車両の走行軌跡からゾーン間所要時間を取り出す省メモリ手法
Sunsetting skim matrices: A trajectory-mining approach to derive travel time skim matrix in dynamic traffic assignment for activity-base model integration
交通シミュレーションで得られた車両軌跡を再利用し、需要予測モデルが尋ねるゾーン間所要時間に、全組合せの事前計算なしで答える研究である。
この論文のポイント
- 車両軌跡の途中区間からゾーン間所要時間を抽出し、得られない組をTDSPで補う２方式を提案した。
- 相関軌跡方式はサクラメントの実験条件で、事前処理後に全o-d-tの79.9％を軌跡から捕捉し、従来方式より少ないメモリを使用した。
- 相関軌跡方式は捕捉範囲を広げる一方、単一軌跡方式を基準とする所要時間の偏差と、照会時の探索負担がある。
背景と課題
活動ベース交通需要モデル（ABM）は、個人の目的地や出発時刻などの選択肢を評価する際、出発地・目的地・出発時間帯ごとの所要時間を繰り返し参照する。その参照値を収めたものがスキム表である。論文が扱う連携では、シミュレーションに基づく動的交通配分（SBDTA）が交通状態を計算し、所要時間をABMへ返す。
従来の表作成には、時刻によって変わる道路の所要時間を使う時間依存最短経路計算（TDSP）を、多数の組合せに対して行う。交通分析ゾーン（TAZ、需要分析のために区切った地域）と時間帯が増えると、計算・保存の負担も増す。論文の例では、2,500ゾーンについて１日を15分刻みで扱うと、表は６億項目になる。
研究の方法
入力は、SBDTAが出力した車両ごとの通過ノードの順序と各ノードへの到着時刻である。訪れたゾーンと時刻を読み取り、ABMが照会する出発ゾーン・到着ゾーン・出発時間帯の組（o-d-t）に対応させる。数値実験では通過ノード数が10未満の軌跡を除いた。単一軌跡マイニングでは、１台が訪れたゾーンのうち、先に訪れたゾーンと後に訪れたゾーンを組にする。両地点への到着時刻の差がその区間の所要時間となり、異なる訪問ゾーンがn個なら１軌跡からn(n−1)÷2組を取り出せる。同じo-d-tを表す区間が複数あれば平均を用いる。得た値だけを、出発ゾーンと出発時間帯を索引とし、到着ゾーンと所要時間を記録する２次元の構造に保存する。照会値がなければ、その時点でTDSPを行い、結果を次回用に保存する。
相関軌跡マイニングでは、軌跡を集約間隔μごとの「ゾーン×時刻」の時空間図に移す。車両の移動をゾーン間の矢印で表し、同一ゾーン内で時間が進む接続も設ける。照会時には幅優先探索（近い段階の接続から順に調べる方法）で、異なる車両の区間もつないで目的地を探す。ただし、出発地から探索中のゾーンまでの距離を経過時間で割った速度が、設定した下限vminを下回る候補は除外する。vminを高くすると採用できる接続は減る。経路が見つかれば時空間図上の到着時刻と出発時刻の差を返す。見つからなければ保存済みのTDSP結果を調べ、未計算ならTDSPで補う。TDSPによる補完では、出発ゾーン内の生成リンクを無作為に選び、時間帯の始まりを出発時刻とする。返した所要時間はABMの選択肢評価に使う。幅優先探索が見つける最短経路は、この図に記録された接続の範囲での結果であり、実道路網での真の最短経路を保証しない。
この研究の新しさ
新規性は、既に生成された車両軌跡を所要時間の情報源とし、ABMからの照会に応じて値を返す点にある。単一軌跡方式は１台の走行途中の区間も使い、相関軌跡方式は複数台の区間を接続して、１本の軌跡からは得られない組まで対象を広げる。両方式とも、軌跡から得られない値だけをTDSPで補う。
従来研究との違い
比較対象の従来方式は、全てのo-d-tについて事前にTDSPを行い、出発ゾーン・到着ゾーン・出発時間帯の３次元表に保存する。提案方式はこの事前処理を減らす一方、未収録の組では照会時にTDSPが必要となり、相関軌跡方式では時空間図の探索も加わる。したがって、照会１回の速さと、事前処理を含む全体の処理時間は分けて比べる必要がある。
結果と評価
上海の高速道路網（226ゾーン、１時間のシミュレーション）とサクラメント地域の道路網（1,532ゾーン、２時間）で３方式を比較した。集約間隔μを１分、最低速度vminを32.2 km/hとした相関軌跡方式は、事前処理後、全o-d-tのうち上海で92.9％、サクラメントで79.9％の所要時間を軌跡から得た。サクラメントではメモリ使用量が従来方式の166 MBに対し、相関軌跡方式は事前処理後20.8 MB、1,000万回の照会後63.9 MBだった。事前処理時間は約7,200秒に対して32.6秒だったが、1,000万回の照会処理自体は相関軌跡方式が5,110.9秒、事前計算済みの従来方式が0.273秒だった。
所要時間の比較では単一軌跡方式を基準とし、サクラメントで相関軌跡方式の偏差は3.56分、TDSP方式の偏差は1.42分と報告された。基準も真値とは確認できないため、論文は「誤差」ではなく「偏差」と呼ぶ。感度分析では、vminを高くすると捕捉率と偏差が下がり、μを長くするとCPU時間は減る一方で偏差が増えた。
限界・注意点
論文が述べる制約として、車両が通らない組は軌跡から網羅できず、複数軌跡をつないだ経路が実道路網の最短経路とは限らない。また、時刻の集約幅は所要時間と処理負担を左右する。実験対象は自動車の所要時間であり、料金や所要時間の信頼性を含む移動抵抗全般の性能を示したものではない。編集上の注意として、数値実験の照会には無作為に生成したo-d-tを用いている。実際のABMとの連携で同じ捕捉率や処理時間になるとは、この結果だけでは言えない。
現場への応用案
【編集上の応用案】スキム表を全件事前生成する方式との違いを、「軌跡から答えられる照会」と「TDSPで補う照会」に分けて図示すると分かりやすい。１台の途中区間を読む例と、２台の区間をつなぐ例を並べれば、捕捉範囲が広がる理由と、接続に伴うずれの可能性を同時に示せる。
現場で確かめるには
【編集上の導入時の検証案】対象地域の軌跡とABMの実際の照会分布を使い、捕捉率、TDSPへの切替回数、最大メモリ、事前処理と照会を合算した反復１回当たりの時間を測りたい。μとvminを変え、混雑時間帯や軌跡の少ない地域での値を確認する。可能なら軌跡とは独立した観測所要時間と照合し、ABMの選択結果への影響も調べる。これらは論文で実施済みの検証ではない。
解説は原文の要旨・本文の確認範囲に基づきます。AIで作成し、同じモデルで原文との照合を行っています。全記事の人手による校閲は完了していません。「現場への応用案」「現場で確かめるには」は編集上の検討案です。