[論文レビュー] Vehicle Route Planning using Dynamically Weighted Dijkstra's Algorithm with Traffic Prediction

Piyush Udhan, Akhilesh Ganeshkar+4 more|arXiv (Cornell University)|May 30, 2022

Transportation Planning and Optimization被引用数 4

ひとこと要約

本稿では、交通流理論に基づく交通予測モデルを統合した動的重み付きダイクストラ法を提案し、時間依存的で先読み可能なルート計画を実現する。経路計算中にエッジの重みにリアルタイムの交通予測を統合することで、従来のダイクストラ法と比較して平均所要時間を387秒（6.45分）短縮し、動的交通状況下のテストケースで21.7％の改善を達成した。

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.

研究の動機と目的

• 経路計画中に変化する交通状況を適切に扱えない従来のダイクストラ法の限界を解消すること。
• 実行後に重みを調整するのではなく、計画段階で重みを動的に更新するという、従来の実装における静的重み付けアプローチを克服すること。
• 交通流理論に基づく予測モデルを構築し、道路網のエッジ上で速度、密度、流量といった将来の交通パラメータを推定すること。
• 交通予測を計画段階でダイクストラ法に統合し、時間に依存する最適ルートを計算すること。
• 現実の交通状況下で、先読み可能な動的ルーティングが静的ルーティング手法に比べて著しく所要時間を短縮することを実証すること。

提案手法

• 道路セグメントにおける交通フロー、密度、速度の関係を、交通流理論の基本図式を用いてモデル化する。
• 交差点における交通フロー保存則を適用し、車両の移動およびフロー分配の正確なモデル化を確保する。
• 外部からの交通流入をシミュレートするためにガウス確率モデルを実装する。
• 動的交通パラメータから導出された予測所要時間を、ダイクストラ法の隣接行列におけるエッジ重みとして使用する。
• 予測された交通状態に基づき、各タイムステップでエッジ重みを再計算する時間依存的動作を実現するようにダイクストラ法を変更する。
• 交通予測モデルをルーティングパイプラインに統合し、経路計算の前に時間変動する重みを生成することで、先読み最適化を可能にする。

実験結果

リサーチクエスチョン

• RQ1 時間の経過に伴い変化する交通状況を考慮した動的で時間依存的なダイクストラ法の適応が、経路計画の正確性を向上させることができるか。
• RQ2 交通流理論に基づく交通予測モデルを統合することで、静的ダイクストラ法と比較して計算されたルートの最適性はどのように変化するか。
• RQ3 シミュレートされた都市部の道路網において、先読み可能な交通予測が合計所要時間をどの程度短縮できるか。
• RQ4 交通予測モデルにおけるパラメータαおよびβの変化が、提案手法と従来のダイクストラ法との間の性能差にどのように影響するか。
• RQ5 変動するフローと速度を示す多様な交通状況下でも、提案手法が一貫して静的ルーティングを上回る性能を発揮できるか。

主な発見

• 提案された動的ダイクストラ法に交通予測を統合した手法は、特定のテストケースにおいて合計所要時を21.7％短縮し、46単位から36単位に削減した。
• 10,000件のテストケースにわたる平均所要時間の差は、提案手法と従来のダイクストラ法の間で387秒（6.45分）であった。
• αおよびβの値が変化しても、モデルは顕著な性能向上を示し、予測精度が向上するにつれて平均時間差が減少した。
• 経路[0 → 1 → 3 → 7 → 9]は、提案手法によって最適ルートとして選択されたが、静的重み付けのためダイクストラ法は別の遅延する経路を選択した。
• 時間変動する交通予測をルーティングアルゴリズムの重み計算プロセスに統合することで、より正確で効率的な経路選定が実現した。
• 結果から、複雑な現実に類似した道路網においても、動的で予測を意識したルーティングが静的ルーティングを上回ることを確認した。