• 한국ITS학회 논문지
• /
• 제11권5호
• /
• pp.70-77
• /
• 2012

교통약자들을 위한 차량서비스는 dial-a-ride, demand responsive 또는 paratransit으로 불리며 미국과 유럽에서 널리 제공되고 있는 대중교통의 하나이다. 본 연구는 이러한 교통약자 차량서비스의 배차와 차량경로문제에 관한 것으로 다수차고지와 예약시간 위반을 고려한다. 본 연구에서는 기존의 연구에서 제안된 clustering first-routing second에 기초한 휴리스틱 알고리즘을 실제 큰 규모의 교통약자 차량서비스에 적용하였다. 사례연구로서 Maryland Transit Administration (MTA)의 교통약자 차량서비스를 소개하고 실제 MTA의 운영결과와 제안된 휴리스틱 알고리즘의 결과를 비교하였다. 제안된 모형의 목적함수는 서비스제공자의 비용과 고객들의 불편비용으로 이루어진 전체비용을 최소화하는 것이다. 실제 MTA의 운영자료에 차량대기시간, 서비스지연시간과 초과승차시간에 대한 정보가 없는 관계로 비교를 위해서 clustering first-routing second에 기초한 휴리스틱 알고리즘의 목적함수 값은 차량의 대기비용, 고객들의 서비스지연비용과 초과 승차시간 비용를 포함하지 않는다. MTA의 실제운영에 의한 목적함수 값보다 HCR의 목적함수 값이 보다 나은 것으로 나타났으며 이 결과는 본 연구에서 제안된 휴리스틱 방법이 실제운영을 보다 효율적으로 바꿀 수 있음을 보여준다.

• 한국ITS학회 논문지
• /
• 제19권6호
• /
• pp.118-133
• /
• 2020

최근 통합교통서비스(Mobility-as-a-Service)의 개념을 도입하여 이용자들의 이동성과 접근성을 향상시키고자 하는 연구가 진행되고 있다. 특히 카셰어링, 택시 등 에 대해 수요와 공급에 따라 지역을 구분하여 가격을 책정하는 유동적인 가격 책정 전략을 도입하여 단일 요금제가 가지는 서비스 기피 등의 문제를 해결함과 동시에 기업과 운전자들의 수익성에 긍정적인 영향을 줄 수 있을 것으로 기대되고 있다. 본 연구에서는 승객과 운전자간의 배차거리, 승객의 운행거리, 승객의 목적지에 대한 HDBSCAN 알고리즘을 통해서 정밀하게 인식된 수요 밀집지역, 승객과 운전자가 생각하는 선호가격을 고려하여 승객과 운전자의 입장에서 Matching Matrix를 생성한다. 이를 조합하고 보상에 반영하여, 강화학습이 더욱더 현실적인 유동적인 가격 책정전략을 도출할 수 있는 새로운 방법론을 제안한다.

• 대한토목학회논문집
• /
• 제41권3호
• /
• pp.247-255
• /
• 2021

수도권 지하철 AFC자료는 승객의 환승정보가 누락되어 있다. AFC자료는 통행수, 통행시간 및 통행거리의 통행지표를 TagIn 단말기ID를 기준으로 할당한다. 따라서 AFC자료는 승객의 실제 통행궤적을 반영하지 못하며, 이는 통행지표 추정의 오류로 작용되고 있다. 본 연구는 TagIn 및 TagOut 단말기ID를 연결하는 통행경로 파악을 통하여 통행지표를 산정하는 방법론을 제안한다. 이를 위해 승객은 차내시간, 환승보행시간, 배차간격을 고려한 최소통행시간경로를 통행한다고 가정한다. 이 방법은 승객이 이동한 통행궤적을 따라 환승을 반영하기 때문에 승객이 이동한 경로에 포함된 지하철 운영기관의 통행관련자료가 통행지표에 정확하게 반영된다. 제안된 방법론은 기존 AFC자료보다 1.47배가 증가한 통행을 산정하여 교통정책을 위한 지표산정방안으로 평가될 수 있음을 보여준다.

• 한국ITS학회 논문지
• /
• 제22권1호
• /
• pp.52-64
• /
• 2023

차내 혼잡은 대중교통 이용자들의 통행의 질과 관련된 주제라고 할 수 있다. 차량의 제한된 용량과 배차간격 등의 이유로 주로 이용수요가 많은 교통수단 및 운영노선에서 차내 혼잡이 발생되며 이는 실제로 이용자들이 경험하는 통행시간의 가치에 차이를 유발시킨다. 본 연구에서는 오후 첨두시 분석노선 광역버스를 이용하는 개별 통행자의 스마트카드 자료 정보를 기반으로 차내 혼잡에 따른 개별 통행자의 시간가치를 추정하였다. 특히, 차내 혼잡이 개별 통행자가 느끼는 시간가치에 미치는 영향의 크기와 그 형태에 대해서 정교하게 분석하기 위해 Box-Cox transformation로 변환한 변수를 포함하여 모형을 구축하였다. 추정 결과에서 도출된 혼잡승수를 이용하여 2층 버스 도입 시 차내 혼잡 감소에 따른 편익을 산정하였으며 이를 통해 본 연구에서 제시하고 있는 추정 결과의 유의미성과 적용방안에 대해 논의하였다.

• 대한토목학회논문집
• /
• 제28권5D호
• /
• pp.587-595
• /
• 2008

1960년대부터 최근까지 버스 이용자들의 편의를 증진시키며 버스운영 측면에서 불필요한 운행을 최소화하기 위한 버스운행계획 최적화에 대한 많은 연구가 진행되어 왔다. 2000년 이후 ITS의 일환으로 버스 운행계획 최적화를 통한 운행관리와 정보제공 측면에서 그 중요성이 대두됨에 따라 과학적인 기반 하에 합리적인 버스운행계획 수립을 위한 연구가 더욱 활발히 진행되고 있는 추세이다. 본 연구에서는 버스운행계획 수립을 위해 구간 및 정류소 단위의 운행이력, 버스이용수요 등 세부자료를 활용하여 DTR 및 DTRC 모형에 따라 버스운행계획을 수립하였고 기점 및 정류소 단위의 timetable을 작성하였다. 모형 검증을 위해 서울시 472번 간선노선을 대상으로 BMS, 교통카드 등의 수집 자료를 활용하여 운행계획을 수립하고, 모형에 사용된 파라미터와 가정들에 대한 신뢰성 확보를 위하여 민감도 분석을 수행하였다.

• 한국ITS학회 논문지
• /
• 제7권6호
• /
• pp.1-11
• /
• 2008

버스는 개인교통수단에 비해 대량수송이 가능한 경제적, 친환경적 교통수단으로 인식되면서 서비스 개선을 위한 다양한 정책이 추진되고 있다. 특히, BMS(Bus Management Systems)와 같은 첨단대중교통체계의 수립은 버스운행에 대한 효율적 관리를 통한 운행서비스를 높일 수 있는 방안으로 활용되고 있다. 현재 버스운행관리는 대부분 정시배차와 같은 정시성과 관련한 신뢰성 관리에 초점을 두고있다. 본 연구에서는 정류장에서 버스몰림 운행관리의 필요성과 몰림현상에 대해 설명하고 정차면수 기준과 평균버스도착율을 기준으로 한 2가지 유형의 버스몰림지표를 개발하였다. 버스몰림지표는 서울시 교통정보서비스 (TOPIS, Transportation & Information Service)의 BMS 버스운행이력 자료를 이용하여 중앙버스전용차로인 도봉미아로와 일반차로인 통일의주로에 적용하였다. 분석결과, 도심에 가까운 정류소가 외곽의 정류소에 비해 몰림운행되는 것으로 나타났으며, 시간대별로는 오전 첨두시간대에 버스몰림이 심각한 것으로 분석되었다. 또한, 버스정시성 지표와 비교함으로서 보완지표로서 활용성을 제시하였다. 중앙전용차로와 일반차로의 몰림운행 비교를 통한 중앙전용차로의 확대시 참고자료로 이용될 수 있을 것이며, 정차면수(Number of Berth)와 같은 버스정류소 규모 및 노선배치에 참고자료로 활용될 수 있음을 제시하였다.

• 한국항만경제학회지
• /
• 제37권4호
• /
• pp.33-40
• /
• 2021

현재 해운·항만 산업은 급변하는 트랜드와 치열한 경쟁 속에서 살아남기 위해 항만물류자원의 확충 및 효율적인 운용을 통해 항만 처리능력을 향상시키기 위한 전략을 펼치고 있다. 항만의 처리능력 산정은 부두에 설치되는 하역장비에 의하여 결정되는 것으로 항만의 처리능력은 물류자원을 추가적으로 배치하거나 활용 중인 자원을 효율적으로 운용하는 등 다양한 방법을 통해 향상 시킬 수 있다. 하지만 물류자원의 추가 배치는 시간과 비용의 한계가 명확하기 때문에 단기간에 향상 효과를 기대하기 어렵다. 따라서 처리능력 향상을 위해서는 활용중인 자원에 대한 효율적인 운용 방법을 찾는 것이 실현성이 높다. 국내 항만들 역시 4차 산업혁명 기술의 발달에 따라 정보화, 디지털화를 적극적으로 추진하고 있다. 그러나 현재 하역 프로세스에서 Y/T 배정 대수 산정은 전문가의 경험에 따른 감각에 의존하고 있는 실정이며, 관련된 선행연구 또한 Y/T의 배차 또는 항만 전체의 필요 대수 산정에 초점을 두고 있다. 이에 본 연구는 입항 선박의 하역정보를 활용하여 Y/T 배정 대수에 영향을 미치는 요인을 분석하고 이를 바탕으로 군집분석, 회귀분석, DNN(Deep Neural Network : 심층신경망)모형을 활용하여 분석하였다.