본 연구는 철도 네트워크에서의 통행배정 모형에 관한 것이다. 기존의 통행배정모형은 주로 도로 혹은 도시 대중교통 네트워크에 초점을 둔 연구로서, 최적전략 기반 통행배정 모형을 비롯한 대부분의 통행배정 모형 이 지역간 철도 네트워크에 대해서는 비현실적인 수요를 생성한다고 알려져 있다. 특히 KTX개통 이후, KTX가 포함된 환승경로를 이용하는 승객이 점차 증가하는 추세이며, 이러한 KTX가 포함된 환승 경로 및 스케줄이 지속적으로 개선되고 있다. 본 연구는 환승을 고려한 새로운 다항로짓 기반 통행배정 모형을 제시한다. 특히 본 연구에서 제시하는 모형은, 통행 시간, 경로의 최소 운행횟수, 환승 저항 등 다양한 변수가 포함된 효용함수가 주어져 있을 때, K개의 최대 효용을 갖는 경로를 탐색하는 알고리즘을 포함하고 있다.
본 연구는 철도 네트워크에서의 통행배정 모형에 관한 것이다. 기존의 통행배정모형은 주로 도로 혹은 도시 대중교통 네트워크에 초점을 둔 연구로서, 최적전략 기반 통행배정 모형을 비롯한 대부분의 통행배정 모형 이 지역간 철도 네트워크에 대해서는 비현실적인 수요를 생성한다고 알려져 있다. 특히 KTX개통 이후, KTX가 포함된 환승경로를 이용하는 승객이 점차 증가하는 추세이며, 이러한 KTX가 포함된 환승 경로 및 스케줄이 지속적으로 개선되고 있다. 본 연구는 환승을 고려한 새로운 다항로짓 기반 통행배정 모형을 제시한다. 특히 본 연구에서 제시하는 모형은, 통행 시간, 경로의 최소 운행횟수, 환승 저항 등 다양한 변수가 포함된 효용함수가 주어져 있을 때, K개의 최대 효용을 갖는 경로를 탐색하는 알고리즘을 포함하고 있다.
In our study, we present a new LOGIT-based traffic assignment model applicable to intercity railway network. Most traffic assignment models have been developed for public transit assignment in urban area, so that they are known to produce unrealistic results in intercity railway demand analysis. Esp...
In our study, we present a new LOGIT-based traffic assignment model applicable to intercity railway network. Most traffic assignment models have been developed for public transit assignment in urban area, so that they are known to produce unrealistic results in intercity railway demand analysis. Especially, since the introduction of KTX, more passengers are using a route including KTX service and the schedule becomes more compatible with transfer. Our study presents a new LOGIT-based traffic assignment model considering passenger transfer. To do so, we suggest a new route search algorithm to find K paths with non increasing order in the utility value.
In our study, we present a new LOGIT-based traffic assignment model applicable to intercity railway network. Most traffic assignment models have been developed for public transit assignment in urban area, so that they are known to produce unrealistic results in intercity railway demand analysis. Especially, since the introduction of KTX, more passengers are using a route including KTX service and the schedule becomes more compatible with transfer. Our study presents a new LOGIT-based traffic assignment model considering passenger transfer. To do so, we suggest a new route search algorithm to find K paths with non increasing order in the utility value.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 경로의 최소 운행횟수와 환승을 고려한 후보 경로 탐색을 위해, 아래와 같은 “노선 공급망”, “od-경로탐색 노선 공급망”이라는 새로운 형태의 네트워크를 구성한다.
본 연구는 기존 연구의 통행배정 결과 나타나는 잦은 환승을 극복하고, 환승 경로를 포함하여 실제 통행자가 선택할 만한 유효한 통행경로를 효과적으로 도출할 수 있는 경로 기반 통행배정 모형을 구축하고자 한다. 본 연구에서 제시하는 경로기반 통행배정 모형에서는, 환승 횟수가 많아야 1회 정도라는 철도통행의 특성을 반영하였고, 지금까지 우리나라의 철도 네트워크에 대해서 제시된 바 없는 환승 저항이라는 설명 변수를 도입한 효용함수 및 이를 최대화하는 K개의 경로를 탐색하는 경로 탐색 알고리즘을 제시한다.
본 연구에서는 2010년 7월 RP자료를 이용하여, 환승 경로를 고려한 최초의 다항로짓 기반 통행배정 모형을 제시하였다. 본 연구에서 제시한 요금, 운행시간, 최소운행횟수, 환승 저항이라는 네 가지 설명 변수에 의한 로짓 모형이 상당히 설명력 있는 모형임을 확인할 수 있었다.
본 연구에서는 열차간 환승에 따른 특성을 반영한 보다 일반화된 효용함수를 구축하고, 이를 이용한 경로 탐색 알고리즘 및 통행배정 모형을 구축하는데 목적이 있다. 이를 위해 본 연구는, 효용함수의 계수 추정결과가 합리적일 뿐만아니라, 환승저항과 같은 환승 특성을 반영한 효용함수 1을 채택하여, 보다 일반화된 효용함수에 대한 경로 탐색 및 확률적 통행배정 모형을 구축하고자 한다.
하지만 현재까지 환승 경로를 포함하여 통행 경로별 통행량의 변화를 예측하기 위한 통행배정 모형은 전무하다. 본 연구에서는 이를 위해 다항로짓 모형을 이용한 통행배정 모형을 구축하고자 한다.
하지만 향후 철도 네트워크의 확장이나 새로운 노선의 추가가 발생할 시, 합리적인 후보 경로를 탐색하기 위해서는 별도의 알고리즘이 필요하다. 본 절에서는 2.2절에서 제시한 효용함수가 주어져 있을 때, 최대 효용값을 갖는 경로를 탐색하는 알고리즘을 제시하고자 한다.
가설 설정
이 때 각 OD별로 최대 5개(K=5)의 경로를 탐색하도록 설정하였으며, 실험 결과 요일 별로 본 연구에서 제시한 통행 배정 모형을 적용하는 데 걸리는 소요 시간은 15분-20분이었다. 또한 본 연구에서 환승 시간을 의미하는 trTime은 실제 KORAIL의 예약 사이트를 통해 구성되는 대부분의 환승 경로의 환승 시간이 40분 이내인 점을 고려하여 40분으로 가정하였다. KTX가 포함된 환승 경로의 경우 20분 정도로 환승 시간이 더 짧지만, 이러한 환승 시간은 환승 경로에 존재하는 일부 열차간에 설정 가능한 것이며, 보다 정확한 통행배정을 위해서는 어떤 환승 경로의 최소운행횟수가 주어진 경우, 그 경로에 대해 평균적으로 어느 정도의 환승 시간을 책정할 수 있는지에 대한 보다 엄밀한 연구가 필요하다.
위 5가지 대안 경로에 대한 선택 확률은 다항로짓 모형에 따른다고 가정하고, 가장 설명력 있는 설명 변수를 도출하기 위해 Table 4와 같은 네 가지 효용 함수에 대해 테스트하였다. 본 연구에서는 경로의 효용을 산출하기 위해 일반적으로 널리 활용되는 변수인 운행시간(travel time)과 요금(fare)이외에도 최소 운행횟수와 환승 저항을 포함하였다.
제안 방법
또한 본 연구에서는 운행횟수로부터 대기시간을 산출하지 않고, 운행횟수를 직접 설명변수에 포함시켰다. 그러나 만약 운행횟수를 직접 반영하지 않고 대기시간을 설명변수로 도입하고, 환승 대기 시간과 출발역에서의 대기시간이 각각 #ab 혹은 fa의 함수로 주어진다고 가정하면, 위 식에서 #ab와 fa 대신에 대기시간에 대한 식을 포함시킬 수 있다.
본 연구에서는 확률선택 모형 구성을 위해 Table 3과 같은 5가지 대안을 설정하였다. 먼저 직통 경로 대안에는 KTX, 새마을, 무궁화를 설정하였고, 승객의 경로 선택시, KTX가 포함되느냐 안 되느냐에 따라 주요 통행 특성이라 할 수 있는 운행시간에 있어 큰 차이가 발생한다는 점을 고려하여, 환승 경로의 경우 KTX가 포함된 경로와 그렇지 않은 경로 두 가지로 구분하였다.
본 연구는 2010년 7월 19일 월요일부터 2010년 7월 25일 일요일까지의 일주일 데이터를 기초로 Table 4에서 설정한 각 효용함수 대안들에 대해 최우추정법(Maximum Likelihood Estimation)을 적용하여 설명 변수별 파라미터 및 통계량을 계산해 보았다. 선택대안이 2개 이상인 모든 기종점간 데이터를 대상으로 했으며, 동일 선택 대안에 포함된 여러 개의 경로의 경우 통행량에 따른 가중합을 이용하여 속성값을 산출하였다.
정리 1에 의해 od-경로탐색 노선 공급망상에서 od 간 최소 길이 경로는 최대 효용을 갖는 경로에 대응된다. 본 연구는 보다 다양한 대안 경로탐색을 위해 K-최단 경로[4]를 탐색하여 od 간 후보경로로 설정하고 이러한 경로들에 대해 다항로짓 모형을 적용하여 통행량을 배분한다.
본 연구에서 구성한 로짓모형의 경우 선택 대안에 대한 더미(dummy)변수가 제외되었지만, 위에서 제시한 경로탐색 알고리즘은 효용함수에 더미변수 혹은 대기시간이 포함되더라도 아래와 같은 파라미터의 재설정을 통해 경로 탐색 알고리즘을 재구성할 수 있다.
본 연구는 기존 연구의 통행배정 결과 나타나는 잦은 환승을 극복하고, 환승 경로를 포함하여 실제 통행자가 선택할 만한 유효한 통행경로를 효과적으로 도출할 수 있는 경로 기반 통행배정 모형을 구축하고자 한다. 본 연구에서 제시하는 경로기반 통행배정 모형에서는, 환승 횟수가 많아야 1회 정도라는 철도통행의 특성을 반영하였고, 지금까지 우리나라의 철도 네트워크에 대해서 제시된 바 없는 환승 저항이라는 설명 변수를 도입한 효용함수 및 이를 최대화하는 K개의 경로를 탐색하는 경로 탐색 알고리즘을 제시한다. 특히 대부분의 다중경로 통행배정 모형의 경우, 네트워크의 크기에 비해 기하급수적으로 증가하는 경로 수로 인해, 특정 기준에 의해 생성된 제한된 경로로 인해 유효한 경로가 배제될 가능성이 있다는 단점이 있는 데 반해, 본 연구에서 제안하는 경로 탐색 알고리즘은 효용을 최대화하는 K개의 경로를 산출함으로써, 제한된 개수의 유효한 경로만을 산출할 수 있다는 장점이 있다.
위 5가지 대안 경로에 대한 선택 확률은 다항로짓 모형에 따른다고 가정하고, 가장 설명력 있는 설명 변수를 도출하기 위해 Table 4와 같은 네 가지 효용 함수에 대해 테스트하였다. 본 연구에서는 경로의 효용을 산출하기 위해 일반적으로 널리 활용되는 변수인 운행시간(travel time)과 요금(fare)이외에도 최소 운행횟수와 환승 저항을 포함하였다. 최소운행횟수는 [9]의 연구에서처럼, 운행횟수를 대기시간으로 환산하지 않고, 운행횟수를 직접 효용함수의 설명변수로 도입하기 위한 것으로서, 경로상에 환승이 포함되어 있을 경우, 두 노선의 최소 운행횟수를 의미한다.
본 연구에서는 위 최단 경로 알고리즘의 회전비용(dab)에 최소운행횟수 및 환승저항을 설정하여 3.1절에서 제시한 효용함수를 최대화하는 경로 탐색 알고리즘을 제시한다. 즉, 두 링크간 회전비용 dab를 식(2)와 같이 설정하고, 아크의 경로 통행 비용(ca)를 식 (3)과 같이 설정하면 정리 1이 성립한다.
본 절에서는 본 연구에서 제시한 통행 배정 모형의 설명력을 확인해보기 위해, 네트워크 및 노선이 단순하여 유일한 경로만이 존재하고 동일 열차종만 운행하는 경춘선, 경인선, 일산선, 경원선, 경의선(행신역 포함)을 제외한 모든 지역간 철도 노선에 대해 위 통행배정 모형을 적용해 보았다. 이 때 각 OD별로 최대 5개(K=5)의 경로를 탐색하도록 설정하였으며, 실험 결과 요일 별로 본 연구에서 제시한 통행 배정 모형을 적용하는 데 걸리는 소요 시간은 15분-20분이었다.
본 연구는 2010년 7월 19일 월요일부터 2010년 7월 25일 일요일까지의 일주일 데이터를 기초로 Table 4에서 설정한 각 효용함수 대안들에 대해 최우추정법(Maximum Likelihood Estimation)을 적용하여 설명 변수별 파라미터 및 통계량을 계산해 보았다. 선택대안이 2개 이상인 모든 기종점간 데이터를 대상으로 했으며, 동일 선택 대안에 포함된 여러 개의 경로의 경우 통행량에 따른 가중합을 이용하여 속성값을 산출하였다. 이 때 모든 기종점에 대해 모든 선택대안이 존재 하는 것은 아니기 때문에, 본 연구에서는 수단선택제약모형으로 파라미터를 추정하였다.
이러한 경로 통행량을 구간(leg) 통행량으로 환산하여 구간별 관측 통행량과 예측 통행량을 비교하였다(Table 8). 이 때 사용한 통계량은 RMSE(Root Mean Square Error), MAPE(Mean Absolute Percentage Error), Theil의 부등계수(Inequality Coefficient) 세 가지이며, 구간 a의 관측 통행량을 Va, 예측 통행량을 #라 하고, 구간의 수를 n이라 하면, 각 통계량은 아래와 같다.
본 연구에서는 열차간 환승에 따른 특성을 반영한 보다 일반화된 효용함수를 구축하고, 이를 이용한 경로 탐색 알고리즘 및 통행배정 모형을 구축하는데 목적이 있다. 이를 위해 본 연구는, 효용함수의 계수 추정결과가 합리적일 뿐만아니라, 환승저항과 같은 환승 특성을 반영한 효용함수 1을 채택하여, 보다 일반화된 효용함수에 대한 경로 탐색 및 확률적 통행배정 모형을 구축하고자 한다. 물론 본 연구에서 구축하고자 하는 경로 탐색 및 확률적 통행배정 모형은 위 4가지 효용함수 모두에 대해 적용 가능하다.
데이터처리
54 이상으로 모형의 설명력이 높은 것으로 나타났다. 각 변수가 합리적으로 도출되었는지, 모형이 통계적으로 유의한지를 살펴보기 위한 각 변수의 t-검증을 수행하였다. 일반적으로 95% 유의수준(양측검증)에서 t의 절대값이 1.
이론/모형
선택대안이 2개 이상인 모든 기종점간 데이터를 대상으로 했으며, 동일 선택 대안에 포함된 여러 개의 경로의 경우 통행량에 따른 가중합을 이용하여 속성값을 산출하였다. 이 때 모든 기종점에 대해 모든 선택대안이 존재 하는 것은 아니기 때문에, 본 연구에서는 수단선택제약모형으로 파라미터를 추정하였다.
그들은 경로 구간의 일반화 비용 계산을 위해, 경로구간을 통과하는 노선들 중 비슷한 속성을 갖는 노선들을 묶은 “통합노선”의 일반화 비용 및 통합노선의 선택확률을 구한 후, 하나의 경로 구간에 포함된 통합노선들의 기대 일반화 비용을 구한다. 이 때 통합노선의 선택확률은 김경태-이진선[9]의 다항로짓 모형을 이용하여 산출하였다.
2절에서 제시한 효용함수를 가장 크게 하는 경로를 찾기 위해서는, 기존의 최단경로 알고리즘과는 다른 새로운 최단 경로 알고리즘 설계가 필요하다. 이를 위해 링크 표지(link label)에 기반한 최단 경로 알고리즘[12]을 이용한다. 링크 표지에 기반한 최단 경로 알고리즘은 아크간 회전 지체나 금지가 존재하는 네트워크, P-턴을 포함하는 네트워크처럼 두 인접 아크간 회전비용(dab)이 고려되는 네트워크에 적용된다.
성능/효과
KTX, 새마을의 경우 관측통행량보다 많은 통행량이 배정되고, 무궁화의 경우 보다 적은 통행량이 배정됨을 볼 수 있으며 절대오차비율(|a−b|/a) 측면에서는 KTX, 새마을, 무궁화 모두 25%이내의 오차를 보였다.
결과를 살펴보면 각 효용함수 모형들의 우도비가 모두 0.54 이상으로 모형의 설명력이 높은 것으로 나타났다. 각 변수가 합리적으로 도출되었는지, 모형이 통계적으로 유의한지를 살펴보기 위한 각 변수의 t-검증을 수행하였다.
본 연구에서는 2010년 7월 RP자료를 이용하여, 환승 경로를 고려한 최초의 다항로짓 기반 통행배정 모형을 제시하였다. 본 연구에서 제시한 요금, 운행시간, 최소운행횟수, 환승 저항이라는 네 가지 설명 변수에 의한 로짓 모형이 상당히 설명력 있는 모형임을 확인할 수 있었다. 뿐만 아니라 효용함수에 대기시간변수 혹은 더미변수가 추가되더라도 그 효용을 최대화하는 K개의 경로를 탐색하는 알고리즘을 제시하였고, 우리나라 철도의 주요 노선을 대상으로 한 실험에서도 15분에서 20분 사이의 시간 안에, 구간 통행량의 관점에서는 만족할 만한 예측력을 보여주었다.
본 연구에서 제시한 요금, 운행시간, 최소운행횟수, 환승 저항이라는 네 가지 설명 변수에 의한 로짓 모형이 상당히 설명력 있는 모형임을 확인할 수 있었다. 뿐만 아니라 효용함수에 대기시간변수 혹은 더미변수가 추가되더라도 그 효용을 최대화하는 K개의 경로를 탐색하는 알고리즘을 제시하였고, 우리나라 철도의 주요 노선을 대상으로 한 실험에서도 15분에서 20분 사이의 시간 안에, 구간 통행량의 관점에서는 만족할 만한 예측력을 보여주었다.
세부 대안별 각 계수들의 부호 및 크기를 살펴보면, 부호의 경우 모든 효용함수의 파라미터가 합리적으로 추정된 것으로 나타났으나, 파라미터의 크기에서는 일반적으로 KTX의 비효용치가 낮게 나타나는 것과 달리, 효용함수 3과 4의 경우는 무궁화열차의 비효용치가 KTX나 새마을열차보다도 낮게 나타났을 뿐만 아니라, 환승에 있어서도 KTX 환승보다 일반열차 환승의 비효용치가 낮게 나타났다. 요금 변수가 포함된 효용함수 1과 효용함수 3에 대해 통행시간에 대한 결과가 합리적으로 추정되었는지를 평가하기 위해 한계대체율법을 적용하여 시간가치를 계산해 보면 각각 8,735원, 34,161원으로서, 기존 연구에서 알려진 철도의 업무/비업무 통행의 가중 시간가치가 9,128원인 점[13]을 고려해 봤을 때, 효용함수 1의 계수 추정이 보다 합리적이라고 볼 수 있다.
실험 결과 관측통행량과 예측통행량의 오차에 해당하는 RMSE와 MAPE의 경우, KTX와 무궁화에서는 비교적 만족할 만한 오차를 보여주고 있으며, 새마을의 경우 MAPE가 20-30% 수준으로 KTX와 무궁화에 비해 오차의 크기가 증가한 것으로 나타났으나, 이는 새마을의 일 통행량이 KTX나 무궁화에 비해 적기 때문에, 이로 인해 오차의 크기가 상대적으로 증가한 것으로 판단된다. 전체적으로 봤을 때, MAPE가 약 16% 수준으로 비교적 만족할 만한 예측력이라 판단된다.
본 절에서는 본 연구에서 제시한 통행 배정 모형의 설명력을 확인해보기 위해, 네트워크 및 노선이 단순하여 유일한 경로만이 존재하고 동일 열차종만 운행하는 경춘선, 경인선, 일산선, 경원선, 경의선(행신역 포함)을 제외한 모든 지역간 철도 노선에 대해 위 통행배정 모형을 적용해 보았다. 이 때 각 OD별로 최대 5개(K=5)의 경로를 탐색하도록 설정하였으며, 실험 결과 요일 별로 본 연구에서 제시한 통행 배정 모형을 적용하는 데 걸리는 소요 시간은 15분-20분이었다. 또한 본 연구에서 환승 시간을 의미하는 trTime은 실제 KORAIL의 예약 사이트를 통해 구성되는 대부분의 환승 경로의 환승 시간이 40분 이내인 점을 고려하여 40분으로 가정하였다.
반면 ‘KTX포함환승’의 경우 주중의 경우 약 30%수준으로 만족할 만한 수준이지만 수요가 많은 주말로 갈수록 절대오차비율이 증가하여, 통행량이 가장 많은 토요일의 경우 43% 수준에 이른다. 전체적으로 KTX, 새마을, KTX를 포함한 환승 경로에서 관측통행량보다 많은 통행량이 배정되고, 상대적으로 느린 무궁화나 일반열차간 환승 경로에는 적은 통행량이 배정됨을 알 수 있으며, 통행량이 많아질수록 이러한 경향은 더욱 심화됨을 볼 수 있다.
실험 결과 관측통행량과 예측통행량의 오차에 해당하는 RMSE와 MAPE의 경우, KTX와 무궁화에서는 비교적 만족할 만한 오차를 보여주고 있으며, 새마을의 경우 MAPE가 20-30% 수준으로 KTX와 무궁화에 비해 오차의 크기가 증가한 것으로 나타났으나, 이는 새마을의 일 통행량이 KTX나 무궁화에 비해 적기 때문에, 이로 인해 오차의 크기가 상대적으로 증가한 것으로 판단된다. 전체적으로 봤을 때, MAPE가 약 16% 수준으로 비교적 만족할 만한 예측력이라 판단된다. 또한 미래의 예측력을 판단하는 기준이라 할 수 있는 Theil 부등계수의 경우, 모든 요일에서 0.
그러나 만약 운행횟수를 직접 반영하지 않고 대기시간을 설명변수로 도입하고, 환승 대기 시간과 출발역에서의 대기시간이 각각 #ab 혹은 fa의 함수로 주어진다고 가정하면, 위 식에서 #ab와 fa 대신에 대기시간에 대한 식을 포함시킬 수 있다. 즉 본 연구에서 제시한 경로 탐색 알고리즘은 환승 횟수가 1회로 제한된 경우, 대기시간, 더미변수 등 로짓모형에서 포함 가능한 대부분의 설명변수를 포함한 효용함수에 대해서도 적용할 수 있다는 장점이 있다.
본 연구에서 제시하는 경로기반 통행배정 모형에서는, 환승 횟수가 많아야 1회 정도라는 철도통행의 특성을 반영하였고, 지금까지 우리나라의 철도 네트워크에 대해서 제시된 바 없는 환승 저항이라는 설명 변수를 도입한 효용함수 및 이를 최대화하는 K개의 경로를 탐색하는 경로 탐색 알고리즘을 제시한다. 특히 대부분의 다중경로 통행배정 모형의 경우, 네트워크의 크기에 비해 기하급수적으로 증가하는 경로 수로 인해, 특정 기준에 의해 생성된 제한된 경로로 인해 유효한 경로가 배제될 가능성이 있다는 단점이 있는 데 반해, 본 연구에서 제안하는 경로 탐색 알고리즘은 효용을 최대화하는 K개의 경로를 산출함으로써, 제한된 개수의 유효한 경로만을 산출할 수 있다는 장점이 있다.
후속연구
또한 본 연구에서 환승 시간을 의미하는 trTime은 실제 KORAIL의 예약 사이트를 통해 구성되는 대부분의 환승 경로의 환승 시간이 40분 이내인 점을 고려하여 40분으로 가정하였다. KTX가 포함된 환승 경로의 경우 20분 정도로 환승 시간이 더 짧지만, 이러한 환승 시간은 환승 경로에 존재하는 일부 열차간에 설정 가능한 것이며, 보다 정확한 통행배정을 위해서는 어떤 환승 경로의 최소운행횟수가 주어진 경우, 그 경로에 대해 평균적으로 어느 정도의 환승 시간을 책정할 수 있는지에 대한 보다 엄밀한 연구가 필요하다. 실제 실험에서도 환승 시간의 설정 값에 따라 통행량에 있어 상당한 차이가 있음을 볼 수 있었다.
그러나 이러한 구간 통행량 관점에서의 예측력은, 구간의 수로 평균화함으로 나타나는 통계상의 수치일 뿐 실제 경로별 통행량의 경우, Table 7에서 확인 할 수 있듯이 관측 통행량과 예측 통행량 사이에 상당한 절대 오차가 발생한다. 이를 극복하기 위해서는 기종점간 거리에 따른 파라미터의 세분화나 다양한 확률 선택 모형에 대한 검토, 경로 별 환승 시간의 합리적인 산정 등 추후 연구가 필요하다.
물론 지역간 철도 네트워크의 단순함으로 인해 od 간 후보 경로는 매우 제한된 범위의 경로만이 이용되므로, 실적 데이터를 활용하여 od 별 경로가 미리 주어졌다고 가정할 수도 있다. 하지만 향후 철도 네트워크의 확장이나 새로운 노선의 추가가 발생할 시, 합리적인 후보 경로를 탐색하기 위해서는 별도의 알고리즘이 필요하다. 본 절에서는 2.
질의응답
핵심어
질문
논문에서 추출한 답변
통행배정이란?
통행배정(traffic assignment)이란 기종점 통행량이 어떤 경로를 통해 움직이는지를 미리 예측하여, 각 구간 통행량과 각 노선에 얼마만한 수요가 할당되는지를 미리 예측하는 방법론을 말한다. 기존 대부분의 통행배정 모형은 주로 버스나 지하철 등이 포함된 도시 대중교통 망에서의 통행을 분석하기 위한 모형들로서, 그 중에서 EMME/2에 내장되어 가장 광범위하게 사용되고 있는 대표적인 모형이 Spiess and Florian[1]의 “최적전략(optimal strategies)”에 기반한 통행배정 모형이다.
최적전략은 무엇을 의미하는가?
기존 대부분의 통행배정 모형은 주로 버스나 지하철 등이 포함된 도시 대중교통 망에서의 통행을 분석하기 위한 모형들로서, 그 중에서 EMME/2에 내장되어 가장 광범위하게 사용되고 있는 대표적인 모형이 Spiess and Florian[1]의 “최적전략(optimal strategies)”에 기반한 통행배정 모형이다. “최적전략”이란 통행자의 평균통행시간을 최소화하는 경로의 선택방법을 의미하는데, 단위노선구간으로 표현된 네트워크 상에서 그들은 최적전략에 포함된 단위 노선 구간들이 노선 횟수에 비례하여 노선별 통행배정이 이루어지며, 노드에서의 대기시간도 최적전략에 포함된 노선의 전체 노선 운행 횟수를 이용하여 산출하였다. De Cea-Fernandez[2]는 단위 노선 구간이 아닌 경로구간 개념을 도입하여 네트워크 규모를 줄였지만, [1]과 마찬가지로, 노선간 수요배분이나 노드에서의 대기시간은 상당부분 운행 회수에 의존하여, 위 모형들을 지역간 철도 네트워크에 적용해 보면 실제와 달리, 최적전략에 포함된 노선의 통행량 배분이 빈도에 의해서만 결정되어, 비합리적인 통행배정 결과를 초래한다고 보고되고 있다[3].
경로 기반 통행배정 모형이 대부분의 다중경로 통행배정 모형에 비해 어떤 장점이 있는가?
본 연구에서 제시하는 경로기반 통행배정 모형에서는, 환승 횟수가 많아야 1회 정도라는 철도통행의 특성을 반영하였고, 지금까지 우리나라의 철도 네트워크에 대해서 제시된 바 없는 환승 저항이라는 설명 변수를 도입한 효용함수 및 이를 최대화하는 K개의 경로를 탐색하는 경로 탐색 알고리즘을 제시한다. 특히 대부분의 다중경로 통행배정 모형의 경우, 네트워크의 크기에 비해 기하급수적으로 증가하는 경로 수로 인해, 특정 기준에 의해 생성된 제한된 경로로 인해 유효한 경로가 배제될 가능성이 있다는 단점이 있는 데 반해, 본 연구에서 제안하는 경로 탐색 알고리즘은 효용을 최대화하는 K개의 경로를 산출함으로써, 제한된 개수의 유효한 경로만을 산출할 수 있다는 장점이 있다.
참고문헌 (13)
A. Bouma, C. Oltrogge (1994) "Linienplanung und Simulation fur offentliche Verkehrswege in Praxis und Theorie", ETR Eisenbahntechnische Rundschau, Jg.: 43, Nr.6, Seite 369-378.
H. Spiess, M. Florian (1989) "Optimal Strategies : A New Assignment Model for Transit Networks", Transportation Research Part B, 23B(2), pp. 83-102.
J. De Cea, J.E. Fernandez (1989) "Transit Assignment to Minimal Routes : An Efficient New Algorithm", Traff., Eng. Control 20-10.
J.Y. Yen (1971) "Finding the K shortest Loopless Paths in a Network, Management Science", 17(11).
K.-T. Kim, S. Rhee, Y.-S. Kwon (2008) "A deterministic Transit Assignment Model for Intercity Rail Network, Journal of the Korean Society for Railway, 11(6), pp. 550-561.
J. Lee, I. Kim (2001) "Study on Multi-modal Transit Network Assignment with Dial Algorithm", Journal of Korean Society of Transportation, 19(2), pp. 53-60.
Y. Lim (2009) "A mathematical model for transit network assignment", manuscript.
K.-C. Park, J.-J. Moon, S-.M-. Lee, C.-H. Park, "A Stochastic Transit Assignment Model based on Mixed Transit Modes", Journal of Korean Society of Transportation, 25(3), pp. 111-121.
K.-T. Kim (2007) "A Transit Assignment Model for Intercity Rail Network", Ph.D Thesis, Seoul National University.
B.H. Park, C.-S. Kim, H.-L. Rho (2009) "A study on the Relation between Trip assignment model and Line planning", Proc. of Korean Society for Railway Conference.
S-.I. Shin (2004) "Finding the First K Shortest Loopless Paths in a Transportation Network", Journal of Korean Society of Transportation, 22(6), pp. 121-131.
H.-S. Shin, H.-U. Cho, J.-M. Kim, W.-T. Lee (2009) "A study on the alternatives for realization of benefit cost analysis in railway projects - More focused on benefits for the value of travel time", Proc. of Korean Society for Railway Conference.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.