[論文レビュー] Optimization of Ride Sharing Systems Using Event-driven Receding Horizon Control

Rui Chen, Christos G. Cassandras|arXiv (Cornell University)|Jan 7, 2019

Transportation and Mobility Innovations参考文献 11被引用数 7

ひとこと要約

本稿では、乗客の待機時間と移動時間を重み付き和として最小化するため、イベント駆動型再帰的ホライズン制御（RHC）フレームワークを、ライドシェアリングシステムに提案する。固定周期ではなく、重要なイベント（新規乗客リクエストや車両の完了など）にのみ最適化をトリガーすることで、計算負荷を低減し、リアルタイムでの車両割り当てを可能にし、ニューヨーク市およびアナンバーより得られた実際のデータにおいて、グリーディヒューリスティクスを上回る効率性とパフォーマンスを達成する。

ABSTRACT

We develop an event-driven Receding Horizon Control (RHC) scheme for a Ride Sharing System (RSS) in a transportation network where vehicles are shared to pick up and drop off passengers so as to minimize a weighted sum of passenger waiting and traveling times. The RSS is modeled as a discrete event system and the event-driven nature of the controller significantly reduces the complexity of the vehicle assignment problem, thus enabling its real-time implementation. Simulation results using actual city maps and real taxi traffic data illustrate the effectiveness of the RH controller in terms of real-time implementation and performance relative to known greedy heuristics.

研究の動機と目的

• 不確実な乗客リクエストや交通状況を伴う動的ライドシェアリングシステムにおける、高い計算複雑性とリアルタイム実装の課題に対処すること。
• 効率的でスケーラブルな制御戦略を用いて、ライドシェアリングシステム全体の乗客待機時間と移動時間を短縮すること。
• 固定ホライズン、シート数制約、動的再割り当ての欠如といった従来手法の制限を克服し、リアルタイムでイベント駆動型最適化を可能にすること。
• 実際のタクシーデータと都市マップを用いて、大規模都市移動ネットワークにおける最適な車両割り当ての実用的導入を可能にすること。
• イベント駆動制御により、不要な計算を最小限に抑えつつ、パフォーマンスを維持するスケーラブルなフレームワークを提供すること。

提案手法

• ライドシェアリングシステムは、制御行動が新規乗客リクエストや車両の完了といった重要なイベントにのみ発動する離散イベント系としてモデル化される。
• イベント駆動型再帰的ホライズン制御（RHC）方式が採用され、イベント発生時にのみ有限の計画ホライズン内で最適化問題を解くことで、計算オーバーヘッドを低減する。
• RHCコントローラーは、待機時間と移動時間の重み付き和を最小化する最適な車両割り当てを計算し、目的関数は両指標の凸結合として定義される。
• コントローラーはローリングホライズンアプローチを用いる：制御行動を実行した後、次のイベントを待ってから再最適化を行うことで、応答性と適応性を確保する。
• 本手法は、車両のシート数制約なしに、いつでも乗客を車両に再割り当て可能であり、より効率的な車両利用を可能にする。
• アルゴリズムは実際のタクシー交通データと実際の都市マップ（例：ニューヨーク市およびアナンバー）を用いて実装され、現実的な条件下でのパフォーマンスを検証する。

実験結果

リサーチクエスチョン

• RQ1 従来の時間駆動型またはグリーディアプローチと比較して、イベント駆動型RHCフレームワークは、大規模ライドシェアリングシステムにおける乗客待機時間と移動時間を効果的に短縮できるか？
• RQ2 実世界の都市交通データに適用した場合、イベント駆動型RHCコントローラーのリアルタイム実行効率はいかがなっているか？
• RQ3 待機時間と移動時間の重み（ω）を変化させた場合、システムパフォーマンスおよび車両の乗車率にどのような影響が生じるか？
• RQ4 異なる車両数と乗客負荷下で、RHCコントローラーとグリーディヒューリスティクスとの間で、平均待機時間と移動時間にどのような差が生じるか？
• RQ5 長期間にわたる運用および大規模な車両フリートに対しても、RHCフレームワークは計算オーバーヘッドを低く抑えつつ、高いパフォーマンスを維持できるか？

主な発見

• 28台の車両を有するニューヨーク市RSSにおいて、RHCコントローラーは待機時間と移動時間の重み付き和を0.187まで低減した。一方、グリーディヒューリスティクスでは0.348であったため、46％の改善が達成された。
• 38台の車両では、RHC法が重み付き和を0.151にまで低下させたのに対し、グリーディヒューリスティクスは0.855にとどまり、目的関数値が82％も削減された。
• 160名の乗客と28台の車両の場合、RHCアルゴリズムの平均実行時間は17秒、38台の車両では19秒であった。これは、スケーラビリティとリアルタイム実行可能性を示している。
• RHCコントローラーは、重み（ω）や車両数、運用時間の違いに関わらず、すべてのテストシナリオでグリーディヒューリスティクスを上回る一貫した性能を示した。
• RHCにおける車両の乗車率は、2.79（28台の場合）とバランスよく保たれ、個々の車両への過負荷を回避する効果的な負荷分散が実現されていた。
• イベント駆動設計により、時間駆動型手法と比較して不要な計算が顕著に削減され、動的環境における迅速な応答とより優れたスケーラビリティが実現された。