공간 네트워크에서 확률적 가중치 기반 분산 라우팅 알고리즘

초록

본 논문은 전통적인 최단경로 탐색에서 가정하는 두 가지 전제(가중치의 결정성, 전역 네트워크 지식)를 제거하고, 확률적 엣지 가중치를 갖는 공간 네트워크에서 전역 정보를 필요로 하지 않는 분산 라우팅 알고리즘을 제안한다. 거리 기반 추정 함수를 이용해 도착 확률 분포를 계산하고, 이를 통해 실시간 경로 안내를 수행한다. 합성 및 실제 네트워크 실험을 통해 알고리즘의 효율성과 정확성을 검증한다.

상세 요약

이 연구는 네트워크 라우팅 문제를 두 가지 전통적 가정에서 탈피한다는 점에서 혁신적이다. 첫째, 엣지 가중치를 확률 변수로 모델링함으로써 교통 혼잡, 날씨 변화, 통신 지연 등 실세계의 불확실성을 정량화한다. 확률적 가중치는 각 엣지에 대한 도착 시간의 확률분포로 표현되며, 이는 단일 기대값에 의존하는 전통적 최단경로와는 근본적으로 다른 최적화 목표를 만든다. 둘째, 전역 네트워크 정보를 가정하지 않는다. 대신, 노드 간 물리적 거리와 통계적 가중치 분포를 결합한 ‘추정 함수’를 도입한다. 이 함수는 현재 위치와 목적지 사이의 거리 차이를 이용해, 해당 구간을 통과할 확률분포를 예측한다. 핵심 아이디어는 ‘근접성(proximity)’ 개념을 활용해, 로컬 정보만으로도 목적지에 대한 도착 확률을 추정하고, 가장 높은 성공 확률을 제공하는 다음 홉을 선택한다는 것이다. 알고리즘은 반복적인 ‘예측‑업데이트’ 사이클을 통해 실시간으로 경로를 수정한다. 실험에서는 합성 격자망과 실제 도로망 데이터를 사용해, 제안된 분산 라우팅이 전통적 Dijkstra 기반 방법보다 도착 확률이 높은 경로를 제공함을 보였다. 특히, 네트워크 규모가 커지고 가중치 변동성이 클수록 전역 정보를 요구하는 중앙집중식 방법보다 우수한 성능을 나타냈다. 또한, 도착 확률 분포를 비교하는 기준으로 ‘누적 도착 확률(Cumulative Arrival Probability)’을 정의하고, 이를 기반으로 경로 선택의 정량적 근거를 제공한다. 이와 같은 접근은 스마트 시티 교통 관리, 무인 차량 네비게이션, 그리고 변동성이 큰 통신망 라우팅 등 다양한 분야에 적용 가능성을 시사한다.