Designing Optimal Personalized Incentive for Traffic Routing using BIG Hype algorithm

要約

タイトル：BIG Hypeアルゴリズムを用いたトラフィックルーティングのための最適個人向けインセンティブデザイン

要約：
– 都市レベルでのプラグイン電気自動車および従来の燃料自動車の最適ルーティング問題について研究している。
– モデルでは、通勤者は固定された起点から目的地までの移動時間と、駐車場やサービスステーションの使用料金などを組み合わせたローカルコストを最小化しようとする。交通当局は、駐車券やサービスステーションでのエネルギー価格に対する個人的な割引を用いて、通勤者のルーティング選択に影響を与えることができる。
– このモデルは、都市施設の有限キャパシティとインセンティブ予算のために、大規模な双層ゲームとして最適な金銭的インセンティブの設計問題を数学化する。
– そして、ハイパーグラディエントベースのアルゴリズムである「BIG Hype」を使用した分散型解決策を開発する。
– 最後に、Anaheimネットワーク上の数値シミュレーションによって、提案手法がトラフィック渋滞の解消に関して合理的な結果を生み出し、48000変数および110000制約を持つ問題を数分で解決できることを示す。

要約(オリジナル)

We study the problem of optimally routing plug-in electric and conventional fuel vehicles on a city level. In our model, commuters selfishly aim to minimize a local cost that combines travel time, from a fixed origin to a desired destination, and the monetary cost of using city facilities, parking or service stations. The traffic authority can influence the commuters’ preferred routing choice by means of personalized discounts on parking tickets and on the energy price at service stations. We formalize the problem of designing these monetary incentives optimally as a large-scale bilevel game, where constraints arise at both levels due to the finite capacities of city facilities and incentives budget. Then, we develop an efficient decentralized solution scheme with convergence guarantees based on BIG Hype, a recently-proposed hypergradient-based algorithm for hierarchical games. Finally, we validate our model via numerical simulations over the Anaheim’s network, and show that the proposed approach produces sensible results in terms of traffic decongestion and it is able to solve in minutes problems with more than 48000 variables and 110000 constraints.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI