고해상도 인구 데이터와 인간 행동이 대규모 대피 시뮬레이션에 미치는 영향

초록

본 연구는 기존 TAZ 기반 거시 시뮬레이션이 갖는 해상도 한계를 극복하고자, LandScan USA 인구 셀(LPC)을 활용한 미시 교통 모델링을 제안한다. 새로운 다중 출발지‑최단목적지 경로(MSNDSP) 문제 정의, TRANSIMS와 연계한 에이전트 기반 할당 프레임워크, 그리고 네트워크·구역·출발시간·컴플라이언스 등 네 가지 변수의 조합을 통해 대피 효율성을 정량적으로 평가한다. 결과는 고해상도 구역과 시간대별 출발 모델이 대피 시간과 혼잡을 크게 감소시키며, 인간의 비준수 행동이 전체 시스템 성능에 비선형적인 영향을 미침을 보여준다.

상세 분석

이 논문은 대규모 재난 대피 시뮬레이션에서 데이터 해상도와 인간 행동 모델링이 결과에 미치는 영향을 체계적으로 분석한다. 첫 번째 기여는 LandScan USA의 인구 셀(LPC)을 이용해 다중 출발지‑최단목적지 최단경로(MSNDSP) 문제를 정의한 것이다. 기존 TAZ 기반 O‑D 매트릭스는 구역이 크고 인구가 균등하게 분포된다고 가정하지만, 실제 도시 환경에서는 인구 밀도가 미세하게 변동한다. MSNDSP는 각 LPC를 개별 출발점으로 보고, 가장 가까운 안전지점(대피소)까지의 최단 경로를 계산함으로써, O‑D 매트릭스 생성 시 공간적 편향을 최소화한다.

두 번째로 제시된 에이전트 기반 교통 할당 프레임워크는 TRANSIMS 모듈과 LandScan 데이터를 통합한다. 이 프레임워크는 (1) 고해상도 인구 셀 → (2) 개별 차량 에이전트 생성 → (3) 네트워크에 대한 미시적 경로 선택 → (4) 시간대별 출발 스케줄 적용의 순서로 진행된다. 특히, 출발 시간 선택 모델을 두 가지로 구분한다. 전통적인 S‑shape 형태의 출발 분포는 전체 인구가 동일한 시간대에 집중되는 경향이 있어 피크 혼잡을 과대평가한다. 반면, 위치 기반 모델은 각 LPC의 지리적 특성과 대피소와의 거리, 도로 접근성을 고려해 출발 시점을 차등 부여한다. 실험 결과, 위치 기반 모델이 평균 대피 시간 12~18% 감소와 최고 혼잡도 22% 감소를 달성한다.

세 번째 실험에서는 네트워크·구역 스케일을 교차시켜 총 4가지 시나리오를 만든다. (a) TAZ‑대규모 도로망, (b) TAZ‑세분화된 도로망, (c) LPC‑대규모 도로망, (d) LPC‑세분화된 도로망. 라우팅 전략도 세 가지(최단 네트워크 거리, 고속도로 편향, 최단 직선 거리)로 변형한다. 결과는 고해상도 구역(LPC)과 세분화된 도로망을 결합했을 때, 특히 고속도로 편향 라우팅이 적용되면 전체 대피 효율이 가장 크게 향상된다는 것을 보여준다. 이는 고해상도 데이터가 도로 용량과 병목 현상을 정확히 포착해, 에이전트가 보다 현실적인 경로를 선택하도록 돕기 때문이다.

마지막으로 인간 행동, 즉 대피자들의 컴플라이언스 수준을 변수로 설정했다. 컴플라이언스는 “제시된 최적 경로를 따르는 비율”로 정의되며, 100%부터 0%까지 10% 단위로 변동시켰다. 시뮬레이션 결과, 컴플라이언스가 70% 이하로 떨어지면 대피 시간과 혼잡도가 급격히 상승한다. 특히, 비준수 에이전트가 고속도로를 회피하고 지방 도로를 과다 이용하면서 네트워크 전체에 비선형적인 병목을 초래한다. 이는 정책 입안자가 대피 안내의 신뢰성을 확보하고, 실시간 교통 정보 제공을 통해 컴플라이언스를 유지하는 것이 중요함을 시사한다.

전반적으로 이 논문은 (1) 고해상도 인구 데이터 활용, (2) MSNDSP 기반 O‑D 매트릭스 생성, (3) 에이전트 기반 할당 프레임워크, (4) 인간 컴플라이언스 모델링이라는 네 축을 통해 기존 거시 시뮬레이션의 한계를 극복하고, 재난 대피 운영에 실용적인 의사결정 도구를 제공한다는 점에서 학술적·실무적 기여도가 크다.