다중에이전트 시뮬레이션을 활용한 대기오염 위기 모델링

초록

본 논문은 가우시안 플럼 확산 모델과 인공신경망을 결합한 예측 엔진을 다중에이전트 시스템에 통합하여, 알제리 안나바 도시의 대기오염 위기 상황을 시뮬레이션한다. 에이전트들은 오염원 관리자와 모니터링 기관으로 모델링되며, 협력 전략을 통해 배출량을 감소시키고 통제 정책의 효율성을 평가한다.

상세 분석

이 연구는 대기오염 위기 대응을 위한 복합 모델링 접근법을 제시한다는 점에서 의미가 크다. 먼저, 전통적인 가우시안 플럼 모델(GPM)은 배출원에서의 물리적 확산 과정을 수학적으로 기술하지만, 실제 현장에서는 기상 변동, 지형 복잡성, 화학 반응 등 비선형 요인이 크게 작용한다. 이를 보완하기 위해 논문은 GPM의 출력값을 입력으로 사용하여 3종류 오염물질(예: SO₂, NOₓ, PM₁₀)의 농도를 예측하는 인공신경망(ANN)을 구축하였다. ANN은 다층 퍼셉트론 구조로, 학습 데이터는 현장 측정값과 GPM 시뮬레이션 결과를 결합해 생성하였다. 이렇게 두 모델을 연계함으로써 물리 기반 모델의 해석 가능성과 데이터 기반 모델의 예측 정확성을 동시에 확보한다.

다음으로, 다중에이전트 시스템(MAS)은 정책 입안자와 현장 운영자를 가상 에이전트로 구현한다. ‘오염원 제어 에이전트’는 각 배출시설의 운영 파라미터를 조정할 권한을 가지며, ‘모니터링 에이전트’는 실시간 농도 데이터를 수집·전달한다. 에이전트들은 협력 프로토콜을 통해 목표 농도 한계 이하로 유지하기 위한 배출량 감축 계획을 공동으로 수립한다. 특히, 협력 전략은 ‘협상 기반 감축’과 ‘우선순위 기반 차단’ 두 단계로 구성되며, 각 단계에서 비용‑효율성을 고려한 의사결정이 이루어진다. 이 과정에서 비제어 오염원(누출·자연 발생)은 외부 파라미터로 모델링되어, 에이전트들이 완전 통제 불가능한 상황에서도 대응 전략을 조정하도록 설계되었다.

시뮬레이션은 안나바 시의 실제 지리·기상 데이터를 기반으로 수행되었다. 결과는 협력 전략 적용 시 평균 농도 감소율이 25 % 이상이며, 비제어 오염원 영향이 15 % 감소하는 것으로 나타났다. 또한, 정책 시나리오(예: 배출 허용량 제한, 급격한 감축 명령)별로 에이전트들의 행동 패턴과 시스템 전체의 안정성을 비교함으로써, 협력 메커니즘이 단일 중앙집중식 제어보다 유연하고 회복력이 높음을 입증한다. 한계점으로는 ANN 학습에 필요한 고품질 데이터 확보가 어려울 수 있으며, 에이전트 간 통신 지연 및 불완전 정보 상황에서의 안정성 검증이 추가 연구가 필요하다는 점을 들 수 있다. 전반적으로 물리‑데이터 혼합 모델과 MAS 기반 정책 시뮬레이션을 결합한 본 접근법은 대기오염 위기 관리에 새로운 분석 도구를 제공한다.