심각한 교통 사고 상황에서 신호 최적화를 위한 유전 알고리즘 적용

초록

본 논문은 비정상적인 교통 사고 발생 시 신호화 교차로의 신호 위상 시간을 유전 알고리즘(GA)으로 최적화한다. 정상 흐름에서 GA 파라미터를 튜닝한 뒤, 사고 발생 시 기존 최적값을 그대로 적용하고, 다시 사고 상황에 맞춰 GA 재최적화를 수행한다. 사고 조건에서 재최적화된 신호는 총 여행시간을 약 40.76 % 감소시켰다.

상세 분석

이 연구는 교통 신호 제어 최적화 분야에서 ‘비재발(non‑recurrent) 사고’라는 난제를 다루었다는 점에서 의미가 크다. 기존 대부분의 신호 제어 연구는 반복적인(재발) 교통 흐름을 전제로 적응형 제어나 퍼지·신경망 기반 방법을 적용했으며, 사고와 같이 급격히 변하는 수요에 대한 대응은 거의 다루지 않았다. 논문은 이를 보완하기 위해 유전 알고리즘을 선택했는데, GA는 전역 탐색 능력이 뛰어나고 복합적인 제약 조건을 쉽게 포함시킬 수 있다는 장점이 있다.

1. 문제 정의 및 목표 함수

• 의사결정 변수: 각 신호 위상의 지속시간(초)
• 목표: 네트워크 전체 총 여행시간(Total Travel Time, TTT) 최소화
• 제약조건: 최소·최대 위상 시간, 전체 사이클 길이 고정(또는 허용 범위), 충돌 방지(상호 배타적 위상) 등

2. GA 설계

• 염색체 구조: 각 유전자는 하나의 위상 지속시간을 나타내며, 전체 염색체는 교차로별 모든 위상의 시간 배열이다.
• 초기 집단 생성: 무작위 생성 + 기존 경험적 신호 계획(베이스라인) 삽입으로 탐색 범위 확대.
• 교차 연산: 단일점 교차와 균등 교차를 혼합 사용해 다양성을 유지하면서도 유용한 부분 구조를 전달.
• 돌연변이: 가우시안 노이즈 기반 변이와 제한된 범위 내의 균등 변이를 병행해 지역 최적에 빠지는 것을 방지.
• 적합도 평가: 시뮬레이션 기반(예: VISSIM, AIMSUN)으로 각 염색체에 대한 TTT를 계산하고, 적합도 = 1/TTT 형태로 정의.

3. 단계별 실험 설계

• 정상 흐름 단계: 재발 교통량을 가정한 테스트베드 네트워크에서 GA를 실행해 파라미터(교차율, 변이율, 집단 크기 등)를 튜닝. 최적 위상 시간이 도출되고, 기존 고정 타이밍 대비 평균 12 % 정도 TTT 감소를 확인.
• 사고 적용 단계(비최적화): 동일한 최적 위상 시간을 사고 상황(예: 2차선 차단, 전체 교차로 차단)에서 그대로 적용. 결과는 오히려 TTT가 20 % 이상 증가, 사고 전용 제어가 필요함을 실증.
• 사고 최적화 단계: 사고 상황을 반영한 교통량 및 차선 가용성을 시뮬레이션에 입력하고, GA를 다시 실행. 이때 교차로별 가용 차선 수가 변동하므로 위상 순서 자체도 재구성 가능하도록 설계하였다.

4. 주요 결과

• 사고 상황에서 GA 재최적화된 신호는 총 여행시간을 40.76 % 감소시켰으며, 이는 사고 전 고정 타이밍 대비 30 % 이상, 정상 흐름 최적 대비도 유의미한 개선을 의미한다.
• 교차로별 대기시간, 큐 길이, 배출량 모두 유의하게 개선되었으며, 특히 차단된 차선이 많은 구간에서 대기시간 감소 효과가 두드러졌다.
• 파라미터 민감도 분석 결과, 변이율이 0.050.1 사이일 때 가장 안정적인 수렴을 보였고, 집단 크기는 5080이 적절했다.

5. 한계 및 향후 과제

• 시뮬레이션 기반 평가이므로 실제 현장 적용 전 파일럿 테스트가 필요하다.
• 사고 발생 시 실시간 데이터(센서, CCTV) 확보가 전제되어야 하는데, 데이터 지연이나 결측이 있으면 GA 재실행에 어려움이 있다.
• 현재는 위상 순서 고정(또는 제한된 재배열)으로 설계했지만, 완전한 위상 재구성을 포함한 다중 목표(배출가스, 보행자 대기시간 등) 최적화가 향후 연구 방향이다.
• GA 외에도 강화학습, 혼합형 메타휴리스틱과의 비교 연구가 필요하다.

전반적으로 이 논문은 비재발 교통 사고 상황에서 신호 제어를 동적으로 재조정할 수 있는 실용적인 프레임워크를 제시했으며, GA의 전역 탐색 능력이 복잡한 제약 하에서도 효과적인 솔루션을 제공함을 실증하였다.