KR102489079B1 - 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템 - Google Patents

교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템 Download PDF

Info

Publication number
KR102489079B1
KR102489079B1 KR1020200124138A KR20200124138A KR102489079B1 KR 102489079 B1 KR102489079 B1 KR 102489079B1 KR 1020200124138 A KR1020200124138 A KR 1020200124138A KR 20200124138 A KR20200124138 A KR 20200124138A KR 102489079 B1 KR102489079 B1 KR 102489079B1
Authority
KR
South Korea
Prior art keywords
stop
route
destination
adjacent
selecting
Prior art date
Application number
KR1020200124138A
Other languages
English (en)
Other versions
KR20220040878A (ko
Inventor
강성우
윤남식
Original Assignee
인하대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 인하대학교 산학협력단 filed Critical 인하대학교 산학협력단
Priority to KR1020200124138A priority Critical patent/KR102489079B1/ko
Publication of KR20220040878A publication Critical patent/KR20220040878A/ko
Application granted granted Critical
Publication of KR102489079B1 publication Critical patent/KR102489079B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
    • G06Q50/30—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템이 제시된다. 일 실시예에 따른 컴퓨터 장치를 이용하여 구현되는 버스 노선의 설정 방법은, 출발지 정류장 및 목적지 정류장을 선택하는 단계; 상기 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계; 선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 단계; 선택된 상기 인접 정류장이 상기 목적지 정류장이 아닌 경우, 경로에 선택된 상기 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계; 및 선택된 상기 인접 정류장이 상기 목적지 정류장인 경우, 상기 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계를 포함하여 이루어질 수 있다.

Description

교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템{METHOD AND SYSTEM FOR SETTING UP CITY BUS ROUTES FOR VULNERABLE AREA}
아래의 실시예들은 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템에 관한 것으로, 더욱 상세하게는 시내버스 교통취약지역을 위한 교차 선택과 돌연변이를 이용한 버스 노선 설정 방법 및 시스템에 관한 것이다.
미국 대중 교통 협회(APTA)는 대중교통을 “대중에게 정기적이고 지속적인 일반 또는 특별 운송을 제공하는 운송 시스템”으로 정의한다(Transportation, 2020). 보편적 관점에서의 대중교통 개념은 크게 기종점간 운행행태에 따른 분류와 운행 공간 및 시간에 따른 교통체계 분류로 나눌 수 있다(“수요대응형 교통체계 평가모형 구축 -,” 2008). 이러한 대중교통은 인구가 밀집되어 있는 대도시에서 단순한 이동수단에서 벗어나 시민들의 건강증진, 환경오염 및 교통체증에 대한 해답으로 제시되고 있다. 또한 전세계 도시 지역 내에서 연결성을 제공하고 자동차 소유, 연령 혹은 수입에 관계없이 기본적인 이동성, 접근성 및 교통 다양성을 제공함으로써 사회적 평등에도 기여를 한다.
인구가 밀집되어 있어 교통이 발달한 대도시의 경우, 소도시에 비해 교통 인프라가 잘 구축되어 있지만, 대도시에서 도서산간지역을 행정적으로 포함하는 경우 대규모 교통 인프라가 부족하여 실질적인 대중교통 수단은 시내버스가 적합하다. 이로 인해, 인구가 밀집된 지역과 비교하여 상대적으로 대중교통 수요가 감소하고, 대중교통 공급축소를 야기시킨다. 대중교통 서비스가 악화된 교통소외지역의 주민들은 사회로부터 격리되는 결과를 초래하며, 이러한 지역은 다시 인구를 감소시키는 악순환에 빠진다. 이로 인해 대중교통을 통한 긍정적 외부효과가 점차 감소된다.
[표 1]
Figure 112020101975065-pat00001
대한민국의 도서지방에서는 이러한 악순환이 크게 나타나는데 이는 표 1에서와 같이 교통약자로 분류되는 노인층의(60s, 70s) 인구 비율과 이들의 버스 이용비율이 타 연령층보다 높기 때문이다. 이는 농어촌은 도시에 비해 대중교통이 불편하여 전체적으로 승용차를 많이 이용하지만, 경제적, 신체적으로 제약이 있는 노인들은 대중교통인 버스에 의지하고 있는 것으로 보인다.
도 1은 일반적인 시골 지역에서 버스 운행 횟수를 설명하기 위한 도면이다.
하지만, 도 1에 도시된 바와 같이, 농어촌 마을당 노선버스의 1일 평균 운행 횟수는 6.1회로 집계되어 이용 가능한 대중교통편은 제한적이며 10회 미만 운행마을이 59%, 미운행 또는 3회 이하 운행 마을은 20%에 이르는 것으로 파악된다.
[표 2]
Figure 112020101975065-pat00002
또한, 표 2에서와 같이 농어촌의 대표적 대중교통 수단이라 할 수 있는 농어촌버스가 전국적으로 감소하는 추세이며, 이를 운행하는 운수업체 수는 2002년 99개에서 2018년 86개, 운행 대수는 2002년 2041대에서 2018년 1852대로 감소하였다. 이러한 감소는 농어촌버스의 노선당 버스보유대수도 감소시키며 2018년 기준 농어촌버스의 노선당 버스 보유대수는 0.41대로 시내버스 3.79대의 11% 수준에 불과하다.
교통취약지역의 문제를 해결하기 위해 해당 지역에 투입되는 현재 운행중인 노선의 증차가 필요하지만, 지속적으로 감소하는 교통수요로 인한 경영 악화로 인해 현실적으로 노선의 증차는 어렵다. 이러한 문제를 해결하기 위해서는, 현재 운행중인 노선을 바탕으로 더 많은 시민들이 만족할 수 있어야 한다. 이러한 문제는 많은 연구에서 한정적인 자원을 활용하여 최대의 산출을 이끌어내는 효율성 문제로 정의하여 연구되었으며, 이를 해결하기 위해서 많은 연구에서 DEA(Data Envelopment Analysis), Tier 분석 등 다양한 분석기법을 통해 연구되었지만 경로변경을 통한 효율성 증대에 이르지는 못했다.
아직까지 시내버스의 노선의 효율성에 관한 정의나 범위가 학문적으로 명확하게 내려지지 않은 상태이다. 다만 그 동안 시내버스 노선의 효율성에 대해서는 다양한 분석방법론과 변수 등을 적용해 연구를 진행하여 왔다.
예컨대 권용재, 이재민(2019)은 준공영제가 시행되고 있는 6대 특별시 및 광역시 자료뿐만 아니라 비교를 위하여 다른 모든 지역자료를 이용하였으며 2004년과 2014년 자료를 이용하여 준공영제 시행으로 인한 시간적인 격차를 반영하였다. 또한 산출물 변수를 대표하고 있는 부가가치를 이용하여 기존 연구와 차별성을 두었다(Kwon & Lee, 2019).
한국등록특허 10-1782098호
실시예들은 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템에 관하여 기술하며, 보다 구체적으로 교통취약지역 노선의 효율성 증대를 위해 고정된 노선의 효율성 분석이 아닌 교차 선택과 돌연변이를 이용한 버스 노선 설정 방법 및 시스템을 제공한다.
일 실시예에 따른 컴퓨터 장치를 이용하여 구현되는 버스 노선의 설정 방법은, 출발지 정류장 및 목적지 정류장을 선택하는 단계; 상기 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계; 선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 단계; 선택된 상기 인접 정류장이 상기 목적지 정류장이 아닌 경우, 경로에 선택된 상기 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계; 및 선택된 상기 인접 정류장이 상기 목적지 정류장인 경우, 상기 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계를 포함하여 이루어질 수 있다.
상기 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 단계를 더 포함하고, 상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 미만인 경우, 상기 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택할 수 있다.
상기 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 단계; 상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인 경우, 룰렛 휠(Roulette wheel) 선택을 사용하여, 현재 경로의 마지막 정류장의 인접 정류장을 선택하는 단계; 및 상기 경로 내에 선택된 상기 인접 정류장의 존재 여부를 확인하는 단계를 포함하고, 상기 경로 내에 선택된 상기 인접 정류장이 존재하지 않는 경우, 선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인할 수 있다.
상기 경로 내에 선택된 상기 인접 정류장이 존재하는 경우, 다시 상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인할 수 있다.
다른 실시예에 따른 버스 노선의 설정 시스템은, 출발지 정류장 및 목적지 정류장을 선택하는 출발지 및 목적지 선택부; 상기 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 인접 정류장 선택부; 선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 목적지 정류장 여부 확인부; 선택된 상기 인접 정류장이 상기 목적지 정류장이 아닌 경우, 경로에 선택된 상기 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 인접 정류장 추가부; 및 선택된 상기 인접 정류장이 상기 목적지 정류장인 경우, 상기 목적지 정류장을 경로에 추가하고, 경로를 반환하는 경로 반환부를 포함하여 이루어질 수 있다.
실시예들에 따르면 시내버스 교통취약지역을 위한 교차 선택과 돌연변이를 이용한 버스 노선 설정 방법 및 시스템을 제공할 수 있다.
도 1은 일반적인 시골 지역에서 버스 운행 횟수를 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 버스 노선의 최적화 방법을 나타내는 흐름도이다.
도 3은 일 실시예에 따른 버스 노선의 최적화 시스템을 나타내는 블록도이다.
도 4는 일 실시예에 따른 초기 유전형질 생성의 예를 나타내는 도면이다.
도 5는 일 실시예에 따른 버스 노선의 설정 방법을 나타내는 흐름도이다.
도 6은 일 실시예에 따른 버스 노선의 설정 시스템을 나타내는 블록도이다.
도 7은 일 실시예에 따른 룰렛 휠 선택을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 교차 선택과 돌연변이를 이용한 버스 노선의 설정 방법을 나타내는 흐름도이다.
도 9는 일 실시예에 따른 경로 그래프 작성 예를 설명하기 위한 도면이다.
도 10은 일 실시예에 따른 수요 그래프 생성 예를 설명하기 위한 도면이다.
도 11은 일 실시예에 따른 출발지 및 최적 경로에 대한 적합도 점수의 변화 추세를 나타내는 도면이다.
도 12는 일 실시예에 따른 진화횟수에 따른 세대당 평균 적합도 점수를 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
아래의 실시예들은 교통취약지역 노선의 효율성 증대를 위해 고정된 노선의 효율성 분석이 아닌 유전 알고리즘을 활용한 노선 최적화 방법을 제시하고자 한다. 또한, 최적화된 노선과 기존 노선의 노선 단위길이 당 탑승객 수를 비교하여 개선여부를 확인한 후, 차후 년도 인구증가율을 통해 향후 개선여부를 분석하고자 한다.
도 2는 일 실시예에 따른 버스 노선의 최적화 방법을 나타내는 흐름도이다.
도 2를 참조하면, 실시예들은 시내버스 노선을 최적화하기 위하여 유전 알고리즘을 활용하였다. 유전 알고리즘은 자연 세계의 진화과정을 모방한 전역 최적화 기법으로, 도 4에 도시된 바와 같이 파라미터 초기화 및 초기 유전형질을 생성한 후, 적합도 함수를 통해 우성과 열성 유전 형질을 판별할 수 있다. 이를 바탕으로 다음 세대의 유전형질을 확률적으로 선택 및 교차, 변이를 반복적으로 진행하여 최적의 값을 도출할 수 있다. 이는 다음과 같다.
일 실시예에 따른 컴퓨터 장치를 이용하여 구현되는 버스 노선의 최적화 방법은, 버스 노선의 경로에 대한 복수개의 초기 유전형질을 생성한 후, 초기 유전형질을 모집단 경로로 설정하는 단계(S120), 생성된 모집단 경로를 사전에 정의된 적합도 함수(Fitness Function)를 통해 평가한 후, 각 개체를 Key로 설정하고, 적합도 점수(Fitness Score)를 Value로 설정하는 모집단 경로의 Key, Value 쌍을 생성하는 단계(S130), 생성된 모집단 경로의 Key, Value 쌍에서 가장 높은 Value 값을 가지는 모집단 경로의 Key, Value 쌍을 선택하는 단계(S140), 생성된 모집단 경로의 Key, Value 쌍을 바탕으로 정류장을 교차 선택하여 복수개의 자식 개체를 생성한 후, 생성된 자식 개체를 자식집단 경로로 설정하는 단계(S150), 생성된 자식집단 경로를 적합도 함수를 통해 평가한 후, 각 개체를 Key로 설정하고, 적합도 점수를 Value로 설정하는 자식집단 경로의 Key, Value 쌍을 생성하는 단계(S160), 생성된 자식집단 경로의 Key, Value 쌍에서 가장 높은 Value 값을 가지는 자식 개체 Key를 선택한 후 저장하는 단계(S170), 자식집단 경로를 모집단 경로로 설정하는 단계(S180), 및 기설정된 진화 종료 조건을 충족(S191)하는 경우, 저장된 자식집단 경로의 Key, Value 쌍 중 가장 높은 Value 값을 가지는 경로의 유전형질을 최적의 유전형질로 정의하는 단계(S190)를 포함하여 이루어질 수 있다.
실시예에 따라 버스 노선의 경로에 대한 복수개의 초기 유전형질을 생성하기 이전에, 초기 모집단 경로 크기, 자식집단 경로 크기, 돌연변이 확률 및 반복횟수 중 적어도 어느 하나 이상의 파라미터를 초기화하는 단계(S110)를 더 포함할 수 있다.
아래에서 일 실시예에 따른 버스 노선의 최적화 방법을 보다 구체적으로 설명한다.
일 실시예에 따른 컴퓨터 장치를 이용하여 구현되는 버스 노선의 최적화 방법은 버스 노선의 최적화 시스템을 예를 들어 설명할 수 있다.
도 3은 일 실시예에 따른 버스 노선의 최적화 시스템을 나타내는 블록도이다.
도 3을 참조하면, 일 실시예에 따른 버스 노선의 최적화 시스템(300)은 모집단 경로 설정부(320), 모집단 경로 쌍 생성부(330), 모집단 경로 쌍 선택부(340), 자식집단 경로 설정부(350), 자식집단 경로 쌍 생성부(360), 자식 개체 저장부(370), 모집단 경로 재설정부(380) 및 최적 유전형질 정의부(390)를 포함하여 이루어질 수 있다. 실시예에 따라 파라미터 초기화부(310)를 더 포함할 수 있다.
단계(S110)에서, 파라미터 초기화부(310)는 초기 모집단 경로 크기(n), 자식집단 경로 크기(m), 돌연변이 확률(p) 및 반복횟수(k) 중 적어도 어느 하나 이상의 파라미터를 초기화할 수 있다.
단계(S120)에서, 모집단 경로 설정부(320)는 버스 노선의 경로에 대한 복수개의 초기 유전형질을 생성한 후, 초기 유전형질을 모집단 경로로 설정할 수 있다. 예를 들어,
Figure 112020101975065-pat00003
n개의 초기 유전형질을 생성한 후, 이를 모집단으로 설정할 수 있다.
복수개의 초기 유전형질을 생성하기 위해, 출발지 정류장 및 목적지 정류장을 선택하는 단계, 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계, 선택된 인접 정류장이 목적지 정류장인지 여부를 확인하는 단계, 선택된 인접 정류장이 목적지 정류장이 아닌 경우, 경로에 선택된 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계, 및 선택된 인접 정류장이 목적지 정류장인 경우, 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계를 포함하고, 반환된 경로를 이용하여 복수개의 초기 유전형질을 생성한 후, 모집단 경로로 설정할 수 있다. 한편, 초기 유전형질을 생성하는 과정은 도 5에서 보다 상세히 설명한다.
단계(S130)에서, 모집단 경로 쌍 생성부(330)는 생성된 모집단 경로를 사전에 정의된 적합도 함수(Fitness Function)를 통해 평가한 후, 각 개체를 Key로 설정하고, 적합도 점수(Fitness Score)를 Value로 설정하는 모집단 경로의 Key, Value 쌍을 생성할 수 있다.
단계(S140)에서, 모집단 경로 쌍 선택부(340)는 생성된 모집단 경로의 Key, Value 쌍에서 가장 높은 Value 값을 가지는 모집단 경로의 Key, Value 쌍을 선택할 수 있다.
단계(S150)에서, 자식집단 경로 설정부(350)는 생성된 모집단 경로의 Key, Value 쌍을 바탕으로 정류장을 교차 선택하여 복수개의 자식 개체를 생성한 후, 생성된 자식 개체를 자식집단 경로로 설정할 수 있다. 예컨대, 생성된 n개(k>1일 경우, m)의 Key, Value 쌍을 바탕으로 정류장을 교차 선택하여 m개의 자식 개체를 생성한 후, 이를 자식집단으로 설정할 수 있다.
여기서, 자식집단 경로 설정부(350)는 각 경로의 적합도를 모두 합한 값의 크기를 가진 룰렛 휠(Roulette wheel) 선택을 사용하여, 각 경로가 룰렛 휠 상에 자신의 적합도만큼의 공간을 배정받음에 따라 각 경로가 자식세대에 유전형질을 물려줄 확률을 산출할 수 있다. 또한, 자식세대 경로의 경유 정류장을 교차 선택 시, 사전에 정의된 돌연변이 확률을 통해 임의의 유전형질을 선택하여 자식세대를 생성할 수 있다.
단계(S160)에서, 자식집단 경로 쌍 생성부(360)는 생성된 자식집단 경로를 적합도 함수를 통해 평가한 후, 각 개체를 Key로 설정하고, 적합도 점수를 Value로 설정하는 자식집단 경로의 Key, Value 쌍을 생성할 수 있다.
단계(S170)에서, 자식 개체 저장부(370)는 생성된 자식집단 경로의 Key, Value 쌍에서 가장 높은 Value 값을 가지는 자식 개체 Key를 선택한 후 저장할 수 있다. 즉, 자식개체를 기록할 수 있다.
단계(S180)에서, 모집단 경로 재설정부(380)는 자식집단 경로를 모집단 경로로 설정할 수 있다.
기설정된 진화 종료 조건을 충족(S191)하는 경우, 단계(S190)에서, 최적 유전형질 정의부(390)는 저장된 자식집단 경로의 Key, Value 쌍 중 가장 높은 Value 값을 가지는 경로의 유전형질을 최적의 유전형질로 정의할 수 있다. 보다 구체적으로, 반복횟수가 k회가 될 때까지 단계(S150) ~ 단계(S180) 과정을 반복할 수 있다. 만약 진화 종료 조건을 충족하면 단계(S170)에서 저장된 Key, Value 쌍 중 가장 높은 value를 가지는 유전형질을 최적의 유전형질로 정의할 수 있다.
도 4는 일 실시예에 따른 초기 유전형질 생성의 예를 나타내는 도면이다.
노선이 경유하는 정류장은 정류장의 순서로 나타낼 수 있고, 각 정류장은 id로 나타낼 수 있다. 도 4를 참조하면, 예를 들어 5개의 정류장(O, D, k1, k2, k3)이 있고 각 정류장은 아래와 같이 연결되어 있으며 기점 및 종점은 각각 O와 D라고 가정한다. 여기서, 기점 O은 출발지 정류장(origin station)을 의미하고, 종점 D은 목적지(destination station)을 의미할 수 있다.
이러한 경우,
Figure 112020101975065-pat00004
(경로 1),
Figure 112020101975065-pat00005
(경로 2) 혹은
Figure 112020101975065-pat00006
(경로 3) 등과 같이 1과 5 사이의 무작위 비반복 정류장 id 순서로 경로를 나타낼 수 있다. 이러한 경로를 n개 만들 수 있으며, 경로의 최소 및 최대 경유 정류장 수는 최단 경로인 3개와 모든 정류장을 경유하는 5개이다. 이러한 초기 유전형질 생성은 도 5와 같은 과정을 따를 수 있다.
도 5는 일 실시예에 따른 버스 노선의 설정 방법을 나타내는 흐름도이다.
도 5를 참조하면, 일 실시예에 따른 버스 노선의 설정 방법을 나타내며, 이는 앞에서 설명한 복수개의 초기 유전형질을 생성하는 방법과 그 방법이 중복될 수 있다.
일 실시예에 따른 컴퓨터 장치를 이용하여 구현되는 버스 노선의 설정 방법은, 출발지 정류장 및 목적지 정류장을 선택하는 단계(S210), 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계(S220), 선택된 인접 정류장이 목적지 정류장인지 여부를 확인하는 단계(S230), 선택된 인접 정류장이 목적지 정류장이 아닌 경우, 경로에 선택된 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계(S240), 및 선택된 인접 정류장이 목적지 정류장인 경우, 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계(S250)를 포함할 수 있다.
아래에서 일 실시예에 따른 버스 노선의 설정 방법을 보다 구체적으로 설명한다.
일 실시예에 따른 버스 노선의 설정 방법은 버스 노선의 설정 시스템을 예를 들어 설명할 수 있다.
도 6은 일 실시예에 따른 버스 노선의 설정 시스템을 나타내는 블록도이다.
일 실시예에 따른 버스 노선의 설정 시스템(600)은 출발지 및 목적지 선택부(610), 인접 정류장 선택부(620), 목적지 정류장 여부 확인부(630), 인접 정류장 추가부(640), 및 경로 반환부(650)를 포함하여 이루어질 수 있다.
단계(S210)에서, 출발지 및 목적지 선택부(610)는 출발지 정류장 및 목적지 정류장을 선택할 수 있다.
단계(S220)에서, 인접 정류장 선택부(620)는 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택할 수 있다.
단계(S230)에서, 목적지 정류장 여부 확인부(630)는 선택된 인접 정류장이 목적지 정류장인지 여부를 확인할 수 있다.
단계(S240)에서, 인접 정류장 추가부(640)는 선택된 인접 정류장이 목적지 정류장이 아닌 경우, 경로에 선택된 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택할 수 있다.
단계(S250)에서, 경로 반환부(650)는 선택된 인접 정류장이 목적지 정류장인 경우, 목적지 정류장을 경로에 추가하고, 경로를 반환할 수 있다.
도 7은 일 실시예에 따른 룰렛 휠 선택을 설명하기 위한 도면이다.
각 경로는 실험자가 사전에 정의한 적합도 함수를 통해 점수를 부여할 수 있으며, 이를 적합도 점수라 한다. 적합도 함수는 각 경로를 입력값으로, 적합도 점수를 출력값으로 하며, 알고리즘을 반복 수행함으로써 적합도 점수를 최대화 혹은 최소화하는 목적을 가진다. 여기에서는 적합도 점수가 높은 개체를 생존과 번식에 유리하도록 룰렛 휠 선택을 사용하였다. 한편, 실시예에 따라 적합도 점수가 낮은 개체를 선택하도록 하는 것도 가능하다.
도 7에 도시된 바와 같이, 룰렛 휠 선택은 계산한 각 경로의 적합도를 모두 합한 값의 크기를 가진 룰렛 휠을 가정한다. 각 경로는 이 룰렛 휠 상에 자신의 적합도만큼의 공간을 배정받는다. 예를 들어,
Figure 112020101975065-pat00007
(
Figure 112020101975065-pat00008
),
Figure 112020101975065-pat00009
(
Figure 112020101975065-pat00010
) 그리고
Figure 112020101975065-pat00011
(
Figure 112020101975065-pat00012
)가 각각 3, 2, 1이라는 적합도 점수를 받았을 때, 각 경로가 자식세대에 유전형질을 물려줄 확률,
Figure 112020101975065-pat00013
는 각각
Figure 112020101975065-pat00014
3/6,
Figure 112020101975065-pat00015
2/6,
Figure 112020101975065-pat00016
1/6이다. 이를 바탕으로 적합도 점수가 높은 개체의 유전확률을 높여줄 수 있다.
도 8은 일 실시예에 따른 교차 선택과 돌연변이를 이용한 버스 노선의 설정 방법을 나타내는 흐름도이다.
도 8을 참조하면, 일 실시예에 따른 교차 선택과 돌연변이를 이용한 버스 노선의 설정 방법을 나타내며, 이를 통해 교차 선택과 돌연변이에 대해 보다 상세히 설명할 수 있다.
앞서 산출된 경로 별 확률을 바탕으로 자식세대 경로의 경유 정류장을 교차 선택할 수 있다. 또한 지역 최적해에 빠지지 않기 위해, 자식세대 생성을 위한 교차 선택과정에서 적합도 함수에 의한 룰렛 휠 선택이 아닌, 단계(S110)의 사전에 정의된 돌연변이 확률 P를 통해 임의의 유전형질을 선택하여 자식세대를 생성할 수 있다. 이는 최적화 과정 중 적합도 점수(fitness score)가 지역 최적해(Local maxima)에 빠지지 않고 전역 최적해(Global maxima)에 도달할 수 있도록 하는 중요한 조건이다. 이는 아래의 과정을 통해 산출할 수 있으며 앞선 예시의 3개 노선을 바탕으로 자식 노선을 생성할 시 다음과 같다.
모집단 경로를 바탕으로 기점 및 종점을 설정하며 기점 O 다음의 정류장을 선택할 경우, 선택 가능한 정류장은 k1, k3이다.
k1에 해당하는 경로는 경로 1과 경로 3이며 점수는 3과 1이다. k3에 해당하는 경로는 경로 2이며 점수는 2이다.
룰렛 휠 선택을 통해 기점 O 다음의 정류장의 선택확률은 {k1: 4/6, k3: 2/6} 이다.
만약 k1이 선택되었을 경우, k1 다음으로 선택할 수 있는 정류장은 k2, k3 이며 각 정류장의 선택확률은 {k2: 3/4, k3: 1/4}이다.
만약 k2가 선택되었을 경우, k2 다음으로 선택할 수 있는 정류장은 k3, D 이며 각 정류장의 선택확률은 {k3: 3/4, D: 1/4}이다.
만약 k3가 선택될 경우, 다음으로 선택할 정류장은 D뿐이므로 경로는 [O, k1, k2, k3, D]가 된다. 만약 D가 선택될 경우, 경로는 [O, k1, k2, D]가 된다.
일 실시예에 따른 컴퓨터 장치를 이용하여 구현되는 버스 노선의 설정 방법은, 출발지 정류장 및 목적지 정류장을 선택하는 단계(S310), 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계(S340), 선택된 인접 정류장이 목적지 정류장인지 여부를 확인하는 단계(S360), 선택된 인접 정류장이 목적지 정류장이 아닌 경우, 경로에 선택된 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계(S380), 및 선택된 인접 정류장이 목적지 정류장인 경우, 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계(S370)를 포함할 수 있다.
여기서, 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 단계(S320)를 더 포함하고, 임의의 경로가 사전에 정의된 돌연변이 확률 P 미만인 경우, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택할 수 있다.
또한, 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 단계(S320), 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인 경우, 룰렛 휠(Roulette wheel) 선택을 사용하여, 현재 경로의 마지막 정류장의 인접 정류장을 선택하는 단계(S330), 및 경로 내에 선택된 인접 정류장의 존재 여부를 확인하는 단계(S350)를 포함하고, 경로 내에 선택된 인접 정류장이 존재하지 않는 경우, 선택된 인접 정류장이 목적지 정류장인지 여부를 확인(S360)할 수 있다.
경로 내에 선택된 인접 정류장이 존재하는 경우, 다시 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인(S320)할 수 있다.
아래에서는 하나의 실험을 예를 들어 설명한다.
대한민국 인천광역시 영종도는 2019년 기준 세계 공항 이용객 순위 5위를 기록한 인천국제공항이 있는 지역이다. 또한 2019년 말 기준 영종도 인구는 87,884명으로 이는 영종도가 소속된 행정구역인 인천광역시 중구 전체 인구수(133,351명)의 65.9%에 해당된다. 대한민국 행정안전부 주민등록 인구통계 자료를 기준으로 영종도 지역의 인구는 2016년 12월부터 2019년 12월까지 지속적으로 증가하고 있다. 또한, 영종도가 소속되어 있는 중구는 향후에도 인천광역시의 인구보다 큰 폭으로 증가하며 인천 인구 대비 중구 인구의 비율도 점차 늘어날 것으로 관측된다. 하지만 이 지역은 버스노선 운행횟수, 대중교통 통행비율 및 공급 정류장 수가 적어 현실적으로 버스 이용이 어려운 교통취약 지역으로 분류된다. 이러한 실정은 영종도의 인구수 증가에 따라서 더욱 심화될 것이며 이를 해결하기 위해선 노선변경을 통한 효율적인 노선운행이 필요하다.
대규모 교통 인프라인 시내버스의 노선변경이 잦아질 경우, 시민들의 불편을 야기한다. 따라서 노선의 경로를 변경할 경우, 차후 년도 수요의 예측은 필수적으로 고려해야 할 요소이며, 이는 인구가 큰 폭으로 증가하는 지역에서는 더욱 중요하다. 인천에서 운행중인 시내버스 중 경유 정류장의 50% 이상이 영종도에 위치할 경우 해당 노선을 영종도의 시내버스로 정의하였으며 정의된 노선은 111번, 302번, 303번, 303-1번, 304번, 306번, 307번, 308번, 320번으로 총 8개 노선이다. 여기에서는 차후 년도 수요를 예측하기 위해 2018년 및 2019년도 교통카드 데이터를 분석하여 교통량 증가를 확인하였으며, 이를 통해 8개 노선의 최적 경로를 산출하고 2018년 교통카드 데이터 및 인구 증가율을 통해 차후 년도 교통 수요량을 추정하며 이를 통해 산출 경로를 검증할 것이다. 해당 노선들은 모두 인천내륙지역에 기점을 가지며 영종 지역에서 회차하여 다시 내륙지역으로 돌아오는 노선이다. 이러한 노선들은 기점에서 회차지, 회차지에서 종점, 즉 상행 경로와 하행 경로로 나눌 수 있다. 노선 최적화를 위해 기점과 종점을 입력값으로 넣을 경우, 기점과 종점은 가까운 위치에 있기에 경로가 올바르게 산출되지 않는다. 따라서 각 노선들의 상행 경로와 하행 경로를 분리하여 각각 최적화를 진행하여 산출된 최적 노선을 바탕으로 년도 별 인구증가율에 따른 예측된 수요를 바탕으로 적합도 점수를 비교하였다.
여기에서는 영종 지역의 시내버스 노선 최적화를 위해 2가지 데이터를 사용하였다.
ㆍ 2018년 및 2019년 교통카드 데이터
ㆍ 2019.09.01 기준 인천광역시 정류장 및 노선 현황 데이터
교통카드 데이터는 시민들이 대중교통을 이용하여 만들어진 로그 수준의 데이터로서 특정 개인의 출발 및 도착 지역, 이동수단 코드, 이동시각에 대한 정보가 포함되어 있으며 본 데이터를 통해 정류장 간 이동인원 수 및 이동수단을 알 수 있다. 교통카드 데이터는 2018.07.01~2018.07.07, 2018.11.01~2018.11.07 및 2019.09.01~2019.09.07 기간의 데이터를 바탕으로 하였으며 본 데이터를 간략히 표현하면 다음과 같다.
노선 및 정류장 현황 데이터는 2019.09.01 기준 인천광역시에서 관리 중인 정류장들과 노선들의 경유 정류장 순서 데이터이다. 정류장 현황 데이터는 정류장명, 정류장 번호, 정류장 ID, ISC 정류장 ID(교통카드 데이터 기준 ID), 위도, 경도에 대한 데이터로 6172개가 있으며 표 3과 같다.
[표 3]
Figure 112020101975065-pat00017
노선 현황 데이터는 정류장명, 정류장 번호, 노선 ID, 노선명, 정류장 순번에 대한 데이터이며 표 4와 같다.
[표 4]
Figure 112020101975065-pat00018
아래에서는 자료 구축 및 차후 년도 수요 예측에 대해 설명한다.
도 9는 일 실시예에 따른 경로 그래프 작성 예를 설명하기 위한 도면이다. 그리고, 도 10은 일 실시예에 따른 수요 그래프 생성 예를 설명하기 위한 도면이다.
도 9 및 도 10을 참조하면, 여기에서는 2개의 데이터를 바탕으로 vertex와 edge로 이루어진 graph 형식의 자료구조로 변환하였으며 이를
Figure 112020101975065-pat00019
로 하였다. 각 graph의 vertex는 ISC 정류장 ID이며 edge는 단방향이며 가중치를 가지며, 이러한 graph는 'Directed Weighted Graph'이다.
Figure 112020101975065-pat00020
의 edge,
Figure 112020101975065-pat00021
는 edge를 이루는 vertex 쌍의 교통카드 데이터에서 관측된 통행 횟수를 가중치로 가지며,
Figure 112020101975065-pat00022
의 edge,
Figure 112020101975065-pat00023
는 edge를 이루는 vertex 쌍의 실제 차량 주행거리를 가중치로 가진다. 가중치를 구하기 위해 SK Telecom에서 제공하는 T-map API를 통해 각 정류장의 위경도 좌표에 따른 차량 주행거리를 산출하였다.
Figure 112020101975065-pat00024
의 edge는 모든 vertex 쌍의 개수, 즉 (vertex의 개수 * vertex의 개수)만큼의 edge가 필요하지만 이러한 이상적인 edge의 개수는 과도한 컴퓨팅 파워 및 T-map API 비용이 필요하다. 또한 이창호(2016)는 도로조건, 교통운영조건, 차량행태조건 등 교통여건을 가정하여 모의 실험한 결과, 버스 정류장 간의 적정 이격거리는 148m이상으로 필요한 것으로 산정하였다(C. Lee & Kwon, 2016). 따라서
Figure 112020101975065-pat00025
는 기존 노선들이 운행중인 vertex 쌍과 vertex와 vertex 간의 직선거리가 400m 이하인 vertex 쌍을 edge로 하며 실제 차량 주행거리를 가중치로 하였다.
차후 년도의 수요는 노선 변경 시 필수적으로 고려해야 할 요소이며,
Figure 112020101975065-pat00026
의
Figure 112020101975065-pat00027
변화량으로 표현할 수 있다. 여기에서는 인천에서 운행중인 시내버스 중 경유 정류장의 50% 이상이 중구에 위치할 경우 해당 노선을 중구노선이라 정의하였으며 정의된 노선은 203, 222, 223 등 총 8개 노선이다. 정의된 노선과 교통카드 데이터를 바탕으로 해당 노선을 이용하였을 경우 중구 인구 증가율을 곱하고, 다른 노선을 이용하였을 경우 중구 외 지역 인구 증가율을 곱하였다.
시내버스 노선의 최적화를 위해서는 시내버스가 이동 가능한 모든 노선을 생명체로 간주하여 노선이 경유하는 정류장을 유전자로, 정류장 간 수요(
Figure 112020101975065-pat00028
)와 거리(
Figure 112020101975065-pat00029
)를 진화할 수 있는 환경으로 구성하였다. 개체가 진화하는 과정에서 단순히 적합도 점수가 가장 높은 두 개의 개체를 선택할 수 있는데 이러한 방법은 염색체의 다양성을 크게 훼손시켜 지역 최적해에 빠질 수 있다. 여기에서는 이러한 문제점을 해결하는 방법으로 유전 알고리즘의 룰렛 휠 선택 방법을 적용하였다. 룰렛 휠 선택이란 어떠한 염색체를 [수학식 1]과 같이 정의된
Figure 112020101975065-pat00030
를 바탕으로 유전자를 확률적으로 선택하는 것이 룰렛 휠 선택이다. 여기서 N은 개체의 수이고, f는 개체의 적합도를 구하는 함수이다. 유전 알고리즘에서의 적합도 함수는 어떠한 염색체가 갖고 있는 고유값으로써, 해당 문제에 대해 염색체가 표현하는 해가 얼마나 적합한지를 나타낸다.
시내버스의 최적 노선을 찾기 위하여 [수학식 1]과 같이 노선의 수요, 길이, 굴곡도, 평균 이격거리 지표를 활용한 적합도 함수를 정의하였다. 유전 알고리즘이 노선의 수요가 많이 발생하는 정류장을 경유하도록 진화되며, 마찬가지로 노선의 길이, 굴곡도, 이격 거리가 낮아지도록 진화하는 과정에서 적합도 함수에 의해 점수가 부여된다. 이는 노선이 진화되는 환경(
Figure 112020101975065-pat00031
)에 얼마나 적응하였는지 나타내는 수치이다. 이 점수가 높을수록 해당 개체(수요
Figure 112020101975065-pat00032
가 높으며, 노선의 길이
Figure 112020101975065-pat00033
와 굴곡도
Figure 112020101975065-pat00034
, 정류장 간 거리
Figure 112020101975065-pat00035
가 낮은 노선)가 다음 세대에 유전자를 물려줄 확률이 높아지도록 하였다.
[수학식 1]
Figure 112020101975065-pat00036
변이는 지역 최적해에 빠지지 않도록 해주는 장치로서, 자식세대 생성을 위한 유전형질 교차 선택과정에서 적합도 함수에 의한 확률적 교차 선택이 아닌 임의의 유전형질을 선택하여 자식세대를 생성하는 방법이다. 이는 최적화 과정 중 적합도 점수가 지역 최적해(Local maxima)에 빠지지 않고 전역 최적해(Global maxima)에 도달할 수 있도록 하는 중요한 조건이다. 여기에서는 자식세대 노선 집단을 생성할 때 5%의 확률로 적합도 점수가 아닌 임의의 인접 정류장을 선택하도록 하였다.
진화 종료 조건은 특정 노선의 적합도 점수가 최고점을 산출했을 때 종료하여야 한다. 하지만 한정적인 컴퓨팅 자원과 시간으로 인해 실험적으로 자식 노선집단의 평균 적합도 점수가 수렴하는 진화 횟수를 찾아 그 횟수만큼 진화를 반복시켰다. 여기에서는 실험적으로 노선 별로 500회 진화를 진행하였을 때 수렴하는 것을 확인하였고 진화 종료 조건을 진화횟수=500으로 하였다.
도 11은 일 실시예에 따른 출발지 및 최적 경로에 대한 적합도 점수의 변화 추세를 나타내는 도면이다. 그리고 도 12는 일 실시예에 따른 진화횟수에 따른 세대당 평균 적합도 점수를 나타내는 도면이다.
실험 결과, 도 11 및 도 12에 도시된 바와 같이, 모든 노선의 적합도 점수가 500 epoch 이전에 수렴하는 것을 볼 수 있으며, 산정된 적합도 함수를 기준으로 기존 노선과 비교하여 적합도 점수가 상향되는 것을 볼 수 있다. 또한 산출된 최적화 노선을 바탕으로 2020년부터 향후 10년인 2029년까지의 적합도 점수를 확인하였을 때 노선 별로 그 격차가 점점 커지는 것을 알 수 있다. 따라서 기존 노선을 유지하는 것보다 산출된 최적 노선으로 변경하는 것이 추후 증가하는 수요에 더 효율적으로 대응할 수 있다.
실시예들은 교통취약지역의 대중교통 서비스 악화를 해결하고자 유전 알고리즘을 통해 노선의 최적경로를 산출한 후, 차후 년도 교통 수요 예측을 통해 이를 검증하였다. 이를 위해, 2018년 7월 및 11월, 2019년 9월 각 1주일간의 교통카드 데이터 및 버스정류장 간의 도로 연결 여부를 그래프 형식의 자료구조로 변환하여 노선의 경로 별 적합도 점수를 부여하였다. 또한 예측된 교통 수요를 바탕으로 경로 별로 년도 별 적합도 점수를 분석하였다.
분석 결과, 모든 중구 노선이 2019년 교통카드 데이터를 기준으로 하여 최적경로를 산출할 경우 기존 경로와 다른 경로가 산출되며 최적경로와 예측 교통 수요를 바탕으로 적합도 함수를 적용하였을 시 모든 노선이 기존 노선보다 최적노선의 적합도 점수 증가량이 더욱 큰 것을 알 수 있었다. 이를 통해, 산출된 최적노선으로 운행할 시, 투입되는 노선의 증차가 없이 교통취약지역 노선의 효율성을 증대 시킬 수 있을 것으로 예상되며 이를 통해 교통취약지역이 가지는 악순환을 해결할 수 있을 것으로 예상된다. 또한 본 실시예들을 통해 실험자의 개별적인 적합도 함수 정의를 통해 다양한 형태의 최적 경로를 산출할 수 있어 노선개편기준 혹은 정책 방향 등을 제시할 수 있을 것으로 판단된다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 컴퓨터 장치를 이용하여 구현되는 버스 노선의 설정 방법에 있어서,
    출발지 정류장 및 목적지 정류장을 선택하는 단계;
    상기 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계;
    선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 단계;
    선택된 상기 인접 정류장이 상기 목적지 정류장이 아닌 경우, 경로에 선택된 상기 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계; 및
    선택된 상기 인접 정류장이 상기 목적지 정류장인 경우, 상기 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계
    를 포함하고,
    상기 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 단계
    를 더 포함하고,
    상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 미만인 경우, 상기 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 것
    을 특징으로 하는, 버스 노선의 설정 방법.
  2. 삭제
  3. 컴퓨터 장치를 이용하여 구현되는 버스 노선의 설정 방법에 있어서,
    출발지 정류장 및 목적지 정류장을 선택하는 단계;
    상기 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계;
    선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 단계;
    선택된 상기 인접 정류장이 상기 목적지 정류장이 아닌 경우, 경로에 선택된 상기 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 단계; 및
    선택된 상기 인접 정류장이 상기 목적지 정류장인 경우, 상기 목적지 정류장을 경로에 추가하고, 경로를 반환하는 단계
    를 포함하고,
    상기 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 단계;
    상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인 경우, 룰렛 휠(Roulette wheel) 선택을 사용하여, 현재 경로의 마지막 정류장의 인접 정류장을 선택하는 단계; 및
    상기 경로 내에 선택된 상기 인접 정류장의 존재 여부를 확인하는 단계
    를 포함하고,
    상기 경로 내에 선택된 상기 인접 정류장이 존재하지 않는 경우, 선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 것
    을 특징으로 하는, 버스 노선의 설정 방법.
  4. 제3항에 있어서,
    상기 경로 내에 선택된 상기 인접 정류장이 존재하는 경우, 다시 상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하는 것
    을 특징으로 하는, 버스 노선의 설정 방법.
  5. 버스 노선의 설정 시스템에 있어서,
    출발지 정류장 및 목적지 정류장을 선택하는 출발지 및 목적지 선택부;
    상기 출발지 정류장을 기점으로 시작하여, 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 인접 정류장 선택부;
    선택된 상기 인접 정류장이 상기 목적지 정류장인지 여부를 확인하는 목적지 정류장 여부 확인부;
    선택된 상기 인접 정류장이 상기 목적지 정류장이 아닌 경우, 경로에 선택된 상기 인접 정류장을 추가하고, 다시 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 인접 정류장 추가부; 및
    선택된 상기 인접 정류장이 상기 목적지 정류장인 경우, 상기 목적지 정류장을 경로에 추가하고, 경로를 반환하는 경로 반환부
    를 포함하고,
    상기 인접 정류장 선택부는,
    상기 출발지 정류장 및 목적지 정류장을 선택한 후, 경로의 경유 정류장을 교차 선택 시, 임의의 경로가 사전에 정의된 돌연변이 확률 P 이상인지 여부를 확인하고, 상기 임의의 경로가 사전에 정의된 돌연변이 확률 P 미만인 경우, 상기 현재 경로의 마지막 정류장의 인접 정류장을 임의로 선택하는 것
    을 특징으로 하는, 버스 노선의 설정 시스템.
KR1020200124138A 2020-09-24 2020-09-24 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템 KR102489079B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200124138A KR102489079B1 (ko) 2020-09-24 2020-09-24 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200124138A KR102489079B1 (ko) 2020-09-24 2020-09-24 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템

Publications (2)

Publication Number Publication Date
KR20220040878A KR20220040878A (ko) 2022-03-31
KR102489079B1 true KR102489079B1 (ko) 2023-01-16

Family

ID=80935079

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200124138A KR102489079B1 (ko) 2020-09-24 2020-09-24 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR102489079B1 (ko)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019046021A (ja) * 2017-08-31 2019-03-22 株式会社日立製作所 交通路線計画策定支援装置及び交通路線計画策定の支援方法
WO2020057367A1 (zh) 2018-09-20 2020-03-26 京东数字科技控股有限公司 公交线路生成方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100902737B1 (ko) * 2002-09-28 2009-06-15 주식회사 케이티 동적 교통정보를 바탕으로 하는 다수의 최적 경로 탐색 방법
KR100555105B1 (ko) * 2003-08-05 2006-02-24 팅크웨어(주) 대중 교통 통합 경로 정보 제공 방법 및 경로 정보 제공장치
KR101782098B1 (ko) 2017-04-13 2017-09-26 주식회사 코어시스템즈 버스 노선을 결정하기 위한 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019046021A (ja) * 2017-08-31 2019-03-22 株式会社日立製作所 交通路線計画策定支援装置及び交通路線計画策定の支援方法
WO2020057367A1 (zh) 2018-09-20 2020-03-26 京东数字科技控股有限公司 公交线路生成方法和装置

Also Published As

Publication number Publication date
KR20220040878A (ko) 2022-03-31

Similar Documents

Publication Publication Date Title
Qu et al. A cost-effective recommender system for taxi drivers
Aslam et al. Optimal roadside units placement in urban areas for vehicular networks
Park A hybrid genetic algorithm for the vehicle scheduling problem with due times and time deadlines
CN111178582A (zh) 一种基于改进遗传算法的物流配送优化方法
Fan et al. A simple multi-objective optimization algorithm for the urban transit routing problem
Duran et al. Transit network design with pollution minimization
CN112347596B (zh) 一种城市公交线网优化方法
CN112381472A (zh) 一种地铁接驳公交线路优化方法、装置及存储介质
Johar et al. Transit network design and scheduling using genetic algorithm–a review
Jossé et al. Probabilistic Resource Route Queries with Reappearance.
Hassan et al. Consideration of different travel strategies and choice set sizes in transit path choice modelling
Wang et al. Public transport planning: When transit network connectivity meets commuting demand
CN113908551B (zh) 导航路径的确定方法、装置、设备、存储介质及程序产品
KR102489079B1 (ko) 교통취약지역을 위한 시내버스 노선의 설정 방법 및 시스템
KR102489888B1 (ko) 시내버스 교통취약지역 노선 효율 개선을 위한 유전 알고리즘을 활용한 노선 최적화 방법 및 시스템
Chand et al. A multi objective genetic algorithm for solving vehicle routing problem
Chen et al. Multiple depots vehicle routing problem in the context of total urban traffic equilibrium
KR101462337B1 (ko) 유전 알고리즘을 이용한 전기 자동차 재배치 스케줄링 방법 및 장치
CN113285832B (zh) 基于nsga-ii的电力多模态网络资源优化分配方法
Wen et al. Hierarchical Sarsa learning based route guidance algorithm
KR101401787B1 (ko) 하이브리드 오리엔티어링 모델에 기초한 전기 자동차를 위한 경로 추천 서비스 방법 및 장치
Sonet et al. SharY: a dynamic ridesharing and carpooling solution using advanced optimised algorithm
Bulut et al. Optimizing bus lines using genetic algorithm for public transportation
Wen et al. An efficient preprocessing method for suboptimal route computation
Biswas Multi-objective genetic algorithms for multi-depot VRP with time windows

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant