대중교통 수단선택과 연계한 복합환승센터 내 보행자 최적경로 산정 Computation of Optimal Path for Pedestrian Reflected on Mode Choice of Public Transportation in Transfer Station원문보기
미래 사회로 갈수록 대중교통을 연계하기 위한 환승센터의 기능 및 규모가 확대됨에 따라 환승센터 내에서 이용자를 대상으로 경로를 안내하는 시스템의 필요성이 제기되고 있다. 그러나 도로에서의 차량을 대상으로 한 최적경로에 관한 모형은 많이 제시되고 있는 반면 건물 내에서 보행자를 위한 최적경로에 대한 연구는 미미하다. 따라서 본 연구는 복합환승센터 내에서 승용차를 이용하는 개인이 지하주차장에서 환승센터 내 대중교통 수단 이용을 위한 승강장이나 상가 시설로 이동하는 최적의 경로를 제시할 수 있는 모형개발을 주요내용으로 하였다. 건물 내 최적경로 모형은 다익스트라(Dijkstra) 알고리즘을 기본으로 하여 거리의 최소비용을 산정하고, 여기에 이동시간, 피로감, 쾌적도와 대기시간 등의 요소를 순위합, 산술합 방법 등을 통해 적용하여 객관성을 부가하였다. 또한 대중교통 수단의 이용자들의 성향이 반영된 Neuro-Fuzzy 모형을 통하여 환승센터 내 환승하는 이용자에게 최적의 교통수단을 제시하고, 그 해당 수단의 승강장까지 최적경로를 제시함으로써 모형의 효율성을 높였다. 마지막으로 가상의 시나리오들를 통하여 개발 모형의 효율성 검증하였다. 검증결과 개발모형을 통했을 경우 그렇지 않을 경우보다, 수직이동 경로차이의 시나리오에서 약 75%, 수평이동 경로차이의 시나리오에서 약 $24.5{\sim}107.7%$ 더 효율적으로 나타났다.
미래 사회로 갈수록 대중교통을 연계하기 위한 환승센터의 기능 및 규모가 확대됨에 따라 환승센터 내에서 이용자를 대상으로 경로를 안내하는 시스템의 필요성이 제기되고 있다. 그러나 도로에서의 차량을 대상으로 한 최적경로에 관한 모형은 많이 제시되고 있는 반면 건물 내에서 보행자를 위한 최적경로에 대한 연구는 미미하다. 따라서 본 연구는 복합환승센터 내에서 승용차를 이용하는 개인이 지하주차장에서 환승센터 내 대중교통 수단 이용을 위한 승강장이나 상가 시설로 이동하는 최적의 경로를 제시할 수 있는 모형개발을 주요내용으로 하였다. 건물 내 최적경로 모형은 다익스트라(Dijkstra) 알고리즘을 기본으로 하여 거리의 최소비용을 산정하고, 여기에 이동시간, 피로감, 쾌적도와 대기시간 등의 요소를 순위합, 산술합 방법 등을 통해 적용하여 객관성을 부가하였다. 또한 대중교통 수단의 이용자들의 성향이 반영된 Neuro-Fuzzy 모형을 통하여 환승센터 내 환승하는 이용자에게 최적의 교통수단을 제시하고, 그 해당 수단의 승강장까지 최적경로를 제시함으로써 모형의 효율성을 높였다. 마지막으로 가상의 시나리오들를 통하여 개발 모형의 효율성 검증하였다. 검증결과 개발모형을 통했을 경우 그렇지 않을 경우보다, 수직이동 경로차이의 시나리오에서 약 75%, 수평이동 경로차이의 시나리오에서 약 $24.5{\sim}107.7%$ 더 효율적으로 나타났다.
As function and scale of the transit center get larger, the efficient guidance system in the transit center is essential for transit users in order to find their efficient routes. Although there are several studies concerning optimal path for the road, but insufficient studies are executed about opt...
As function and scale of the transit center get larger, the efficient guidance system in the transit center is essential for transit users in order to find their efficient routes. Although there are several studies concerning optimal path for the road, but insufficient studies are executed about optimal path inside the building. Thus, this study is to develop the algorithm about optimal path for car owner from the basement parking lot to user's destination in the transfer station. Based on Dijkstra algorithm which calculate horizontal distance, several factors such as fatigue, freshness, preference, and required time in using moving devices are objectively computed through rank-sum and arithmetic-sum method. Moreover, optimal public transportation is provided for transferrer in the transfer station by Neuro-Fuzzy model which is reflected on people's tendency about public transportation mode choice. Lastly, some scenarios demonstrate the efficiency of optimal path algorithm for pedestrian in this study. As a result of verification the case through the model developed in this study is 75 % more effective in the scenario reflected on different vertical distance, and $24.5\;{\sim}\;107.7\;%$ more effective in the scenario considering different horizontal distance, respectively.
As function and scale of the transit center get larger, the efficient guidance system in the transit center is essential for transit users in order to find their efficient routes. Although there are several studies concerning optimal path for the road, but insufficient studies are executed about optimal path inside the building. Thus, this study is to develop the algorithm about optimal path for car owner from the basement parking lot to user's destination in the transfer station. Based on Dijkstra algorithm which calculate horizontal distance, several factors such as fatigue, freshness, preference, and required time in using moving devices are objectively computed through rank-sum and arithmetic-sum method. Moreover, optimal public transportation is provided for transferrer in the transfer station by Neuro-Fuzzy model which is reflected on people's tendency about public transportation mode choice. Lastly, some scenarios demonstrate the efficiency of optimal path algorithm for pedestrian in this study. As a result of verification the case through the model developed in this study is 75 % more effective in the scenario reflected on different vertical distance, and $24.5\;{\sim}\;107.7\;%$ more effective in the scenario considering different horizontal distance, respectively.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 경우 일률적으로 하나의 경로만을 제공한다면 이용자들이 한 곳의 이동수단으로 밀집되는 현상이 발생하여 최적의 경로의 기능을 상실하게 될 위험이 있다. 따라서 본 연구에서는 기존 알고리즘에서 방문하는 노드까지의 총 소요 비용이 동일한 링크가 여러 개일 경우 링크의 선택을 랜덤화하여 하나의 이동수단에 다수의 사람들이 몰리게 되는 가능성을 제거하였다.
따라서, 본 연구는 미래의 복합환승센터가 건립된 후, 승용차를 이용하는 개인을 대상으로 지하주차장에서 목적지까지의 최적의 경로를 제시하는 것에 그 목적을 두었다. 환승센터 내에서 개인의 이동 비용의 산정은 크게 수평이동비용과 수직이동비용으로 나누어 구성하여 보행자 최적경로 모형을 구축하였다.
수평이동비용은 Dijkstra 알고리즘을 이용함으로써 그 신뢰도를 높였고, 이동수단을 이용한 수직거리비용은 설문조사를 기반으로 한 수직 이동 평가함수를 통해 객관화시켰다. 또한 환승객에 대하여, 그들의 목적지만으로 최적의 대중교통수단을 제시하는 대중교통 수단선택 모형을 Neuro-Fuzzy이론을 통하여 구축하여 그들에게는 환승 센터 내 교통수단의 승강장까지의 보행자 최적경로를 제시하고자 하였다. 최적경로의 산정에 있어 동일 비용의 최적경로는 임의로 하나를 제시함으로써 개발모형의 가치를 높였다.
또한, 환승센터 내부라는 공간적 기능을 감안하여 환승을 위한 이용자들에게는 그들의 최종 목적지만으로 최적의 대중교통 수단을 제시하고, 그 수단의 승강장까지의 최적경로를 제시하였다. 최적의 대중교통 수단선택을 위해 Neuro-Fuzzy 모형을 비교하여, 첨두시와 비첨두시에 따라 가장 정확한 모형을 각각 제시하였다.
보행자 최적경로 모형은 복합환승센터 내에서 보행자가 이동 시, 소요되는 비용을 수평 이동 비용과 수직 이동 비용으로 나누어서 그 합이 최소가 되는 경로를 제시하는 것을 목표로 하였다.
본 연구에서는 복합환승센터 내 승용차를 소유한 개인을 대상으로 지하주차장에서 해당 목적지까지 거리, 시간과 같은 객관적인 지표 외에 이동수단 이용 시 느끼는 피로도, 쾌적함, 선호도와 같은 주관적 지표를 반영하는 보행자 최적경로 탐색모형의 개발을 시도하였다. 수평이동비용은 Dijkstra 알고리즘을 이용함으로써 그 신뢰도를 높였고, 이동수단을 이용한 수직거리비용은 설문조사를 기반으로 한 수직 이동 평가함수를 통해 객관화시켰다.
달라질 수 있다. 본 연구에서는 세 가지 이동수단과 유사한 거리에 있는 출발점(12블록 1번 주차공간)에서 서로 다른 층으로 이동시 나타나는 최적 경로와 그 이용수단을 확인하였다. 예를 들어, 비 첨두시 노포동 환승센터에서 화명동까지의 이동할 경우, 대중교통 수단선택 모형을 통한 최적의 대중교통 수단은 <그림 8>의 결과처럼 0.
본 연구에서는 환승센터의 기능을 극대화시키고자 환승객들이 목적지를 제시하였을 때, 환승센터에서 목적지까지의 최적의 교통수단을 제시하는 Neuro-Fuzzy모형을 구축하였다. [6] 택시의 경우는 이용자들의 상황이나 경제적 능력에 따라 이용 횟수의 차이가 있으므로, 경쟁이 되는 교통수단으로 지하철과 버스로 한정하였다.
설문조사는 건물 내에서 수직으로 이동 시, 각각의 이동수단들에 대한 소요시간 및 Human Factors 를 수직이동비용함수를 통하여 객관화하여 최적 경로모형에 반영하고자 실시되었다. 설문대상은 <표 1> 에서 나타나듯이 실제 복합환승센터의 이용자들의 비율을 성별, 연령대별로 반영하여 200명에게 실시하였다.
설문조사는 목적지에 따라 고려항목이 변할 때, 버스와 지하철 중 어떠한 교통수단을 선택할 것인가의 문제에 대한 Neuro-Fuzzy모형의 구축을 위하여 행해졌다. 부산시 노포동 환승센터를 출발지로 하여 지하철/버스가 운용되고 있는 부산시내 25개 대상지와 가상의 25개 대상지에 따른 소요시간, 요금, 대기시간, 환승시간 그리고 도보시간이 다양하게 주어졌을 때, 개개인 선호 교통수단(지하철 1, 버스 0)을 첨두시와 비첨두시로 나누어<그림 2>와 같이 조사하였다.
수직이동비용함수는 정성적 요소인 Human Factors와 정량적 요소인 소요시간, 거리에 대한 상대적 비교를 가능하게 하기 위하여, 모든 항목들의 비용을 거리비용이라는 비용척도로 환산하여 나타내기 위해 작성되었다. 거리비용으로 통일하는 상대적 가중치 결정에는, 설문조사를 바탕으로 한 순위의 합을 상대적으로 비교하는 순위합 방법이 사용되었다.
여기서 해당 버스 승강장이 지상 1, 2층에 수평으로 유사한 위치에 존재한다면 층수에 따라 이동수단과 최적경로가 어떻게 변하는지 살펴보았다. 수행 결과 <표 6>과<그림 9>처럼 층 별로 각각 다른 이동수단을 통해 이동하는 것이 최적경로임으로 나타났다.
이는 출발지에서 도착지까지의 경로 상에 포함된 링크의 통행비용의 총 합을 최소화하는 최단 경로를 찾는 것에 그 목적을 두고 있다.
가설 설정
소요시간의 경우는 실제 속도의 역수 값으로 나타내며 가장 느린 이동수단인 계단을 10으로 가정하여 상대적인 소요시간 비용을 구하였다. 모든 값은 항목에 상관없이 비용의 개념으로 환산하여, 그 값이 작을수록 사람들이 긍정적으로 느끼는 것으로 나타내었다.
거리비용으로 통일하는 상대적 가중치 결정에는, 설문조사를 바탕으로 한 순위의 합을 상대적으로 비교하는 순위합 방법이 사용되었다. 순위합 방법을 통한 가중치 부여는 식 (1)과 같이 총 이동비용에서 고려되는 5개 항목 중 거리의 중요도를 1로 가정하고, 거리에 대한 상대적 중요도를 각 요소별로 구성하여 가중치를 부여하였다. [5]
제안 방법
[9, 10] 모형 내에서의 입력 자료는 고려항목 별 지하철 비용과 버스 비용의 차로 사용하여 그에 따른 Membership 함수를 과 같이 설정하고, 고려항목이 변할 수 있는 32개의 경우에 대하여 If-then Rule을 구성하였다.
위해 작성되었다. 거리비용으로 통일하는 상대적 가중치 결정에는, 설문조사를 바탕으로 한 순위의 합을 상대적으로 비교하는 순위합 방법이 사용되었다. 순위합 방법을 통한 가중치 부여는 식 (1)과 같이 총 이동비용에서 고려되는 5개 항목 중 거리의 중요도를 1로 가정하고, 거리에 대한 상대적 중요도를 각 요소별로 구성하여 가중치를 부여하였다.
환승센터 내에서 개인의 이동 비용의 산정은 크게 수평이동비용과 수직이동비용으로 나누어 구성하여 보행자 최적경로 모형을 구축하였다. 구축된 모형을 통한 최적경로는 가상 시나리오를 통해 일반적인 최적경로와 비교, 분석하어 그 독창성과 효율성을 검증하였다.
이 때, 층별 차이가 클 것으로 예상되는 선호도는 1증, 2-3증, 4-5증, 6-9증, 10증 이상 이동의 5가지로 나누어 조사하였다. 그리고 거리와의 상대적 중요도를 책정하기 위하여, 거리를 포함한 모든 요소들 간의 상대적 순위를 1-5위까지 조사하였다.
기존의 환승센터는 환승의 기능과 상가의 기능을 만족시키지 못한다고 판단하여 연구의 목적에 부합하는 가상의 복합환승센터를 설계하였다. 가상 복합환승센터는 지하 2층에 주차장, 지하 1층에 지하철의 승강장, 지상 1, 2층의 버스 정류장, 그리고 지상 3층부터 10까지는 상가시설로 이루어진, 건물로 구성하였다.
[6] 택시의 경우는 이용자들의 상황이나 경제적 능력에 따라 이용 횟수의 차이가 있으므로, 경쟁이 되는 교통수단으로 지하철과 버스로 한정하였다. 모형구축의 구성요소로써 출발지에서 목적지까지의 소요시간, 요금, 대기시간, 환승시간, 도보시간을 고려하여 그들에 따른 인간 선택의 성향을 모형으로 정립하였다. 이때, 인간의 주관적 선택을 반영하는데 Neuro-Fuzzy 모형이 수단선택에서의 전통적인 이산선택모형보다 적합하다고 판단하여 본 연구에서는 Neuro-Fuzzy 모형을 적용하였다.
본 연구의 Dijkstra 알고리즘에서 노드의 구성은 출발 노드, 층별 목적지 노드, 이동수단 노드, 교차로 노드로 구분하여 구성하고, 링크의 구성은 각 노드를 잇는 모든 링크를 수평링크와 수직링크로 구성하여 전체적으로 3차원 Network로 구성하였다. 수평 링크 비용은 거리 값을 사용하고, 수직링크비용은 각층별 이동수단을 각기 개별 노드로 설정하고 그 사이의 링크비용은 수직이동비용함수를 통하여 환산된 거리 비용으로 적용하였다.
부산시 노포동 환승센터를 출발지로 하여 지하철/버스가 운용되고 있는 부산시내 25개 대상지와 가상의 25개 대상지에 따른 소요시간, 요금, 대기시간, 환승시간 그리고 도보시간이 다양하게 주어졌을 때, 개개인 선호 교통수단(지하철 1, 버스 0)을 첨두시와 비첨두시로 나누어와 같이 조사하였다.
설정하였다. 비용에 영향을 미치는 요소로써 각각의 이동수단의 이용 시 피로도, 쾌적함과 대기시간을 고려한 선호도등의 Human Factors와 이동수단의 층 별 소요시간을 고려하였다.
설문대상은 <표 1> 에서 나타나듯이 실제 복합환승센터의 이용자들의 비율을 성별, 연령대별로 반영하여 200명에게 실시하였다. 설문내용은 이동수단별 개인이 느끼는 피로감, 쾌적함, 선호도와 소요시간을 1-10점의 범위로 조사하였다. 이 때, 층별 차이가 클 것으로 예상되는 선호도는 1증, 2-3증, 4-5증, 6-9증, 10증 이상 이동의 5가지로 나누어 조사하였다.
수평 링크 비용은 거리 값을 사용하고, 수직링크비용은 각층별 이동수단을 각기 개별 노드로 설정하고 그 사이의 링크비용은 수직이동비용함수를 통하여 환산된 거리 비용으로 적용하였다. 즉, Database의 구축에 있어 평면의 2차원적인 네트워크가 아닌 건물 전체라는 3차원 네트워크를 구축하여 이동수단을 통해 수직으로 올라가는 비용 또한 거리의 개념과 마찬가지로 Dijkstra 알고리즘에 적용시켜 구할 수 있게 하였다.
시도하였다. 수평이동비용은 Dijkstra 알고리즘을 이용함으로써 그 신뢰도를 높였고, 이동수단을 이용한 수직거리비용은 설문조사를 기반으로 한 수직 이동 평가함수를 통해 객관화시켰다. 또한 환승객에 대하여, 그들의 목적지만으로 최적의 대중교통수단을 제시하는 대중교통 수단선택 모형을 Neuro-Fuzzy이론을 통하여 구축하여 그들에게는 환승 센터 내 교통수단의 승강장까지의 보행자 최적경로를 제시하고자 하였다.
설문내용은 이동수단별 개인이 느끼는 피로감, 쾌적함, 선호도와 소요시간을 1-10점의 범위로 조사하였다. 이 때, 층별 차이가 클 것으로 예상되는 선호도는 1증, 2-3증, 4-5증, 6-9증, 10증 이상 이동의 5가지로 나누어 조사하였다. 그리고 거리와의 상대적 중요도를 책정하기 위하여, 거리를 포함한 모든 요소들 간의 상대적 순위를 1-5위까지 조사하였다.
부산시 노포동 환승센터를 출발지로 하여 지하철/버스가 운용되고 있는 부산시내 25개 대상지와 가상의 25개 대상지에 따른 소요시간, 요금, 대기시간, 환승시간 그리고 도보시간이 다양하게 주어졌을 때, 개개인 선호 교통수단(지하철 1, 버스 0)을 첨두시와 비첨두시로 나누어<그림 2>와 같이 조사하였다. 이때, 가상의 25개의 대상지는 현재 운용되고 있는 25개의 대상지와 함께 부산 전 지역에 대상지가 고르게 분포되도록 설정하였다. [7, 8] 총 50개의 대상지에 대하여 개인의 선호도를 충분히 반영하기 위하여 152명을 대상으로 조사하였으며, 50개의 지역에 대하여 논리적 일관성이 없는 52부는 제외되고 100부를 채택하여 모형구축의 기본 자료로 사용하였다.
또한 ANFIS 모형의 입력표준에 따라, 설문에서 제시된 50개 구간에 대하여 각각 고려요소들의 값을 식(3)과 같은 정규화를 통하여 0과 1 사이의 값으로 변환하였다. 이상의 과정에 Target 값들을 달리하여 3가지 상이한 모형을 구축하여 첨두시와 비첨두시에 따른 각각의 성능을 테스트하였다.
수평 링크 비용은 거리 값을 사용하고, 수직링크비용은 각층별 이동수단을 각기 개별 노드로 설정하고 그 사이의 링크비용은 수직이동비용함수를 통하여 환산된 거리 비용으로 적용하였다. 즉, Database의 구축에 있어 평면의 2차원적인 네트워크가 아닌 건물 전체라는 3차원 네트워크를 구축하여 이동수단을 통해 수직으로 올라가는 비용 또한 거리의 개념과 마찬가지로 Dijkstra 알고리즘에 적용시켜 구할 수 있게 하였다.
최적경로를 제시하였다. 최적의 대중교통 수단선택을 위해 Neuro-Fuzzy 모형을 비교하여, 첨두시와 비첨두시에 따라 가장 정확한 모형을 각각 제시하였다.
1% 더 효율적인 것으로 나타났다. 특히 에스컬레이터의 경우, 입구와 출구가 상이하다는 특징이 결과에 영향을 미침을 확인하였다.
두었다. 환승센터 내에서 개인의 이동 비용의 산정은 크게 수평이동비용과 수직이동비용으로 나누어 구성하여 보행자 최적경로 모형을 구축하였다. 구축된 모형을 통한 최적경로는 가상 시나리오를 통해 일반적인 최적경로와 비교, 분석하어 그 독창성과 효율성을 검증하였다.
대상 데이터
이때, 가상의 25개의 대상지는 현재 운용되고 있는 25개의 대상지와 함께 부산 전 지역에 대상지가 고르게 분포되도록 설정하였다. [7, 8] 총 50개의 대상지에 대하여 개인의 선호도를 충분히 반영하기 위하여 152명을 대상으로 조사하였으며, 50개의 지역에 대하여 논리적 일관성이 없는 52부는 제외되고 100부를 채택하여 모형구축의 기본 자료로 사용하였다.
가상의 복합환승센터를 설계하였다. 가상 복합환승센터는 지하 2층에 주차장, 지하 1층에 지하철의 승강장, 지상 1, 2층의 버스 정류장, 그리고 지상 3층부터 10까지는 상가시설로 이루어진, 건물로 구성하였다. 지하 주차장의 경우 <그림 6>과 같이 26 개의 주차 블록으로 구성된 1개 층을 고려 대상으로 하였다.
모형 1은 50명의 설문조사 결과를 바탕으로 선택된 교통수단(지하철 1, 버스 0)의 평균값 50개를 Target 값으로 설정하였다. 모형 2는 모형 1의 평균값을 0 과 1에 근사한 값으로 분류하여 Target 값을 0, 1의 이항으로 구분한 50개 값으로 설정하였다.
설문대상은 에서 나타나듯이 실제 복합환승센터의 이용자들의 비율을 성별, 연령대별로 반영하여 200명에게 실시하였다.
지하 주차장의 경우 과 같이 26 개의 주차 블록으로 구성된 1개 층을 고려 대상으로 하였다.
데이터처리
마지막으로 모형 3은 50개의 대상지에 대한 50명 모두의 설문 결과 2, 500개의 값을 Target 값으로 입력하였다. 모형의 성능은 입력 Target 값과 시뮬레이션 이후의 결과치의 평균 정확도를 나타내는 ANFIS Testing Error 값과 모형 결과를 바탕으로 임계값을 0.5로 하였을 때 실제 설문결과 값과 정확도로 평가하였다. <그림 4>와 같이 첨두시 데이터로 테스트결과, Target 값으로 설문의 전체결과 평균의 0, 1의 근사치로 설정한 모형 2의 성능이 가장 우수한 것으로 판명되었다<표 4>, 따라서 첨두시에는 모형 2를 최적의 대중교통 수단선택 모형으로 채택하여 임계 값(0.
비용의 산출방법은 Human Factor의 경우 비용 척도의 범위를 0-10으로 조사하여 그 평균을 구하였다. 소요시간의 경우는 실제 속도의 역수 값으로 나타내며 가장 느린 이동수단인 계단을 10으로 가정하여 상대적인 소요시간 비용을 구하였다.
이론/모형
Neuro-Fuzzy모형의 구축은 Matlab 6.5의 ANFIS (Adaptive Neuro-Fuzzy Inference System) tool 을 사용하였다. [9, 10] 모형 내에서의 입력 자료는 고려항목 별 지하철 비용과 버스 비용의 차로 사용하여 그에 따른 Membership 함수를 <그림 3>과 같이 설정하고, 고려항목이 변할 수 있는 32개의 경우에 대하여 If-then Rule을 구성하였다.
모형구축의 구성요소로써 출발지에서 목적지까지의 소요시간, 요금, 대기시간, 환승시간, 도보시간을 고려하여 그들에 따른 인간 선택의 성향을 모형으로 정립하였다. 이때, 인간의 주관적 선택을 반영하는데 Neuro-Fuzzy 모형이 수단선택에서의 전통적인 이산선택모형보다 적합하다고 판단하여 본 연구에서는 Neuro-Fuzzy 모형을 적용하였다.
성능/효과
그리고 최적 경로는 과 같이 엘리베이터 3, 4를 이용하는 4 가지 최적경로 중 하나를 임의로 제시되는 것을 확인하였다.
최적경로의 산정에 있어 동일 비용의 최적경로는 임의로 하나를 제시함으로써 개발모형의 가치를 높였다. 마지막으로 다양한 시나리오를 통하여 기존에 줄발증(지하주차장)에서 가까운 이동수단을 이용하는 기존의 안내 시스템보다 보행자 최적 경로 탐색모형을 통해 목적지까지 고려한 경로를 통해 이동하는 것이 더 효율적이라는 것도 증명하였다.
본 연구에서 작성한 최적경로 모형의 결과, 최종비용이 동일한 경로가 다수일 경우 임의로 하나의 최적 경로를 선택하게 하였다. 예를 들어, 승용차를 소유한 환승객이 지하주차장의 10블록 3번 주차공간에 주차 후 복합환승센터 내 8층에 위치한 상가시설을 이용할 경우를 보행자 최적경로 알고리즘을 통하여 Matlab 6.
수행 결과 과처럼 층 별로 각각 다른 이동수단을 통해 이동하는 것이 최적경로임으로 나타났다.
반복하여 결과를 도출하였다. <그림 5>와 같이 테스트 결과, 비첨두시에는 설문의 전체결과 평균값을 Target 값으로 설정한 모형 1의 성능이 가장 우수한 것으로 판명되었다<표 5>. 따라서 비 첨두시에는 모형 1을 대중교통 수단선택 모형으로 제시하였다.
위 결과를 환승센터 내 최적보행자 경로산정 알고리즘에 적용 결과, 과 같이 목적지가 된 지하철 승강장의 수평위치에 따라 최적 경로와 이동수단이 다르게 제시되었다.
엘리베이터를 이용하게 안내한다. 위 두 가지 경우의 비용을 비교하면, 엘리베이터는 74.7, 에스컬레이터는 13L0으로 나타나 본 모형에서 제시하는 엘리베이터를 통해 이동하는 경우가 기존의 에스컬레이터를 통해 이동하는 경우보다 약 75% 가량 더 효율적인 것으로 나타났다.
이는 각각의 목적지에 따라서 본 연구에서 제시된 모형을 통해 이동할 때, 지하철승강장 1의 경우는 에스컬레이터 2를 이용하는 경우가 그렇지 않은 경우보다 52.9-66.8%, 지하철 승강장 2의 경우는 엘리베이터를 이용하는 경우가 그렇지 않은 경우보다 44.9-107.7%, 지하철 승강장 3의 경우는 에스컬레이터 1을 이용하는 경우가 그렇지 않은 경우보다 24.5 -41.1% 더 효율적인 것으로 나타났다. 특히 에스컬레이터의 경우, 입구와 출구가 상이하다는 특징이 결과에 영향을 미침을 확인하였다.
또한 환승객에 대하여, 그들의 목적지만으로 최적의 대중교통수단을 제시하는 대중교통 수단선택 모형을 Neuro-Fuzzy이론을 통하여 구축하여 그들에게는 환승 센터 내 교통수단의 승강장까지의 보행자 최적경로를 제시하고자 하였다. 최적경로의 산정에 있어 동일 비용의 최적경로는 임의로 하나를 제시함으로써 개발모형의 가치를 높였다. 마지막으로 다양한 시나리오를 통하여 기존에 줄발증(지하주차장)에서 가까운 이동수단을 이용하는 기존의 안내 시스템보다 보행자 최적 경로 탐색모형을 통해 목적지까지 고려한 경로를 통해 이동하는 것이 더 효율적이라는 것도 증명하였다.
후속연구
또한 개발 모형은 복합환승센터 내 목적지 안내 시스템 이외의 다수의 분야에 활용 가능할 것으로 전망된다. 대표적인 예로써 건물 내 화재와 같은 비상상황 발생 시의 대피경로의 제시나 대규모 멀티플레스에서 이용자에게 주차장에서 목적지까지의 보행자 최적 경로의 제시 등 여러 방면으로 활용될 것으로 기대된다.
예상된다. 또한 개발 모형은 복합환승센터 내 목적지 안내 시스템 이외의 다수의 분야에 활용 가능할 것으로 전망된다. 대표적인 예로써 건물 내 화재와 같은 비상상황 발생 시의 대피경로의 제시나 대규모 멀티플레스에서 이용자에게 주차장에서 목적지까지의 보행자 최적 경로의 제시 등 여러 방면으로 활용될 것으로 기대된다.
그리고 대중교통수단 선택 모형의 경우에도 교통상황에 따른 실시간 데이터가 정확히 확보되어야 모형의 기능이 향상될 것이다. 또한 본 연구에서 제시되는 최적의 대중교통수단은 설문응답자의 선호를 반영하여 일반화하였으므로, 특정 개인의 선호교통수단 제공에 적합하지 않을 수 있다는 한계가 있다.
하지만 본 연구에서 개발된 모형은 엘리베이터의 경우 그 위치가 항상 가변적이고 수용인원에 제한이 따르기 때문에 오차의 발생시키는 요인이 될 수 있다. 이에 환승센터의 중앙통제센터에서 엘리베이터의 위치정보를 실시간으로 제공하여, 사용자가 모형을 통해 검색을 시작하는 순간의 엘리베이터 위치를 고려한 모형의 필요성이 제기된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.