feat: rolling window 로더 추가 및 hub_only 제거

[pkhyrn268]

개요

BTS 데이터 로딩 방식을 multi-base 학습에 맞게 전면 수정함.
hub_only 필터 제거, 동일 데이터 복제 문제 해결, 공항 ID 불일치 문제 수정,
crew base 명시적 입력을 위한 함수 추가.

loader의 주 파이프라인은:
build_airport_map() → bases_to_ids() → load_flights_rolling()

1. hub_only 필터 제거

기존 코드 문제점

• hub_only는 "RL이 ATL로 반드시 복귀해야 한다"는 조건을 데이터 레벨에서 강제하는 필터이다.
• 실제 데이터 전체를 그대로 반영하지 않아 spoke-spoke 항공편(BOS→ORD 등)을 전혀 학습할 수 없어 현실 운항 패턴과 달라진다.
• MIN_REST = 8.0 부분이 하드코딩되어 있어 constraints.py 기준 9.5h와 불일치 함.
• multi-base 환경에서는 ATL 이외의 base 기준 round-trip 보장이 불가능해 hub_only 개념 자체가 필요없다.

수정

• load_flights()에서 hub_only 파라미터 및 관련 블록 전체 제거.
• load_flights_multiday() 함수 자체 제거. 동일 데이터 반복이 문제의 본질이므로 하위 호환을 위한 유지도 불필요하다고 판단. load_flights_rolling()으로 대체.
  base 복귀는 environment의 BASE_PENALTY가 담당 예정(찬주 확인 부탁!!)

---

2. 에피소드마다 동일한 데이터 반복

기존 코드 문제점

• 모든 에피소드가 완전히 동일한 800(200*4)개 flight를 반복해서 본다.
• 특정 dep_time 패턴에 과적합되어 다른 날짜 데이터에 대한 일반화가 없다.
• 날짜별 실제 운항 변동(계절, 요일)을 전혀 반영하지 못한다.
• 학습/평가 시간 분리(train-eval split)가 구조적으로 불가능하다.

수정
load_flights_rolling(path, window_days, offset_days, airport_map) 추가

• 실제 날짜 데이터를 슬라이딩 윈도우로 로드한다.
• offset_days를 에피소드마다 다르게 지정하면 서로 다른 날짜 구간의 flight를 학습한다.
• window 안에서 랜덤 샘플링하면 시간 연속성이 깨지기 때문에 flight 수는 window_days`로만 제어한다.

---

3. 에피소드 간 공항 ID 불일치 버그 (load_flights_rolling)

기존 문제
load_flights() 내부에서 로드된 subset 기준으로 airport_map을 재계산했다. rolling window를 쓰면 윈도우마다 포함되는 공항 집합이 달라지므로 같은 "BOS"가 윈도우 1에서 ID=3, 윈도우 2에서 ID=7이 될 수 있었다. 모델의 airport_emb는 ID를 인덱스로 사용하므로 ID가 바뀌면 embedding 학습이 무의미해진다.

수정
build_airport_map(path) 신설. 전체 CSV 기준으로 고정 맵을 한 번 만든다. 이후 모든 load_flights_rolling() 호출에 airport_map= 파라미터로 주입하면 어떤 윈도우를 쓰더라도 ATL=0, DTW=1, MSP=2가 항상 보장된다.

---

4. load_flights() 자체의 airport_map 버그

기존 문제점
load_flights(limit=50)과 load_flights(limit=200)이 서로 다른 airport_map을 생성한다. 학습에 limit=200, 평가에 limit=50을 쓰면 공항 ID가 달라져 embedding이 완전히 다른 공항을 가리킨다.

수정
df.head(limit) 이전에 전체 df 기준으로 airport_map을 먼저 계산한다.

airport_counts = Counter(list(df["ORIGIN"]) + list(df["DEST"]))  # 전체 기준
airport_map = {a: i for i, a in enumerate(airports_sorted)}
df = df.head(limit)  # 이후 자름

---

5. bases_to_ids() 추가 — crew base 명시적 입력

기존 문제
기존코드에서는 빈도 기반으로 자동 계산(get_bases())하거나 base_airport=0을 고정으로 썼다. 이를 crew base가 어디인지 외부에서 명시적으로 입력받도록 수정.
수정
build_airport_map()으로 만든 전체 CSV 기준 맵을 통해 문자열 코드를 정수 ID로 변환한다. 없는 코드가 있으면 즉시 오류를 발생시켜 잘못된 base 입력을 조기에 감지한다.

get_bases(flights, n_bases) 함수는 유지했고, 주 파이프라인에서는 bases_to_ids()를 통한 명시적 입력이 우선되도록 하였다.

---

[ohchanju3]

bases_to_ids() Returns 설명에 "없는 코드는 무시한다"라고 되어있는데, 실제 코드는 없는 코드가 있으면 raise ValueError 하고 있는데 어떤걸 의도한거야 ??

[ohchanju3]

overnight 항공편(23:30 출발 → 00:30 도착)은 arr_time < dep_time이 돼서 비행시간이 음수가 나올 수 있을 것 같아! BTS 데이터에 CRS_ELAPSED_TIME(분 단위)이 있으니까 arr_time = dep_time + CRS_ELAPSED_TIME / 60으로 바꾸면 될 것 같은데 어때 ??