비생물 영감 기반 알고리즘을 활용한 무계획 교통 구역 속도 최적화

초록

본 논문은 무계획 도로 구역에서 차량 속도와 차선 활용을 동시에 최적화하기 위해, 생물‑모방 메타휴리스틱(ACO, PSO, GA)과 인구 지식 베이스(PKB)를 결합한 새로운 모델을 제안한다. 사고 위험 요소를 보정 변수로 포함하고, 실제 교통 데이터를 기반으로 시뮬레이션·실험을 수행해 기존 방법 대비 평균 속도 12 %·교통 흐름 9 % 향상을 입증한다.

상세 분석

이 연구는 기존 교통 최적화 연구가 주로 신호 제어 혹은 고정된 차선 배치에 초점을 맞춘 반면, 무계획 구역에서 차선의 동적 재구성과 속도 제한을 동시에 고려한다는 점에서 차별성을 가진다. 저자는 먼저 교통 흐름을 미시적 수준에서 차량별 속도 프로파일과 위치 데이터를 수집하고, 이를 ‘인구 지식 베이스(PKB)’라 명명한 데이터베이스에 저장한다. PKB는 시간대별, 차량 종류별, 도로 기하학적 특성별 통계적 분포를 제공함으로써, 메타휴리스틱 알고리즘이 탐색 공간을 효율적으로 축소하도록 돕는다.

알고리즘 설계는 세 단계로 구성된다. 1) 초기 해 생성 단계에서는 Ant Colony Optimization(ACO)의 페로몬 개념을 차선 선택 확률에 적용해, 각 차선에 대한 초기 차량 배치를 무작위가 아닌 경험 기반으로 만든다. 2) 전역 탐색 단계에서는 Particle Swarm Optimization(PSO)의 입자 속도와 위치 업데이트 공식을 차선‑속도 매핑 변수에 적용한다. 여기서 입자는 ‘차선‑속도 조합’이라는 고차원 벡터이며, 각 입자의 적합도는 (i) 평균 차량 속도, (ii) 차선 이용 효율, (iii) 사고 위험 보정값을 가중합한 함수로 정의된다. 3) 지역 미세조정 단계에서는 Genetic Algorithm(GA)의 교차·돌연변이 연산을 이용해, 특정 구간에서 급격히 변동하는 교통량에 대한 미세 조정을 수행한다.

특히 사고 위험 요소는 기존 연구가 단순히 사고 발생률을 최소화하는 제약조건으로만 다루는 반면, 본 논문은 ‘사고 가중 페로몬’이라는 형태로 동적 보정값을 도입한다. 사고 다발 구간에서는 페로몬 증감률을 낮추어 해당 차선·속도 조합이 선택될 확률을 감소시키고, 동시에 안전 거리를 고려한 속도 상한을 자동으로 적용한다. 이러한 보정 메커니즘은 실제 교통 안전 데이터와 연계되어, 모델이 실시간으로 위험 수준을 반영하도록 설계되었다.

실험은 인도네시아 자카르타의 비계획 도로 구역에서 6개월간 수집한 GPS·루프 검지기 데이터를 활용하였다. 시뮬레이션 환경은 VISSIM 기반으로 구축했으며, 제안 모델과 기존 고정 차선·속도 제한 모델을 동일 조건에서 비교했다. 결과는 평균 차량 속도가 12 % 상승하고, 교통 흐름(veh/h)과 차선 이용 효율이 각각 9 %·15 % 개선되었으며, 사고 위험 점수는 8 % 감소했다는 점에서 통계적으로 유의미하였다.

이와 같이 본 논문은 PKB와 다중 메타휴리스틱을 결합한 하이브리드 프레임워크를 통해, 무계획 교통 구역에서도 실시간으로 차선·속도 최적화를 수행할 수 있음을 입증한다. 다만, 모델의 계산 복잡도가 높은 편이며, 실시간 적용을 위해서는 클라우드·엣지 컴퓨팅 인프라와의 연계가 필요하다는 한계점도 제시한다.