자율주행 온디맨드 셔틀을 활용한 첫마지막 마일 연결 설계와 최적화

초록

본 연구는 플러시 마일·라스트 마일(FMLM) 문제를 해결하기 위해 자율주행 온디맨드 셔틀(AODS) 서비스를 설계·최적화하고, 동적 교통 할당과 삽입 휴리스틱을 결합한 컨트롤러를 Aimsun 시뮬레이터에 구현하였다. 플로리다주 레이크노나를 사례지역으로 삼아 1 %의 전체 여행을 전제로 3대의 셔틀이 80 % 이상의 요청을 평균 대기시간 4분 이하로 처리함을 보였으며, 충전 전략과 저속 운행이 일반 교통에 미치는 영향을 정량화하였다.

상세 분석

이 논문은 FMLM 연결성 향상을 위한 기술·운영적 과제를 체계적으로 분석하고, 두 가지 핵심 모듈을 통합한 최적화 프레임워크를 제시한다. 첫 번째 모듈은 메조스코픽 동적 교통 할당(DTA)으로, 실시간 교통 상황과 차량 흐름을 시뮬레이션하여 각 구간의 여행시간을 지속적으로 업데이트한다. 기존 연구에서 정적인 비용 행렬을 사용했던 것과 달리, 이 접근법은 셔틀이 선택하는 경로가 교통 혼잡에 따라 동적으로 변하도록 함으로써 실제 도로 환경을 보다 정확히 반영한다. 두 번째 모듈은 삽입 휴리스틱(insertion heuristic)으로, 새로운 승객 요청이 발생할 때마다 기존 셔틀 일정에 최소 추가 비용(대기시간·주행거리)을 발생시키는 위치에 삽입한다. 이 알고리즘은 O(n·m) 복잡도를 유지하면서도, 완전 탐색에 비해 90 % 이상 근접 최적해를 제공한다는 실험 결과가 제시된다.

충전 인프라 고려는 두 단계로 이루어진다. (1) 셔틀의 배터리 SOC(State of Charge)를 실시간 모니터링하고, SOC가 임계값 이하로 떨어지면 가장 가까운 충전소로 이동하도록 스케줄링한다. (2) 충전 대기시간을 최소화하기 위해 ‘충전 풀(pooling)’ 전략을 도입, 여러 셔틀이 동일 충전소를 공유하면서 대기열을 최적화한다. 시뮬레이션 결과, 충전소 수를 1개에서 3개로 확대하면 평균 대기시간이 1.8분에서 0.9분으로 절반 이하로 감소하고, 필요한 차량 대수는 3대에서 5대로 증가한다는 트레이드오프가 확인되었다.

교통 영향 평가에서는 저속(15 mph) 셔틀이 기존 차량 흐름에 미치는 미세한 용량 감소를 VISSIM‑Aimsun 연동 모델로 정량화하였다. 결과는 셔틀이 차지하는 차선 용량이 전체 용량의 0.3 %에 불과해, 교통 혼잡을 유발하지 않으며 오히려 차량 재분배 효과로 일부 구간에서 평균 속도가 0.5 mph 상승하는 부수 효과도 관찰되었다.

전반적으로 이 연구는 (1) 동적 교통 할당과 삽입 휴리스틱을 결합한 실시간 라우팅 엔진, (2) 충전 전략을 포함한 운영 최적화, (3) 저속 셔틀의 교통 시스템 통합 평가라는 세 축을 통해 AODS 기반 FMLM 서비스의 실현 가능성을 정량적으로 입증하였다. 특히, 1 %의 여행 수요만으로도 소규모 차량 대수(3대)로 80 % 이상의 요청을 만족시키는 결과는 비용 효율적인 초기 파일럿 운영에 강력한 근거를 제공한다.