강화학습 기반 교통 시스템 최적화 연구 성과

팩트캐시 우 매사추세츠 공과대학교 토목환경공학과 교수는 강화학습을 활용해 교통 흐름을 개선하고 차량 배출가스를 줄이는 연구를 수행하고 있습니다.

팩트연구팀은 2023년에 강화학습 알고리즘의 민감도 문제를 해결하는 새로운 방식을 고안해 특정 문제군에서 학습 효율을 최대 30배까지 개선했습니다.

교차검증강화학습은 초기 연구에서 교통 문제 해결의 가능성을 보였으나, 실제 적용 과정에서 민감도 문제로 인해 일관된 성과를 내는 데 어려움을 겪었습니다. 특정 문제에서 작동하던 알고리즘이 유사한 다른 문제에서 실패하는 사례가 빈번했습니다.

팩트연구팀은 전체 문제의 10퍼센트 정도에서 잘 학습되는 모델을 선별하여 활용하는 방식으로 100개의 모델이 필요했던 작업을 단 3개의 모델로 처리합니다.

팩트차량의 속도를 지능적으로 제어하는 에코 드라이빙 조치를 적용한 결과, 차량 배출가스가 11퍼센트에서 22퍼센트까지 감소합니다.

주장이 연구 결과는 강화학습이 실제 교통 정책 수립에 실질적인 증거를 제공할 수 있음을 보여줍니다.

주장데이터와 알고리즘을 활용한 체계적인 분석은 복잡한 사회적 문제에 객관적인 답변을 제시해 효율적인 정책 수립을 지원합니다.

주장캐시 우 교수는 실용적인 문제에서 출발해 근본적인 지식을 개발하는 방식을 자신의 연구 철학으로 삼고 있습니다.

주장이러한 접근은 교통 분야를 넘어 물류와 공급망, 제조, 자원 배분 등 다양한 영역의 최적화 문제 해결에 기여합니다.

팩트캐시 우 교수는 매사추세츠 공과대학교에서 학사 학위를 취득하고 캘리포니아 대학교 버클리에서 박사 학위를 받았습니다.

팩트학부 시절 자율주행차 관련 강의와 로봇 공학 경진대회를 경험하며 인공지능을 교통 문제에 적용하는 연구에 관심을 갖기 시작했습니다.

출처MIT 뉴스(https://news.mit.edu/2026/computational-tools-for-societys-most-complex-challenges-cathy-wu-1002)의 보도를 교차 검증했습니다.