핵심 개념
자율주행 버스 네트워크를 효율적으로 설계하기 위해 그래프 신경망 기반 정책을 진화 알고리즘에 통합하여 우수한 성능을 달성하였다.
초록
이 연구는 자율주행 버스 네트워크 설계를 위한 새로운 알고리즘을 제안한다. 먼저 그래프 신경망 모델을 이용하여 경로 네트워크 구축을 위한 정책을 학습하고, 이를 진화 알고리즘의 돌연변이 연산자로 사용한다. 표준 대중교통 네트워크 설계 벤치마크에서 평가한 결과, 제안 알고리즘이 단독 그래프 신경망 모델 대비 최대 20%, 기존 진화 알고리즘 대비 최대 53% 향상된 성능을 보였다. 특히 실제 도시 규모의 대형 문제 인스턴스에서 우수한 성능을 보였다. 이를 통해 자율주행 버스 도입을 위한 효율적인 네트워크 설계가 가능할 것으로 기대된다.
통계
대중교통 네트워크 설계 문제는 NP-완전 문제로, 최적해를 찾기 어려운 도전적인 최적화 문제이다.
자율주행 버스 기술의 발전으로 운전자 없이도 더 많고 작은 차량으로 더 빈번하고 신뢰성 있는 서비스를 제공할 수 있게 되었다.
효율적인 네트워크 설계는 운영 비용을 절감하여 자율주행 버스 확대에 기여할 수 있다.
인용구
"자율주행 버스 기술은 운전자 없이도 더 많고 작은 차량으로 더 빈번하고 신뢰성 있는 서비스를 제공할 수 있게 해준다."
"효율적인 네트워크 설계는 운영 비용을 절감하여 자율주행 버스 확대에 기여할 수 있다."