반복 게임 기반 고속도로 차선 변경 모델

초록

본 논문은 고속도로 온램프에서 차량이 병합할 때, 병합 차량과 기존 차선의 선행 차량 간 상호작용을 게임 이론으로 모델링한다. 기존 단일 의사결정 모델을 확장해 반복 게임 형태의 단계 게임을 설계하고, 새로운 다변량 보상 함수를 도입해 NGSIM 실데이터로 검증하였다. 예측 정확도는 86%에 달했으며, 민감도 분석과 에이전트 기반 시뮬레이션을 통해 반복 게임이 일회성 게임보다 우수함을 확인했다.

상세 분석

이 연구는 차선 변경 의사결정을 두 운전자, 즉 병합 차량(SV)과 목표 차선의 선행 차량(LV) 사이의 비협력 게임으로 정의한다. 기존 연구들은 주로 병합 차량의 관점만을 고려했으나, 본 논문은 양측의 효용을 동시에 모델링함으로써 보다 현실적인 상호작용을 포착한다. 핵심은 ‘반복 게임’ 구조이다; 매 순간의 단계 게임 결과가 다음 라운드의 보상에 누적되어, 운전자가 과거 결정에 기반해 전략을 조정한다. 이를 위해 저자들은 기존의 단일 차원 보상 함수를 다변량 함수로 확장하고, 단위가 다른 변수들을 무차원화(dimensionless) 처리해 균형 해의 편향을 방지하였다. 보상 함수는 가속도, 시간, 안전 거리 등 물리적 요소와 운전자의 공격성·주행 경험 등 행동적 요소를 포함한다. 모델 검증은 NGSIM 데이터셋을 사용했으며, 86%의 예측 정확도는 기존 모델 대비 현저히 향상된 수치이다. 민감도 분석에서는 보상 가중치, 차량 속도 차이, 차량 간 거리 등 주요 파라미터가 결과에 미치는 영향을 정량화했으며, 모델이 합리적인 반응을 보임을 확인했다. 또한, 에이전트 기반 시뮬레이션(ABM) 실험에서는 반복 게임 모델이 일회성 게임 모델에 비해 병합 성공률, 평균 지연 시간, 충돌 위험 모두에서 우수한 성능을 나타냈다. 이러한 결과는 반복적인 의사결정이 실제 운전 상황에서 전략적 안정성을 제공한다는 점을 시사한다. 논문의 한계로는 데이터가 주로 혼잡도가 낮은 오전 피크 구간에 국한돼 있어, 극심한 혼잡 상황이나 다중 병합 시나리오에 대한 일반화가 필요하다는 점을 들 수 있다. 향후 연구에서는 V2V 통신을 통한 실시간 정보 공유와, 자동운전 차량(AV)과 인간 운전자 간의 혼합 교통 환경을 모델에 포함시키는 방향이 제시된다.