스마트시티 지속가능성 예측을 위한 공간 데이터 기반 최적 입지 탐색

초록

본 논문은 스마트시티 내 산업 입지를 결정하기 위해 공간 데이터를 활용한 가중합 접근법과 다점 교차·돌연변이를 적용한 유전 알고리즘을 제안한다. 제한조건별 가중치를 부여해 최적 후보지를 빠르게 탐색하고, 다양성을 확보함으로써 지속가능한 자원 배분과 투자 수익률(ROI) 향상을 목표한다.

상세 분석

이 연구는 스마트시티 계획에서 산업 입지를 최적화하는 문제를 다중목표 최적화로 모델링하고, 가중합(Weighted Sum) 방법을 통해 각 제약조건—예를 들어 환경 영향, 인프라 접근성, 토지 이용 효율성—에 가중치를 할당한다. 공간 데이터는 GIS 기반 레이어로 구성되며, 토양 오염도, 교통 흐름, 전력 공급망 등 다양한 지리적 인자를 raster 혹은 vector 형태로 통합한다. 가중합은 선형 결합이므로 계산 복잡도가 낮아 대규모 검색 공간에서도 실시간에 가까운 응답을 제공한다는 장점이 있다. 그러나 선형 가중합은 비선형 상호작용을 충분히 반영하지 못한다는 한계가 존재한다. 이를 보완하기 위해 연구자는 다점 교차(multipoint crossover)와 돌연변이(mutation) 연산을 포함한 유전 알고리즘(Genetic Algorithm, GA)을 설계하였다. 다점 교차는 여러 교차점을 동시에 선택해 부모 해의 유전자를 다채롭게 재조합함으로써 탐색 공간의 다양성을 크게 확대한다. 돌연변이는 무작위로 개별 유전자를 변형시켜 지역 최적해에 머무르는 현상을 방지하고, 전역 최적해에 도달할 확률을 높인다. 알고리즘의 적합도 함수는 앞서 정의한 가중합 값을 그대로 사용하므로, GA는 가중합 기반 목표를 효율적으로 탐색한다. 시간 복잡도 측면에서, 초기 후보군을 공간 데이터의 격자 셀 수에 비례하도록 설정하고, GA의 세대 수와 인구 규모를 제한함으로써 O(N·G) 수준의 선형적 실행 시간을 달성한다. 실험 결과는 제시되지 않았지만, 저자는 시뮬레이션을 통해 기존 휴리스틱 방법 대비 탐색 속도가 30% 이상 개선되고, 최적해의 ROI가 15% 상승했다고 주장한다. 또한, 다양성 확보가 환경 파괴를 최소화하는 입지 선택에 기여한다는 점을 강조한다. 그러나 실제 도시 데이터 적용 사례가 부족하고, 가중치 설정이 주관적이라는 점, 그리고 비선형 제약조건을 다루기 위한 다목적 진화 알고리즘(MOEA)과의 비교가 이루어지지 않은 점은 향후 연구 과제로 남는다.