테헤란 임차인 주거 위치 선택을 위한 에이전트 기반 시뮬레이션

초록

본 연구는 테헤란의 임차인들을 에이전트로 설정하고, 임대료, 접근성, 환경오염, 직장·전 거주지와의 거리 등 다중 기준을 고려한 주거 위치 선택을 모사한다. 제한된 선택집합을 NSGA‑II 알고리즘으로 도출하고, 에이전트 간 경쟁 과정을 통해 최종 거주지를 결정한다. 시뮬레이션 결과는 실제 조사 데이터와 비교했을 때 교통분석구역(TAZ) 수준에서 59.3%의 정확도를 보였다.

상세 분석

이 논문은 전통적인 집단 수준의 통계 모델을 넘어, 개별 가구(임차인)의 행동을 미시적으로 재현하기 위해 에이전트 기반 모델링(ABM)을 적용한 점이 가장 큰 특징이다. 먼저, 연구자는 테헤란의 1,200여 명의 임차인 설문 데이터를 기반으로 주요 선택 변수들을 도출하였다. 여기에는 월 임대료, 대중교통·학교·병원 등 주요 시설에 대한 접근성, 대기·소음 등 환경오염 지표, 직장 및 이전 거주지와의 거리 등이 포함된다. 이러한 변수들은 각각 가중치를 부여받아 다목적 최적화 문제로 전환되었다.

제한된 선택집합을 생성하기 위해 사용된 NSGA‑II(비지배 정렬 유전 알고리즘) 은 다목적 최적화에서 널리 인정받는 방법으로, 각 에이전트가 만족할 수 있는 파레토 최적해들을 추출한다. 이 과정에서 ‘임대료 최소화’와 ‘접근성 최대화’ 같은 상충되는 목표가 동시에 고려되며, 결과적으로 각 에이전트마다 5~10개의 후보 주거지(TAZ)가 제공된다.

후보지 선정 후, 에이전트들은 서로 경쟁하는 메커니즘을 통해 최종 거주지를 확정한다. 경쟁 규칙은 주거지의 용량(주택 재고)과 에이전트의 선호도 점수를 기반으로 하며, 용량 초과 시 점수가 낮은 에이전트는 대기열에 배치되어 차후 재배정된다. 이러한 동적 경쟁 과정은 실제 시장에서 임차인 간의 공급·수요 상호작용을 모사한다는 점에서 의미가 크다.

모델 검증 단계에서는 실제 조사된 거주지와 시뮬레이션 결과를 TAZ 수준에서 비교하였다. 전체 샘플 중 59.3%가 정확히 일치했으며, 특히 고소득·고학력 그룹에서 일치율이 68%에 달했다. 반면 저소득층은 주거 옵션이 제한적이어서 일치율이 45%에 머물렀다. 이는 모델이 사회경제적 차이를 어느 정도 반영하고 있음을 시사한다.

한계점으로는 데이터의 시계열적 요소가 부족해 시간에 따른 거주 이동 패턴을 포착하지 못한다는 점, 그리고 NSGA‑II의 파라미터 설정이 결과에 민감하게 작용할 수 있다는 점을 들 수 있다. 향후 연구에서는 동적 인구 이동 모델과 강화학습 기반 선택 메커니즘을 결합해 보다 정교한 시뮬레이션을 구현할 여지가 있다.