수요응답형 교통(Demand-responsive transit, DRT)은 동적으로 도착하는 요청에 대해 실시간으로 차량 배정을 수행해야 하며, 각 의사결정은 다중 정차 경로를 변경시켜 기내 승객뿐 아니라 새로 도착하는 승객에게도 영향을 미칠 수 있다. 그러나 DRT 시뮬레이션은 종종 세 가지 핵심 한계를 지닌다. 즉, 차량 규모와 수요가 증가함에 따라 계산 복잡도가 급격히 증가하는 문제, 경로 계획 의사결정에 교통 혼잡을 충분히 통합하지 못하는 문제, 그리고 최종 차량 배정에서 승객 중심의 서비스 품질을 제한적으로 고려하는 문제이다. 본 연구는 이러한 문제를 해결하기 위해 세 가지 핵심 알고리즘을 통합한 DRT 시뮬레이션을 제안한다: Fréchet Distance 기반 후보 차량 선택(Fréchet Distance-based Candidate Vehicle Selection, FD-CVS), 혼잡 인지 경로 계획(Congestion-Aware Path Planning, CA-PP), 만족 인지 차량 배정(Satisfaction-Aware Vehicle Assignment, SA-VA)이다. FD-CVS는 경로 유사성을 기준으로 후보 차량을 필터링함으로써 계산 부담을 줄인다. CA-PP는 대중교통 데이터로부터 도출한 혼잡 조정 이동비용을 반영하여 기존의 경로 계획을 확장한다. SA-VA는 승객의 대기시간, 기내 이동시간, 수용능력 제약을 함께 평가함으로써 최종 차량 배정을 결정한다. 해당 알고리즘은 실제 데이터를 활용하여 이산사건 시뮬레이션 환경에 구현하였다. 실험 결과, FD-CVS는 고수요 조건에서 실행 시간을 유의하게 감소시키는 반면, SA-VA는 승객의 대기시간과 수용(승낙) 비율을 향상시키는 것으로 나타났다. 전반적으로, 제안된 세 가지 알고리즘 기반 프레임워크는 보다 현실적이면서도 계산적으로 효율적인 DRT 시스템 평가를 가능하게 한다.

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