다중 클래스 관리와 하위 클래스 서비스가 적용된 자율 전기 이동 수요 시스템

** 본 논문은 자율 전기 모빌리티 온디맨드(AEMoD) 시스템이 대규모 상용화 단계에 진입하면서 직면하는 두 가지 주요 병목—연산·통신 지연과 전기차 충전 지연—을 동시에 해결하고자 한다. 이를 위해 저자는 포그 컴퓨팅 기반의 분산 제어 아키텍처와 다중 클래스·하위 클래스 큐잉 모델을 설계하였다. 1. **시스템 아키텍처** - 각 서비스 구역(zone)은 포그 컨트롤러에 의해 관리된다. 포그 컨트롤러는 고객 요청 앱, 차량, C개의 부분 충전 포인트, 그리고 하나의 대형 완전 충전소와 직접 연결된다. - 차량 도착은 포아송 과정 λ_v 로 모델링되며, 도착 시점의 배터리 상태(SOC)에 따라 클래스 i(0≤i≤n)로 구분된다. p_i는 클래스 i에 해당하는 차량 비율이며, p_0은 완전 방전, p_n은 완전 충전이 불가능한 상태를 의미한다(실제는 0). 2. **다중 클래스·하위 클래스 서비스 모델** - 고객 역시 요구 주행 거리와 필요한 SOC에 따라 n개의 클래스(0~n)로 구분된다. - 클래스 i 차량은 두 가지 행동 중 하나를 선택한다. a) 현재 SOC로 서브클래스 j( j ≤ i ) 고객에게 바로 서비스(q_i). b) 부분 충전 포인트에서 SOC를 한 단계 상승시킨 뒤 대기(1‑q_i). - 클래스 0 차량은 완전 충전소(q_0) 혹은 부분 충전소(1‑q_0) 중 하나를 선택한다. 3. **큐잉 모델 및 안정성 조건** - n개의 M/M/1 고객 대기열, 하나의 M/M/1 완전 충전 대기열, 그리고 C개의 서버를 갖는 M/M/C 부분 충전 대기열로 구성된다. - 각 고객 클래스 i에 대한 서비스율 λ_i^vs는 해당 클래스와 그 이하 서브클래스를 담당할 수 있는 모든 차량 도착률을 합산한 값이며, 식 (3)·(4)에서 구체적으로 정의된다. - 안정성 조건은 모든 고객 대기열에 대해 λ_i^vs > λ_i^c (고객 도착률)와, 충전 대기열에 대해 총 충전 요구량이 서비스 능력(C·n·μ_c, μ_c)보다 작아야 함을 의미한다(식 7). 4. **목표 함수와 최적화 문제** - 시스템의 성능 평가는 “최대 기대 응답시간”으로 정의한다. 응답시간은 1/(λ_i^vs – λ_i^c) 로 표현되며, 가장 큰 값을 갖는 클래스가 전체 시스템을 좌우한다. - 이를 최소화하기 위해, 논문은 “최소 기대 서비스율 R”을 최대화하는 형태로 문제를 재구성하고, 에피그래프 형태의 제약식(11a‑11l)으로 정형화한다. 변수는 각 클래스별 충전 선택 확률 q_i와 서브클래스 할당 확률 Π_ij이며, 모든 확률은