도로 네트워크 객체 탐색을 위한 COLTree 효율적인 계층적 검색 구조

초록

본 논문은 도로 네트워크 상의 POI(관심 지점) 검색을 위해 기존 유클리드 기반 휴리스틱의 한계를 극복하고, 랜드마크 기반 하한을 활용한 계층적 인덱스인 COLTree를 제안한다. COLTree와 이를 빠르게 구축하는 보조 인덱스 SULTree를 이용해 다중 에이전트 집계 최근접(k‑AkNN)·최멀리(k‑FN)·범위 질의를 효율적으로 처리하며, 실험 결과 기존 방법 대비 최대 4자리수(10⁴배) 이상의 속도 향상을 입증한다. 전처리 비용도 이론·실험 모두에서 낮은 수준을 유지한다.

상세 분석

본 연구는 도로 네트워크와 같이 가중치가 있는 그래프에서 거리 계산이 비용이 많이 드는 상황을 전제로 한다. 기존 k‑NN·R‑Tree 기반 기법은 유클리드 거리의 하한을 사용해 후보 POI를 탐색하지만, 도로 거리와의 차이가 커서 특히 집계 거리(AkNN)나 최멀리(k‑FN)와 같은 비전형 질의에서는 탐색 효율이 급격히 떨어진다. 이를 해결하기 위해 저자들은 두 가지 핵심 아이디어를 제시한다. 첫째, 다수의 랜드마크에 대한 사전 거리 정보를 활용해 삼각 부등식으로 얻는 랜드마크 하한(Lower‑Bound, LLB) 을 사용한다. LLB는 유클리드 하한보다 훨씬 타이트하며, 여러 랜드마크를 조합하면 거의 최적에 근접한다. 둘째, 이러한 LLB를 계층적으로 적용할 수 있는 COLTree(Compacted Object‑Landmark Tree) 라는 새로운 인덱스를 설계한다. COLTree는 내부 노드가 서브그래프를, 리프 노드가 실제 POI 집합을 나타내며, 각각에 대해 랜드마크‑정점 거리 리스트(O‑DL, V‑DL)를 저장한다. 질의 시에는 각 노드에 대해 집계 하한(LB_agg) 을 계산해 가지치기를 수행한다. 여기서 중요한 수학적 성질은 ‘단조 집계 함수(합계·최대 등)는 하한들의 집계가 전체 집계 거리의 하한이 된다’는 Lemma 1이다. 따라서 AkNN에서는 하한이 작을수록 후보가 유망하고, k‑FN에서는 랜드마크 상한(Upper‑Bound, LUB) 를 이용해 현재 최악 후보보다 멀리 있는지를 판단해 탐색을 조기에 종료한다.

COLTree의 구축 비용을 낮추기 위해 SULTree(Subgraph‑Landmark Tree) 라는 보조 인덱스를 도입한다. SULTree는 도로 네트워크를 균등 크기의 서브그래프로 재귀적으로 분할하고, 각 서브그래프에 대표 랜드마크를 지정한다. 이 과정은 파라미터 b(분할 차수)와 α(최소 서브그래프 크기)로 제어되며, 기존 Dijkstra 기반 전처리보다 메모리·시간 효율이 높다. SULTree를 이용하면 COLTree의 리프 노드가 되는 POI 집합을 빠르게 집계하고, 내부 노드의 랜드마크‑정점 거리 리스트를 효율적으로 생성할 수 있다.

알고리즘 측면에서는 다음과 같은 흐름을 따른다. (1) 질의 위치 집합 Q와 목표 k를 입력받는다. (2) 루트부터 우선순위 큐에 하한값(LB_agg) 기반으로 노드를 삽입한다. (3) 큐에서 가장 낮은 하한을 가진 노드를 팝하고, 리프이면 실제 거리 계산을 수행해 후보 리스트에 삽입한다. (4) 내부 노드이면 자식 노드들의 하한을 재계산해 큐에 다시 넣는다. k‑FN의 경우에는 현재 후보 중 최솟값(최멀리 거리)의 상한을 유지하면서, 상한이 더 큰 노드만 탐색한다. 범위 질의는 하한이 임계값 r 이하인 노드만 탐색하면 된다.

실험에서는 미국 도로망(실제 교통 데이터)과 합성 그래프를 사용해 기존 Euclidean‑RTree, Landmark‑Based k‑NN, 그리고 최신 그래프 인덱스와 비교하였다. 결과는 AkNN·k‑FN·Range 모두에서 평균 10³10⁴배의 응답 시간 감소를 보였으며, 전처리 시간은 수십 초 수준으로 실용적이었다. 특히 랜드마크 수를 64128개까지 늘려도 메모리 사용량이 기존 방법보다 크게 증가하지 않아 대규모 네트워크에도 적용 가능함을 입증했다.

이 논문은 (1) 랜드마크 하한을 계층적 인덱스에 자연스럽게 통합, (2) 집계 함수의 볼록성(Convexity) 특성을 활용한 효율적 가지치기, (3) SULTree를 통한 전처리 비용 최소화라는 세 가지 혁신을 제공한다. 향후 연구에서는 동적 업데이트(도로 폐쇄·새로운 POI 추가)와 비단조 집계 함수(예: 가중 평균) 적용, 그리고 다른 그래프 유형(소셜·센서 네트워크)으로의 확장을 기대한다.