클라우드 기반 차량 네비게이션 서비스인 SAINT 시스템 분석

시대가 발전하면서 내비게이션 서비스 역시 진화를 하고 있습니다. 내비게이션 시스템 중 세인트 시스템에 대해 알아보도록 하겠습니다. 

 

1. 클라우드 기반 차량 내비게이션 서비스

클라우드 기반 차량 내비게이션 서비스는 차량과 클라우드 간의 상호작용을 통하여 도로 네트워크 교통량을 효과적으로 분산해주는 내비게이션 시스템입니다. 

 

이러한 분산 방식 중 첫 번째로 도로 네트워크에서 Self-Adaptive Interaction navigation이라고 하는 것을 먼저 살펴보겠습니다. 이러한 내비게이션은 세인트(SAINT, Self-Adaptation Interactive Navigation Tool)를 이용하여 구현됩니다.

 

세인트는 내비게이터로부터 주어지는 차량 동선을 기반으로 주행 딜레이를 최소화하고 도로 교통량 흐름의 처리율을 최대화하는 것을 목표로 합니다. 

 

2. 새로운 차량 내비게이션 시스템 세인트의 특징

도로 네트워크에 나의 차량의 위치가 주어졌을 때 내비게이터가 도착지로 가기 위한 동선을 제안합니다. 내비게이터가 제안하는 동선은 차량들이 많지 않은 경미한 교통량 조건 경로가 있고, 현재 차량들이 많은 높은 밀집도의 경로를 추천하기도 합니다. 

 

지금 소개해드리는 세인트는 효과적으로 내비게이션 경로를 선택해서 도로 전반적으로 하나의 차량이 아니라 전반적인 차량들을 대상으로 내비게이션 목적지와 도로 구간의 교통량 상황을 고려한 내비게이션을 하게 됩니다. 

 

세인트의 효과적인 내비게이션 시스템을 이해하기 위해 일단 기존 내비게이터의 시스템을 알아야 합니다. 한국에서 많이 사용하는 티맵의 경우 주어진 도로 네트워크에 차량이 있을 때 내비게이터가 제안한 동선을 이용하게 됩니다. 

 

 

3. 기존 내비게이션 시스템인 지역적 최적화의 문제점

일반적으로 이런 내비게이터가 제안하는 내비게이션 경로는 개별적인 최적화 주행 경로가 됩니다. 결국 개별 차량의 최적화된 주행경로인 것입니다. 여기서 문제는 차량 하나의 입장에서는 좋지만 만약 모든 차량들이 같은 위치에서 같은 경로로 가게 된다면 같은 도로로 몰리게 되어 혼잡한 상황이 유발됩니다. 

 

이러한 것을 지역적 최적화라고 부르는데, 상황을 예로 들자면 최초에 내비게이션으로 검색을 했을 때 차량은 경미한 교통량 경로를 따라 이동하게 되고 많은 차량들이 경로 재탐색을 통해 지속적으로 경미한 교통량 경로로 이동을 하게 됩니다. 

 

이과정에서 나의 차량이 가려고 했던 주행 경로 상의 교통량 혼잡이 발생하게 되는 것입니다. 이러한 것이 지역적 최적화가 가지고 있는 가장 큰 문제라고 할 수 있습니다. 

 

4. 글로벌 최적화 기법에 대한 정의

이러한 문제를 해결하기 위해 세인트가 내놓은 방법이 글로벌 최적화 기법입니다. 교통량이 많은 경로에 있는 차량들이 경로 재탐색을 할 경우 모든 차량이 교통량이 경미한 경로로 가는 것이 아니라 선별적으로 몇몇 차량들만 경미한 경로로 보내고 기존에 교통량이 많은 경로에 있는 차량은 그대로 가게 하는 것입니다.

 

즉 전반적으로 도로 네트워크에 있는 차량들이 경미한 교통량으로 교통량을 분산하게 내비게이션 시스템을 작동한다면 전반적인 처리율이 증가하게 되는 것입니다. 

 

이러한 글로벌 최적화에도 가장 효율적인 방식이 존재할 것인데, 세인트 내비게이션 기법이 차량을 어떤 원리로 조절하는지 자세히 알아보도록 하겠습니다. 

 

5. 혼잡도 기여율 분석을 통한 내비게이션

혼잡도 기여율을 분석하여 내비게이션을 작동합니다. 링크 혼잡 기여도는 한 차량이 출발지점에서 도착지점까지 갈 때 발생시키는 혼잡도를 말하는데, 경로가 있을 때 경로가 여러 개의 구획으로 나누어집니다. 

 

차량이 경로에 투입될 때마다 혼잡도가 올라가고 도로 구획을 갈 경우 주행시간을 계산하게 됩니다. 혼잡도를 계산할 때는 가까운 시간에 도착하는 경우 많은 기여를 하게 되고 나중에 오게 될 차량은 혼잡도를 적게 계산을 하게 되는데, 이러한 혼잡도 계산을 위해 점진적 감소 함수를 사용하게 됩니다.

 

혼잡도 기여도 곡선은 이러한 변수들을 나타내는 것으로써 시작 지점에서는 혼잡도 기여도가 1로 시작하여 점진적으로 감소해서 도착 지점에서는 혼잡도 기여도가 0이 되게 만든 함수입니다. 

 

 

6. 세인트가 차량 혼잡을 관리하는 관점

이렇게 링크 혼잡도 기여도라는 수학적 모델을 이용하여 세인트에서는 내비게이션 경로를 결정할 수 있습니다. 내가 가려고 하는 경로를 설정하면 다른 차들에 의해 혼잡도 기여도가 크거나 증가할 도로 구간과 나의 경로가 중첩이 됩니다. 

 

혼잡도 기여도는 일종의 예약을 하는 시스템과 같다고 볼 수 있는데, 한 차량의 혼잡도 기여도 관점에서 최소화하는 경로로 가는 것이 도로 전체의 혼잡을 최소화할 수 있는 방법이라고 풀이하는 것입니다. 

 

그래서 세인트에서는 내가 현재 시점에서 현재 위치에서 도착지까지 갈 때 개별 차량으로 가장 최적화된 경로를 가는 것이 아니라 내가 약간의 우회를 통해 양보를 하여 다른 차량들이 혼잡한 상황을 적게 겪게 하는 것을 추구하고 있습니다.