본 논문은 데이터 기반의 인과 추론 기법을 활용하여 전기차 충전소 최적 배치 문제를 해결하는 새로운 방법론을 제시합니다. 기존의 경제적 요소나 전력망 제약 조건을 중시하는 접근 방식과 달리, 실제 충전 패턴을 고려하여 충전소 활용도를 높이는 데 중점을 둡니다. Palo Alto와 Boulder의 광범위한 충전 데이터(100개 충전소, 337,344건의 충전 이벤트)를 분석하여 충전소 특성과 활용도 간의 잠재적 관계를 밝혀냈습니다. NOTEARS와 DAGMA와 같은 구조 학습 알고리즘을 적용하여 충전 수요는 편의시설과의 근접성, 전기차 등록 밀도, 교통량이 많은 도로와의 인접성이라는 세 가지 요인에 의해 주로 결정됨을 밝혔습니다. 이러한 결과는 여러 알고리즘과 도시 환경에서 일관되게 나타나며, 기존의 인프라 분포 전략에 이의를 제기합니다. 본 논문에서는 이러한 통찰력을 바탕으로 실행 가능한 배치 권장 사항으로 변환하는 최적화 프레임워크를 개발하여, 발견된 종속 구조를 기반으로 높은 활용도를 기대할 수 있는 위치를 식별합니다. 결과적으로 제시된 부지 선택 모델은 균일한 공간 분포보다는 편의시설이 많은 지역에 전기차 인구가 많은 곳에 전략적으로 클러스터링하는 것을 우선시합니다. 본 연구는 실증적인 충전 행동을 인프라 계획에 통합하는 프레임워크를 제공하여 충전소 활용도와 사용자 편의성을 모두 향상시킬 수 있습니다. 이론적 분포 모델 대신 데이터 기반 통찰력에 중점을 둠으로써 전기차 시장 발전의 다양한 단계에 맞춰 조정할 수 있는 충전 네트워크 확장을 위한 더 효과적인 전략을 제공합니다.
