자율 모빌리티 전기차량 충전 스케줄링 온라인 최적화

초록

본 논문은 자율 모빌리티 온 디맨드(AMoD) 전기차량 플릿의 충전 및 재배치를 실시간으로 결정하는 온라인 알고리즘을 제안한다. 차량이 승객을 내려놓은 후 ‘between‑ride’ 상태에 들어가면 배터리 잔량, 현재 위치, 충전소 가용성 등을 고려해 충전 일정과 다음 승객 픽업 지점을 동시에 선택한다. 저자는 프라임‑듀얼(primal‑dual) 기법 기반의 휴리스틱을 설계하고, 경쟁비율(competitive ratio) 분석을 통해 클레버오전(offline) 최적해와 비교한 이론적 보장을 제공한다. 시뮬레이션 결과는 제안 방법이 충전소 혼잡 완화와 차량 가용성 향상에 크게 기여함을 보여준다.

상세 분석

이 논문은 AMoD 전기차 플릿 운영에서 가장 핵심적인 두 가지 제약—충전 인프라의 용량 제한과 차량의 서비스 가용성—을 동시에 고려한 온라인 최적화 문제를 정의한다. 기존 연구들은 주로 라우팅·재배치 혹은 별도의 충전 스케줄링에 초점을 맞추었지만, 본 논문은 승객 하차 시점부터 다음 승객 픽업까지의 전체 사이클을 하나의 ‘between‑ride’ 세션으로 모델링한다. 각 세션은 배터리 상태, 현재 위치, 충전소의 전력·케이블 한계, 시간대별 전기 요금 및 현장 태양광 발전량 등을 입력으로 받아, (1) 충전 여부·양, (2) 충전 시점·속도, (3) 다음 픽업 지역을 결정한다.

프라임‑듀얼 접근법을 사용해 원문(프라임) 문제를 라그랑지안 형태로 변환하고, 듀얼 변수(지역 차량 제한, 충전소 전력·케이블 비용, 외부 전력 구매 비용, 서비스 중단 비용 등)를 실시간으로 업데이트한다. 온라인 알고리즘은 새로운 세션이 도착할 때마다 현재 듀얼 변수 값을 기반으로 각 가능한 스케줄에 대한 ‘마진’ u_j 를 계산하고, u_j>0이면 가장 큰 마진을 주는 스케줄을 선택한다. 이 과정은 정수 결정 변수 x_{js} 를 직접 선택하므로, 별도의 라운딩 단계가 필요 없으며 계산 복잡도도 다항식 수준에 머문다.

경쟁비율 분석에서는 adversarial(적대적) 입력 시퀀스에 대해 제안 알고리즘이 최적 offline 해의 1/α 배 이하의 손실만을 보인다고 증명한다. 여기서 α는 충전소의 케이블·에너지 한계와 차량 서비스 제한을 결합한 상수이며, 실제 파라미터 설정에 따라 2~3 수준으로 수렴한다. 따라서 최악의 경우에도 실시간 의사결정이 이론적으로 보장된 성능을 유지한다는 점이 큰 강점이다.

시뮬레이션에서는 3개의 충전소와 5개의 픽업/드롭오프 구역을 가진 도시 모델을 사용했으며, 시간당 전기 요금 변동, 현장 태양광 가용성, 차량 배터리 소모 프로파일을 실제 데이터에 근접하게 설정했다. 결과는 (i) 충전소 혼잡도 30% 감소, (ii) 평균 차량 서비스 재개 시간 15% 단축, (iii) 전체 플릿 수익이 offline 최적해 대비 85% 수준을 달성함을 보여준다. 특히, 전력 가격이 급등하는 피크 시간대에 태양광을 우선 활용하고, 충전 대기열을 최소화하는 전략이 효과적이었다.

이 논문은 (1) 온라인 상황 인식 기반의 실시간 최적화 프레임워크, (2) 프라임‑듀얼을 통한 간결한 알고리즘 설계, (3) 경쟁비율을 통한 이론적 성능 보장이라는 세 축을 동시에 만족시킨 점에서 기존 연구와 차별화된다. 다만, 차량 이동 경로와 교통 상황을 더 정밀히 모델링하거나, 다중 목적(예: 배터리 수명 관리, 전력망 부하 평탄화) 최적화를 확장하는 연구가 향후 과제로 남는다.