Adaptive SDN-Assisted Traffic Signal Control for Road Traffic Congestion Mitigation in VANETs

毎日、何百万人ものドライバーが都市の街路を走行していますが、しばしば、固定された不変のスケジュールに従って切り替わる信号機の長い列に足止めされる状況に直面しています。これらの固定タイマーは、車線に車が密集しているのか、あるいは空いているのかを知る術がありません。そのため、時間の浪費やアイドリングによる余分な燃料消費、そしてネットワーク全体の流れを遅らせる苛立たしい車両の滞留を引き起こしています。近年、エンジニアは車を道路インフラそのものに接続し、車両が自身の速度と位置を路側機に放送できるようにする技術の開発を進めてきました。このリアルタイムデータの流れは、静的なタイマーを超越するチャンスを提供しますが、この情報を管理するには、システム全体に対して迅速かつ公平な判断を下せる中央の「脳」が必要です。課題は、どの道路が最も混雑しているかを瞬時に把握し、その車線に青信号を与えつつ、他の方向が永遠に待ち続けることがないようにする制御システムを作り出すことにあります。

ポンディシェリー大学の研究者たちは、車両通信と、ソフトウェア定義ネットワーク（SDN）として知られる中央集中型のネットワーク管理システムを組み合わせることで、この問題を解決する新しいアプローチを開発しました。彼らのシステムは、あらかじめ設定されたタイマーに頼るのではなく、常に車に耳を傾ける動的な交通管理者として機能します。車両が交差点に近づくと、位置と速度を含む短いデジタルビーコンを送信します。路側機はこの情報を収集し、各車線の状況を要約します。つまり、どれだけの車が停止しているか、あるいは低速で移動しているかを数え、平均速度を算出します。この要約データは中央コントローラーに送られ、コントローラーは交通指令センターのように機能し、データを分析して、その瞬間においてどの車線が最も需要が高いかを判断します。

システムは次に、どの交通信号を青にするかを決定します。最も混雑している車線を特定して優先権を与え、それらの車両が先に交差点を通過できるようにします。公平性を確保するため、システムは残りの車線に対して構造化された回転方式を使用します。これにより、もし2つの道路の交通レベルが同程度であった場合、一方が無視されるのではなく、順番に青信号を受け取れるようになっています。このプロセスは50秒ごとに繰り返され、交通信号が車両の絶え間ない変化に対応することを可能にします。研究者たちは、最大250台の車両が移動する4方向の都市部の交差点をモデルにした高度なコンピュータシミュレーションを用いて、このアイデアをテストしました。彼らは、彼らの適応型システムを、従来の固定時間信号や他の既存の手法と比較し、激しい交通条件下でどの程度優れた性能を発揮するかを確認しました。

シミュレーションの結果は、適応型のアプローチが明確な優位性を持っていることを示しました。交通量が増加すると、従来のシステムは苦戦し、ピーク時には車両の平均待ち時間が5分を超えることもありました。対照的に、新しいシステムは、道路が最も混雑している状況下でも、平均待ち時間を約51秒という大幅に低い水準に抑えました。この効率性は、車両の動きに直接反映されました。シミュレーションの全期間を通じて、適応型システムは415台の車両を交差点に通過させましたが、従来の固定時間信号では261台しか通過させることができませんでした。これは、交差点の車の滞留を解消するスピードにおいて、大幅な改善を意味しています。

単に車をより速く移動させるだけでなく、このシステムは車両と道路間の通信も改善しました。適応型信号が列を効率的に解消したため、道路の混雑が緩和され、その結果、データパケットの損失や遅延が減少しました。システムは、より高いデータ配信成功率を維持し、情報が一点から他へ移動するのにかかる時間を、従来の方法よりも大幅に低く保ちました。さらに、アイドリングやストップ・アンド・ゴーの走行が減少したことで、燃料消費量の目に見える減少も確認されました。車両は、固定タイマーによって作られる長い列に捕まっている場合と比較して、1回の走行あたりの燃料消費量が大幅に少なくなりました。

この研究は、リアルタイムデータを用いて交通信号を制御することで、新しい道路を建設することなく、都市が混雑をより効果的に管理できることを実証しています。結果は物理的な都市ではなくコンピュータシミュレーションによるものですが、道路の状況を「聞き取り」、リアルタイムで調整できるシステムが、遅延を大幅に削減し、燃料を節約し、通信ネットワークを円滑に稼働させられることを示唆しています。研究者たちは、この手法が現代の都市交通の複雑な要求に対して、バランスの取れた拡張可能な方法を提供し、柔軟でデータ駆動型のアプローチが、過去の硬直したスケジュールよりも遥かに優れていることを証明したと結論付けています。