C-EQ-ALINEA: Distributed, Coordinated, and Equitable Ramp Metering Strategy for Sustainable Freeway Operations

यहाँ शोध पत्र "C-EQ-ALINEA – टिकाऊ फ्रीवे संचालन के लिए वितरित, समन्वित और न्यायसंगत रैंप मीटरिंग रणनीति" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

रैंप मीटरिंग एक महत्वपूर्ण यातायात प्रबंधन रणनीति है जिसका उपयोग भौतिक बुनियादी ढांचे के विस्तार के बिना फ्रीवे प्रवाह को स्थिर करने, सुरक्षा में सुधार करने और भीड़भाड़ को कम करने के लिए किया जाता है। हालाँकि, पारंपरिक दृष्टिकोण, विशेष रूपकर व्यापक रूप से तैनात ALINEA (एक स्थानीय फीडबैक कंट्रोलर), एक महत्वपूर्ण कमी से ग्रस्त है: वे प्रत्येक ऑन-रैंप को अलग-थलग (isolation में) मानते हैं।

• मुख्य मुद्दा: यह अलगाव देरी के अत्यधिक असमान वितरण का कारण बनता है। विशिष्ट रैंपों पर उपयोगकर्ताओं को निरंतर, अत्यधिक प्रतीक्षा समय का सामना करना पड़ सकता है जबकि अन्यों को न्यूनतम देरी होती है।
• परिणाम: ये विसंगतियां उपयोगकर्ता स्वीकृति (user acceptance) को कमजोर करती हैं, जिससे सिग्नल उल्लंघन, कतार बाईपास (queue bypassing) और सार्वजनिक/राजनीतिक विरोध होता है, जिसके परिणामस्वरूप मीटरिंग सिस्टम को वापस लिया जा सकता है।
• मौजूदा समाधानों की सीमाएं: हालांकि निष्पक्षता-जागरूक रणनीतियाँ (जैसे METALINE, BE-EN, Pareto optimization) मौजूद हैं, वे आमतौर पर निम्नलिखित पर निर्भर करती हैं:
  • केंद्रीकृत अनुकूलन (जिसके लिए वैश्विक नेटवर्क ज्ञान की आवश्यकता होती है)।
  • जटिल यातायात मॉडल और व्यापक अंशांकन (calibration)।
  • डेटा-गहन लर्निंग फ्रेमवर्क (जैसे Reinforcement Learning)।
  • ये आवश्यकताएं उनकी स्केलेबिलिटी और वास्तविक दुनिया में अनुप्रयोग क्षमता को सीमित करती हैं, विशेष रूप से उन नेटवर्कों के लिए जो पहले से ही लीगेसी ALINEA सिस्टम पर संचालित हो रहे हैं।

2. कार्यप्रणाली: C-EQ-ALINEA (Methodology: C-EQ-ALINEA)

लेखक C-EQ-ALINEA का प्रस्ताव करते हैं, जो शास्त्रीय ALINEA कंट्रोलर का एक विकेंद्रीकृत, समन्वित और न्यायसंगत विस्तार है। इस दृष्टिकोण का लक्ष्य बिना केंद्रीय नियंत्रण या नए बुनियादी ढांचे के, हल्के स्थानीय समन्वय के माध्यम से भीड़भाड़ के प्रभावों को संतुलित करना है।

A. एल्गोरिदम संरचना (Algorithmic Structure)

यह विधि एक समन्वय पद (coordination term) जोड़कर मानक ALINEA फीडबैक नियम को संशोधित करती है जो पड़ोसी रैंपों से प्रवाह (flow) की जानकारी शामिल करता है।

1. आधार ALINEA नियंत्रण (Base ALINEA Control):
   मानक ALINEA वांछित ऑक्यूपेंसी ($\hat{o}$) और मापी गई ऑक्यूपेंसी ($o_n$) के बीच के अंतर के आधार पर मीटरिंग दर ($q_n$) को अपडेट करता है:
   $$q_n[k] = q_n[k-1] + K \times (\hat{o} - o_n[k])$$

2. C-EQ-ALINEA विस्तार (C-EQ-ALINEA Extension):
   नया कंट्रोलर एक समन्वय पद जोड़ता है:
   $$q_n[k] = q_n[k-1] + K \times (\hat{o} - o_n[k]) + q_{coord}^n[k]$$

3. समन्वय पद (Coordination Term):
   समन्वय पद स्थानीय प्रवाह और पड़ोसी रैंपों ($N[n]$) के भारित औसत प्रवाह के बीच के अंतर के आधार पर प्रवाह को समायोजित करता है:
   $$q_{coord}^n[k] = K_c \times \left( \sum_{j \in N[n]} w_j q_j[k] - q_n[k] \right)$$

   • $K_c$: समन्वय गेन फैक्टर (Coordination gain factor)।
   • $w_j$: दूरी के आधार पर पड़ोसियों को दिए गए भार (Weights)।
   • वेटिंग स्कीम्स (Weighting Schemes): पेपर भार के लिए दो सामान्यीकरण (normalization) विधियों का अन्वेषण करता है:
     • ग्लोबल डिस्टेंस नॉर्मलाइजेशन: पूरे नेटवर्क में अधिकतम दूरी के आधार पर भार की गणना की जाती है।
     • लोकल डिस्टेंस नॉर्मलाइजेशन: तत्काल पड़ोस के भीतर अधिकतम दूरी के आधार पर भार की गणना की जाती है।

B. निष्पक्षता की परिभाषाएँ (Fairness Definitions)

यह रणनीति केवल दक्षता से आगे बढ़कर, निष्पक्षता के कई आयामों को स्पष्ट रूप से लक्षित करती है:

• हर्सैनियन (Harsanyian): औसत परिणाम को अधिकतम करना (औसत देरी को कम करना)।
• इगालिटेरियन (Egalitarian): परिणामों के प्रसार को कम करना (देरी के गिनी गुणांक को कम करना)।
• रॉल्सियन (Rawlsian): सबसे खराब स्थिति वाले की स्थिति में सुधार करना (अधिकतम देरी को कम करना)।
• अरिस्टोटेलियन (Aristotelian): योगदान (मांग) और परिणाम (देरी) के बीच आनुपातिकता सुनिश्चित करना।

3. मुख्य योगदान (Key Contributions)

1. विकेंद्रीकृत न्यायसंगतता (Decentralized Equity): केंद्रीय अनुकूलन या वैश्विक नेटवर्क मॉडल के बिना निष्पक्षता प्राप्त करने का एक तरीका पेश करता है।
2. न्यूनतम बुनियादी ढांचा (Minimal Infrastructure): इसके लिए केवल पड़ोसी रैंपों के बीच हल्के सूचना आदान-प्रदान (मौजूदा लूप डिटेक्टर और संचार लिंक) की आवश्यकता होती है, जो इसे लीगेसी ALINEA सिस्टम के अनुकूल बनाता है।
3. बहु-आयामी निष्पक्षता (Multi-Dimensional Fairness): चार अलग-अलग दार्शनिक निष्पक्षता परिभाषाओं (Harsanyian, Egalitarian, Rawlsian, Aristotelian) को स्पष्ट रूप से शामिल और मूल्यांकित करता है।
4. ओपन सोर्स (Open Source): कार्यान्वयन को ओपन-सोर्स सॉफ्टवेयर के रूप में प्रदान किया गया है, जो पुनरुत्पादकता (reproducibility) और अपनाने की सुविधा देता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

इस पद्धति का मूल्यांकन SUMO वातावरण में वास्तविक मांग डेटा के साथ कैलिब्रेटेड एम्स्टर्डम A10 रिंग रोड (32 किमी, 20 ऑन-रैंप) के 24-घंटे के माइक्रोसिमुलेशन का उपयोग करके किया गया था।

दक्षता प्रदर्शन (Efficiency Performance)

• तुलना: C-EQ-ALINEA की तुलना No Control, ALINEA, और METALINE (एक अत्याधुनिक समन्वित कंट्रोलर) के साथ की गई।
• थ्रूपुट (Throughput): सभी नियंत्रित परिदृश्यों ने अनियंत्रित बेसलाइन के करीब वाहन आगमन दर बनाए रखी, जिससे सिद्ध हुआ कि दक्षता लाभ मांग को दबाकर प्राप्त नहीं किए गए थे।
• देरी में कमी (Delay Reduction):
  • ALINEA: कुल देरी को ~37.9% कम किया।
  • METALINE: कुल देरी को ~42.1% कम किया।
  • C-EQ-ALINEA (Global Norm, $m=3$ पड़ोसी): सर्वश्रेष्ठ प्रदर्शन किया, कुल देरी को ~58.8% (3591.2h से 1478.8h तक) कम किया और औसत गति को 66.7 किमी/घंटा तक बढ़ाया।
• निष्कर्ष: C-EQ-ALINEAL ने स्थापित समन्वित रणनीति (METALINE) की दक्षता का मुकाबला ही नहीं किया, बल्कि कई कॉन्फ़िगरेशन में उससे बेहतर प्रदर्शन भी किया।

निष्पक्षता प्रदर्शन (Fairness Performance)

• देरी का वितरण (Delay Distribution): C-EQ-ALINEA ने रैंपों के बीच विसंगतियों को काफी कम कर दिया।
  • गिनी गुणांक (Egalitarian): अनियंत्रित बेसलाइन की तुलना में 28.2% में सुधार हुआ, जो ALINEA और METALINE दोनों से बेहतर रहा।
  • अधिकतम देरी (Rawlsian): सबसे खराब स्थिति वाली देरी को 52.99% कम कर दिया।
  • अरिस्टोटेलियन निष्पक्षता (Aristotelian Fairness): रैंप मांग और अनुभव की गई देरी के बीच सबसे मजबूत संरेखण प्राप्त किया।
• यात्रा दूरी की समानता (Trip Distance Equity): अनियंत्रित परिदृश्य में जहाँ लंबी यात्राओं को कम सापेक्ष देरी का सामना करना पड़ता था, C-EQ-ALINEA ने सभी यात्रा लंबाई के लिए अधिक न्यायसंगत सापेक्ष देरी सुनिश्चित की।

5. महत्व और निहितार्थ (Significance and Implications)

• टिकाऊ यातायात प्रबंधन (Sustainable Traffic Management): यह अध्ययन प्रदर्शित करता है कि निष्पक्षता, स्थिरता के लिए एक पूर्व शर्त है। चरम देरी को कम करके, सिस्टम उपयोगकर्ता की हताशा, सिग्नल उल्लंघन और सार्वजनिक विरोध को कम करता है, जिससे दीर्घकालिक परिचालन व्यवहार्यता सुनिश्चित होती है।
• व्यावहारिक तैनाती (Practical Deployability): जटिल अनुकूलन या AI-आधारित समाधानों के विपरीत, C-EQ-ALINEA एक "व्यावहारिक मार्ग" प्रदान करता है। इसके लिए केवल निम्नलिखित की आवश्यकता है:
  1. रैंपों के बीच संचार बुनियादी ढांचा।
  2. मौजूदा कंट्रोलर लॉजिक में एक सरल फर्मवेयर/सॉफ्टवेयर अपडेट।
  • किसी नए भारी हार्डवेयर या केंद्रीकृत सर्वर की आवश्यकता नहीं है।
• स्केलेबिलिटी (Scalability): विकेंद्रीकृत प्रकृति बड़े नेटवर्कों को बिना किसी कम्प्यूटेशनल बाधा के स्केल करने की अनुमति देती है, जो केंद्रीकृत मॉडल प्रेडिक्टिव कंट्रोल (MPC) से जुड़ी होती है।

6. सीमाएं और भविष्य का कार्य (Limitations and Future Work)

• सीमाएं: अध्ययन सिमुलेशन पर आधारित है; वास्तविक दुनिया की उपयोगकर्ता स्वीकृति और कथित निष्पक्षता को सीधे नहीं मापा गया। एल्गोरिदम पर्याप्त ऑन-रैंप स्टोरेज मानता है और अभी तक सतह की सड़कों पर कतार स्पिलबैक (queue spillback) या सेंसर विफलताओं जैसे भौतिक बाधाओं को नहीं संभालता है।
• भविष्य की दिशाएं:
  • नियंत्रित फील्ड ट्रायल आयोजित करना।
  • सेंसर विफलताओं और संचार विलंब के प्रति लचीलापन बढ़ाना।
  • अल्पकालिक यातायात भविष्यवाणी और डीप लर्निंग को एकीकृत करना।
  • उत्सर्जन और सुरक्षा सहित उद्देश्यों का विस्तार करना।

संक्षेप में, C-EQ-ALINEA सिद्ध करता है कि व्यापक रूप से तैनात कंट्रोलर्स के न्यूनतम एल्गोरिदम विस्तार के माध्यम से दक्षता और न्यायसंगतता दोनों में सार्थक लाभ प्राप्त किया जा सकता है, जो टिकाऊ और सामाजिक रूप से स्वीकार्य फ्रीवे संचालन के लिए एक स्केलेबल समाधान प्रदान करता है।