기술 요약: LISA – 신호 없는 자율 교차로 관리를 위한 인지적 중재

1. 문제 제기

도시 교차로 관리는 역사적으로 인프라 중심의 패러다임에 의존해 왔으며, 개별 차량의 능력이나 의도가 아닌 집계 측정을 기반으로 흐름을 규제하기 위해 신호등과 표지판을 활용해 왔습니다. 연결 및 자율 주행 차량 (CAV) 은 직접적인 조율의 가능성을 제공하지만, 기존 솔루션은 뚜렷한 구조적 한계에 직면해 있습니다:

• **신호 기반 컨트롤러 (고정 주기, 적응형)**는 특정 차량의 의도나 우선순위가 아닌 집계 흐름을 기반으로 단계를 최적화하는 차량 무관한 방식을 유지합니다.
• **녹색 신호 최적 속도 권고 (GLOSA)**는 운동학적 효율성을 개선하지만 기존 신호 일정에 종속되어 있으며, 다중 차량의 통행 우선권 해결 메커니즘이 부족합니다.
• **자율 교차로 관리 (AIM)**는 예약 슬롯을 통해 신호를 제거하지만 운동학적 상태의 결정론적 스케줄링에 의존하여 차량 의도, 우선순위 클래스, 또는 대기열 압력과 같은 상황적 트레이드오프에 대한 추론을 하지 못합니다.
• LLM 기반 접근법은 추론 도구로 등장했지만, 일반적으로 신호 단계를 선택하거나 강화 학습 (RL) 결정을 수정하는 보조 모듈로 사용될 뿐, 직접적이고 신호 없는 의사결정을 위한 자율 에이전트로서는 작동하지 않습니다.

또한, 대규모 언어 모델 (LLM) 의 높은 추론 지연은 실시간 제어에 대한 중요한 장벽을 형성합니다. 1 초 미만의 차량 제어 주기는 수 초의 추론 호출을 기다릴 수 없기 때문입니다. 핵심적인 과제는 신호 인프라나 작업별 훈련 없이 LLM 추론만으로도 교차 의도를 효과적으로 중재하고 실시간으로 협력적 운동학적 권고를 제공할 수 있는지 여부입니다.

2. 방법론: LISA 프레임워크

저자들은 **LISA(LLM 기반 의도 주도 속도 권고)**를 제안합니다. 이는 신호 없는 인지적 중재 프레임워크입니다. LISA 는 교차로 관리를 인지적 중재 문제로 재정의하여, LLM 에이전트가 신호 단계나 예약 일정 없이 차량 의도에서 직접 경쟁하는 통행 우선권 주장을 해결합니다.

시스템 아키텍처

LISA 는 고수준 의미 추론과 저수준 운동학적 실행을 분리하기 위해 2 계층 제어 아키텍처를 사용합니다:

1. 고수준 의미 중재 (LLM 에이전트): LLM 은 활성 접근 경로, 선언된 차량 의도 (공간적, 시간적, 우선순위, 에너지), 대기열 압력, 그리고 충돌 관계에 대한 구조화된 입력을 받습니다. 그리고 기호적 통행 우선권 역할을 출력합니다: CLEAR(진행), YIELD(양보), 또는 SHARE(동시 감속).
2. 저수준 운동학적 실행: 결정론적 실행기는 이러한 기호적 역할을 각 차량의 정지선까지 현재 거리에 기반하여 구체적이고 검증 가능한 속도 권고 ($v_{adv}$) 로 변환합니다. 이 계층은 시간적 정밀도와 안전을 보장하며, LLM 을 실시간 제어 루프에서 제거합니다.

지연 완화를 위한 핵심 메커니즘

LLM 추론 지연을 해결하기 위해 LISA 는 두 가지 보완적 메커니즘을 통합합니다:

• 메모화된 중재 테이블 (MAT): 캐시는 우선순위 클래스, 긴급성 밴드, 대기열 깊이, 에너지 선호도를 인코딩한 이산적 "충돌 서명"으로 키가 지정된 이전에 계산된 통행 우선권 할당을 저장합니다. 이를 통해 시스템은 LLM 을 호출하지 않고 반복되는 충돌 상태를 처리할 수 있어 높은 캐시 적중률을 달성합니다.
• 예측적 중재: 쿼리는 차량이 정지선에서 400m 떨어진 "권고 지평선"에 진입할 때 트리거되어, 속도 권고가 강제되는 "근접 구역"(200m) 에 진입하기 전에 약 14 초의 지연 버퍼를 생성합니다. 이는 LLM 응답이 필요하기 전에 도착하도록 보장합니다.

안전 및 논리

• 안전 감시자: LLM 과 독립적으로 실행되는 타일 기반 충돌 모니터가 있습니다. 충돌하는 움직임을 가진 두 차량이 같은 타일을 점유할 경우, 나중에 도착한 차량은 충돌을 방지하기 위해 정지 속도 ($V_{hold} = 2.0$ m/s) 로 강제 전환됩니다.
• 역할 논리: 시스템은 긴급 차량을 위해 엄격한 선점권을 시행합니다. 비교 가능한 대기열 압력을 가진 포화 충돌 접근 경로에 대해서는 SHARE 역할이 기아 현상을 방지하기 위해 압력 가중 속도로 감속하여 두 차량 모두 진행할 수 있도록 합니다.

3. 주요 기여

1. 신호 없는 의도 기반 중재: LISA 는 신호 단계, 예약 일정, 또는 미세 조정 없이 접근 경로 수준의 의도에서 LLM 이 통행 우선권을 직접 해결하는 교차로 관리를 인지적 중재 문제로 공식화한 최초의 프레임워크입니다.
2. 지연 완화 2 계층 아키텍처: 의미 중재와 결정론적 실행의 분리, 그리고 MAT 와 예측적 쿼리 결합은 실시간 성능을 가능하게 합니다. MAT 는 중간 수요에서 최대 98.8% 의 적중률을 달성했으며, 예측적 중재는 모든 조건에서 LLM 폴백을 제로로 유지했습니다.
3. 종합적 경험적 평가: LISA 는 SUMO 시뮬레이터에서 고정 주기, SCATS(적응형), AIM, GLOSA 와 비교하여 저, 중, 근포화 교통 부하에 대해 평가되었습니다.
4. 다차원 의도 만족도 지표: 저자들은 공간적, 시간적, 우선순위, 에너지 만족도 구성 요소로 성능을 분해하는 구조화된 평가 축을 도입하여 차량 수준 의도 충족에 대한 전체적인 관점을 제공합니다.

4. 실험 결과

Gemini-2.5 Flash Lite 모델을 사용하여 평가한 결과, LISA 는 베이스라인 대비 상당한 개선을 보여주었습니다:

• 교통 효율성:

  • 평균 제어 지연: LISA 는 중간 부하에서 고정 주기 제어 대비 평균 제어 지연을 최대 89.1% 감소시켰습니다.
  • 서비스 수준 (LOS): 중간 부하 ($v/c = 0.63$) 에서 LISA 는 LOS C를 유지한 반면, 모든 비-LLM 베이스라인은 LOS F로 저하되었습니다.
  • 대기 시간: 근포화 수요 하에서 LISA 는 고정 주기 제어 대비 평균 대기 시간을 93% 감소시켰습니다.
  • 최대 대기열 길이: LISA 는 고부하에서 고정 주기 제어 대비 최대 대기열 길이를 60.6% 감소시켰습니다.

• 에너지 및 배출:

  • LISA 는 고정 주기 제어 대비 연료 소비를 최대 48.8% 낮췄습니다.
  • 운동 에너지 손실은 중간 수요에서 최대 26% 감소했습니다.

• 의도 만족도:

  • LISA 는 중간 수요에서 전체 의도 만족도 **86.2%**를 달성하여, 가장 좋은 비-LLM 결과 (GLOSA 의 61.2%) 를 크게 능가했습니다.
  • 이 향상은 시간적 지연 준수, 우선순위 서비스 (특히 긴급 차량), 그리고 에너지 인식 부드러움에서의 우수한 성능에 기인했습니다.

• LLM 성능:

  • 벤치마킹 단계는 Gemini-2.5 Flash Lite 를 최적 백엔드로 식별했으며, 평균 지연 시간 1,592ms 와 5 초 임계값을 초과하는 호출이 없는 상태에서 93.3% 의 종합 점수를 달성했습니다.

5. 중요성 및 주장

본 논문은 LLM 추론이 경량 지연 완화 및 결정론적 실행과 결합될 때, 신호 인프라 없이 실시간 협력 교차로 중재를 지원할 수 있음을 LISA 가 보여준다고 주장합니다.

저자들은 LISA 의 주요 중요성이 다음 능력에 있다고 주장합니다:

• 집계 흐름 규제를 넘어 의도 인식 조율로 이동하여 사회적 우선순위, 경로 선택, 에너지 선호도에 기반하여 충돌을 해결합니다.
• 작업별 훈련이나 미세 조정이 아닌 LLM 의 일반적 추론 능력에 의존하는 제로샷 (zero-shot) 영역에서 작동합니다.
• LLM 이 블랙박스 최적화기가 아닌 명시적 중재 에이전트로 작용하는 사람이 읽을 수 있고 해석 가능한 충돌 해결 프로세스를 제공합니다.

저자들은 LISA 가 중재의 질이 지속적인 혼잡의 시작을 방지하는 "전환 영역"(중간 부하) 에서 가장 강력한 이득을 보이지만, 혼잡 분포를 관리하기 위해 고부하에서도 여전히 효과적이라고 지적합니다. 논문은 이 접근법이 신호 없는 협력 자율 주행으로 가는 실현 가능한 길을 제시한다고 결론지으며, 향후 작업으로 다중 교차로 조율 및 프롬프트 변형에 대한 견고성 해결이 필요하다고 덧붙였습니다.