대중 교통 시스템에서 친환경 운전 행동 분석을 위한 데이터 기반 인과 추론

대중 교통은 온실가스 배출에 크게 기여하므로, 버스 연료 효율성을 개선하는 것이 중요한 운영 목표입니다. 인과 추론은 복잡한 시스템에서 원인-결과 메커니즘을 발견하는 데 적합하지만, 특히 친환경 운전 행동을 이해하는 데 있어 교통 연구에서 미흡하게 활용되고 있습니다. 본 논문은 관찰된 운전 데이터에서 연료 효율성의 인과적 요인을 분석하기 위해 새로운 인과 추론 파이프라인을 제안함으로써 이 격차를 해결합니다. 주요 방법론적 기여는 DAGMA-DCE 알고리즘의 분할 및 앙상블 확장이며, 이는 구조화된 하위 샘플링 및 규칙 기반 집합을 통해 인과 발견의 강건성과 확장성을 개선합니다. 이 확장을 바탕으로 제안된 파이프라인은 앙상블 기반 DAG 학습, 순열 기반 위조 테스트, 개입 기반 근본 원인 귀속을 통합하여 상관 분석을 넘어 해석 가능한 인과 추론으로 나아가는 종단 간 프레임워크를 형성합니다. 합성 데이터 세트에 대한 실험은 제안된 앙상블 접근 방식이 대표적인 그래디언트 기반 인과 발견 방법에 비해 경쟁력 있는 성능을 달성하고, 강건성 측면에서 과반수 투표 앙상블보다 일관되게 우수함을 보여줍니다. 이 프레임워크는 덴마크 북부 유틀란드에서 수집된 4006개의 버스 여행과 50개의 특성으로 구성된 실제 교통 데이터 세트에 추가로 적용되었습니다. 결과적으로 평균 속도가 집합 수준에서 연료 효율성의 직접적인 인과 요인으로 확인되었고, 하위 그룹 분석에서는 드라이빙 행동 변수 간의 희소한 직접 효과와 여러 안정적인 인과 관계가 드러났습니다. 근본 원인 귀속은 속도 조정, 기어 선택, 가속 페달 제어를 연료 효율성 변동의 주요 기여 요소로 강조하며, 간접 행동 경로의 역할을 강조합니다. 전반적으로 이 연구는 일반적이고 강건하며 해석 가능한 인과 추론 프레임워크를 제안하고, 친환경 운전 분석 및 에너지 효율적인 대중 교통 운영을 위한 적용 가능성을 입증합니다.