• 제목/요약/키워드: 차량군 분산 모형

검색결과 5건 처리시간 0.023초

충격파를 이용한 거시적 단속류 시뮬레이션 모형개발 (A Development of Macroscopic Simulation Model for Interrupted Flow using Shockwave)

  • 이호상;정영제;김영찬;김대호
    • 대한교통학회지
    • /
    • 제26권1호
    • /
    • pp.191-201
    • /
    • 2008
  • 단속류의 교통시설 운영개선(TSM, Trasportation Systems Management)의 타당성 및 개선효과 분석을 위해 TRANSYT-7F(T7F)와 NETSIM이 많이 사용되고 있으나, T7F는 현실적인 차량군의 압축 분산효과가 미흡하고, NETSIM은 구축시간이 과다하게 소요되고, 용량설정의 어려움 등의 문제를 가지고 있다. 이에 반해, 충격파 모형은 T7F에 비해 차량군의 압축 분산을 더욱 사실적으로 묘사할 수 있으며, NETSIM에 비해서는 분석시간 단축, 적용용이성 등의 장점을 가지고 있어 우수하다. 하지만, 수리적 계산의 어려움으로 인해 비현실적인 교통류관계식(Q-K곡선) 적용, 단순한 차량군 적용 등의 문제점을 지니고 있다. 이러한 충격파이론을 이용한 기존 분석모형의 문제점을 해소하기 위해보다 현실적인 교통류관계식 적용, 새로운 차량군모형 개발, 연장충격파 개념 도입 등 새로운 분석모형을 개발하였으며, 개발모형의 유효성 검증을 위해 다양한 시나리오를 구성하여 T7F와 NETSIM과 비교 평가한 결과 우수한 성능을 보였다.

T7F Model에서 차량군분산계수변화에 따른 민감도분석에 관한 연구 (A Study on Sensitivity Analysis by PDF in T7F Model)

  • 황의진
    • 대한공간정보학회지
    • /
    • 제14권1호
    • /
    • pp.57-63
    • /
    • 2006
  • 본 연구에서는 신호연동화에 관한 기초적인 이론에 대하여 고찰하고 광주시 죽봉로의 광천4거리에서 농성광장에 이르는 3개 교차로를 사례지구로 하여 포화교통류율 및 차량군 분산계수 산정기법들을 적용하여 분산계수에 따른 민감도를 분석하는 과정으로 연구를 진행한 결과 다음과 같은 성과를 얻을 수 있었다. 1. 차량군 분산계수는 0.28-0.33으로 같은 지점의 교차로에서도 관측위치에 따라 상류부보다는 하류부가 더 작은 값을 나타내었다. 2. 차량군지수는 큰 변화를 보였으나 수행지수는 미세한 편차를 보였다. 이는 차량분산계수를 0.34로 설정하여 평가하여도 무리가 없음을 나타내었다. 3. T7F 모형에서 연동화 설계 시 차량분산계수 변화에 따른 수행지수값의 민감도가 미소한 것으로 나타났다.

  • PDF

내부 미터링을 이용한 과포화 네트워크 신호제어 알고리즘 연구 (A Study on Signal Control Algorithms using Internal Metering for an Oversaturated Network)

  • 송명균;이영인
    • 대한교통학회지
    • /
    • 제25권6호
    • /
    • pp.185-196
    • /
    • 2007
  • 본 연구의 목적은 네트워크에 과포화가 발생했을 경우 차량들이 경험하는 총지체를 최소화시키기 위하여 내부미터링을 이용한 신호제어 알고리즘을 개발하는 것이다. 본 연구에서는 네트워크의 총지체를 계산하기 위하여 네트워크 상에 차량의 진입 및 진출을 검지할 수 있는 검지 시스템을 설치하였고 차량군 분산 모형을 이용하여 링크상에서 차량의 흐름을 추적하였다. 이어서 차량추적을 통하여 네트워크에서 모든 링크의 대기행렬 길이를 계산하였고 이를 이용하여 전체 네트워크의 정지지체를 구하고, 시공도를 이용하여 정지지체를 접근지체로 변환하였다. 계산된 지체를 기반으로 계산된 지체를 최소화 할 수 있는 내부미터링수준을 도출하는 알고리즘에 대하여 제안하였다. 본 연구에서 제시한 알고리즘의 효과성을 입증하기 위하여 미시적 모의실험 도구인 VISSIM을 이용한 모의실험을 실시하였다. 그 결과 본 연구에서 제시한 알고리즘을 가상 네트워크에 적용할 경우 차량들이 경험하는 평균지체는 82.3초/대로써 COSMOS 방식의 89.9초/대나 TOD 방식의 99.1초/대보다 낮은 값이 도출되었다. 이것은 본 연구에서 제시한 알고리즘이 과포화 네트워크의 신호제어에 효과적이라는 것을 나타내준다.

위험 매트릭스(Risk Matrix)를 활용한 조류인플루엔자 인체감염증 위험지역 평가 (High-Risk Area for Human Infection with Avian Influenza Based on Novel Risk Assessment Matrix)

  • 박성대;유대성
    • 한국가금학회지
    • /
    • 제50권1호
    • /
    • pp.41-50
    • /
    • 2023
  • AI인체감염증은 한번 발생하게 되면 막대한 사회경제적 손실이 있으므로, 사전 예방적 관리가 필수적이다. 위험도 평가를 통해 위험요인과 위험지역을 확인하여 방역을 강화하고 사람, 동물, 환경 등 소관 부처 간 분산되어 있는 방역정책 및 관리를 원헬스 차원으로 협업·연계한다면 사회경제적 비용을 최소화할 수 있다. 이번 연구에서는 위험 매트릭스 분석을 통해 가금농장의 고병원성AI와 연계하여 AI인체감염증의 발생 위험지역을 평가하고 위험요인을 분석하였다. AI인체감염증은 가금농장의 고병원성AI와 밀접한 관련이 있고 가금관련 산업 종사자가 가장 감염에 취약한 위험군이기 때문에, 위험 매트릭스는 가금농장의 고병원성AI 평균 발생 건수와 감염에 취약한 가금 관련 축산시설 수를 활용하여 분석하였다. 조류인플루엔자 유행시기에 시·군·구별로 가금농장의 HPAI 평균 발생건수를 예측하기 위해 일반화 선형모형 중 과대산포가 있는 가산자료를 분석하는데 이용되는 음이항 회귀모형을 적용하였다. 시·군·구별 가금농장의 고병원성AI 발생건수와 축산시설 수를 적용한 위험 매트릭스 분석 결과, AI인체감염증의 발생위험이 높아 관리가 필요한 지역은 전남 나주, 전북 정읍, 전북 남원으로 확인되었다. 또한, AI 인체감염증의 발생에 영향을 줄 수 있는 위험요인으로는 가금농장의 저병원성 AI 발생건수, 닭과 오리의 사육 밀도, 축산차량 등록 수로 확인되었다. 가금농장에서 저병원성AI가 1건 발생 시 가금농장의 고병원성AI 발생은 1.687배 증가하고, 닭과 오리의 밀도가 1,000 두/km2 증가할 경우 가금농장의 고병원성AI 발생은 각각 1.618배, 10.252배 증가하며, 축산차량의 경우 100대 증가 시 가금농장의 고병원성AI 발생이 1.134배 증가하는 것으로 나타났다. AI인체감염증의 예방을 위해 HPAI의 발생주기인 2~3년 간격으로 위험평가를 실시하고 환경·동물·사람에 대하여 원 헬스(One Health)적 관점으로 위험요인과 위험지역을 관리한다면, AI인체감염증에 대한 방역정책 수립과 사회·경제적 비용 감소에 도움이 될 수 있을 것으로 판단된다.