본 논문은 교통 물류 시스템 다이내믹스(SD) 모델링에 딥러닝(DL)을 통합하는 새로운 프레임워크를 제시합니다. 기존 DL 기반 모델의 설명력 부족과 인과적 신뢰성 저하 문제를 해결하기 위해, 개념 기반 해석성, 기계적 해석성, 인과 기계 학습 기법을 DL과 결합하는 하이브리드 접근 방식을 제안합니다. 이를 통해 의미론적으로 명확하고 실행 가능한 변수를 사용하는 신경망 모델을 구축하여 기존 SD 모델의 인과적 근거와 투명성을 유지합니다. EU AutoMoTIF 프로젝트의 실제 사례 연구(다중 모드 물류 터미널의 데이터 기반 의사결정 지원, 자동화 및 최적화)에 적용하여 검증하고, 산업용 IoT 기반 사이버 물리 시스템 내 복잡한 동적 환경에서 블랙박스 예측 모델과 중요 의사결정 지원 간의 간극을 메우는 신경 기호 방법의 역할을 보여줍니다.
