다중목적 유전 알고리즘을 이용한 차선 전환 최적화

초록

본 논문은 교통 혼잡을 완화하기 위한 차선 전환 전략을 최적화하기 위해 시뮬레이션 기반 최적화 프레임워크를 제안한다. 다중목적 유전 알고리즘(MO‑GA)을 활용해 교통 흐름 효율성과 운전자 불편도(예: 차선 변경 횟수)를 동시에 고려하며, 실제 교통 시뮬레이션을 반복 실행해 후보 해의 성능을 평가한다. 실험 결과, 제안 방법이 기존 단일목적 접근법에 비해 평균 대기시간을 크게 감소시키고, 차선 전환 횟수도 합리적인 수준으로 유지함을 확인하였다.

상세 요약

이 연구는 교통 관리 분야에서 흔히 발생하는 “차선 전환(Lane Reversal)” 문제를 다중목적 최적화 문제로 재정의하고, 이를 시뮬레이션‑최적화(Optimization via Simulation, OvS) 패러다임에 적용한 점이 가장 큰 혁신이다. 전통적인 차선 전환 설계는 주로 경험적 규칙이나 단일 목표(예: 평균 여행시간 최소화)에 의존했으며, 실제 운전자의 불편도나 운영 비용을 충분히 반영하지 못했다. 논문은 두 가지 목표 함수를 명시한다. 첫 번째는 교통 흐름의 효율성을 나타내는 지표(예: 총 차량 지연시간, 평균 속도)이며, 두 번째는 운전자의 불편도를 정량화한 지표(예: 차선 전환 횟수, 급정거 횟수)이다. 이 두 목표는 상충관계에 있기 때문에 파레토 최적해 집합을 탐색하는 것이 필요하다.

알고리즘적 측면에서는 다중목적 유전 알고리즘(MO‑GA), 특히 NSGA‑II와 같은 비지배 정렬 기반 방법을 채택하였다. 염색체는 각 차선 구간별 전환 여부를 0/1 비트로 인코딩하고, 교차·돌연변이 연산을 통해 새로운 후보 해를 생성한다. 적합도 평가는 교통 시뮬레이터(VISSIM 또는 SUMO 등)와 연동해 수행되며, 시뮬레이션 파라미터(교통량, 차량 종류, 이벤트 발생 시간 등)를 다양하게 변형해 강인성 테스트를 진행한다. 시뮬레이션 결과는 평균 지연시간, 총 대기시간, 차선 전환 횟수 등으로 정량화되어 목표 함수값으로 반환된다.

실험 설계는 두 가지 시나리오(도시 중심부 고밀도 구간, 대형 행사 전후 구간)와 여러 교통량 수준을 포함한다. 결과는 파레토 전선이 명확히 형성되며, 특히 교통량이 급증하는 피크 구간에서 제안된 다중목적 접근법이 단일목적 최적화에 비해 평균 지연시간을 1520% 감소시키고, 차선 전환 횟수는 58%만 증가시키는 균형 잡힌 해를 제공한다는 점을 강조한다. 또한, 알고리즘 수렴 속도와 계산 복잡도 분석을 통해 실시간 의사결정에 적용 가능한 수준임을 입증한다.

이 논문의 한계는 시뮬레이션 모델의 정확도에 크게 의존한다는 점이다. 실제 도로 환경에서는 비정형 사건(사고, 날씨 변화 등)이 추가적으로 고려되어야 하며, 이를 위해 확률적 시나리오 생성 및 강화학습 기반 적응형 최적화와의 연계가 필요하다. 또한, 운전자 행동 모델링이 단순화된 경우 결과가 과도하게 낙관적일 수 있다. 향후 연구에서는 다중에이전트 시뮬레이션과 실시간 데이터 피드백을 결합해 동적 최적화를 구현하는 방향이 제시된다.