A QUBO-Inspired Computational Framework for Airport Landside Bottleneck Diagnosis and Dynamic Dispatch Optimization

기술 요약: 공항 랜드사이드 병목 현상 진단 및 동적 배차 최적화를 위한 QUBO 영감 기반 계산 프레임워크

문제 정의
공항 랜드사이드 교통 중심지는 승객 도착과 다양한 운송 수단(택시, 호출형 차량, 개인 차량, 버스), 승차 베스(berth), 대기 구역, 터미널 주변 도로 간의 상호작용이 발생하는 복잡하고 밀접하게 결합된 시스템입니다. 피크 시간대에는 이러한 상호작용으로 인해 승객 대기열, 차량 대기열, 접근 도로 전반에 걸쳐 결합된 혼잡이 발생할 수 있습니다. 핵심 과제는 혼잡이 서로 다른 구속 요인(예: 차량 공급 부족, 베스 서비스 미흡, 저장 공간 제한, 하류 도로 포화 등)에서 기인할 수 있다는 점입니다. 이러한 제약 조건을 개별적으로 분석하면 오해의 소지가 있는 운영 결론에 도 도달할 수 있습니다. 또한, 신흥 모빌리티 서비스가 접근 패턴을 변화시킴에 따라, 활성 병목 지점을 진단하고 동적으로 배차 정책을 최적화할 수 있는 적응형 관리 전략이 필요합니다.

방법론
본 연구는 수요 구축, 상태 전파, 병목 진단 및 배차 최적화를 통합하는 통합 계산 프레임워크를 제안합니다. 핵심 구성 요소는 다음과 같습니다:

1. 통합 상태 모델: 5분 단위 타임 스텝 모델이 랜드사이드 환경을 시뮬레이션합니다. 이 모델은 다양한 운송 수단에 대한 승객 대기열($Q_p$), 차량 대기열($Q_v$), 도로 대기열($Q_r$)을 추적합니다. 모델은 다음을 포함합니다:

   • 서비스 제약: 터미널 측 서비스는 차량 가용성, 시설 용량(베스/커브), 승객 가용성에 의해 제한됩니다.
   • 도로 방출(Discharge): 모든 운송 수단의 적재 차량이 도로 용량($C_r$)을 위해 경쟁하는 공유된 하류 제약 조건으로 모델링됩니다. 시스템은 이월된 대기열을 먼저 방출한 후 남은 용량을 비례적으로 분배하는 메커니즘을 사용하여, 실질적인 포화도가 용량을 초과하지 않도록 보장하면서 동시에 수요 측 압력을 기록합니다.
   • 임피던스(Impedance): 부피-지연 함수(BPR)를 사용하여 용량 대비 교통량 비율에 따른 속도 저하를 근사화합니다.

2. 병목 진단: 프레임워크는 네 가지 뚜렷한 병목 유형(차량 공급, 베스 시설, 수요 제한, 도로 포화)을 식별합니다. 진단은 다음을 기반으로 합니다:

   • 병목 빈도: 특정 자원이 구속 요인이 되는 시간-모드 셀의 점유율.
   • 심각도: 특정 병목과 관련된 누적 양(+)의 승객 대기열 증가량.
   • 그림자 가격 레버리지(Shadow-Price Leverage): 특정 자원을 10% 변화시켰을 때 총 가중 지연 시간이 감소하는 정도를 측정.
   • 복합 혼잡 심각도 지수(CSI): 도로 과포화 강도, 피크 승객 백로그, 임계치 대비 평균 대기 시간을 결합한 지표.

3. 동적 배차 체계: 두 가지 최적화 방법을 동일한 입력값 하에서 비교합니다:

   • 유한 행동 모델 예측 제어(MPC): 6단계 호라이즌 동안 후보 행동(베스 할당, 방출 계수, 모드 유도)을 평가합니다. 이는 대기열, 대기 시간, 혼잡, 형평성을 포함하는 비용 함수를 최소화합니다.
   • QUBO 영감 기반 시뮬레이티드 어닐링: 배차 결정을 이진 선택(베스 할당, 방출 계수, 모드 전환)으로 이산화합니다. 운영 비용은 이차 무제약 이진 최적화(QUBO) 프레임워크 내의 에너지 함수로 정식화됩니다. 시뮬레이티드 어닐링은 이 에너지 지형을 탐색하는 데 사용됩니다. 이 접근 방식은 "양자 영감(quantum-inspired)" 방식이지만 양자 하드웨어를 필요로 하지 않습니다.

주요 기여
본 논문은 세 가지 주요 기여를 합니다:

1. 통합 상태 모델링: 모든 대기열과 용량이 단일 시뮬레이션 루프 내에서 업데이트되는 5분 해상도의 승객-차량-시설-도로 상태 모델을 공식화했습니다.
2. 진단 레이어: 차량 공급, 베스 시설, 수요 제한, 도로 포화 병목을 구분하는 진단 메커니즘을 개발하여 표적화된 정책 평가를 가능하게 했습니다.
3. 비교 배차 분석: MPC와 QUBO 영감 기반 시뮬레이티드 어닐링을 직접 비교했습니다. 연구는 대기열 감소, 대기 시간, 포화도 및 불확실성 하에서의 강건성에 대한 해석 가능한 지표를 보고합니다.

실험 결과
프레임워크는 강력한 피크 베이스라인 시나리오 하에서 상하이 푸동 국제공항(높은 도로 압력을 가진 대형 허브)과 항저우 샤오산 국제공항(베스 용량이 중요한 지역 허브)을 사용하여 테스트되었습니다.

• 병목 진단:

  • 상하이 푸동: 도로 포화가 지배적이었습니다. 도로 수요 포화도는 3.892에 달했으며, 이는 병목 셀의 63.9%를 차지했습니다.
  • 항저우 샤오산: 베스 시설 압력이 지배적이었습니다. 호출형 차량 서비스 강도는 6.049에 달했으며, 베스 병목이 셀의 56.9%를 차지했습니다. 도로 포화도는 1.0 미만이었습니다.

• 배차 성능 (강력한 피크 베이스라인):

  • 상하이 푸동: QUBO 영감 방식은 최종 승객 대기열을 3,445명에서 2,477명으로 감소시켰습니다(약 28% 감소). 평균 승객 대기 시간은 39.74분에서 25.71분으로 감소했습니다. MPC 역시 대기열을 줄였으나, 이 시나리오에서는 QUBO 방식보다 효과가 덜했습니다.
  • 항저우 샤오산: QUBO 영감 방식은 최종 승객 대기열을 2,053명에서 1,482명으로 줄였습니다. 평균 승객 대기 시간은 51.71분에서 28.26분으로 떨어졌습니다. MPC는 대기 시간을 줄였으나, 베스 용량이 엄격한 한계인 시스템 특성상 최종 대기열을 유의미하게 줄이지는 못했습니다.

• 강건성:

  • 수요 스케일링(최대 1.3 배수) 및 무작위 노이즈(변동 계수 = 0.3) 하에서, QUBO 영감 방식은 두 공항 모두에서 "배차 없음" 베이스라인 및 MPC보다 일관되게 낮은 최종 승객 대기열을 유지했습니다.

의의 및 주장
본 논문은 공항 랜드사이드 혼잡을 통합된 계산 문제로 재정의함으로써, 공항 맥락에 따라 달라지는 뚜렷한 지배적 병목 현상을 식별할 수 있다고 주장합니다. 본 연구는 다음을 입증합니다:

• 맥락의 중요성: 상하이 푸딩은 서비스와 하류 도로 보호 사이의 균형을 맞추는 전략이 필요하며, 항저우 샤오산은 승차 서비스 용량 및 승객-차량 매칭을 직접적으로 개선하는 것이 더 유리합니다.
• 방법론적 상보성: QUBO 영감 기반 시뮬레이티드 어닐링은 상당한 대기열 감소를 달-성하기 위해 더 큰 이산 행동 공간을 탐색하는 데 효과적임이 입증되었습니다. 반면, MPC는 더 투명하고 해석 가능한 롤링 호라이즌 정책을 제공합니다. 저자들은 이 두 방법이 구조적 제어를 위한 MPC와 조합 최적화를 위한 QUBO 영감 탐색으로서 상보적이라고 제안합니다.
• 강건성: 제안된 프레임워크는 수요, 공급 및 서비스 조건의 상당한 섭동 하에서도 대기열 감소 이점을 유지합니다.

저자들은 추론된 시설 파라미터에 대한 의존성과 실제 현장 속도 대신 압력 지표로서 BPR 기반 속도 출력을 사용하는 점을 포함한 한계점을 언급했습니다. 향후 연구에서는 실시간 궤적 데이터와 확률적 승객 선택 모델을 통합하여 추가 검증을 수행할 것을 제안합니다.