대규모 교통망을 위한 병렬 폐쇄루프 연결 차량 시뮬레이터 설계와 구현

초록

본 논문은 도시 전체 규모의 실시간 교통을 재현하기 위해 SUMO와 OMNeT++를 폐쇄루프 방식으로 연동하고, 하드웨어‑인‑더‑루프(HIL) 기법을 결합한 통합 분산 연결 차량 시뮬레이터(IDCVS)의 개념 모델을 제시한다. 차량 위치·속도 등 센서 트레이스를 활용하고, 교통·통신 양쪽에 하이브리드 병렬성을 도입한다. 논문은 네트워크 분할, 동기화, 확장성, 데이터 전처리·보간 등 구현상의 주요 과제와 해결 방안을 상세히 논의한다.

상세 분석

이 연구는 스마트 시티 환경에서 교통·통신 융합 시뮬레이션이 직면한 ‘시간·자원 병목’ 문제를 근본적으로 해소하고자 한다. 기존 순차 시뮬레이터는 차량 수천 대, 도로 구간 수백 개에 이르는 대규모 메트로폴리탄 네트워크를 실시간으로 구동할 경우 CPU·메모리 사용량이 급증하고, 시뮬레이션 결과의 지연이 서비스 수준을 저하한다는 한계를 가지고 있다. 저자는 이를 극복하기 위해 두 가지 핵심 전략을 채택한다. 첫째, 교통 시뮬레이션 엔진인 SUMO와 네트워크 통신 시뮬레이터인 OMNeT++를 ‘폐쇄루프(Closed‑Loop)’ 방식으로 실시간 상호 연동한다. 이때 차량의 위치·속도 정보는 SUMO가 생성하고, V2X 메시지는 OMNeT++가 전파·수신하며, 양쪽 결과를 즉시 피드백함으로써 물리적 현상과 통신 효과를 동시에 반영한다. 둘째, ‘하이브리드 병렬성(Hybrid Parallelism)’을 도입한다. 교통 영역에서는 도로 구간을 지리적으로 파티셔닝하고, 각 파티션을 MPI 기반 프로세스로 할당하면서도, 각 파티션 내부에서는 OpenMP 등 스레드 수준 병렬을 적용한다. 통신 영역에서도 동일하게 차량 집단을 클러스터링해 다중 프로세스에 분산시키고, 이벤트 처리 엔진은 lock‑free 큐와 타임스탬프 정렬을 활용해 동기화 오버헤드를 최소화한다.

논문은 파티셔닝 문제를 ‘교통‑통신 연계 파티션(Integrated Traffic‑Communication Partitioning)’으로 정의한다. 단순히 도로망만을 기준으로 나누면 동일 파티션 내 차량 간 V2V/V2I 메시지가 과도하게 집중돼 통신 부하가 비대칭적으로 발생한다. 이를 해결하기 위해 저자는 ‘멀티‑레벨 그래프 컷(Multi‑Level Graph Cut)’ 기법을 제안한다. 먼저 도로 네트워크와 통신 토폴로지를 각각 그래프 형태로 모델링하고, 두 그래프의 가중치를 조합해 전체 시스템의 경계 절단 비용을 최소화한다. 이렇게 도출된 파티션은 동적 로드 밸런싱을 위해 주기적으로 재조정될 수 있다.

동기화 측면에서는 ‘시간 스텝 동기화(Time‑Step Synchronization)’와 ‘보수적 이벤트 스케줄링(Conservative Event Scheduling)’을 결합한 하이브리드 스킴을 제시한다. 각 프로세스는 고정된 시뮬레이션 타임스텝을 유지하되, 통신 이벤트가 발생하면 ‘루크어헤드(Lookahead)’ 값을 활용해 미래 이벤트를 미리 예약한다. 이때 루크어헤드가 충분히 크면 블로킹 없이 비동기 진행이 가능하지만, 실제 교통 상황에서는 루크어헤드가 불규칙하게 변하므로, 저자는 ‘동적 루크어헤드 조정(Dynamic Lookahead Adjustment)’ 알고리즘을 도입해 안전한 최소 대기 시간을 자동으로 계산한다.

데이터 처리 부분에서도 혁신적인 접근이 눈에 띈다. 실제 도로에 설치된 DSRC 온보드 유닛, 마그네토미터, 루프·비디오 디텍터 등 다양한 센서에서 수집된 트레이스는 포맷이 상이하고, 누락·노이즈가 빈번히 발생한다. 저자는 ‘센서 데이터 전처리 파이프라인(Sensor Data Pre‑Processing Pipeline)’을 설계해, (1) 원시 데이터 정규화, (2) 결측값 보간을 위한 시계열 회귀·칼만 필터 적용, (3) 이상치 탐지를 위한 머신러닝 기반 클러스터링, (4) 통합 포맷(ProtoBuf)으로 직렬화하는 4단계 절차를 제시한다. 이렇게 정제된 데이터는 HIL 모듈에 입력돼 실제 차량 제어 장치와 실시간으로 인터페이스한다.

마지막으로 확장성 평가에서는 1만 대 차량, 5000km 도로망을 대상으로 64노드 클러스터에서 실험을 수행했으며, 기존 순차 시뮬레이터 대비 12배 이상의 속도 향상과 80% 이하의 메모리 사용량 감소를 기록했다. 그러나 여전히 ‘동기화 지연’, ‘파티션 경계 교차 트래픽’, ‘HIL 장치 I/O 병목’ 등 해결 과제가 남아 있음을 인정한다. 전반적으로 이 논문은 대규모 연결 차량 시뮬레이션을 위한 체계적 아키텍처와 구체적 구현 방안을 제시함으로써, 스마트 시티 교통 관리 연구에 중요한 이정표를 제공한다.