제안 방법

• 유동량 보존 및 입구 수 계수 제약 조건 하에 대규모 엔트로피 최대화 프로그램으로 OD 추정 문제를 수립한다.
• 문제를 효율적으로 해결하기 위해 하위 문제로 분해할 수 있도록 라그랑주 승수를 사용한다.
• 입구 수를 관측된 자료로 설정하며, 퇴장 정보나 역 간 유량에 대한 정보는 제공하지 않는다.
• 실제 사례 연구를 위해 2015년 스웨덴 통근 철도망의 스마트 카드 데이터를 사용한다.
• 유동량 보존, 유량의 범위 제약 등 현실적인 가정을 통합해 해의 품질을 향상시킨다.
• 이중 문제를 반복적으로 해결하여 근사 최적의 OD 추정치에 수렴한다.

실험 결과

연구 질문

• RQ1 스마트 카드 입구 수만을 사용할 때 엔트로피 최대화가 정확한 OD 추정을 가능하게 하는가?
• RQ2 불완전한 데이터에서 대규모 동적 OD 추정 문제를 해결하는 데 있어 라그랑주 승수의 효과는 어떠한가?
• RQ3 추가 데이터와 가정이 OD 추정 정확도에 얼마나 기여하는가?
• RQ4 모델 성능이 수동으로 관측된 OD 행렬과 비교해 어떻게 되는가?
• RQ5 자료의 희소성과 퇴장 정보 누락이 추정 신뢰성에 어떤 영향을 미치는가?

주요 결과

• 엔트로피 최대화 모델은 퇴장 데이터 없이도 수동 관찰된 OD 행렬과 유사한 정확도로 OD 추정을 제공한다.
• 라그랑주 승수의 사용은 실제 네트워크 규모에서 대규모 최적화 문제를 효율적으로 해결할 수 있도록 한다.
• 현실적인 가정과 추가 데이터 통합이 추정 정확도를 크게 향상시킨다.
• 모델은 불완전한 데이터를 가진 실제 통근 철도망에서 뛰어난 강건성과 확장성을 보여준다.
• 정보 이론 원리를 활용해 최소한의 스마트 카드 데이터로부터 동적 OD 패턴을 유추할 수 있음을 확인한다.
• 이 방법은 통행 수요 추정을 위한 수동 데이터 수집의 실질적인 대안을 제공한다.