Adaptive RL-Based Traffic Signal Control with Dynamic Graph Attention and Temporal Awareness under Disruptions

교통 신호등은 매일 수백만 대의 차량 흐름을 조율하는 도시의 침묵하는 지휘자입니다. 수십 년 동안 엔지니어들은 신호가 언제 초록불이나 빨간불로 바뀔지를 결정하기 위해 고정된 일정이나 단순한 센서에 의존해 왔습니다. 이러한 시스템은 교통량이 예측 가능할 때는 잘 작동하지만, 예상치 못한 일이 발생할 때는 종종 어려움을 겪습니다. 갑작스러운 사고, 공사로 인한 도로 폐쇄, 또는 심지어 폭우와 같은 상황은 정교하게 맞춰진 시스템을 혼란에 빠뜨려, 차량 행렬이 역류하고 정체가 확산되게 만듭니다. 최근 몇 년 동안 연구자들은 인공지능, 특히 강화 학습이라 불리는 학습 유형을 활용하여 교통 신호등이 실시간으로 적응하는 방법을 가르치는 데 주목해 왔습니다. 컴퓨터 에이전트가 시뮬레이션된 도시에서 시행착오를 통해 학습하게 함으로써, 이러한 시스템은 종종 전통적인 방식보다 일반적인 교통 상황을 더 잘 관리할 수 있습니다. 그러나 결정적인 격차가 남아 있습니다. 대부분의 지능형 시스템은 완벽하고 이상적인 세계에서 훈련된다는 점입니다. 시뮬레이션이 주요 결함으로 인해 방해를 받으면, 인공지능은 종aw히 인간 운영자가 기대하는 것만큼 빠르게 회복하지 못하고 당황하거나 멈춰버리곤 합니다.

이것이 바로 프랑스 귀스타브 에펠 대학교의 연구팀이 해결하고자 했던 과제입니다. 그들은 근본적인 질문을 던졌습니다. 어떻게 하면 혼잡한 시간대뿐만 아니라 구조적 재난에서도 살아남고 회복할 수 있는 교통 제어 시스템을 구축할 수 있을까? 그들의 해답은 회복 탄력성을 갖추도록 설계된 새로운 종류의 스마트 교통 제어기였습니다. 이 시스템은 단순히 현재 보이는 교통량에 반응하는 대신, 교통량이 시간이 지남에 따라 어떻게 변해왔는지 살펴보고 어떤 인접 교차로가 여전히 유용한 정보를 제공하는지에 주의를 기울입니다. 연구진은 아이디어를 테스트하기 위해 정교한 도시 격자의 디지털 트윈을 구축했으며, 무작위 도로 차단, 주요 고속도로의 전면 폐쇄, 그리고 모든 차량의 속도를 늦추는 모의 강우 상황을 포함한 일련의 가혹한 스트레스 테스트를 가했습니다.

그들 혁신의 핵심은 교통 신호등이 이웃을 어떻게 '생각'하느냐에 있습니다. 일반적인 도시에서 모든 교차로는 주변 교차로와 연결되어 있으며, 흐름을 조协调하기 위해 정보를 공유합니다. 하지만 도로가 막히면 기존의 연결은 쓸모없어집니다. 교통 신호등은 주된 흐름으로부터 끊어진 이웃의 데이터에 계속 귀를 기울이며, 더 이상 중요하지 않은 정보에 시간을 낭비할 수 있습니다. 새로운 시스템은 동적 주의 메커니즘(dynamic attention mechanism)을 사용하는데, 이는 끊임없이 누구의 말을 들을 가치가 있는지 재평가하는 필터 역할을 합니다. 만약 이웃으로 가는 도로가 막히면, 시스템은 즉시 그 이웃의 데이터에 의존하는 것을 중단하고 여전히 교통량을 운반하고 있는 다른 교차로로 초점을 전환합니다. 이를 통해 네트워크는 중앙의 명령을 기다리지 않고도 스스로를 재편하여 차량이 흐를 수 있는 새로운 경로를 찾아냅니다.

이 시스템을 더욱 견고하게 만들기 위해, 시스템은 또한 일시적인 오류와 영구적인 문제 사이를 구별하는 법을 배웁니다. 교통량은 자연스럽게 변동합니다. 버스가 늦게 도착하거나, 신호가 바뀐 후 차량들이 뭉쳐서 올 수도 있습니다. 단순한 시스템은 이를 큰 정체로 오인하여 과잉 반응할 수 있습니다. 연구진의 설계에는 짧은 이력을 관찰하는 메모리 구성 요소가 포함되어 있습니다. 이는 갑작스럽고 일시적인 차량의 급증과, 사라지지 않을 지속적인 차단을 구분할 수 있게 해줍니다. 이를 통해 시스템은 사소한 문제 상황에서 허둥지둥 불필요한 변화를 일으키는 것을 방지하는 동시에, 실제 재난이 닥쳤을 때는 단호하게 반응할 수 있습니다. 소음을 무시하는 능력과 고장 난 이웃을 무시하는 기술을 결합함으로써, 이 시스템은 차분하면서도 민첩한 제어 전략을 만들어냅니다.

연구진은 자신들의 창조물을 다른 고급 인공지능 제어기 및 전통적인 고정 시간 신호등을 포함한 기존의 최선책들과 비교 테스트했습니다. 그들은 4x4 교차로 격자에서 수천 번의 시뮬레이션을 실행했으며, 처음에는 정상적인 높은 수요 조건에서, 그다음에는 다양한 형태의 혼돈 상황에서 테스트를 진행했습니다. 정상적인 시나리오에서 이 시스템은 경쟁 모델들보다 약간 더 나은 성능을 보였으며, 차량을 더 빠르게 이동시키고 차량이 대기하는 시간을 줄였습니다. 하지만 진짜 시험은 혼란이 도입되었을 때 찾아왔습니다. 무작위로 8개의 도로를 동시에 차단하거나 주요 동서 축을 완전히 폐쇄했을 때, 다른 시스템들은 심각하게 고전했습니다. 대기 시간은 치솟았고 차량 행렬은 길고 감당할 수 없을 정도로 늘어났습니다. 그러나 새로운 시스템은 꿋꿋이 버텼습니다. 네트워크가 시뮬레이션된 사고로 인해 파괴되는 와중에도, 이 시스템은 다른 방법들보다 더 높은 평균 속도를 유지하고 총 대기 시간을 낮게 유지했습니다.

아마도 가장 중요한 것은, 장애가 종료된 후 시스템이 얼마나 빨리 회복할 수 있는지를 측정했다는 점일 것입니다. 차단된 도로가 뚫렸을 때, 이 새로운 제어기는 다른 시스템들보다 훨씬 더 빠르게 부드럽고 안정적인 흐름으로 돌아갔습니다. 도심 폐쇄가 포함된 한 시나리오에서, 이 시스템은 차순위 경쟁자보다 거의 2분 더 빠르게 평균 속도를 회복했습니다. 이러한 회복 속도는 사고 발생 후 정체로 인해 소비되는 시간이 사고 자체만큼이나 해로울 수 있는 실제 도시 환경에서 매우 중요합니다. 연구진은 또한 자동차가 더 느리게 달리고 서로 더 큰 거리를 두는 모의 강우 조건에서도 시스템을 테스트했습니다. 기상 모델은 단순화되었지만, 시스템은 차량의 행동 방식 변화를 잘 처리하며 잘 적응하는 모습을 보였습니다.

이 연구 결과는 회복 탄력성 있는 교통 제어의 핵심이 단순히 시스템을 더 똑똑하게 만드는 것이 아니라, 시스템이 자신의 맥락을 더 잘 인식하게 만드는 데 있음을 시사합니다. 교통 신호등이 동적으로 누구의 말을 들을지 결정하고 교통 흐름의 이력을 이해하도록 가르침으로써, 연구진은 경직된 컴퓨터 프로그램보다 숙련된 인간 관제사처럼 행동하는 시스템을 만들어냈습니다. 이 시스템은 도로의 규칙이 바뀐다고 해서 무너지지 않습니다. 그저 새로운 현실에 맞춰 자신의 전략을 다시 써 내려갈 뿐입니다. 비록 이러한 결과는 컴퓨터 시뮬레이션을 통한 것이며 연구진은 실제 세계에서의 테스트가 다음 단계로 필요하다고 언급했지만, 이 연구는 현대 생활의 피할 수 없는 혼란을 견뎌낼 수 있는 도시를 구축하기 위한 유망한 길을 제시합니다. 목표는 더 이상 모든 것이 완벽할 때 교통을 효율적으로 움직이는 것이 아니라, 모든 것이 잘못되었을 때도 도시를 계속 움직이게 하는 것입니다.