Population State-Aware Cooperative Adaptive Differential Evolution for Multi-Objective Arterial Traffic Signal Coordination

기술 요약: 다목적 간선 도로 교통 신호 협조를 위한 인구 집단 상태 인식 협력 적응형 차분 진화 알고리즘

1. 문제 정의

급격한 도시화와 차량 통행량 증가는 긴 주행 지연, 빈번한 정지, 탄소 배출 상승을 특징으로 하는 심각한 간선 도로 정체를 초-래했습니다. 기존의 고정 시간 신호 제어는 동적인 교통 흐름, 특히 피크 시간대나 확률적 급증 상황에 대응할 수 있는 적응성이 부족합니다. 차분 진화(Differential Evolution, DE)와 같은 메타휴리스틱 알고리즘이 교통 신호 최적화에 적용되어 왔으나, 표준 DE 변형들은 다음과 같은 몇 가지 결정적인 한계점을 가집니다:

• 파라미터 민감도: 성능이 수동으로 튜닝된 하이퍼파라미터(스케일링 인자 $F$ 및 교차율 $CR$)에 크게 의존합니다.
• 조기 수렴: 전역 탐색(Global Exploration)과 국부 착취(Local Exploitation) 사이의 균형 결여로 인해 복잡하고 고차원이며 제약 조건이 엄격한 해 공간에서 정체 현상이 발생하기 쉽습니다.
• 고립된 적응: 기존의 적응형 DE 변형들은 파라미터 적응, 변이 전략 선택, 인구 집단 관리를 분리하여 운영하며, 실시간 진화 상태에 반응하는 통합된 메커니즘이 부족합니다.
• 모델의 한계: 현재의 교통 최적화 모델은 처리량, 운영 효율성, 연료 경제성, 배출 가스 저감과 같은 다차원적 목적을 동시에 해결하지 못하는 경우가 많습니다.

2. 방법론

2.1 최적화 모델

본 연구는 6개 교차로로 구성된 간선 도로에 대해 고차원 제약 기반 다목적 최적화 문제를 정식화합니다. 결정 벡터에는 시스템 공통 주기 시간, 각 교차로의 각 단계별 유효 녹색 시간, 그리고 상대적 위상 오프셋(Offset)이 포함됩니다. 모델은 다음 네 가지 상충하는 목적 함수를 최소화합니다:

1. 평균 차량 지연 시간: 종합적인 Webster–Akçelik 모델을 사용하여 계산됩니다.
2. 차량 정지 빈도: 교통파 이론(Traffic wave theory)으로부터 도출됩니다.
3. 그린 웨이브 대역폭 결손(Green Wave Bandwidth Deficit): 실제 최대 대역폭과 이론적 최대 대역폭 사이의 격차로, 복잡한 modulo 연산을 피하기 위해 기하학적 시공간 매핑 방법을 통해 계산됩니다.
4. 네트워크 CO₂ 배출량: 지연 및 정지 지표와 연계되어 경험적 데이터로 보정된 매크로 레벨 회귀 모델을 사용하여 추정됩니다.

제약 조건에는 주기 길이에 대한 물리적 한계, 녹색 시간 범위, 그리고 포화도(0.95 이하 유지)가 포함됩니다.

2.2 제안된 알고리즘: PSAC-DE

본 논문은 **인구 집단 상태 인식 협력 적응형 차분 진화(Population State-Aware Cooperative Differential Evolution, PSAC-DE)**를 소개합니다. 핵심 혁신은 실시간 "인구 집단 상태" 변수($\sigma$)를 기반으로 4가지 적응형 모듈을 하나의 폐쇄 루프 협력 진화 시스템으로 통합하는 **통합 상태 제어기(Unified State Controller, USC)**입니다.

• 인구 집단 상태 인식: 정규화된 Hypervolume(수렴도)과 인구 집단 다양성 지표를 융합하여 통합 상태 지표($\sigma$)를 산출합니다. 이 지표는 진화 과정을 탐색(Exploration), 전이(Transition), **착취(Exploitation)**의 세 가지 상태로 구분합니다. 히스테리시스 메커니즘과 이동 평균 필터는 안정적인 상태 전이를 보장합니다.
• UCB 기반 전략 학습: 상한 신뢰 구간(Upper Confidence Bound, UCB) 메커니즘을 사용하여 6가지 변이 전략 풀을 관리합니다. 전략 풀은 현재 진화 상태에 따라 동적으로 제한됩니다 (예: 초기 단계에서는 탐색 지향적 전략이 우선시됨).
• SHADE 기반 파라미터 적응: 제어 파라미터($F$ 및 $CR$)는 성공 이력 메모리(SHADE)에서 샘플링되지만, **상태 의존적 절단(State-dependent truncation)**의 영향을 받습니다. 탐색 단계에서는 더 큰 스텝 사이즈로, 착취 단계에서는 더 미세한 튜닝으로 유도되도록 메모리 업데이트 과정에 편향 오프셋(Bias offset)이 적용됩니다.
• 동적 하위 집단 스케줄링: 인구 집단은 세 개의 하위 집단(탐색, 균형, 착취)으로 동적으로 분할되며, 그 비율은 상태 $\sigma$에 따라 변화합니다. 하위 집단 간의 고립을 방지하기 위해 엘리트 공유 및 공유 이력 메모리를 통한 지식 전달이 이루어집 middle.
• 제약 조건 처리: 계층적 복구 메커니즘(주기 균형, 경계 절단, 포화 복구)과 페널티 함수를 사용하여 실행 불가능한 해를 엄격하게 처리하며, 실행 가능한 해가 항상 실행 불가능한 해보다 우위에 있도록 합니다.

2.3 의사결정 프레임워크

파레토 프론트(Pareto front)로부터 배치 가능한 솔루션을 선택하기 위해, 본 연구는 엔트로피 가중치-TOPSIS(EW-TOPSIS) 방법을 사용합니다. 이 목적 후처리 접근 방식은 정보 엔트로피를 기반으로 가중치를 계산하고, 이상적인 양의 기준선에 대한 근접 계수가 최대인 솔루션을 선택합니다.

3. 주요 기여

1. 상태 인식 협력 제어(SACC) 프레임워크: 모듈을 독립적으로 조정하는 기존의 적응형 DE와 달리, 이 프레임워크는 통합된 인구 집단 상태 표현을 구축하여 변이 전략, 파라미터 적응, 하위 집단 스케줄링을 동시에 조율합니다.
2. PSAC-DE 알고리즘: UCB 전략 학습, SHADE 파라미터 적응, 동적 하위 집단 스케줄링을 통합하고, 이 모든 것을 공유된 상태 정보에 의해 조절함으로써 일관된 탐색 동작을 보장하는 새로운 알고리즘입니다.
3. 4목적 간선 도로 모델: 지연, 정지, 탄소 배출을 최소화하는 동시에 그린 웨이브 대역폭을 최대화함으로써 현대 도시 교통 관리의 다차원적 요구를 동시에 해결하는 포괄적인 최적화 모델입니다.

4. 실험 결과

알고리즘은 중국 항저우의 6개 교차로 간선 도로에서 과포화(Over-saturated), 피크 포화(Peak-saturated), **확률적 변동(Stochastic Fluctuation)**의 세 가지 교통 시나리오 하에서 검증되었습니다. 성능은 30회의 독립적인 실행에 대해 7개의 베이스라인 알고리즘(NSGA-II, MOEA/D, JADE, SHADE, L-SHADE, MSDE)과 비교되었습니다.

• 성능 지표: PSAC-DE는 모든 시나리오에서 Hypervolume(HV), Inverted Generational Distance(IGD), Spread 지표에 대해 모든 베이스라인을 지속적으로 능가했습니다. 예를 들어, 과포화 시나리오에서 PSAC-DE는 두 번째로 우수한 L-SHADE의 0.1246과 비교하여 0.1272의 HV를 달성했으며, IGD 측면에서 27.1%의 개선을 보였습니다.
• 통계적 유의성: 비모수 검정인 Wilcoxon Signed-Rank 및 Friedman 테스트를 통해 성능 향상이 통계적으로 유의함을 확인했습니다 ($p < 0.05$).
• 절제 연구(Ablation Studies): 인구 집단 상태 인식(SA) 모듈을 제거했을 때 HV가 17.9% 감소하여 가장 큰 성능 저하가 나타났으며, 이는 SA 모듈이 "핵심 구동 뇌" 역할을 한다는 것을 입증합니다. 다른 모듈들(UCB, Subpopulation, SHADE) 또한 긍정적으로 기여했으나, SA 모듈이 가장 결정적이었습니다.
• 운영적 이점: 피크 포화 시나리오에 적용되었을 때, (EW-TOPSIS를 통해 선택된) 최적화된 타이밍 계획은 기존의 사전 설정 방식(Pre-timed schemes)에 비해 상당한 개선을 보여주었습니다:
  • 평균 지연 시간: 25.1% 감소 (68.4초에서 51.2초로).
  • 차량 정지: 44.8% 감소 (1.43에서 0.79 stops/veh로).
  • 그린 웨이브 대역폭: 133% 증가 (비율 0.18에서 0.42로).
  • CO₂ 배출량: 26.6% 감소 (145.6 g/s에서 106.9 g/s로).
  • 처리량: 3680에서 4015 veh/h로 증가.

5. 의의 및 주장

본 논문은 PS-AC-DE가 기존 DE 변형에서 흔히 발생하는 "전략-파라미터 불일치" 문제를 해결하는 엄격하고 통합된 인구 집단 상태 인식 프레임워크를 도입함으로써 적응형 진화 계산의 이론적 패러다임을 발전시켰다고 주장합니다.

실무적으로, 본 연구는 제안된 방법이 다중 교차로 간선 도로 협조를 위한 효율적이고 즉시 배치가 가능한 솔루션을 제공한다고 단언합니다. 이 모델은 높은 운영 효율성과 저탄소 환경 목표 사이의 균 균형을 성공적으로 맞추며, 광범적인 수동 파라미터 튜닝 없이도 도시 교통 정체를 완화하고 자동차 탄소 배출을 줄이기 위한 강력한 전략을 제공합니다. 결과는 이 알고리즘이 복잡하고 제약이 많은 교통 네트워크의 실제 구현을 위한 높은 공학적 가치를 지니고 있음을 시사합니다.