열차시각표 시뮬레이션을 통한 철도 노선의 선로용량 최적 활용범위 설정에 관한 연구 :A study on the estimation of optimal utilization range based on timetable simulation in a railway line capacity

노학래

추천

검색

자료유형: 학위논문

저자정보: 노학래 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 이종우

발행연도: 2019

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수5

이 논문의 연구 히스토리 (2)

2020

시뮬레이션 기반 철도 선로용량의 최적 활용범위 설정

노학래 한국도시철도학회논문집 2020.06 학술저널

2019

열차시각표 시뮬레이션을 통한 철도 노선의 선로용량 최적 활용범위 설정에 관한 연구

노학래 철도전기·신호공학과 2019.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

철도운영에서는 철도 인프라의 활용도를 최대화하면서 동시에 열차 간 간섭에 의한 운영품질 저하를 최소화할 수 있는 용량 활용의 적정 범위를 결정하여야 한다. 이를 위해서는 열차 교통량에 따른 대기시간 함수가 필요하다. 본 논문에서는 대기시간 함수의 입력 파라미터로서 최대용량을 설정하는 방법론을 제시하였다. 이 방법은 분석대상 선로로 들어오는 열차 수를 계속 증가시키며, 입력 부하 대비 출력 부하의 비율이 1보다 작아지는 편의점을 찾고 이 점의 출력 부하를 최대용량으로 설정하는 것이다.
다음으로 시뮬레이션 실험기반의 용량분석에는 인프라의 이용 수준별 열차시각표 샘플이 필요하다. 선행연구 조사를 통하여 서로 다른 부하의 열차시각표를 생성하는 "무작위 열차시각표 압축 알고리즘"과 "시간 슬라이스의 동적 조정 알고리즘"을 검토하였으며, 이로부터 "열차경로그룹 통합 시간 슬라이스 동적 조정 알고리즘"을 제시하였다. 새로운 알고리즘은 선로 시스템 진입단계에서 초기 열차시각표의 열차경로그룹별 운행순서가 변경되는 것을 방지하여 열차시각표의 정규성을 향상할 수 있다.
열차시각표 시뮬레이션을 통하여 얻은 열차당 평균 대기시간과 최대용량 자료를 이용하여 대기시간 함수의 파라미터를 추정하였다. 이 대기시간 함수식을 기반으로 대기시간의 상대적 최소 민감도 및 평균 정규화 트래픽의 최대 성능을 나타내는 인프라 용량 이용율의 상?하한을 도출하고, 이를 철도 선로용량의 최적 활용범위로 설정하였다.
분기 노선이 있는 가상 복선 선로를 대상으로 총 4개의 열차경로그룹을 설정하고, 열차시각표 생성 알고리즘별 선로용량의 최적 활용범위 산정 결과를 비교?검토하여 다음과 같은 결론을 도출하였다.

ⓛ 열차시각표의 정규성이 증가할수록, 열차당 평균 대기시간은 감소한다.
② 열차시각표의 정규성이 높을수록 철도 인프라의 최대용량 및 최대 트래픽 성능은 향상되고, 용량 활용범위의 폭도 증가한다.
③ 그러나 열차시각표가 체계화될수록 열차시각표의 대기시간 변화에 따른 민감도도 증가한다.
철도 인프라 용량의 이용율은 열차시각표의 대기시간 변화에 따른 최소 민감도와 평균 정규화 트래픽 최대 성능 사이에서 결정되어야 할 것이다.
철도 선로의 최대용량 및 트래픽 처리성능을 높이기 위해서는 열차시각표의 정규성을 강화하여야 하나, 열차시각표의 체계화가 높아질수록 대기시간 변화에 따른 민감도도 증가한다. 따라서 대기시간 변화에 따른 상대적 민감도 증가를 최소화하면서 동시에 트래픽 처리 능력을 최대화하는 열차시각표 정규화가 필요하다.
본 논문에서 제시하는 시뮬레이션 실험기반의 최적 용량 활용범위 설정 방법은 복잡한 역 구내 선로 또는 네트워크 구조의 철도 노선 용량분석에 활용 가능할 것으로 기대되며, 이는 철도 인프라의 추가 투자수요를 파악하는 데에도 도움이 될 것이다.

Railway operation deals with determining optimal degree of capacity utilization for given infrastructures. This is to fully utilize railway infrastructure and to minimize the decreasing operation quality which is caused by conflicts between trains. For this, a waiting time function depending on train traffic is needed. In this thesis, maximum capacity estimation is proposed, which is critical input parameter for determining the range of optimal capacity utilization. This approach introduces a deviation point at which the ratio of input load to output load becomes less than 1 as the number of trains increases in the given area. The maximum capacity is set as the output load of this point.
Next, simulation-based capacity analysis require timetable samples for each utilization level of infrastructure. For this purpose, I have studied "random timetable compression algorithm" and "dynamic adjustment algorithm of time slice" which generate timetables with different train-loading levels. This thesis proposes "Train-path-group integrated dynamic adjusting algorithm of time slice". The new algorithm can improve the regularity of compressed timetable by preventing the train-path sequence of the initial timetable from changing in the system entry.
The parameters of waiting time function are estimated using average waiting time per train and maximum capacity obtained from timetable simulation. Based on this waiting time function, the upper and lower limits of capacity utilization rate are derived, which show minimum relative sensitivity of waiting time and maximum average normalized traffic performance, respectively. These bounds set as optimum utilization range of railway line capacity.
This approach was applied on a virtual double-track network with branch line, in which total 4 train-path are operated. The following conclusions are deduced by evaluating optimum utilization range of capacity estimated by timetable generation algorithm.

① As the regularity of timetable increases, the average waiting time per train decrease.
② The higher the regularity of timetable, the greater the maximum capacity and maximum traffic performance of the railway infrastructure, and the wider the width of capacity utilization range.
③ However, as timetable becomes more systematic, relative sensitivity of timetable increases as waiting time changes.

Capacity utilization rate of railway infrastructure should be decided between minimum relative sensitivity of waiting time and maximum average normalized traffic performance.
In order to increase maximum capacity and traffic performance in a given railway lines, it is necessary to strengthen the regularity of timetable. However, as systematization of timetable increases, the sensitivity also increases with waiting time change. Therefore, timetable regularity is needed which maximize traffic performance while minimizing the increase in relative sensitivity of timetable as waiting time changes.
Simulation-based estimation for optimal capacity utilization range in this thesis could be used to determine the utilization of existing infrastructure including large stations with complicated structures and networked railway line, which will help us to identify additional investment needs for rail infrastructure.

요 약 ⅰ
Ⅰ. 서 론 1
1. 연구 배경 및 목적 1
2. 연구내용 3
Ⅱ. 철도 용량분석 선행연구 검토 5
1. Hertel의 철도 용량 활용범위 설정 방법 5
2. 철도 인프라의 최대용량 설정 방법 9
가. 분석적 방법 9
나. 시뮬레이션 방법 11
3. 열차시각표 압축 알고리즘 14
가. 무작위 열차시각표(random timetable) 압축 알고리즘 14
나. 압축 수준별로 산정된 열차 수 기반 시간 슬라이스의 동적 조정 알고리즘 17
4. 선행연구 검토를 통한 본 논문의 착안점 20
Ⅲ. 실험기반 선로용량 최적 활용범위의 설정 방법 정립 22
1. 철도 인프라의 최대용량 결정 알고리즘 22
가. 준 최대용량(quasi max. capacity) 추정 방안 22
나. 실험(experimental) 기반 최대 선로용량 설정 절차 32
2. 열차시각표 압축 알고리즘의 개선 37
3. 대기시간 함수와 철도 용량의 활용범위 설정 46
가. 대기시간 함수의 설정 46
나. 철도 용량의 활용범위 설정 50
Ⅳ. 시뮬레이션 실험 및 분석 52
1. 분기 노선이 없는 복선 노선의 단방향 선로 최대용량 설정 52
가. 인프라 및 운영 프로그램 52
나. 열차시각표 압축 53
다. 최대용량 설정 53
2. 중간역에서 지선이 분기하는 복선 선로의 용량 최적 활용범위 설정 58
가. 인프라 및 운영 프로그램 58
나. 무작위 열차시각표 압축 알고리즘 적용 시 최대용량, 대기시간 함수 및 용량의 최적 활용범위 설정 59
다. 시간 슬라이스의 동적 조정 알고리즘 적용 시 최대용량, 대기시간 함수 및 용량의 최적 활용범위 설정 78
라. 열차경로그룹 통합 시간 슬라이스 동적 조정 알고리즘 적용 시 최대용량, 대기시간 함수 및 용량의 최적 활용범위 설정 96
마. 용량 활용의 최적 범위 설정 결과 비교 114
Ⅴ. 결론 및 향후 연구과제 119
참고문헌 122
[부록 1] Hertel[22]의 대기행렬 모델별 대기시간의 상대적 민감도 및 평균 정규화 트래픽 성능 127
[부록 2] 입력 부하와 출력 부하 차이의 분포 검정 133
[부록 3] 최소 제곱 오차 방법을 이용한 대기시간 함수의 파라미터 a와 b의 유도 ([Eq. 3.4] 관련) 136
[부록 4] 철도 용량 활용범위의 하한 산정 유도 ("제3장 3절 나." 관련) 138
Abstract 139
감사의 글 141

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)