새로운 교통수단으로서 실용화가 진행 중인 자기부상열차 시스템은 무인자동운전으로 운영되며, 사전에 면밀한 열차운행 계획의 수립과 검증이 요구된다. 일반적으로 열차운행 계획을 수립할 때는, 노선계획에 따른 통계화된 수송수요 예측자료를 활용하지만, 실제 열차 운행 시에는 수송 파동이 생길 수 있으며, 이를 고려하여 열차 운행 계획과 서비스 품질을 사전에 검토할 수 있는 수요기반 시뮬레이션 기술이 요구된다. 본 연구에서는 연속적인 수요파동을 반영할 수 있는 자기부상열차 운행 시뮬레이션 방법 및 모델을 제시하였다. 이를 위해, 열차 운행에 따른 승객 수송과정을 가장 효과적으로 모사할 수 있는 이산사건 모델을 적용하였으며, DEVS 형식론을 이용하여 시스템을 체계적으로 모델링 하였다. 또한, DEVSim++시뮬레이션 환경을 이용한 구현과 실험을 통해, 제안한 모델에 대한 구현 가능성을 검증하였고, 이러한 수요기반 시뮬레이션을 이용하면 운행계획과 전략에 대한 효과적인 사전 검토가 가능함을 확인하였다.
새로운 교통수단으로서 실용화가 진행 중인 자기부상열차 시스템은 무인자동운전으로 운영되며, 사전에 면밀한 열차운행 계획의 수립과 검증이 요구된다. 일반적으로 열차운행 계획을 수립할 때는, 노선계획에 따른 통계화된 수송수요 예측자료를 활용하지만, 실제 열차 운행 시에는 수송 파동이 생길 수 있으며, 이를 고려하여 열차 운행 계획과 서비스 품질을 사전에 검토할 수 있는 수요기반 시뮬레이션 기술이 요구된다. 본 연구에서는 연속적인 수요파동을 반영할 수 있는 자기부상열차 운행 시뮬레이션 방법 및 모델을 제시하였다. 이를 위해, 열차 운행에 따른 승객 수송과정을 가장 효과적으로 모사할 수 있는 이산사건 모델을 적용하였으며, DEVS 형식론을 이용하여 시스템을 체계적으로 모델링 하였다. 또한, DEVSim++시뮬레이션 환경을 이용한 구현과 실험을 통해, 제안한 모델에 대한 구현 가능성을 검증하였고, 이러한 수요기반 시뮬레이션을 이용하면 운행계획과 전략에 대한 효과적인 사전 검토가 가능함을 확인하였다.
The MAGLEV (Magnetically Levitated Vehicle) system, which is under commercialization as a new transportation system in Korea, is operated by means of unmanned automatic control system. Therefore the plan of train operation should be carefully established and validated in advance. In general, when ma...
The MAGLEV (Magnetically Levitated Vehicle) system, which is under commercialization as a new transportation system in Korea, is operated by means of unmanned automatic control system. Therefore the plan of train operation should be carefully established and validated in advance. In general, when making the train operation plan, the statistically predicted traffic data is used. However, traffic wave can occur when real train service is operated, and the demand-driven simulation technology is required to review train operation plans and service qualities considering traffic wave. This paper presents a method and model to simulate the MAGLEV's operation considering continuous demand changes. For this purpose, we employed the discrete event model which is suitable for modeling the behavior of railway passenger transportation, and modeled the system hierarchically using DEVS (Discrete Event System Specification) formalism. In addition, through the implementation and experiment using DEVSim++ simulation environment, we tested the feasibility of the proposed model and it is also verified that our demand-driven simulation technology could be used for the prior review of the train operation plans and strategies.
The MAGLEV (Magnetically Levitated Vehicle) system, which is under commercialization as a new transportation system in Korea, is operated by means of unmanned automatic control system. Therefore the plan of train operation should be carefully established and validated in advance. In general, when making the train operation plan, the statistically predicted traffic data is used. However, traffic wave can occur when real train service is operated, and the demand-driven simulation technology is required to review train operation plans and service qualities considering traffic wave. This paper presents a method and model to simulate the MAGLEV's operation considering continuous demand changes. For this purpose, we employed the discrete event model which is suitable for modeling the behavior of railway passenger transportation, and modeled the system hierarchically using DEVS (Discrete Event System Specification) formalism. In addition, through the implementation and experiment using DEVSim++ simulation environment, we tested the feasibility of the proposed model and it is also verified that our demand-driven simulation technology could be used for the prior review of the train operation plans and strategies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에 있어 가장 중요한 고려사항은, 수송파동에 의한 승객의 유동적인 변화를 시뮬레이션에 반영하는 것이다. 본 연구에서는 자기부상열차 실용화 노선의 교통영향평가에 수록된, 역사별 1일 평균 수요예측 데이터와, 가장 혼잡한 시간대(첨두시)의 시간당 승객 예측 데이터를 활용하였다.
본 연구에서는 DEVS형식론을 이용하여 이산사건 시스템으로 표현되는 자기부상열차 운행 및 승하차 시스템을 모델링 하고자 한다. 이를 위해 먼저 시스템 DT (decomposition tree)를 그림 5와 같이 구성하였다.
본 연구에서는 새로운 교통수단으로서 실용화가 진행 중인 자기부상열차 시스템에 대해, 승객의 유동적인 변화를 반영할 수 있는 열차 운행 시뮬레이션 프로그램을 개발하였다. 미리 설계된 열차 운행 계획과 각 역사 별 수요 예측 데이터를 활용하고, 운행 전략에 관한 여러 가지 가정(이동폐색, 정차시간, 승객 승하차 시간 등)을 기반으로, 실제 열차가 운행되기 이전에 열차 운행 계획과 전략을 검토할 수 있는, 이산사건 기반의 모델링 및 시뮬레이션 방법을 제안하였다.
본 연구에서는, 무인자동운전으로 운영될 예정인 자기 부상열차 시스템에 대해, 사전에 정밀한 운행계획의 수립과 검토를 위해서, 연속적인 수요파동을 고려한 열차운행시뮬레이션 방법 및 모델을 제시하였다. 시스템 모델의 경우, 열차 운행에 따른 승객 수송과정을 가장 효과적으로 모사할 수 있는 이산사건 모델을 사용하였으며, 모델링 방법은 복잡한 시스템 모델에 대해 체계적인 수학적 형식론을 제공하고 객체지향적 프로그래밍이 가능한 DEVS 형식론[7]을 적용하였다.
가설 설정
또한, 열차에 탑승한 승객의 하차 위치 결정도 필요하다. 본 연구에서는 표 1에서 예측된 승객 생성 비율을 역사 이용률로 가정하고, 현재 탑승객의 하차율은 각 역사의 이용률을 따르도록 설계하였다.
76초로 설정하였다. 이 논문에서는 승하차 승객의 수가 많을수록 승하차 시간도 길어지며, 다양한 조건을 고려한 시간 예측 모형도 제시되었지만, 본 연구에서는 입력 데이터의 간략화를 위해 이를 고려하지는 않았다. 또한, 현재의 시범 노선 운행 전략은 표준 정차시간(20초)을 준수하는 것이므로, 승객이 적을 경우에도 그 시간 동안 대기하도록 하였다.
표 1에서는 이를 이용하여 생성된 각 시간대별 승객 생성 속도를 나타내고 있다. 첨두와 비첨두 시간대는 각각 첨두시 예측데이터와 1일 예측 데이터를 그대로 활용하였으며, 준첨두의 경우 이들의 평균으로 가정하여 계산하였다. 승객 생성 속도는 일반적으로 포아송 분포를 따르며, 승객당 생성 시간은 Exponential 분포를 따르므로, 이에 따라 랜덤 프로세스를 적용하였다.
제안 방법
전체시스템 모델은 101~106역사(상행6, 하행5, 총 11역사) 및 각 역사의 승객 발생기, 그리고 총 4편성의 열차로 구성된다. 그리고, 이 구조로부터 DEVS로 표현되는 원자 모델과 결합 모델을 정의하고, 이들의 구조와 메시지 교환 관계를 정의하였다. 그림 6은 본 시스템 모델을 DEVS 형식론으로 표현하기 위한 전체 다이어그램을 보여준다.
본 연구에서는 자기부상열차 실용화 노선의 교통영향평가에 수록된, 역사별 1일 평균 수요예측 데이터와, 가장 혼잡한 시간대(첨두시)의 시간당 승객 예측 데이터를 활용하였다. 또한 상기 자료에는 주변 도로의 교통량 분석 결과도 포함되어 있으며, 이를 바탕으로 첨두시와 비첨두시, 준첨두시 시간대를 결정하였다. 표 1에서는 이를 이용하여 생성된 각 시간대별 승객 생성 속도를 나타내고 있다.
미리 설계된 열차 운행 계획과 각 역사 별 수요 예측 데이터를 활용하고, 운행 전략에 관한 여러 가지 가정(이동폐색, 정차시간, 승객 승하차 시간 등)을 기반으로, 실제 열차가 운행되기 이전에 열차 운행 계획과 전략을 검토할 수 있는, 이산사건 기반의 모델링 및 시뮬레이션 방법을 제안하였다. 또한, DEVS 형식론과 DEVSim++ 시뮬레이션 환경을 이용한 구현과 실험을 통해, 그 구현 가능성과 유용성을 검증하였다. 본 연구의 시스템 모델링 방법 및 시뮬레이션 과정은 자기부상열차뿐 아니라, 무인 자동운전으로 운영되는 다양한 철도교통수단에 대해서도 적용될 수 있을 것이며, 앞으로는 좀 더 현실에 가까운 모델 또는 데이터를 적용하거나, 실제 데이터를 활용할 수있는 연구를 기대한다.
상단에는 자기부상열차의 운행과 승하차 승객 변화를 직관적으로 파악할 수 있도록 데이터를 그래픽화 하였으며, 좌측 리스트 박스에는 승하차 시뮬레이션과 관련된 메시지 및 로그정보가 나타나고, 오른쪽 리스트 박스에는 DEVSim++ 엔진의 로그정보가 나타나도록 하였다. 또한, 시뮬레이션 비율 설정과 시작, 종료 등의 시뮬레이션 제어를 수행할 수 있도록 명령 버튼을 구현하였다.
이 논문에서는 승하차 승객의 수가 많을수록 승하차 시간도 길어지며, 다양한 조건을 고려한 시간 예측 모형도 제시되었지만, 본 연구에서는 입력 데이터의 간략화를 위해 이를 고려하지는 않았다. 또한, 현재의 시범 노선 운행 전략은 표준 정차시간(20초)을 준수하는 것이므로, 승객이 적을 경우에도 그 시간 동안 대기하도록 하였다.
또한, 열차로부터 Ready 입력을 받으면, 대기 상태(Wait)에서 탑승 상태(Board)로 바뀌게 되며, 탑승출력(Out)이 발생한다. 모든 승객이 탑승하면, 다시 대기상태로 복귀하며, 승객 생성기로부터 출력되는 승객 도착 입력(In)은 대기상태 및 탑승상태 모두 가능하도록 설계하였다. 역사에서의 승객 승하차 관련 DEVS 형식론은 아래와 같으며, 그림 8에서는 이를 DEVS 다이어그램으로 나타내었다.
본 연구에서는 새로운 교통수단으로서 실용화가 진행 중인 자기부상열차 시스템에 대해, 승객의 유동적인 변화를 반영할 수 있는 열차 운행 시뮬레이션 프로그램을 개발하였다. 미리 설계된 열차 운행 계획과 각 역사 별 수요 예측 데이터를 활용하고, 운행 전략에 관한 여러 가지 가정(이동폐색, 정차시간, 승객 승하차 시간 등)을 기반으로, 실제 열차가 운행되기 이전에 열차 운행 계획과 전략을 검토할 수 있는, 이산사건 기반의 모델링 및 시뮬레이션 방법을 제안하였다. 또한, DEVS 형식론과 DEVSim++ 시뮬레이션 환경을 이용한 구현과 실험을 통해, 그 구현 가능성과 유용성을 검증하였다.
본 연구에서는 서론에서 기술된 바와 같이, 총 6개의 역사(상행과 하행)로 이루어진 자기부상열차 시범노선에 대해, 수요예측에 기반하여 각 역사 별로 연속적인 수요 파동을 생성하고, 기존에 설계된 열차운행계획(DIA)를 바탕으로 총 4량의 열차를 운행하며, 각 열차의 역사 정차와 승객 도착 및 승하차를 시뮬레이션하고, 각각의 사건 발생 시간을 수집하고 통계하고자 한다.
일반적인 무인운전 시스템에서는 앞차와의 거리를 실시간 체크하며 속도를 조절하여 일정 거리를 유지하는 이동 폐색 방식이 사용된다. 본 연구에서는 선행 열차와의 거리가 정해진 간격(1 km)보다 짧을 경우, 열차 운행을 잠시 멈추는 방식으로 구현하였다. 거리 유지를 위한 일시적인 가감속의 경우, 승객의 승하차와는 무관하며 전체적인 시뮬레이션 결과에는 영향을 미치지 않기 때문이다.
본 연구에서는 차량 성능 시뮬레이션(TPS)결과에 의해 설계된 차량 운행 계획(DIA)을 이용하여 차량의 연속 적인 움직임을 시뮬레이션 하였다. 즉, DIA로부터 알 수 있는 ‘각 역사간 거리’, ‘각 역사간 표준 주행 시간’, ‘각 역사간 최고 속력’을 바탕으로, 일정한 가속도로 가속, 감속, 등속 운동을 반복하는 단순화된 열차 주행 모델을 생성하였다.
그림 11은 본 연구에서 구현된 시뮬레이션 프로그램의 GUI이며 MFC를 사용하여 분석기에서 모니터링 되는 다양한 정보를 그래픽 또는 텍스트로 출력하였다. 상단에는 자기부상열차의 운행과 승하차 승객 변화를 직관적으로 파악할 수 있도록 데이터를 그래픽화 하였으며, 좌측 리스트 박스에는 승하차 시뮬레이션과 관련된 메시지 및 로그정보가 나타나고, 오른쪽 리스트 박스에는 DEVSim++ 엔진의 로그정보가 나타나도록 하였다. 또한, 시뮬레이션 비율 설정과 시작, 종료 등의 시뮬레이션 제어를 수행할 수 있도록 명령 버튼을 구현하였다.
수송파동을 고려한 시뮬레이션을 통해, 열차의 정상 운행을 평가하고 해당 노선의 서비스 품질을 검토하기 위해, 운전 시격(열차가 운행되는 간격), 열차 정차 시간 및 승객 대기 시간을 시뮬레이션 결과로서 측정하였다. 운전시격은 역사 별 도착, 출발 정보를 바탕으로 계산되며, 운영 계획상의 운전 시격과 비교검토를 할 수 있다.
열차에 탑승한 승객과 정거장에 대기하고 있는 승객은 모두 배열 형식의 데이터 구조로 각 모델의 인스턴스에 저장된다. 승객의 승하차 시뮬레이션 과정에서 중요한 데이터로 고려될 수 있는 승객 변수는, CAtmMaglev 모델 및 CAtmStation 모델에서 정의한 시스템 상태 천이 과정에 의해 종속적으로 변경되며, 그 데이터를 얻거나 변경 하기 위한 특별한 시간 진행 이벤트를 필요로 하지 않기 때문에, 각 모델의 내부 변수로 정의하여 사용하였다.
시뮬레이션 시간은 열차의 하루 영업시간(오전 5시~오후11시)인 총 18시간(64800초)으로 설정하였고, 시뮬레이션은 총 7회 수행하였다. 또한, 열차 주행을 담당하는 연속 시스템은 시뮬레이션 시간을 입력으로 받아 진행되며, 시간 간격은 0.
Pablo 등[13]은 칠레 산티아고 지하철의 운영효율 증가를 위해, 승객 수요를 고려한 시뮬레이션을 수행하고, 제어 시스템 등의 운영전략을 평가하였다. 이 논문에서는 변화하는 승객 도착율에 따른 시스템 행동을 해석적으로 예측하기는 매우 어렵기 때문에, 열차 도착과 승객 탑승 등 주요 사건을 이벤트로 표현하고 이들 사건 사이의 거동을 시뮬레이션 하는 이벤트기반 동적 시뮬레이터(event-driven dynamic simulator)를 객체지향 언어를 사용하여 구현하였다. 하지만, 실제로 가속도를 포함하여 연속 모델로 표현되어야 하는 열차운행 모델의 경우, 항상 일정한 속력을 가지는 모델로 표현되었다.
즉, DIA로부터 알 수 있는 ‘각 역사간 거리’, ‘각 역사간 표준 주행 시간’, ‘각 역사간 최고 속력’을 바탕으로, 일정한 가속도로 가속, 감속, 등속 운동을 반복하는 단순화된 열차 주행 모델을 생성하였다.
. 특히, TPS와 같이 운동방정식으로부터 열차 주행을 충실히 모의하기 위해서는 연속형(continuous) 모델을 사용하며, 열차의 도착과 출발 등 이벤트의 발생과 상태 천이만으로 열차 주행을 모의하기 위해서는 이산형(discrete) 모델이 필요함을 제시하였다. 하지만, 앞선 연구와 마찬가지로 수요 파동이 시뮬레이션에 포함되거나, 시뮬레이터 결과를 평가하기 위한 방법으로 이용되지 않았다.
대상 데이터
출입문의 개폐 시간은 미리 지정되지만, 승객 별 승하차 시간은 미리 예측 하기 힘든 입력 데이터이다. 본 연구에서는 서울시 지하철 2호선의 승하차 시간분석 데이터[9]를 바탕으로, 1인당 승차 시간 평균은 0.88초, 하차 시간 평균은 0.76초로 설정하였다. 이 논문에서는 승하차 승객의 수가 많을수록 승하차 시간도 길어지며, 다양한 조건을 고려한 시간 예측 모형도 제시되었지만, 본 연구에서는 입력 데이터의 간략화를 위해 이를 고려하지는 않았다.
본 연구에 있어 가장 중요한 고려사항은, 수송파동에 의한 승객의 유동적인 변화를 시뮬레이션에 반영하는 것이다. 본 연구에서는 자기부상열차 실용화 노선의 교통영향평가에 수록된, 역사별 1일 평균 수요예측 데이터와, 가장 혼잡한 시간대(첨두시)의 시간당 승객 예측 데이터를 활용하였다. 또한 상기 자료에는 주변 도로의 교통량 분석 결과도 포함되어 있으며, 이를 바탕으로 첨두시와 비첨두시, 준첨두시 시간대를 결정하였다.
또한, 분석기로부터 중지 명령(Stop)을 받으면, 대기 상태(Stop)로 천이한다. 분석기는 CCplSystemModel에서 생성된 다양한 열차운행 출력들을 수집하며, 생성기로부터 승객생성 정보도 수집한다. 또한, 시뮬레이션 종료조건을 체크하고 필요할 경우, 종료 메시지(Stop)를 출력하여 전체 시뮬레이션의 종료를 담당한다.
이를 위해 먼저 시스템 DT (decomposition tree)를 그림 5와 같이 구성하였다. 전체시스템 모델은 101~106역사(상행6, 하행5, 총 11역사) 및 각 역사의 승객 발생기, 그리고 총 4편성의 열차로 구성된다. 그리고, 이 구조로부터 DEVS로 표현되는 원자 모델과 결합 모델을 정의하고, 이들의 구조와 메시지 교환 관계를 정의하였다.
그림 6은 본 시스템 모델을 DEVS 형식론으로 표현하기 위한 전체 다이어그램을 보여준다. 전체시스템 모델은 결합 모델인 CCplMaglevSimulation이며, CCpleExpFrame과 CCplSystemModel로서 구성된다. 또한, 그 하위에는, 같은 성격을 가지는 원자 모델들을 하나의 결합모델로 표현한 CCplGenerators, CCplStations, CCplMaglevs에 의해 구조화된다.
이론/모형
DEVS 형식론으로 모델링된 시스템을 풀기 위해, DEVSim++시뮬레이션 환경을 사용하였다. DEVSim++은 계층적 스케쥴링 알고리즘에 의해, 사건 발생 순서에 따라 시스템 정보(상태정보)를 갱신하며 전체 시뮬레이션을 진행하는 구현 환경과 엔진으로서, 객체지향언어인 C++로 구현된다[8].
첨두와 비첨두 시간대는 각각 첨두시 예측데이터와 1일 예측 데이터를 그대로 활용하였으며, 준첨두의 경우 이들의 평균으로 가정하여 계산하였다. 승객 생성 속도는 일반적으로 포아송 분포를 따르며, 승객당 생성 시간은 Exponential 분포를 따르므로, 이에 따라 랜덤 프로세스를 적용하였다. 또한, 열차에 탑승한 승객의 하차 위치 결정도 필요하다.
본 연구에서는, 무인자동운전으로 운영될 예정인 자기 부상열차 시스템에 대해, 사전에 정밀한 운행계획의 수립과 검토를 위해서, 연속적인 수요파동을 고려한 열차운행시뮬레이션 방법 및 모델을 제시하였다. 시스템 모델의 경우, 열차 운행에 따른 승객 수송과정을 가장 효과적으로 모사할 수 있는 이산사건 모델을 사용하였으며, 모델링 방법은 복잡한 시스템 모델에 대해 체계적인 수학적 형식론을 제공하고 객체지향적 프로그래밍이 가능한 DEVS 형식론[7]을 적용하였다. 또한, 제시한 모델을 바탕으로 시범노선에 대한 열차 운전 시격, 정차 시간, 승객 대기 시간 등을 DEVSim++[8]환경을 이용해 시뮬레이션 하였고, 그 결과를 바탕으로 제안한 시뮬레이션 방법이 기존의 열차 운행 계획과 전략을 검토하는데 효과적으로 이용될 수 있음을 확인할 수 있었다.
성능/효과
결과적으로 본 연구의 모델링 및 시뮬레이션의 결과는 운행계획과 전략을 검토하는데 이용될 수 있음을 확인할수 있었다. 하지만, 다수의 가정과 추정치를 기반으로 실험이 이루어 졌기 때문에, 현재의 결과로서는, 구현 가능성의 검증과 참고자료의 정도로 활용될 수 있을 것이다.
시스템 모델의 경우, 열차 운행에 따른 승객 수송과정을 가장 효과적으로 모사할 수 있는 이산사건 모델을 사용하였으며, 모델링 방법은 복잡한 시스템 모델에 대해 체계적인 수학적 형식론을 제공하고 객체지향적 프로그래밍이 가능한 DEVS 형식론[7]을 적용하였다. 또한, 제시한 모델을 바탕으로 시범노선에 대한 열차 운전 시격, 정차 시간, 승객 대기 시간 등을 DEVSim++[8]환경을 이용해 시뮬레이션 하였고, 그 결과를 바탕으로 제안한 시뮬레이션 방법이 기존의 열차 운행 계획과 전략을 검토하는데 효과적으로 이용될 수 있음을 확인할 수 있었다.
6초로 시뮬레이션 되었으며, 이도 역시 위의 운행 전략으로 인해 승객 승하차 시간 평균이 표준 정차시간을 초과했기 때문인 것으로 판단된다. 역사 별 승객 대기시간의 경우, 평균적으로 3.9분 정도가 예측되었으며, 전체적으로 하행 선로의 대기시간이 상행보다 큰 것으로 나타났다. 이는 기본적으로 101역사(교통 센터, 상행과 하행이 교차되는 곳)에 수송수요가 많고, 상행과 하행 승객이 동시에 승하차함으로서, 101역사에서의 열차지연이 다수 발생한 결과라 예측할 수 있다.
후속연구
추후에는, 표준 정차 시간의 조정 또는 해제, 이동 폐색 거리 조정 등 운행 전략을 수정하고 다시 시뮬레이션 해 봄으로써, 승객의 서비스 품질을 높일 수 있는 방안을 검토할 수 있을 것이다. 또한, 승객 유동은 단순한 수요 예측 추정치를 바탕으로 시뮬레이션 되었지만, 실제 차량이 영업 운행된 후, 실제 승객량과 승하차 시간을 반영하면 좀 더 정확한 시뮬레이션 결과를 얻을 수 있으며, 이를 통해 열차 운행 계획의 효과적인 최적화도 가능할 것이라 기대된다.
또한, DEVS 형식론과 DEVSim++ 시뮬레이션 환경을 이용한 구현과 실험을 통해, 그 구현 가능성과 유용성을 검증하였다. 본 연구의 시스템 모델링 방법 및 시뮬레이션 과정은 자기부상열차뿐 아니라, 무인 자동운전으로 운영되는 다양한 철도교통수단에 대해서도 적용될 수 있을 것이며, 앞으로는 좀 더 현실에 가까운 모델 또는 데이터를 적용하거나, 실제 데이터를 활용할 수있는 연구를 기대한다.
하지만, 다수의 가정과 추정치를 기반으로 실험이 이루어 졌기 때문에, 현재의 결과로서는, 구현 가능성의 검증과 참고자료의 정도로 활용될 수 있을 것이다. 추후에는, 표준 정차 시간의 조정 또는 해제, 이동 폐색 거리 조정 등 운행 전략을 수정하고 다시 시뮬레이션 해 봄으로써, 승객의 서비스 품질을 높일 수 있는 방안을 검토할 수 있을 것이다. 또한, 승객 유동은 단순한 수요 예측 추정치를 바탕으로 시뮬레이션 되었지만, 실제 차량이 영업 운행된 후, 실제 승객량과 승하차 시간을 반영하면 좀 더 정확한 시뮬레이션 결과를 얻을 수 있으며, 이를 통해 열차 운행 계획의 효과적인 최적화도 가능할 것이라 기대된다.
결과적으로 본 연구의 모델링 및 시뮬레이션의 결과는 운행계획과 전략을 검토하는데 이용될 수 있음을 확인할수 있었다. 하지만, 다수의 가정과 추정치를 기반으로 실험이 이루어 졌기 때문에, 현재의 결과로서는, 구현 가능성의 검증과 참고자료의 정도로 활용될 수 있을 것이다. 추후에는, 표준 정차 시간의 조정 또는 해제, 이동 폐색 거리 조정 등 운행 전략을 수정하고 다시 시뮬레이션 해 봄으로써, 승객의 서비스 품질을 높일 수 있는 방안을 검토할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
DIA 설계시 필요한 자료는?
일반적으로 열차운행 계획을 수립할 때는, 열차 운행 스케쥴을 시간에 따른 열차 이동거리로 도표화한 DIA(Train Diagram의 약칭)가 주로 사용된다. DIA 설계 시에는, 노선계획에 따른 수송수요 예측자료와, 선로와 차량 제원을 기반으로 동적 성능을 분석하는 열차 성능시뮬레이션(TPS, Train Performance Simulation) 자료를 바탕으로 상세한 열차 운행 스케쥴을 수립하게 된다. 이때, 수송수요는 1일 또는 혼잡 시간대의 평균 등에 의해 통계화된 추정치를 이용하게 된다.
일반적으로 열차운행 계획 수립할 때 사용되는 도표화된 모델은?
자기부상열차는 기본적으로 무인 자동운전 방식으로 운영되기 때문에, 사전에 면밀한 열차운행 계획의 수립과 검증이 요구된다. 일반적으로 열차운행 계획을 수립할 때는, 열차 운행 스케쥴을 시간에 따른 열차 이동거리로 도표화한 DIA(Train Diagram의 약칭)가 주로 사용된다. DIA 설계 시에는, 노선계획에 따른 수송수요 예측자료와, 선로와 차량 제원을 기반으로 동적 성능을 분석하는 열차 성능시뮬레이션(TPS, Train Performance Simulation) 자료를 바탕으로 상세한 열차 운행 스케쥴을 수립하게 된다.
수송수요에 대한 수송 파동을 반영하기 위한 기술은?
한편, 실제 열차 운행 시에는 수송수요에 대한 시간적, 시기적 파동이 있을 수 있으며, 이러한 수송 파동(Traffic Wave)은 계절, 요일, 주변 행사 등 다양한 요인에 의해 발생할 수 있다. 따라서, 통계화된 수요를 바탕으로 개발된 열차운행 계획에 대해, 실세계와 흡사한 연속적인 수송 파동을 반영하여, DIA 설계의 타당성을 검토하고, 열차지연 또는 승객 대기시간 등의 수송 서비스에 대한 품질을 예측하는 수요기반 시뮬레이션 기술이 요구된다. 관련 연구를 살펴보면, 해외의 경우 OpenTrack[10], Bahn[11], RailSys[12] 등과 같이, 철도 시스템을 구성하고 운행 스케쥴 및 운영전략을 시뮬레이션 할 수 있는 다양한 툴들이 소개 되었다.
참고문헌 (17)
박도영, 신병천, 유문환, 김동성, "도시형 자기부상열차 실용화 현황," 대한전기학회 전기의세계, 56(5), pp. 14-22, 2007년 5월.
신병천, 김달식, 박도영, 백수현, 강흥식, "도시형자기부상열차 실용화 사업현황 및 시범노선 계획 소개," 대한기계학회 추계학술대회발표집, Industrial Session-1, 2007년 10월.
김동희, 김영훈, "고속선을 고려한 다중열차주행 시뮬레이터 개발," 한국철도학회 춘계학술대회발표집, pp. 58-65, 2001년 5월.
김동희, 김성호, 오석문, "다중열차 시뮬레이션을 위한 철도시스템 모델," 한국철도학회 논문집, 4(2), pp. 58-65, 2001년 6월.
오세찬, 김길동, 박성혁, 이장무, 이한민, "차세대도시철도시스템 무인운영시뮬레이터 기본설계방안 연구," 한국철도학회 추계학술대회발표집, pp. 33-38, 2006년 11월.
이창형, 이종우, "ATO 자동운전 기반의 무인운전 경전철 TPS에 관한 연구," 한국철도학회 추계학술대회발표집, pp. 1132-1137, 2008년 11월.
김탁곤, "모델링 시뮬레이션 공학," 한국정보과학회지, 25(11), pp. 5-15, 2007년 11월.
안명수, 박성봉, 김탁곤, "DEVSim++: 의미론에 기반한 이산사건 시스템의 객체지향 모델링 및 시뮬레이션 환경," 한국정보과학회논문지, 21(9), pp. 1652-1664, 1994년 9월.
오석문, "서울시 혼잡 지하철역의 승하차 시간 분석," 한국철도학회 춘계학술대회발표집, pp. 42-49, 2005년 5월.
A. Nash and D. Hurlimann, "Railroad simulation using OpenTrack," Computers in Railways IX, pp. 45-54, May 2004.
JB BAHN : Simulation of railway and streetcar networks, URL: http://www.jbss.de/hpg_eng.htm
A. Radtke and D. Hauptmann, "Automated planning of timetables in large railway networks using a microscopic data basis and railway simulation technique," Computers in Railways IX, pp. 615-625, May 2004.
Pablo Grube, et al., "An event-driven simulator for multiline metro systems and its application to Santiago de Chile metropolitan rail network," Simulation Modelling Practice and Theory, vol. 19, no. 1, pp. 393-405, Jan. 2011.
CS Chang, et al., "Development of train movement simulator for analysis and optimisation of railway signalling systems," International Conference on Developments in Mass Transit Systems, pp. 243-248, April 1998.
Massimo Paolucci and Raffaele Pesenti, "An object- oriented approach to discrete-event simulation applied to underground railway systems," Transactions of the Society for Modeling and Simulation International, vol. 72, no. 6, pp. 372-383, June 1999.
R.John Hill and Theresa K. Yates, "Modelling railway block signalling systems using discrete-event simulation," ASME/IEEE Joint Railroad Conference, pp. 1-9, April 1992.
B.P. Zeigler, H. Praehofer and T.G. Kim, Theory of modeling and simulation, 2nd Ed, Academic Press, Jan. 2000.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.