선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 논문의 목적은 지하철 혼잡도 분석을 위해 기존철도 시뮬레이터의 지하철 적합화를 수행하여 시뮬레이션 결과 분석 및 혼잡도 해소방안을 제시하고자 한다.
- 본 연구는 기존 다중열차운용시뮬레이터를 프로그램구조 및 인프라, 열차제원 시각표, 운행루트 등을 수정하여 지하철 혼잡도 분석을 위해 적합화하였다. 적합화된 시뮬레이션을 바탕으로 실제 시각표 및 운행기록과 비교를 통해 시뮬레이션이 현실 상황에 맞는지 판단하고, 혼잡한 상황을 선택하여 시뮬레이션을 수행하였다.
- 본 연구에서는 경부선용으로 개발된 다중열차 운용시뮬레이터를 지하철의 상황에 맞게 시뮬레이터를 개량하였다. 수정된 사항을 살펴보면 첫째, 철도망 데이터 중 선로, 구배, 곡선, 제한속도에 대한 부분과 열차 제원 열차 시각표, 운행루트 등을 지하철 2호선에 맞게 개량하였다
- 승하차 시간과 직접 관련됨을 알 수 있다. 이번 연구는 이러한 열차 혼잡도에 대한 실증적 분석이 아닌 혼잡도에 따른 지연이 열차의 운행 간격이나 역 정차 시간에 어떤 영향을 주는가를 그래서 결과적으로는 운' 영자나 승객들에게 어떤 영향을 주는지에 대해서 분석하고자 한다. 후에 이런 연구의 보완으로 혼잡도를 실측하고 이를 반영할 수 있을 것이다.
제안 방법
- Hrai[기은 승객의 흐름을 고려한 열차 시뮬레이터를 개발하여 승객의 총 여행시간(total travel time)과 열차 혼잡도 분산 결과로 분석하였다. 이를 위하여 그 동안 수동으로 행해지던 열차 간격 조정을 위한 알고리즘을 개발하여 적용하였다.
- 경부선 용으로 개발된 다중 열차운용시뮬레이터를 지하철 상황에 맞게 개량한 시뮬레이터의 타당성을 검토하기 위해 2가지 시뮬레이션을 수행하여 결과를 분석하였다
- 기존 시각표 정차시분 준수 모드는 현재 구성된 시뮬레이션이 현실 상황과 얼마나 적합한지 확인할 수 있고, 시각표의 시각을 바꾸어 다양한 시뮬레이션을 수행할 수 있도록 구성하였다.
- 개발하였다. 두 기관은 기존의 열차운용 시뮬레이터 기본 패키지를 소스코드까지 구입한 뒤, 각 기관의 특정 응용목적에 적합하도록 수정, 보완하는 방식을 취했으며 기본 소프트웨어를 표준화하여 공동으로 사용하고 각 회사의 필요에 의해 개발된 새로운 모듈들을 추가할 수 있도록 하였다.
- 둘째, 복자한 분기기를 갖는 다중 루트 구조의 철도망을 시뮬레이션 할 수 있도록 하고, 이를 위해 분 기기에서의 열차주행상황에 대한 상세 모델을 개발하였다.
- 둘째, 시뮬레이션 수행 중 사용자가 개입하여 다양한 시뮬레이션을 수행할 수 있도록 제어모듈을 추가하였다.
- 둘째, 실제 운행 데이터와의 결과를 비교하기 위해 1 대의 열차를 대상으로 시뮬레이션을 수행하여 실제 운행 데이터와 비교하였다. 시뮬레이션 결과 역간 운행 시 분과 실제 운행데이터의 역간 운행시분의 차이를 그래프로 나타내면 [그림 5]와 같다
- 발생한다. 본 연구에서는 역사의 혼잡도를 문헌을 바탕으로 조사하였고 정차시분을 계산하여 시뮬레이션에 반영하였다.
- 셋째, 보다 현실적인 시뮬레이션이 가능하도록 역별 정차 시간을 설정하여 정차시간을 이용해 다양한 시뮬레이션이 가능하도록 구성하였다.
- 셋째, 신호시스템이 역간 운전시분, 운적 시격 및 에너지 소비량 등 열차성능에 미치는 영향을 연구할 수 있도록 다양한 신호시스템 기능을 추가하였다.[4]
- 수정된 사항을 살펴보면 첫째, 철도망 데이터 중 선로, 구배, 곡선, 제한속도에 대한 부분과 열차 제원 열차 시각표, 운행루트 등을 지하철 2호선에 맞게 개량하였다
- 시뮬레이션 결과를 분석하고, 혼잡도 해소방안으로 RFID를 이용한 승객제어를 통해 출근시간대 열차들을 대상으로 운행시간, 지연시간 등을 비교하였다. 특히 정확한 시뮬레이션 분석을 위해 각 열차들의 데이터를 실제 데이터를 사용하였고, 적합화 수행 과정에서 현실 상황에 맞게 시뮬레이션을 구축하여 지하철 분석 시뮬레이터를 구성하였다.
- 특히 정확한 시뮬레이션 분석을 위해 각 열차들의 데이터를 실제 데이터를 사용하였고, 적합화 수행 과정에서 현실 상황에 맞게 시뮬레이션을 구축하여 지하철 분석 시뮬레이터를 구성하였다. 시뮬레이션을 수행하면서 변수들을 변경하면서 다양한 시뮬레이션이 가능하도록 하였고, 열차 제어 모듈을 통해 관제소에서 열차들을 제어하는 것과 마찬가지로 시뮬레이션을 수행할 수 있도록 하였다. 하지만 환승계단의 혼잡구간이나 연결통로의 혼잡 등 승강장 혼잡 이외에 다른 혼잡구간의 데이터가 반영되어 있지 않고, 운영자 관점에서의 데이터만 제시하여 승객들의 불편 정도와 같은 승객관점에서 비교 지표들이 제시되어 있지 못한 점은 다음 연구에서 개선되어야 할 부분이다.
- 이를 위하여 그 동안 수동으로 행해지던 열차 간격 조정을 위한 알고리즘을 개발하여 적용하였다. 여러 가능한 OD데이터를 가정으로 시뮬레이션을 수행하여 다양한 결과들을 얻었다
- 이를 위해서 Level of Service(LOS)로 사용하기 위해서 서비스 정도와 혼잡도에 대한 정의를 승객들 인터뷰를 통해서 도출하였다. 열차 정차 시간 모델을 구하고 이를 이용하여 혼잡도에 대한 다양한 시나리오 하에서 LQS의 변화를 시뮬레이션 하였다
- 분산 결과로 분석하였다. 이를 위하여 그 동안 수동으로 행해지던 열차 간격 조정을 위한 알고리즘을 개발하여 적용하였다. 여러 가능한 OD데이터를 가정으로 시뮬레이션을 수행하여 다양한 결과들을 얻었다
- 주는 중요 인자들을 분석하였다. 이를 위해서 Level of Service(LOS)로 사용하기 위해서 서비스 정도와 혼잡도에 대한 정의를 승객들 인터뷰를 통해서 도출하였다. 열차 정차 시간 모델을 구하고 이를 이용하여 혼잡도에 대한 다양한 시나리오 하에서 LQS의 변화를 시뮬레이션 하였다
- 전철의 급전 시스템에서 공급전압은 +20%에서 -30%까지 변동할 수 있는데 이때 열차성능 및 전력수요는 큰 영향을 받게 되고 철도의 다른 부분 시스템까지 파급될 수 있다. 이와 같은 부분 시스템간의 영향을 종합적으로 시뮬레이션하기 위하여 차량 신호제어 선로시설들의 시뮬레이션과 더불어 급전시스템 시뮬레이션도 포함하였다.
- 적합화된 시뮬레이션을 바탕으로 실제 시각표 및 운행기록과 비교를 통해 시뮬레이션이 현실 상황에 맞는지 판단하고, 혼잡한 상황을 선택하여 시뮬레이션을 수행하였다.
- 첫째, 시각표와 실제 시뮬레이션과의 차이를 위해 1 대의 열차를 대상으로 시뮬레이션을 수행하여 시각표의 결과와 비교하였다. 시뮬레이션 결과 역간 운행 시 분과 시각표의 역간 운행시분의 차이를 그래프로 나타내면 [그림 4] 와 같다.
- 준수하도록 구성되어 있다. 특히 관 제소에서 열차별로 제어하는 방식과 같이 사용자가 임의로 중간에 출발하는 열차의 순서를 제어할 수 있고, 각 열차별로 각 역에서 열차의 정차시분을 제어할 수 있는 Control 모드를 만들어 시뮬레이션을 수행할 수 있도록 하였다
- 특히 정확한 시뮬레이션 분석을 위해 각 열차들의 데이터를 실제 데이터를 사용하였고, 적합화 수행 과정에서 현실 상황에 맞게 시뮬레이션을 구축하여 지하철 분석 시뮬레이터를 구성하였다. 시뮬레이션을 수행하면서 변수들을 변경하면서 다양한 시뮬레이션이 가능하도록 하였고, 열차 제어 모듈을 통해 관제소에서 열차들을 제어하는 것과 마찬가지로 시뮬레이션을 수행할 수 있도록 하였다.
- 특히, VISIONe BR에서 현재 사용 중이거나 계획 중인 모든 철도 운용 작업을 매우 쉽게 모델링하고 시뮬레이션 할 수 있도록 설계된 것으로, 컴퓨터 전문가가 아닌 운전시각표, 인프라스트럭처 설계자들도 쉽게 사용할 수 있도록 하였다. VISIONe 오랜 검증 기간을 거쳐 현재 상용화되어 영국철도와 런던 지하철, 구광철도 등에서 사용하고 있다.
대상 데이터
- 출근시간대 (07:00~09:00) 지하철 2호선 신도림~삼성 구간에 대해 운행 중인 33대의 열차를 바탕으로 시뮬레이션을 수행하였다.
성능/효과
- SIMON의 주요 특징은 첫째, 선로길이 900km에서 일당 220 열차가 운행되는 철도시스템에 대해 Sun Spark IPX를 사용하여 9분에 시뮬레이션을 수행할 수 있을 정도로 시뮬레이션 속도가 빠르다.
- 따라서 시뮬레이션 결과와 시각표와의 차이를 비교해보면 오차범위 내에서 시뮬레이션이 수행되고 있음을 알 수 있다. 두 번째 결과는 시뮬레이션 결과는 역간 운행시분을 비교한 결과 지연이 많이 발생하는 구간이 사당~교대 부분인 것을 알 수 있다
- 승객 제어를 한 시뮬레이션 결과를 비교해보면 신도림에서 삼성역 구간의 열차 주행시간은 승객 제어를 하지 않았을 경우 33분 58초가 걸린 반면, 승객 제어를 한 경우 32분 15초가 걸려 시각표에 제시된 32분 25초와 거의 비슷하게 운행하는 것을 볼 수 있다. 열차의 지연시간을 비교해보면 시각표 대비 극혼잡일 경우 평균 82초가 지연되는 것으로 나타나는데 비해, 승객제어를 하게 되면 시각표보다 21초 정도 일찍 도착하는 것으로 확인되었다.
- 열차의 지연시간을 비교해보면 시각표 대비 극혼잡일 경우 평균 82초가 지연되는 것으로 나타나는데 비해, 승객제어를 하게 되면 시각표보다 21초 정도 일찍 도착하는 것으로 확인되었다.
후속연구
- 하지만 환승계단의 혼잡구간이나 연결통로의 혼잡 등 승강장 혼잡 이외에 다른 혼잡구간의 데이터가 반영되어 있지 않고, 운영자 관점에서의 데이터만 제시하여 승객들의 불편 정도와 같은 승객관점에서 비교 지표들이 제시되어 있지 못한 점은 다음 연구에서 개선되어야 할 부분이다. 본 연구는 혼잡도와 관련된 인자들을 다양한 방법으로 변경하여 시뮬레이션을 수행함으로써 혼잡도와 관련된 지하철 시뮬레이션의 활용 가치를 극대화시키는데 기여할 수 있다. 국내 서울메트로나 국외 사례에서 살펴보면 꾸준히 혼잡도 해소방안에 대한 연구를 진행하고 있다.
- 국내 서울메트로나 국외 사례에서 살펴보면 꾸준히 혼잡도 해소방안에 대한 연구를 진행하고 있다. 추후 연구과제로 이 분야에 대한 구체적인 연구가 진행되어야 할 것이다.
- 시뮬레이션을 수행하면서 변수들을 변경하면서 다양한 시뮬레이션이 가능하도록 하였고, 열차 제어 모듈을 통해 관제소에서 열차들을 제어하는 것과 마찬가지로 시뮬레이션을 수행할 수 있도록 하였다. 하지만 환승계단의 혼잡구간이나 연결통로의 혼잡 등 승강장 혼잡 이외에 다른 혼잡구간의 데이터가 반영되어 있지 않고, 운영자 관점에서의 데이터만 제시하여 승객들의 불편 정도와 같은 승객관점에서 비교 지표들이 제시되어 있지 못한 점은 다음 연구에서 개선되어야 할 부분이다. 본 연구는 혼잡도와 관련된 인자들을 다양한 방법으로 변경하여 시뮬레이션을 수행함으로써 혼잡도와 관련된 지하철 시뮬레이션의 활용 가치를 극대화시키는데 기여할 수 있다.
- 이번 연구는 이러한 열차 혼잡도에 대한 실증적 분석이 아닌 혼잡도에 따른 지연이 열차의 운행 간격이나 역 정차 시간에 어떤 영향을 주는가를 그래서 결과적으로는 운' 영자나 승객들에게 어떤 영향을 주는지에 대해서 분석하고자 한다. 후에 이런 연구의 보완으로 혼잡도를 실측하고 이를 반영할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.