Applications and benefits of quantum computing in transportation network optimization

Thumbnail Image

Files

bachelor_Sivula_Aapo_2025.pdf (1.6 MB)

URL

Journal Title

Journal ISSN

Volume Title

School of Engineering | Bachelor's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-12-05

Department

Major/Subject

Real estate economics and geoinformatics

Mcode

Degree programme

Bachelor's Programme in Engineering
Insinööritieteiden kandidaattiohjelma
Kandidatprogrammet i ingenjörsvetenskap

Language

en

Pages

30

Series

Abstract

Efficient transportation networks are vital for modern urban environments, where minimizing travel time and reducing congestion are key objectives. The goal of this thesis is to review the applications and benefits of quantum computing in transportation network optimization and to determine whether quantum computing can produce more efficient or accurate solutions than classical computational methods. This thesis is a literature study based on 18 sources, most of which were published between 2017 and 2025 due to the topicality of the subject. Transportation network optimization can be approached from many perspectives, such as adding new roads to existing networks, increasing road capacities, optimizing traffic signals, or improving the computational efficiency of modeling network flows. Transportation networks are modeled using a mathematical framework that divides the optimization problem into an upper level and a lower level. Upper-level optimization focuses on network design, while the lower level focuses on testing the designed upper level. The study examined four applications of quantum computing, focusing on the optimization of lane capacities, traffic signals, and computational efficiency in network flows. The study concluded that quantum computing can achieve significant improvements in network optimization problems. The road capacity optimization method compared a combined classical-quantum hybrid quantum annealing algorithm to a purely classical "Tabu Search" algorithm. The hybrid method achieved a runtime up to 11 times faster than the classical algorithm. The traffic signal optimization method also compared a hybrid quantum computing method to classical methods, producing significantly better results. Network flows were optimized using the qbsolv hybrid quantum annealing algorithm to calculate vehicle flows and redistribute routes, with the goal of reducing congestion and shortening average travel times. The obtained result successfully reduced congestion in targeted areas and generally provided a better way to model network flows compared to the user equilibrium model. Finally, the purely quantum MNDAS algorithm constituted an improved version of the metaheuristic ACO method, producing a quadratic speedup compared to the ACO algorithm. Quantum computing methods were thus computationally faster and produced, on average, shorter travel times by reducing traffic congestion. However, several sources indicated that the full potential of quantum computing is not yet attainable, as scaling quantum computers remains challenging due to qubit instability. If these scalability challenges can be resolved, the benefits offered by the technology will be extensive and significant.

Tehokkaat liikenneverkot ovat elintärkeitä nykyaikaisissa kaupunkiympäristöissä, joissa matka-aikojen minimointi ja ruuhkien vähentäminen ovat keskeisiä tavoitteita. Tämän tutkielman tavoitteena on tarkastella kvanttilaskennan käyttöä ja hyötyjä tieverkostojen optimoinnissa ja selvittää, ovatko sillä saavutetut tulokset tehokkaampia tai tarkempia kuin klassisen laskennan menetelmillä tuotetut tulokset. Tutkielma on kirjallisuustutkimus, joka perustuu 18 lähteeseen, joista suurin osa on julkaistu vuosina 2017–2025 aiheen ajankohtaisuuden vuoksi. Tieverkostojen optimointia voidaan lähestyä monesta näkökulmasta, esimerkiksi lisäämällä uusia teitä olemassa oleviin verkostoihin, kasvattamalla tiettyjen teiden kaistamääriä, optimoimalla liikennevalojen toimintaa, tai parantamalla laskentatehokkuutta verkkovirtausten mallintamisessa. Tieverkostoja mallinnettiin matemaattisella mallilla, joka jakaa optimointiongelman ylätasoon ja alatasoon. Ylätason optimoinnissa keskitytään tieverkoston suunnitteluun ja alatasolla suunnitellun ylätason testaukseen. Tutkimuksessa tarkasteltiin neljää kvanttilaskennan sovellusta, jotka keskittyivät kaistamäärien, liikennevalojen ja verkkovirtausten laskentatehokkuuden optimointiin. Tutkimus osoitti, että kvanttilaskennan avulla voidaan saavuttaa useita parannuksia optimointiongelmien ratkaisuihin. Kaistojen optimointimenetelmä vertasi klassisen ja kvanttilaskennan yhdistettyä hybridi-kvanttiannelointialgoritmia ja sen laskennallista suoritusaikaa puhtaasti klassisen laskennan ”Tabu Search” -algoritmiin. Hybridimenetelmä suoriutui parhaimmillaan 11 kertaa paremmin kuin klassisen laskennan menetelmä. Myös liikennevalojen optimointimenetelmä vertasi hybridikvanttilaskennallista menetelmää klassisen laskennan menetelmiin. Hybridilaskentamenetelmä muodosti huomattavasti paremmat tulokset verrattuna klassisen laskennan menetelmiin. Tieverkostojen ruuhkaoptimointi hyödynsi qbsolv-hybridi-kvanttiannelointia laskemalla tieverkoston ajoneuvovirtauksia ja jakamalla reitit uudelleen, tavoitteena vähentää ruuhkaa ja lyhentää keskimääräistä matka-aikaa. Saatu tulos vähensi onnistuneesti ruuhkaa halutuilta alueilta ja muodosti yleisesti paremman tavan mallintaa tieverkostovirtauksia. Viimeiseksi puhtaasti kvanttilaskennallinen MNDAS-algoritmi muodosti paremman version ACO-menetelmästä. MNDAS tuotti neliöllisen nopeutuksen verrattuna ACO-algoritmiin. Kvanttilaskennan menetelmät olivat siis laskennallisesti nopeampia ja tuottivat keskimäärin lyhyempiä matka-aikoja verkostoissa vähentämällä liikenteen ruuhkia. Kvanttilaskenta nähtiin myös nopeuttavan laskentaa tieverkostovirtauksien mallintamisessa. Useissa lähteissä kuitenkin todettiin, että kvanttilaskennan täysi potentiaali ei ole vielä saavutettavissa, sillä kvanttitietokoneiden skaalaus on edelleen haasteellista kubittien epävakauden vuoksi. Mikäli skaalautuvuushaasteet onnistutaan ratkaisemaan, teknologian tarjoamat hyödyt tulevat olemaan laaja-alaisia ja merkittäviä.

Description

Supervisor

Rönnholm, Petri

Thesis advisor

Tenkanen, Henrikki

Keywords

kvanttilaskenta, tieverkostot, optimointi, liikenneverkot, ruuhkat, hybridioptimointi, kvanttiannelointi

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202512169300

Collections

[kand] Insinööritieteiden korkeakoulu / ENG