[論文レビュー] Simulation-based Optimization of Toll Pricing in Large-Scale Urban Networks using the Network Fundamental Diagram: A Cross-Comparison of Methods

Ziyuan Gu, Meead Saberi|arXiv (Cornell University)|Nov 24, 2020

Transportation Planning and Optimization参考文献 73被引用数 5

ひとこと要約

本稿は、メルボルン、オーストラリアの都市ネットワークを対象として、ネットワーク基本図（NFD）を用いたシミュレーションベース最適化（SBO）フレームワークを提案し、PIコントローラ、重回帰クリギング（RK）、DIRECT、SPSAの4つの手法を比較する。複雑な状況では、RKがシミュレーションノイズに対して高いロバスト性を示し、他の手法を上回る性能を発揮するが、単純な状況ではPIコントローラが収束速度が速いため優れた性能を示す。

ABSTRACT

Simulation-based optimization (SO or SBO) has become increasingly important to address challenging transportation network design problems. In this paper, we propose to solve two toll pricing problems with different levels of complexity using the concept of the macroscopic or network fundamental diagram (MFD or NFD), where a large-scale simulation-based dynamic traffic assignment model of Melbourne, Australia is used. Four computationally efficient SBO methods are applied and compared, including the proportional-integral (PI) controller, regressing kriging (RK), DIviding RECTangles (DIRECT), and simultaneous perturbation stochastic approximation (SPSA). The comparison reveals that these methods work equally well on the simple problem without exhibiting significant performance differences. But, for the complex problem, RK manifests itself to be the best-performing method thanks to its capability of filtering out the numerical noise arising from computer simulations (i.e. allowing for non-smoothness of the objective function). While the PI controller is a more competitive solution to the simple problem given its faster rate of convergence, the poor scalability of the method in the complex problem results in limited applicability. Two caveats, however, deserve emphasis: (i) the chosen critical network density of the NFD does not necessarily represent a robust network control or optimization threshold, as it might shift in the presence of toll pricing; and (ii) re-interpolation is required as part of RK in order to achieve global convergence.

研究の動機と目的

• 大規模都市ネットワーク設計問題を、通行料設定を用いたシミュレーションベース最適化（SBO）によって解決すること。
• 単純および複雑な2つの通行料設定問題に対して、4つのSBO手法（PIコントローラ、RK、DIRECT、SPSA）の性能を評価・比較すること。
• シミュレーションノイズおよび実世界のネットワークダイナミクス下でのSBO手法のロバスト性とスケーラビリティを評価すること。
• NFDから得られる臨界ネットワーク密度が、通行料設定下でも安定した制御閾値として機能するかどうかを検討すること。
• 高次元で非滑らかでノイズの多い最適化問題において、グローバル収束を達成するためにRK手法に再補間が必要かどうかを調査すること。

提案手法

• オーストラリア・メルボルンの大型動的交通割り当て（DTA）シミュレーションモデルを用い、実世界の交通ダイナミクスを再現する。
• ネットワーク基本図（NFD）を用いてマクロスコピックな交通フローを特徴付け、臨界ネットワーク密度を主要なパフォーマンス指標とする。
• 4つのSBO手法を適用：PIコントローラ（フィードバックベース）、重回帰クリギング（RK、確率的サロゲートモデリング）、DIRECT（微分フリーのグローバル最適化）、SPSA（同時摂動を用いた確率的近似）。
• 非滑らかさとシミュレーションノイズに対処するため、RKに再補間を組み込み、複雑な問題におけるグローバル収束性を向上させる。
• シミュレーション出力を反復的に活用して、総合的移動時間の最小化を目的とした通行料設定戦略を最適化する。
• 単純および複雑な2つの問題定式化において、収束速度、ノイズへのロバスト性、解の品質の観点から各手法の性能を比較する。

実験結果

リサーチクエスチョン

• RQ1 異なるSBO手法は、問題の複雑さの程度に応じて、通行料設定最適化においてどのように性能を発揮するか？
• RQ2 NFDから得られる臨界ネットワーク密度は、通行料設定介入下でもネットワーク制御の信頼できる閾値として機能するか？
• RQ3 シミュレーションノイズはSBO手法の性能にどの程度影響を及ぼし、どの手法が最も耐性があるか？
• RQ4 高次元で非滑らかな最適化問題において、重回帰クリギング手法のグローバル収束を達成するために再補間は必須か？
• RQ5 PIコントローラのスケーラビリティは、複雑で大規模なネットワーク最適化課題への適用性にどのように影響を与えるか？

主な発見

• 単純な通行料設定問題においては、4つのSBO手法の性能に顕著な差は認められ、同等の性能を示した。
• 複雑な問題においては、重回帰クリギング（RK）が他の手法を上回る性能を示した。これは、シミュレーションからの数値的ノイズを効果的にフィルタリングできるためである。
• 単純な問題ではPIコントローラが他の手法よりも収束速度が速いが、複雑な状況ではスケーラビリティに劣り、適用範囲が限定的である。
• NFDから得られる臨界ネットワーク密度は、ロバストな制御閾値とは言えず、通行料設定の影響で変動する可能性があるため、固定の最適化目標としては不適切である。
• 高次元かつノイズの多い最適化環境において、RK手法のグローバル収束を保証するためには再補間が不可欠である。
• 本研究は、シミュレーションノイズがSBOの性能に顕著な影響を及ぼすことを確認した。特に、ノイズが多く非滑らかな環境下でも、RKのみが一貫した精度と安定性を維持した。