Revisiting mesoscopic traffic flow simulation in SUMO: Limitations, analysis, and an alternative

交通シミュレーションを、実際の車を道路に出すことなく、都市内での車の動きを予測する方法として考えてみましょう。これには主に3つの方法があります。

1. ミクロ的（Microscopic）: コロニーの中の個々の蟻を観察するようなものです。非常に詳細ですが、膨大なコンピュータ・パワーを必要とします。
2. マクロ的（Macroscopic）: ヘリコプターから川を見下ろすようなものです。水の流れ全体は見えますが、個々の水滴は見えません。高速ですが、詳細さに欠けます。
3. メゾ的（Mesoscopic）: 「ゴールドロック（ちょうど良い）」ゾーンです。個々の車を追跡しますが（蟻のように）、時間を節約するためにそれらをグループ化します（川のように）。

この論文は、普及しているオープンソース・ソフトウェアである SUMO で使用されている現在の「ゴールドロック」ツールが壊れていると主張しています。それはハイブリッドを目指していますが、ゲームのルールを混同しており、非現実的な予測を導き出しています。

以下に、問題の概要と提案された修正案を、シンプルな比喩を用いて解説します。

問題点：壊れた「キュー（行列）」のロジック

現在のSUMOのメゾスコピック・モデル（MESO と呼ばれる）は、道路をセグメントに分割し、車が次のセグメントへいつ移動できるかを決定することで交通を管理しようとしています。著者らは、このモデルの渋滞処理において2つの大きな欠陥を発見しました。

1. 「死角」の比喩（後方へ進む空間）
コンサート会場に入ろうと列を作っている人々を想像してください。実際には、列の最前列にいる人が中に入ると、「隙間」が生まれます。その隙間は即座に後方へと伝わり、次の人が前へ踏み出すことを可能にします。

• MESOの失敗: MESOは、列が完全に停止した後になって初めて、隙間に気づく門番のようなものです。列が完全に詰まってしまうまで、隙間が開いたことに気づきません。
• 結果: 隙間が後方へ伝わる速度を十分に捉えられないため、渋滞が解消されるのが早すぎると判断してしまいます。その結果、渋滞がどの程度長く続くのか、どの程度後ろまで伸びるのかを過小評価してしまいます。

2. 誤った「渋滞の原因」の比喩
現在のモデルでは、市街地の渋滞は主に、道路が混雑しすぎたために車が減速すること（「容量低下」）に原因があるとされています。

• 現実: 都市部での渋滞は、多くの場合「右左折」によって引き起こされます。直線の道路があり、そこから脇道へ左折しようとする車がいると想像してください。もしその脇道が満車であれば、左折しようとする車が立ち往生し、その後ろを直進している車をブロックしてしまいます。これは「キュー・スピルバック（列の溢れ出し）」と呼ばれます。
• MESOの失敗: このモデルは、この「横からのブロック」を効果的に考慮できていません。モデルは渋滞が主に車同士が接近しすぎることによって起こると想定しており、満車の脇道が幹線道路を窒息させるという事実を見落としています。

結果として: 著者らがこれをテストしたところ、ソフトウェアは、渋滞はもっと遅れて発生し、もっと早く解消され、実際よりもずっと規模が小さくなると予測してしまいました。それはまるで、「10分後に雨が降ります」という天気予報が、実際には3時間の豪雨であった場合のようなものです。

解決策：新しい「リンク伝達」モデル

著者らは、LIFT という新しいモデルを提案しています（これは本研究のために離散時間版へと適応させたものです）。

「エレベーター」の比喩
車がいつ動けるかを推測する代わりに、LIFTは、交通の中を後方へと移動する**空きスペース（空隙）**を明示的に追跡します。

• リンク（道路セグメント）を、決まった数の定員を持つエレベーターと考えてください。
• モデルは次のようにカウントします：中に何人いるか？ ＋ 後方へ移動している空きスペースは何個か？
• もし合計（人数 ＋ 空きスペース）がエレベーターの容量を下回っていれば、新しい人が乗ることができます。
• これにより、モデルは現実の世界と同じように、隙間が後方へと即座に伝わる様子を捉えることができます。

なぜこれが優れているのか:
これらの後方へ移動する隙間を明示的に追跡することで、新しいモデルは「キュー・スピルバック」を完璧に捉えることができます。もし脇道が満車であれば、モデルは直ちに幹線道路がブロックされたことを理解します。

証明：テスト走行

著者らは、新しいモデルが機能することを証明するために、2つのテストを実施しました。

1. 交差点テスト: 信号機と合流する脇道がある、交通量の多い通りをシミュレートしました。

   • MESO（旧）: 渋滞はすぐに解消され、後ろへはあまり伸びないだろうと予測しました。
   • LIFT（新）: 渋滞はゆっくりと形成され、大きく後ろまで伸び、徐々に解消されるだろうと予測しました。
   • 判定: 新しいモデルは、「ミクロ的（超詳細）」なシミュレーションとほぼ完璧に一致しましたが、古いモデルは大きく外れていました。

2. 高速道路のボトルネック・テスト: 2車線が1車線に合流する高速道路をシミュレートしました。

   • MESO（旧）: 交通データは混沌としており、物理法則に反していました（存在し得ない交通状態を示していました）。
   • LIFT（新）: 交通データは、交通流理論の滑らかで予測可能な曲線に従っていました。

結論

本論文は、現在のSUMOにおけるメゾスコピック・ツールは、異なる交通理論を混同し、「空きスペース」が渋滞の中を後方へ移動することを無視しているため、根本的に欠陥があるとしています。

彼らの新しいモデルである LIFT は、交通を「空きスペースが車と同じように後方へ移動する流体」として扱うことで、これを修正します。これにより、大規模なネットワークを実行できるほど高速でありながら、現実の交通渋滞を予測する上で信頼できるほど正確なシミュレーションが可能になります。著者らは、この新しいコードを最終的にSUMOソフトウェアに直接組み込み、誰もが利用できるようにすることを目指しています。