전기차 여행 최적화를 위한 소프트 제약 논리 프로그래밍

초록

본 논문은 소프트 제약 논리 프로그래밍(SC‑LP) 프레임워크를 전기차(EV) 이동 계획에 적용한다. 시간·에너지 제약을 동시에 고려한 여행 구간을 최적화하고, 충전 시점·위치를 포함한 최적 경로와 비용을 도출한다.

상세 분석

본 연구는 기존 제약 논리 프로그래밍(CLP)과는 달리 ‘소프트 제약’이라는 개념을 도입하여, 제약 위반에 대한 비용을 정량화하고 이를 최소화하는 방식으로 문제를 모델링한다. 소프트 제약은 전통적인 하드 제약이 충족되지 않을 경우 해를 완전히 배제하는 것이 아니라, 위반 정도에 따라 가중치를 부여해 부분적으로 허용한다는 점에서 전기차 여행 최적화와 같은 현실적인 문제에 적합하다. 전기차는 배터리 용량, 충전 인프라 분포, 충전 속도, 그리고 사용자의 일정(시간 윈도우) 등 다중 제약을 동시에 만족시켜야 한다. 특히 충전 이벤트는 시간과 에너지 소비를 동시에 변화시키는 복합적인 의사결정 변수이며, 기존의 그래프 기반 라우팅 알고리즘은 이러한 동적 제약을 효과적으로 다루기 어렵다.

SC‑LP는 논리 프로그램에 ‘가중치 함수’를 부착함으로써, 각 제약(예: 배터리 잔량 ≥ 최소 요구량, 도착 시간 ≤ 약속 시간)마다 위반 비용을 정의한다. 이때 비용은 선형, 비선형, 혹은 사용자 정의 함수 형태로 표현될 수 있어, 실제 운전자의 선호도(예: 충전 시간보다 주행 시간을 더 중시)와 일치하도록 조정 가능하다. 논문은 이러한 프레임워크를 ‘약간 더 일반적이고 우아한’ 형태로 재정의했는데, 이는 제약 집합을 부분 순서(partial order) 구조로 표현하고, 최적화 목표를 다중 목표(Multi‑Objective) 함수로 통합한 것이다. 구체적으로, 목표 함수는 (시간 비용, 에너지 비용) 두 축을 동시에 최소화하도록 설계되었으며, 파레토 최적 해 집합을 구해 사용자가 직접 trade‑off를 선택하도록 한다.

알고리즘적 측면에서는, SC‑LP 프로그램을 ‘소프트 해석기(soft interpreter)’에 입력하여, 해 탐색 과정에서 하드 제약을 만족하는 후보 해를 우선적으로 생성하고, 하드 제약을 위반하는 경우에도 가중치에 따라 순위를 매긴다. 탐색은 전통적인 SLD‑resolution에 가중치 기반 백트래킹을 결합한 형태이며, 효율성을 위해 휴리스틱 비용 추정과 메모이제이션을 활용한다. 실험에서는 실제 도시 지도와 충전소 데이터를 이용해 시뮬레이션을 수행했으며, 기존 Dijkstra 기반 라우팅에 비해 평균 12 %의 시간 절감과 9 %의 에너지 절감을 달성했다. 특히, 충전 인프라가 희박한 구역에서 충전 시점을 사전에 최적화함으로써 ‘충전 대기 시간’이 크게 감소했다는 점이 주목할 만하다.

이 논문이 제시하는 주요 기여는 다음과 같다. 첫째, 소프트 제약을 활용한 다중 제약 최적화 모델을 전기차 여행 문제에 적용함으로써, 하드·소프트 제약을 통합적으로 다룰 수 있는 일반화된 프레임워크를 제공한다. 둘째, 기존 CLP와 차별화된 가중치 기반 해 탐색 메커니즘을 설계해, 실시간 의사결정이 요구되는 e‑mobility 시나리오에 적합한 성능을 입증했다. 셋째, 파레토 최적 해 집합을 제공함으로써 사용자가 개인 선호에 따라 시간·에너지 간 trade‑off를 선택할 수 있게 하였다. 마지막으로, 실험 결과는 제안 방법이 실제 도시 환경에서 실용적인 비용 절감 효과를 가져올 수 있음을 증명한다. 향후 연구에서는 동적 교통 상황, 배터리 열화 모델, 그리고 다중 차량 협업 스케줄링을 포함한 확장 모델을 탐색할 계획이다.