선형 p 중앙시설 위치 최적화와 스케일링 법칙

초록

본 논문은 인구가 일직선 상에 분포하는 경우(p‑median 문제) 최적 시설 배치가 인구 밀도의 제곱근에 반비례하는 구역 길이를 만든다는 스케일링 법칙을 수학적으로 도출하고, 미국 고속도로·미시시피 강 사례와 몬테카를로 시뮬레이션을 통해 최적에서 벗어난 배치가 스케일링 지수에 미치는 영향을 정량화한다.

상세 분석

p‑median 문제는 주어진 수 p개의 시설을 배치해 전체 인구가 가장 가까운 시설까지 이동하는 평균 거리를 최소화하는 전형적인 위치 최적화 모델이다. 저자들은 인구가 연속적인 1차원 구간에 비균등하게 분포한다는 가정 하에, 각 시설이 담당하는 구간 길이 L(x)와 해당 구간의 인구 밀도 ρ(x) 사이에 L(x)·√ρ(x)=const 라는 관계가 성립함을 미분 방정식과 라그랑주 승수를 이용해 엄밀히 증명한다. 이는 “밀도가 높을수록 담당 구역이 짧아야 평균 거리 감소 효과가 극대화된다”는 직관과 일치한다.

분석 과정에서 저자들은 먼저 연속적인 인구 분포를 ρ(s)라 두고, 시설 위치를 s₁,…,s_p 로 표시한다. 평균 거리 비용 함수는 ∑{i=1}^p ∫{segment_i} |s−s_i|ρ(s)ds 로 표현되며, 변분법을 적용해 최적 조건을 도출한다. 최적화 결과는 각 구간의 경계가 인구 밀도의 제곱근에 비례하는 위치에 놓여야 함을 보여준다. 즉, 구간 길이 L_i ≈ K /√ρ_i (K는 전체 길이와 총 인구에 의해 결정되는 상수)이다.

이론적 스케일링 법칙을 검증하기 위해 저자들은 세 개의 미국 인터스테이트 고속도로(I‑35, I‑80, I‑95)와 미시시피 강을 실제 인구 데이터와 결합해 수치 해를 구했다. 결과는 모두 L·√ρ가 거의 일정한 값을 보이며, 제안된 법칙이 실제 지리적·인구적 변동성을 잘 포착함을 확인한다.

다음으로 최적 배치에서 의도적으로 편차를 주는 경우를 탐색한다. Monte Carlo 시뮬레이션을 이용해 시설 위치를 무작위로 이동시켜 평균 거리 비용을 점진적으로 증가시키면서, 각 시뮬레이션 단계에서 실측된 L·√ρ의 분포와 스케일링 지수 α( L∝ρ^{−α} )를 추정한다. 결과는 α가 최적점 α≈0.5에서 급격히 변하고, 평균 거리 비용이 5 % 정도 증가했을 때에도 α는 0.45~0.55 사이에서 크게 흔들린다. 이는 최적 배치가 매우 민감한 “엔트로피”적 특성을 가진다는 의미이며, 실제 정책 설계 시 약간의 비최적성도 서비스 품질에 눈에 띄는 영향을 줄 수 있음을 시사한다.

또한 저자들은 “엔트로피” 개념을 도입해 가능한 배치의 수를 정량화한다. 비용이 ε만큼 증가했을 때 허용되는 배치의 조합 수가 지수적으로 늘어나며, 이는 스케일링 지수의 변동성을 설명하는 통계적 근거가 된다. 전체적으로 이 연구는 1차원 p‑median 문제에 대한 해석적 스케일링 법칙을 제시하고, 최적성 손실이 엔트로피와 스케일링 지수에 미치는 영향을 정량화함으로써 이론과 실무 사이의 연결 고리를 제공한다.