Journal of Korean Society of Transportation (대한교통학회지)

Korean Society of Transportation (대한교통학회)
권호 표지

Budget Estimation Problem for Capacity Enhancement based on Various Performance Criteria

다중 평가지표에 기반한 도로용량 증대 소요예산 추정

  • 김주영 (한국교통연구원 국가교통DB센터) ;
  • 이상민 (한국교통연구원 국가교통DB센터) ;
  • 조종석 (한국교통연구원 국가교통DB센터)
  • Published : 2008.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

Uncertainties are unavoidable in engineering applications. In this paper we propose an alpha reliable multi-variable network design problem under demand uncertainty. In order to decide the optimal capacity enhancement, three performance measures based on 3E(Efficiency, Equity, and Environmental) are considered. The objective is to minimize the total budget required to satisfy alpha reliability constraint of total travel time, equity ratio, and total emission, while considering the route choice behavior of network users. The problem is formulated as the chance-constrained model for application of alpha confidence level and solved as a lexicographic optimization problem to consider the multi-variable. A simulation-based genetic algorithm procedure is developed to solve this complex network design problem(NDP). A simple numerical example ispresented to illustrate the features of the proposed NDP model.

도로용량 증대를 위한 소요예산 추정문제는 관련주체인 이용자와 공급자의 입장을 모두 반영할 필요가 있다. 본 연구에서는 총통행시간, 형평성, 환경비용을 평가지표로 설정하고, 3가지 평가지표에 대한 관련주체의 요구사항이 만족되는 대안 중 소요예산을 최소화하는 최적 도로용량 증대 대안을 선정하는 문제를 모형화하였다. 일반적으로 도로용량 증대를 위한 소요예산 추정문제는 Network Design Problem(NDP)로 다루어지며, 이용자와 공급자의 다른 입장을 고려하기 위해 Bi-level 최적화문제로 모형화된다. 본 연구에서는 장래 교통수요의 불확실성을 반영하기 위해 확률모형(Stochastic model)을 적용하고, 평가지표별 신뢰도를 차별화하기 위해 Chance-constrained model(CCM)를 적용하였으며, 3가지 평가지표의 제약식을 만족하면서 소요예산을 최소화하는 목적함수를 만족하는 최적대안을 선정하기 위해 렉시코그라픽(Lexicographic) 최적화문제로 접근하였다. 예제 네트워크를 통하여 분석한 결과, 평가지표별 신뢰도 및 교통수요 변화율이 클수록 더욱 많은 소요예산이 요구되며, 평가지표별 신뢰도가 클수록 장래 교통수요의 변화에 더욱 탄력적으로 대응할 수 있는 대안이 선정되었다. 제안된 모델은 다양한 관련주체의 입장을 모두 고려한 최적 도로용량 증대 대안과 소요예산을 선정함과 동시에, 도로용량 증대량의 변화에 따른 평가지표간 상쇄관계(Tradeoff)와 도로 네트워크 개선을 위한 예산 배분의 포트폴리오를 정책결정자에게 제공 가능하다.

Keywords

References

  1. 임용택.임강원(2004), "Bi-level program에서 Cournot-Nash게임과 Stackelberg게임의 비교연구", 대한교통학회지, 제22권 제7호, 대한교통학회, pp.99-106
  2. 김병종.김원규(2005), "BI-Level Programming 기법을 이용한 교통 네트워크 평가방법 연구", 대한교통학회지, 제23권 제7호, 대한교통학회, pp.111-123
  3. 김재영.임강원(2000), "유전자 알고리즘을 이용한 변동부등식 제약하의 연속형 가로망 설계", 대한교통학회지, 제18권 제1호, 대한교통학회, pp.61-73
  4. 권용석.박병정.이성모(2001), "가변수요 통행배정의 민감도 분석을 통한 최적가로망 설계", 대한교통학회지, 제19귄 제1호, 대한교통학회, pp.89-99
  5. A. Chen, J. Kim, Z. Ahou, and P. Chootinan (2007), An alpha reliable network design problem, In Transportation Research Record, No.2029, pp.49-57
  6. D. E. Boyce(1984), Urban Transportation Network-Equilibrium and Design Models: Recent Achievements and Future Prospects. Environment and Planning A, Vol. 16, No. 11, pp.1445-1474 https://doi.org/10.1068/a161445
  7. T.L. Magnanti and R. T. Wong.(1984), Network Design and Transportation Planning: Models and Algorithms. Transportation Science, Vol.18, No. 1, pp.1-55 https://doi.org/10.1287/trsc.18.1.1
  8. T. L. Friesz(1985), Transportation Network Equilibrium, Design and Aggregation: Key Developments and Research Opportunities. Transportation Research Part A, Vol. 19, No. 5/6, pp.413-427 https://doi.org/10.1016/0191-2607(85)90041-X
  9. H. Yang and M.G.H. Bell(1998), Models and Algorithms for Road Network Design: A Review and Some New Developments. Transport Reviews, Vol. 18, No. 3, pp.257-278 https://doi.org/10.1080/01441649808717016
  10. Y. Yin and S. Lawphongpanich, Estimating highway investment requirements with uncertatin demands. In TRB 2006 Annual Meeting CD-ROM
  11. A. Charnes and W. Cooper(1959), Chance-constrained programming. Management Science, Vol. 6, No. 1, pp.73-79 https://doi.org/10.1287/mnsc.6.1.73
  12. B. Liu(1999), Uncertainty Programming, John Wiley and Sons, Inc., New York
  13. Q. Meng, H. Yang(2002), Benefit distribution and equity in road network design, Transportation Research B 36, pp.19-35 https://doi.org/10.1016/S0191-2615(00)00036-9
  14. Chen, A. and C. Yang.(2004), Stochastic transportation network design problem with spatial equity constraint. In Transportation Research Record 1882, TRB, National Research Council, Washington, D.C., pp.97-104
  15. Herman, R. and Ardekani, S.(1985), The influence of stops on vehicle fuel consumption in urban traffic, Transportation Science, vol. 19, no. 1 https://doi.org/10.1287/trsc.19.1.1
  16. C. M. Benedek and L. R. Rilett(1998), Equitable traffic assignment with environmental cost functions, Journal of Transportation Engineering, Vol. 124, Issue 1, pp.16-22 https://doi.org/10.1061/(ASCE)0733-947X(1998)124:1(16)
  17. E. Ericsson, H. Larsson and B. F. Karin(2006), Optimizing route choice for lowest fuel consumption; Potential effects of a new driver support tool, Transportation Research Part C, Vol. 14, pp.369-383 https://doi.org/10.1016/j.trc.2006.10.001
  18. M. M. Venigalla, A. Chatterjee and M. S. Bronzini(1999), A specialized equilibrium assignment algorithm for air quality modeling, Transportation Research Part D, 4, pp.29-44 https://doi.org/10.1016/S1361-9209(98)00022-4
  19. K. Ahn and J. Rakha, Energy and environmental impacts of route choice decisions, In TRB 2007 Annual Meeting CD-ROM
  20. M. A. Penic and J. Upchurch(1992), Transyt-7F: Enhancement for fuel consumption, pollution emissions, and user costs, Transportation Research Record, 1360
  21. C. H. Chang, Y. K. Tung and J. C. Yang(1994), Monte Carlo simulation for correlated variables with marginal distributions. J. Hydraul. Eng. 120 (3), pp.313-331 https://doi.org/10.1061/(ASCE)0733-9429(1994)120:3(313)
  22. M. Gen and R. Cheng(2000), Genetic Algorithms and Engineering Optimization. John Wiley and Sons, Inc., New York
  23. D. Goldberg(1989), Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, Reading, MA