강화학습 기반 기계식 주차타워 운용 알고리즘 연구

• 영문명: Reinforcement Learning-Based Mechanical Parking Tower Operation Algorithm
• 발행기관: 한국전자통신학회
• 저자명: 최재영(Jae-Young Choi) 김선용(Sun-Yong Kim)
• 간행물 정보: 『한국전자통신학회 논문지』제20권 제5호, 967~974쪽, 전체 8쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2025.10.30

국문 초록

현대 도시의 주차 공간 부족 문제를 해결하기 위해 기계식 주차타워의 도입이 확대되고 있으나, 대부분 단순 규칙기반 방식에 의존하고 있다. 이에 따라 요청이 집중되는 시간대에는 기계식 주차타워의 효율성이 저하되고 사용자 만족도가 감소하는 한계가 존재한다. 최근 인공지능 기술이 발전함에 따라 이러한 문제를 해결하기 위한 기계학습 기반 제어기법이 주목받고 있다. 본 연구에서는 시간대별 요청 패턴을 고려할 수 있도록 강화학습 기반 기계식 주차타워 운용 알고리즘을 제안한다. 시뮬레이션 결과, 제안하는 알고리즘은 기존 규칙기반 방식보다 우수한 성능을 보였으며, 특히 요청이 밀집된 상황에서 더욱 효과적인 것으로 나타났다.

영문 초록

To address the parking shortage in modern cities, the adoption of mechanical parking towers has been steadily increasing. However, most existing systems rely on simple rule-based operation, which often results in reduced time efficiency and lower user satisfaction during peak-demand periods. Recent advances in artificial intelligence have enabled the exploration of machine learning-based control strategies for such systems. In this paper, we propose a reinforcement learning-based operation algorithm for mechanical parking towers. Numerical simulation results demonstrate that the proposed algorithm improves operational efficiency and reduces user discomfort level compared with conventional rule-based methods, particularly under high-demand conditions.

목차

Ⅰ. 서 론

Ⅱ. 기계식 주차타워 운용 알고리즘

Ⅲ. 성능평가

Ⅳ. 결론 및 향후 연구

References

키워드

강화학습 Q-러닝 기계식 주차타워 시간 효율성 사용자 불편함 Reinforcement Learning Q-learning Mechanical parking tower Time efficiency User discomfort