로보택시 운영 구역 최적화: 자율 모빌리티 네트워크 설계

본 논문은 자율 이동‑온‑디맨드(Autonomous Mobility‑on‑Demand, AMoD) 서비스가 향후 도시 교통에 미칠 영향을 전략적 수준에서 탐구한다. 기존 연구는 주로 차량 매칭, 재배치, 라이드풀링 등 운영 차원의 알고리즘에 초점을 맞추고, 고정된 도로망을 전제로 한다. 그러나 실제 자율주행 차량은 안전하고 효율적인 운행을 위해 특정 도로 구간에 센서, 통신 장비 등 물리·디지털 인프라가 필요하며, 초기 단계에서는 제한된 운영 설계 영역(Operational Design Domain, ODD)만 활용한다. 따라서 운영 네트워크 자체를 설계하는 문제가 필연적으로 발생한다. 논문은 이를 “Autonomous Mobility‑on‑Demand Network Design Problem (AMoD‑NDP)”이라 명명하고, 다음과 같은 의사결정 변수를 포함한다. ① 어떤 도로 링크를 인프라화해 운영 서브네트워크에 포함시킬지(이진 변수); ② 각 OD(Origin‑Destination) 쌍에 대해 어떤 경로를 이용해 승객을 운송할지(경로 선택 변수); ③ 전체 플릿 규모와 차량 운행 시간(플릿‑시간) 제한. 목표는 인프라 투자 비용과 차량 운행 비용(플릿‑시간)의 가중합을 최소화하면서, 각 승객 경로가 사전에 정의된 품질‑서비스(QoS) 기준(예: 최대 여행시간, 위험도 제한)을 만족하도록 하는 것이다. 수학적 모델은 경로 기반 혼합정수선형계획(MILP) 형태이다. 전통적인 링크 기반 모델과 달리, 경로 레벨 제약을 직접 포함시켜야 하므로 변수와 제약이 급격히 늘어난다. 이를 해결하기 위해 저자는 컬럼 생성(Column Generation, CG) 알고리즘을 설계한다. 마스터 문제는 현재 생성된 경로 집합에 대해 선형 이완(LP) 형태로 최적화를 수행하고, 프라이스 문제는 “자원 제한 최단경로”(Shortest Path with Resource Constraints, SPRC)를 해결한다. 프라이스 문제는 라벨‑정정(label‑correcting) 알고리즘을 이용해, 각 OD에 대해 허용된 여행시간, 좌회전 횟수 등 자원을 만족하는 최단 경로를 정확히 찾는다. 이 과정에서 라벨을 효율적으로 관리하기 위해 OD‑별 사전 처리와 다중 라벨 관리 기법을 적용한다. 알고리즘은 최적성 갭을 명시적으로 제공한다. 마스터 문제의 LP 최적값과 현재 정수 해의 목표값 차이를 계산해, 언제든 현재 해가 전체 MILP 최적해와 얼마나 차이 나는지 알 수 있다. 또한, 여행시간과 수요에 대한 박스형 불확실성을 반영한 견고(Robust) 확장 모델을 제시한다. 견고 모델에서도 동일한 마스터‑프라이스 구조가 유지되므로, 기존 CG 프레임워크를 그대로 적용할 수 있다. 실증 연구는 뉴욕 맨해튼의 실제 도로망(수천 개 노드·링크)과 탑승·하차 데이터(수만 건)를 사용한다. 실험 설정은 (1) 인프라 예산 제한, (2) 플릿‑시간 제한, (3) 경로 레벨 QoS(최대 여행시간, 좌회전 제한) 등이다. 주요 결과는 다음과 같다. 1. **인프라 투자와 플릿 규모의 트레이드오프**: 예산을 늘리면 운영 서브네트워크가 확대돼 차량 이동 거리와 대기 시간이 크게 감소한다. 그러나 일정 수준을 넘어가면 추가 투자 대비 비용 절감 효과가 감소하는 수확 체감 현상이 나타난다. 2. **좌회전 제한과 위험 관리**: 좌회전 횟수를 제한하는 제약을 도입하면 위험도가 높은 교차로를 회피하면서도 전체 서비스 커버리지는 크게 손상되지 않는다. 이는 운영 위험을 낮추면서도 수익성을 유지할 수 있는 실용적인 정책 도구가 된다. 3. **플릿‑시간 제한**: 플릿 규모를 확대하면 플릿‑시간 제한을 완화할 수 있어 더 많은 OD 쌍을 만족시킬 수 있다. 하지만 인프라 투자와의 균형을 맞추지 않으면 비용 효율이 떨어진다. 4. **견고성**: 여행시간 변동과 수요 불확실성을 고려한 견고 모델에서도 최적성 갭이 작게 유지되며, 실제 교통 상황 변화에 대한 해의 안정성이 확인되었다. 이러한 결과는 도시 정책 입안자와 AMoD 사업자가 “어디에 인프라를 설치하고, 어느 정도 플릿을 운영해야 하는가”라는 전략적 질문에 정량적인 근거를 제공한다. 특히, 경로‑레벨 QoS와 위험 제약을 직접 모델링함으로써, 기존 평균‑지표 중심 설계와 차별화된, 고객 만족도와 안전성을 동시에 고려한 설계가 가능해졌다. 결론적으로, 논문은 AMoD 서비스가 단순히 차량을 배치하는 수준을 넘어, 물리·디지털 인프라와 서비스 네트워크를 통합 설계해야 함을 이론·알고리즘·실증 삼위일체로 설득력 있게 제시한다. 향후 연구는 다중 모드 연계, 실시간 재설계, 그리고 정책 시뮬레이션을 포함한 확장 가능성을 제시한다.