재난 구호 물자 배분 문제: 트럭과 드론의 협업과 불완전 수요 정보

초록

본 논문은 재난 현장에서 트럭과 고속 탐색 드론을 활용해 손상 여부가 사전에 알려지지 않은 지역에 구호 물자를 효율적으로 배분하는 온라인 문제(RDP)를 정의하고, 경쟁비와 드론‑임팩트 비를 기준으로 두 가지 정책(Optimistic, Regretless)의 이론적 성능을 분석한다. 실험을 통해 드론 도입이 상황에 따라 완화·악화 효과를 모두 가질 수 있음을 확인하고, 정책 선택 시 드론 속도·대수·트럭 수에 따른 트레이드오프를 제시한다.

상세 분석

RDP는 그래프 G 위에 위치한 잠재적 피해 지역 C 와 본부 v₀ 을 포함하고, kₜ 대의 트럭과 k_d 대의 드론이 동시에 작동한다는 설정이다. 트럭은 물자를 운반할 수 있지만 속도는 1로 정규화하고, 드론은 물자를 운반하지 못하지만 α 배 빠른 속도로 C 의 각 노드를 탐색한다. 손상 여부 D⊆C 는 방문 시점에 처음 밝혀지며, 손상된 노드는 반드시 트럭이 방문해야 한다는 제약이 있다. 목표는 모든 노드가 적어도 한 차량에 의해 방문되고, 손상된 노드는 트럭이 방문하도록 하면서, 모든 차량이 본부로 돌아오는 시점인 makespan을 최소화하는 것이다.

이 문제는 완전 정보 버전(RDP*)이 TSP와 동일하게 NP‑hard임을 보이며, 온라인 특성 때문에 경쟁비(σ)와 드론‑임팩트 비(¯ω, ω)를 성능 지표로 채택한다. 경쟁비는 최악 상황에서 알고리즘 비용을 최적 오프라인 비용에 대한 비율로 정의하고, 드론‑임팩트 비는 드론이 없을 때의 최적 Multi‑TSP 비용 대비 알고리즘 비용을 비교한다.

두 정책은 다음과 같다.

1. Optimistic: 드론을 가능한 한 많이 활용해 탐색을 앞당기고, 트럭은 현재 알려진 손상 노드만 순회한다. 이 정책은 드론 속도 α 가 충분히 클 때 경쟁비가 1+1/α 정도로 최적에 가깝게 유지됨을 증명한다. 그러나 드론이 탐색에 지나치게 집중하면 트럭이 손상 노드를 나중에야 알게 되어 전체 makespan이 늘어날 수 있다(¯ω>1).
2. Regretless: 드론과 트럭의 스케줄을 동기화해, 드론이 탐색한 정보를 즉시 트럭이 활용하도록 설계한다. 이 정책은 드론‑임팩트 비가 최소(¯ω=ω=1)하도록 보장하지만, 경쟁비는 α 에 비례해 악화될 수 있다(특히 α≈1 일 때).

이론적 분석에서는 α, kₜ, k_d 의 조합에 따라 두 정책이 각각 상한·하한을 갖는 경우를 구분한다. 예를 들어, k_d≥kₜ 이고 α≥2 일 때 Optimistic은 경쟁비 ≤1.5 를 달성하고, Regretless는 드론‑임팩트 비 = 1을 유지한다. 반대로 k_d≪kₜ 이거나 α≈1 인 경우에는 Regretless가 더 유리하다.

실험에서는 산악·해안 지형을 모델링한 합성 그래프와 실제 재난 데이터(네팔 지진, 필리핀 태풍)를 사용해 정책별 makespan을 측정했다. 결과는 이론적 경계가 실제 성능을 잘 예측함을 보여준다. 특히 드론 도입 시 makespan이 최대 100 % 증가하는 경우가 관찰되었으며, 이는 탐색과 배송 사이의 비효율적 동기화가 원인임을 확인했다.

전반적으로 논문은 “드론이 반드시 효율성을 높이는 것이 아니다”는 중요한 교훈을 제시하고, 드론 속도·대수·트럭 수에 따라 정책을 선택해야 함을 강조한다. 또한, 온라인 라우팅 문제에 경쟁비와 드론‑임팩트 비를 동시에 적용한 최초 사례로서, 향후 재난 물류 시스템 설계에 이론적·실무적 가이드라인을 제공한다.