[论文解读] Computing Dynamic User Equilibrium on Large-Scale Networks Without Knowing Global Parameters

Duong Viet Thong, Aviv Gibali+2 more|arXiv (Cornell University)|Oct 8, 2020

Transportation Planning and Optimization参考文献 57被引用 6

一句话总结

该论文提出了一种自适应的、强收敛的固定点算法，用于在大规模交通网络上计算动态用户均衡（DUE），且无需事先了解延迟算子的全局参数（如Lipschitz常数）。该方法采用带松弛和惯性步长的前向-后向-前向框架，即使在非单调延迟算子下也能保证收敛，并在标准网络的数值测试中优于现有求解器。

ABSTRACT

Dynamic user equilibrium (DUE) is a Nash-like solution concept describing an equilibrium in dynamic traffic systems over a fixed planning period. DUE is a challenging class of equilibrium problems, connecting network loading models and notions of system equilibrium in one concise mathematical framework. Recently, Friesz and Han introduced an integrated framework for DUE computation on large-scale networks, featuring a basic fixed-point algorithm for the effective computation of DUE. In the same work, they present an open-source MATLAB toolbox which allows researchers to test and validate new numerical solvers. This paper builds on this seminal contribution, and extends it in several important ways. At a conceptual level, we provide new strongly convergent algorithms designed to compute a DUE directly in the infinite-dimensional space of path flows. An important feature of our algorithms is that they give provable convergence guarantees without knowledge of global parameters. In fact, the algorithms we propose are adaptive, in the sense that they do not need a priori knowledge of global parameters of the delay operator, and which are provable convergent even for delay operators which are non-monotone. We implement our numerical schemes on standard test instances, and compare them with the numerical solution strategy employed by Friesz and Han.

研究动机与目标

• 解决在缺乏延迟算子全局参数知识的情况下，大规模网络上计算动态用户均衡（DUE）的挑战。
• 开发在不依赖延迟算子Lipschitz常数或单调性先验知识的前提下，可证明收敛的数值算法。
• 设计自适应算法，能够在计算过程中动态调整以适应新信息，提升鲁棒性与实际适用性。
• 通过在DUE的无穷维Hilbert空间形式下实现强收敛，超越现有求解器。
• 在弱假设下保持收敛性保证的同时，减少对计算成本较高的DNL子程序调用的依赖。

提出的方法

• 在无穷维Hilbert空间中将DUE表述为变分不等式（VI），以表示路径流量分布。
• 提出一种带有松弛和惯性修正的前向-后向-前向（FBF）算法，以改善收敛行为。
• 引入自适应步长，无需知晓延迟算子的全局Lipschitz常数。
• 通过基于投影的固定点迭代框架，确保迭代序列强收敛至唯一解。
• 使用来自动态网络加载（DNL）的路径延迟算子，作为黑箱处理，无需闭式表达式。
• 利用弱收敛、Fejér单调性及有界性等理论工具，在较弱的单调性假设下证明收敛性。

实验结果

研究问题

• RQ1 我们能否设计一种DUE计算算法，在不事先知晓延迟算子全局Lipschitz常数的情况下，实现强收敛？
• RQ2 在动态交通均衡问题中，如何确保非单调延迟算子下的收敛性？
• RQ3 自适应步长是否可用于在减少对全局参数估计依赖的同时，维持收敛性？
• RQ4 所提出的基于FBF的算法相较于标准固定点求解器，在大规模网络实例中的性能提升如何？
• RQ5 是否可能在减少DNL子程序调用次数的同时，仍保持强收敛性，从而降低计算成本？

主要发现

• 所提出的FBF算法在无需知晓延迟算子全局Lipschitz常数的情况下，实现了对DUE解的强收敛。
• 即使延迟算子为非单调时，该算法仍能保证可证明收敛，扩展了其在标准假设之外的应用范围。
• 在Nguyen和Sioux Falls网络上的数值实验表明，其性能优于Friesz和Han工具箱中预实现的求解器。
• 自适应步长与惯性校正显著改善了实际收敛行为，尤其在早期迭代中表现突出。
• 理论分析证实，迭代序列强收敛至唯一解，收敛性通过弱聚点分析与范数衰减论证建立。
• 该方法通过采用双次调用的FBF结构，在弱单调性假设下保持收敛性保证的同时，降低了对每步DNL评估的依赖。