친환경 교통에 대한 관심이 증가함에 따라 전기자동차(EV)의 수요 또한 함께 확대되고 있다. 이러한 흐름 속에서 도시 환경에서 효율적인 충전 인프라를 구축하는 일은 필수적이 되었다. 그러나 충전소 인프라가 존재함에도 불구하고, 그 이용률은 여전히 낮은 수준이다. 본 연구에서는 위치 근접성과 충전 유형 선호를 고려하는 상황 인지형 정제(context-aware refining) 접근을 그래프 신경망(Graph Neural Network, GNN) 기반 추천 알고리즘에 통합하여 제안한다. EV 충전소 데이터에 대해서는 대규모의 실시간 데이터를 수집하고 관리한다. 또한 추천 시스템 개발에 필수적인 구성요소인 운전자 프로필 데이터의 부재 또는 접근 제한이 야기하는 한계를 극복하기 위해, 실제 운전자들의 충전 패턴과 행동 특성을 분석하고 재현하는 시뮬레이터를 개발한다. 이를 통해 현실적이고 신뢰할 수 있는 운전자 프로필 데이터를 생성할 수 있다. 우리는 기본 협업 필터링을 위해 최신 기술 수준의 GNN 기반 추천 모델을 사용한다. 이후 최종 추천 결과를 위해 사용자와 충전소 간의 위치 근접성과 충전 유형 선호(즉, 완속/급속)를 상황 인지 정제 요인으로 반영한다. 추천 성능을 추가로 향상시키기 위해, 충전소와 사용자 모두를 고려하여 실제 공간 분포를 반영하는 군집화 기반 접근을 적용함으로써 단순한 위치 근접성 활용을 넘어선다. 광범위한 실험을 통해, 다양한 협업 필터링 모델들에서 기준 GNN 접근과 비교하여 우리의 상황 인지 정제가 추천 품질을 일관되게 향상시킨다는 점을 보인다. 특히 충전 유형 정보와 공간 군집을 활용하는 경우 상당하고 안정적인 성능 향상이 나타났으며, 두 요소를 함께 사용할 때 가장 견고한 결과가 도출된다. 이러한 결과는 효과적인 EV 충전소 추천을 위해 기능적 선호와 지리적 맥락을 함께 모델링하는 것의 중요성을 강조한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.