KR102660573B1 - 손익 기반 m-drt 시뮬레이션 시스템 및 그 방법 - Google Patents
손익 기반 m-drt 시뮬레이션 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR102660573B1 KR102660573B1 KR1020230070866A KR20230070866A KR102660573B1 KR 102660573 B1 KR102660573 B1 KR 102660573B1 KR 1020230070866 A KR1020230070866 A KR 1020230070866A KR 20230070866 A KR20230070866 A KR 20230070866A KR 102660573 B1 KR102660573 B1 KR 102660573B1
- Authority
- KR
- South Korea
- Prior art keywords
- drt
- profit
- simulation
- loss
- node
- Prior art date
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 157
- 238000000034 method Methods 0.000 title claims abstract description 27
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 229920001690 polydopamine Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G06Q50/40—
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
Abstract
본 발명은 노드간 운행 비용과 호출 수요를 예측하여 생성된 노선별 손익 데이터를 기반으로 손익 시뮬레이션을 수행함으로써 최적의 M-DRT 운행 정책을 결정 및 생성할 수 있는 손익 기반 M-DRT 시뮬레이션 시스템 및 그 방법에 관한 것으로, 그 구성은, M-DRT 플랫폼으로부터 제공받은 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측하는 노드간 운행 비용 예측부; 상기 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측하는 노드별 호출 수요 예측부; 상기 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성하는 노선별 손익 데이터 생성부; M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하는 M-DRT 운행 조건을 설정하는 M-DRT 운행 조건 설정부; 상기 M-DRT 운행 조건 및 노드별 호출 수요를 기반으로 상기 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행하는 손익 시뮬레이션부; 및 상기 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성하는 시뮬레이션 운행 정보 생성부를 포함한다.
Description
본 발명은 손익 기반 M-DRT 시뮬레이션 시스템 및 그 방법에 관한 것으로, 자세하게는 예측된 노드간 운행 비용과 노드별 호출 수요를 이용하여 생성된 노선별 손익 데이터를 기반으로 손익 시뮬레이션을 수행함으로써 최적의 M-DRT 운행 정책을 결정 및 생성할 수 있는 손익 기반 M-DRT 시뮬레이션 시스템 및 그 방법에 관한 것이다.
현재의 대중교통 서비스는 이용자의 요구와는 무관하게 고정된 탑승 시각과 노선을 기반으로 운행하는 방식이다. 이러한 탑승 시각과 노선은 이용자가 결정할 수 없고, 지자체 또는 운수사의 노선 운영 방식에 의하여 결정되고 있다.
또한, 시간대별 이용자의 수요와는 상관없이 지정된 노선을 반복 운행하는 방식으로, 운행 비용이 높고 원하는 시각에 대중교통을 이용할 수 없는 단점으로 서비스 만족도가 높지 않은 실정이다.
한편, 이를 해결하기 위한 DRT(Demand Responsive Transport)는 교통이 불편한 지역을 중심으로 도입되고 있는 미래의 대중교통 서비스이다. 전화 및 앱 등을 이용하여 사용자가 원하는 시간과 장소로 다인승 차량을 호출할 수 있는 수요응답형 교통 서비스로서, 현재의 대중교통 서비스 대비 빠르게 승차하고 목적지에 도달할 수 있는 교통 수단을 의미한다.
특히, 발명의 배경이 되는 대도시 수요응답형 광역 모빌리티(M-DRT, Metropolitan Demand Responsive Transport)는 둘 이상의 시 또는 도 간의 광역 통행을 목적으로 서비스하기 위한 DRT 유형으로, 차량이 운행되는 기종점간 장거리를 운행하는 특징이 있다.
현재, M-DRT 서비스는 사용자들의 호출 수요를 기반으로 M-DRT 차량들의 운행 현황을 고려하여 노선을 계획하는 방식으로 운영되고 있다. 또한, 시간대별 호출 수요를 고려하여 시뮬레이션을 수행하며, 이를 통해 차량의 대기 위치, 탑승 지점 및 하차 지점이 설정되고 있다. 하지만, 이는 시간대별 노드간 운영 비용을 고려하지 않는 방식으로 실질적인 손익을 추정하기 어렵고, M-DRT 차량의 최적의 운행 계획을 설정하는 데에 있어 한계가 존재한다.
따라서, 앞서 설명한 종래 기술의 한계를 해결하기 위해 노드간 운행 비용 및 노드별 호출 수요를 예측하여 노선별 손익 데이터를 생성하고, 노선별 손익 데이터를 기반으로 손익 시뮬레이션을 수행하여 최적의 대기 위치 및 운행 정보를 생성할 수 있는 사용자 정보 기반 M-DRT 스마트 탑승 제공 시스템 및 그 방법의 필요성이 있다.
본 발명이 이루고자 하는 기술적 과제는 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 생성된 노선별 손익 데이터를 기반으로 손익 시뮬레이션을 수행할 수 있는 손익 기반 M-DRT 시뮬레이션 시스템 및 그 방법에 관한 것이다.
본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템은, M-DRT 플랫폼으로부터 제공받은 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측하는 노드간 운행 비용 예측부, 상기 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측하는 노드별 호출 수요 예측부, 상기 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성하는 노선별 손익 데이터 생성부, M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하는 M-DRT 운행 조건을 설정하는 M-DRT 운행 조건 설정부, 상기 M-DRT 운행 조건 및 노드별 호출 수요를 기반으로 상기 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행하는 손익 시뮬레이션부 및 상기 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성하는 시뮬레이션 운행 정보 생성부를 포함할 수 있다.
또한, 상기 손익 시뮬레이션부는, 상기 손익 시뮬레이션 수행 시 M-DRT 차량 대수 설정을 변경하는 차량 대수별 시뮬레이션 모듈 및 상기 손익 시뮬레이션 수행 시 시간대를 변경하는 시간대별 시뮬레이션 모듈을 포함할 수 있다.
또한, 상기 손익 시뮬레이션부는, 상기 손익 시뮬레이션 수행 시 노선별 손익 데이터를 비교하고, 상기 노선별 손익 데이터 비교 결과를 이용하여 특이 운행 여부를 결정하는 특이 운행 시뮬레이션 모듈을 더 포함할 수 있다.
여기서, 상기 특이 운행은 주변 노드의 호출 수요를 무시하고 다른 노드로 이동하거나 미리 정해진 시간대까지 운행 대기하는 것을 포함할 수 있다.
또한, 시뮬레이션 운행 정보 생성부는, 상기 시뮬레이션 운행 정보를 이용하여 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함하는 M-DRT 운행 정책 정보를 결정 및 생성할 수 있다.
본 발명의 일 실시예에 따른 손익 기반 M-DRT 시뮬레이션 방법은, a) M-DRT 플랫폼으로부터 제공받은 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측하는 단계, b) 상기 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측하는 단계, c) 상기 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성하는 단계, d) M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하는 M-DRT 운행 조건을 설정하는 단계, e) 상기 M-DRT 운행 조건 및 노드별 호출 수요를 기반으로 상기 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행하는 단계 및 f) 상기 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성하는 단계를 포함할 수 있다.
또한, 손익 기반 M-DRT 시뮬레이션 방법은, 상기 M-DRT 플랫폼으로부터 상기 M-DRT 운영 데이터를 수신하는 단계를 더 포함할 수 있다.
또한, 손익 기반 M-DRT 시뮬레이션 방법은, 상기 시뮬레이션 운행 정보를 이용하여 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함하는 M-DRT 운행 정책 정보를 결정하는 단계를 더 포함할 수 있다.
또한, 상기 단계 e)는, 상기 손익 시뮬레이션 수행 시 M-DRT 차량 대수 설정을 변경하는 단계, 상기 손익 시뮬레이션 수행 시 시간대를 변경하는 단계 및 상기 손익 시뮬레이션 수행 시 노선별 손익(Ip)을 비교하는 단계를 포함할 수 있다.
또한, 상기 단계 e)는, 상기 노선별 손익(Ip) 비교 결과를 이용하여 특이 운행 여부를 결정하는 단계를 더 포함할 수 있다.
여기서, 상기 특이 운행은 주변 노드의 호출 수요를 무시하고 다른 노드로 이동하거나 미리 정해진 시간대까지 운행 대기하는 것을 포함할 수 있다.
또한, 상기 단계 f)는, 상기 시뮬레이션 운행 정보를 이용하여 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함하는 M-DRT 운행 정책 정보를 결정 및 생성하는 단계를 포함할 수 있다.
본 발명의 실시예에 따르면, 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 생성된 노선별 손익 데이터를 기반으로 손익 시뮬레이션을 수행할 수 있다. 이를 통해, 호출 수요에 따른 최적의 M-DRT 운행 정책을 결정함으로써 M-DRT 서비스의 수익 향상을 기대할 수 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 종래 기술을 도시한 도면이다.
도 2는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템을 도시한 블록도이다.
도 3은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 노선별 손익 데이터 생성 과정을 도시한 참조도이다.
도 4는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 손익 시뮬레이션부를 도시한 블록도이다.
도 5는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 과정을 도시한 흐름도이다.
도 6은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 방법의 손익 시뮬레이션 수행 과정을 도시한 흐름도이다.
도 2는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템을 도시한 블록도이다.
도 3은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 노선별 손익 데이터 생성 과정을 도시한 참조도이다.
도 4는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 손익 시뮬레이션부를 도시한 블록도이다.
도 5는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 과정을 도시한 흐름도이다.
도 6은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 방법의 손익 시뮬레이션 수행 과정을 도시한 흐름도이다.
이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 종래 기술을 도시한 도면이다.
M-DRT 시뮬레이션 시스템(100)은 M-DRT 플랫폼에 시간대별로 저장된 노드별 호출 수요 데이터를 이용하여 M-DRT 시뮬레이션을 수행함으로써 시간대별 최적의 대기 위치 및 운행 정보를 생성하고, 생성된 시간대별 최적 대기 위치 및 운행 정보를 M-DRT 플랫폼(200)으로 제공한다. 이때, M-DRT 시뮬레이션은 운행되는 M-DRT 차량의 대수, 최소 탑승 인원, 최대 대기 시간, 이동 시간 및 교통 상황을 고려하여 수행될 수 있다.
사용자는 사용자 단말(20)을 이용하여 M-DRT 호출 정보를 설정하고, 설정된 M-DRT 호출 정보를 M-DRT 플랫폼(200)으로 제공한다. 이때, 사용자 단말(20)은 유무선 통신을 수행하는 스마트폰 등의 휴대폰, 노트북, 태블릿 PC 및 PDA 등의 모바일 장치, 데스크탑 컴퓨터, 웨어러블 장치 등 다양한 장치를 포함하고, M-DRT 호출 정보는 사용자 정보, 호출 시각, 출발지 정보, 목적지 정보, 출발 희망 시간, 도착 희망 시간 등 M-DRT 차량 운행에 이용되는 정보를 포함할 수 있다.
M-DRT 플랫폼(200)은 M-DRT 호출 정보와 시뮬레이션 운행 정보 및 M-DRT 차량의 운행 현황 정보를 이용하여 M-DRT 운행 정보를 생성하고, 생성된 M-DRT 운행 정보를 M-DRT 차량(10)과 사용자 단말(20)로 제공할 수 있다. 이때, M-DRT 운행 정보는 사용자 정보, 탑승 정류장 정보, 하차 정류장 정보, 정류장별 탑승 시간 및 하차 시간, M-DRT 차량의 운행 현황 정보 등을 포함할 수 있다.
사용자는 사용자 단말(20)로 제공받은 M-DRT 운행 정보를 이용하여 탑승 시간전까지 탑승 정류장으로 이동하여 M-DRT 차량(10)이 도착할 때까지 대기할 수 있다.
M-DRT 차량(10)은 M-DRT 운행 정보에 기초하여 고속도로 등의 광역 통행 구간을 통해 타 도시에 있는 기점 권역과 종점 권역을 왕복하며 승객들을 운송한다. 이때, M-DRT 차량(10)은 응답, 탑승, 운행, 하차 등을 포함하는 운행 현황 정보를 생성하고, 생성된 운행 현황 정보를 M-DRT 플랫폼(200)으로 제공할 수 있다.
M-DRT 플랫폼(200)은 M-DRT 시뮬레이션 시스템(100)으로부터 제공받은 최적 대기 위치를 M-DRT 차량(10)으로 제공한다. 이때, 운행이 종료된 M-DRT 차량(10)은 최적의 대기 장소로 이동하여 대기할 수 있다.
도 2는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템을 도시한 블록도이다.
도 2를 참조하면, M-DRT 시뮬레이션 시스템(100)은 노드간 운행 비용 예측부(110), 노드별 호출 수요 예측부(120), 노선별 손익 데이터 생성부(130), M-DRT 운행 조건 설정부(140), 손익 시뮬레이션부(150) 및 시뮬레이션 운행 정보 생성부(160)를 포함할 수 있다.
M-DRT 데이터베이스(210)는 M-DRT 서비스를 운영하며 발생한 M-DRT 운영 데이터를 저장할 수 있다. 이때, M-DRT 운영 데이터는 노드 위치 정보, 사용자 정보, M-DRT 차량 정보, M-DRT 호출 정보, M-DRT 운행 정보 등을 포함할 수 있다.
노드간 운행 비용 예측부(110)는 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측할 수 있다. 이때, 노드간 운행 비용은 M-DRT 차량이 노드간 운행을 수행할 때 발생하는 비용으로 운행 거리, 연료 소비량, 차량 마모 비용, 인건비 등을 포함할 수 있다.
노드별 호출 수요 예측부(120)는 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측할 수 있다. 이때, 호출 수요는 M-DRT 서비스를 이용하는 사용자들의 호출량으로 시간, 요일, 계절, 날씨, 인구 통계학적 정보 등을 고려하여 예측될 수 있다.
노선별 손익 데이터 생성부(130)는 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 시간대별로 노선별 손익 데이터를 생성할 수 있다. 이때, 노선은 2개 이상의 노드를 연결하여 생성되고, 손익 데이터는 M-DRT 차량이 해당 노선을 운행하였을 때 발생하는 손실 또는 이익 정보를 포함할 수 있다.
M-DRT 운행 조건 설정부(140)는 M-DRT 시뮬레이션을 수행하는데 필요한 M-DRT 운행 조건을 설정할 수 있다. 이때, M-DRT 운행 조건은 운행하는 M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하고, 관리자에 의해 용이하게 설정될 수 있다.
손익 시뮬레이션부(150)는 설정된 M-DRT 운행 조건과 예측된 노드별 호출 수요를 기반으로 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행할 수 있다. 이때, 손익 시뮬레이션은 차량 대수, 시간대, 특이 운행을 기반으로 수행될 수 있으며, 자세한 내용은 도 4를 참조하며 후술하기로 한다.
시뮬레이션 운행 정보 생성부(160)는 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성하고, 생성된 시뮬레이션 운행 정보를 M-DRT 플랫폼(200)으로 제공할 수 있다. 이때, 시뮬레이션 운행 정보는 시간대별 차량 대수 정보, 시간대별 대기 위치 정보, 시간대별 노선 경로, 특이 운행 정보, M-DRT 운행 정책 정보 등을 포함할 수 있다.
여기서, M-DRT 운행 정책 정보는 시간대별로 호출 수요가 발생했을 때 M-DRT 차량을 어떻게 운행할 것인지 설정된 기준을 포함할 수 있다.
M-DRT 플랫폼(200)은 시뮬레이션 운행 정보를 기반으로 사용자들의 호출 데이터를 이용하여 M-DRT 운행 데이터를 생성하고, 생성된 M-DRT 운행 데이터를 사용자 단말과 M-DRT 차량으로 제공할 수 있다.
도 3은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 노선별 손익 데이터 생성 과정을 도시한 참조도이다.
도 3을 참조하면, 노드(N11), 노드(N12), 노드(N13)는 기점 권역에 존재하는 노드, 노드(N21), 노드(N22), 노드(N23)는 종점 권역에 존재하는 노드로 구분될 수 있다.
노드간 운행 비용 예측부(110)는 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측할 수 있다. 이때, 노드간 운행 비용은 M-DRT 차량이 노드간 운행을 수행할 때 발생하는 비용으로 운행 거리, 연료 소비량, 차량 마모 비용, 인건비 등을 포함할 수 있다.
예를 들어, 오후 1시 5분을 기준으로 노드(N11)와 노드(N12)간 운행 비용이 4,000원이고, 노드(N13)와 노드(N22)간 운행 비용이 30,000원으로 예측될 수 있다.
노드별 호출 수요 예측부(120)는 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측할 수 있다. 이때, 호출 수요는 M-DRT 서비스 사용자 호출량으로 시간, 요일, 날씨, 인구 통계학적 정보 등을 고려하여 예측될 수 있다.
예를 들어, 오후 1시 5분을 기준으로 노드(N11)에서 3건, 노드(N12)에서 5건의 호출 수요 예측될 수 있다.
노선별 손익 데이터 생성부(130)는 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성할 수 있다. 이때, 노선은 2개 이상의 노드를 연결하여 생성되고, 손익 데이터는 M-DRT 차량이 해당 노선을 운행하였을 때 발생하는 손실 또는 이익 정보를 포함할 수 있다.
예를 들어, 오후 1시 5분을 기준으로 노드(N11)의 호출 수요가 3, 노드(N12)의 호출 수요가 2, 노드(N13)의 호출 수요가 2라고 할 때, 노드(N11), 노드(N12), 노드(N13), 노드(N22), 노드(N23)를 연결하여 생성된 노선은 50,000원의 이익 정보를 포함하는 손익 데이터가 생성될 수 있다.
도 4는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 시스템의 손익 시뮬레이션부를 도시한 블록도이다.
도 4를 참조하면, 손익 시뮬레이션부(150)는 차량 대수별 시뮬레이션 모듈(151), 시간대별 시뮬레이션 모듈(152) 및 특이 운행 시뮬레이션 모듈(153)을 포함할 수 있다.
여기서, 각 모듈(151, 152, 153)은 다른 모듈과 결합되거나 독립적으로 이용될 수 있다.
손익 시뮬레이션부(150)는 설정된 M-DRT 운행 조건과 예측된 노드별 호출 수요를 기반으로 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행할 수 있다. 이때, 손익 시뮬레이션은 차량 대수, 시간대, 특이 운행을 기반으로 수행될 수 있다.
차량 대수별 시뮬레이션 모듈(151)은 손익 시뮬레이션 수행 시 M-DRT 차량 대수 설정을 변경할 수 있다. 이때, 최소 및/또는 최대 M-DRT 차량 대수는 관리자에 의해 용이하게 설정될 수 있다.
시간대별 시뮬레이션 모듈(152)은 손익 시뮬레이션 수행 시 시간대를 변경할 수 있다.
특이 운행 시뮬레이션 모듈(153)은 손익 시뮬레이션 수행 시 노선별 손익 데이터를 비교하여 최적의 노선 경로를 생성할 수 있다. 이때, 최적의 노선 경로는 특이 운행으로 설정될 수도 있다.
여기서, 특이 운행이란 최대의 이익을 위해 주변 노드의 호출 수요를 무시하고 다른 노드로 이동하거나 운행 시간을 지연시키는 경우를 의미한다.
예를 들어, 기점에서 광역 통행 구간을 통과하여 종점에 도착한 차량이 종점으로부터 기점으로의 호출 수요를 무시하고 즉시 기점으로 회차하는 경우가 해당될 수 있다. 이러한 경우는 기점이 주거지역이고, 종점이 산업지역인 경우에는 출근 시간대에서는 종점에서 승객을 대기하여 운행하는 것 보다는 즉시 회차하여 기점에서 더 많은 승객을 탑승시키는 것이 시간당 손익이 더 높게 산출될 수 있기 때문이다. 또는, 종점에서 적은 수요의 호출을 무시하고 퇴근 시간대의 높은 호출 수요가 발생할 때까지 운행을 중지하고 퇴근 시간대까지 대기하는 것 역시 선택 가능하다.
시뮬레이션 운행 정보 생성부(160)는 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성할 수 있다. 이때, 시뮬레이션 운행 정보는 시간대별 차량 대수 정보(C1), 시간대별 대기 위치 정보(C2), 시간대별 노선 경로(C3), 특이 운행 정보(C4) 및 M-DRT 운행 정책 정보(C5)를 포함할 수 있다.
도 5는 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 과정을 도시한 흐름도이다.
단계(S110)에서, M-DRT 시뮬레이션 시스템은 M-DRT 플랫폼으로부터 M-DRT 운영 데이터를 수신할 수 있다. 이때, M-DRT 운영 데이터는 노드 위치 정보, 사용자 정보, M-DRT 차량 정보, M-DRT 호출 정보, M-DRT 운행 정보 등을 포함할 수 있다.
단계(S120)에서, M-DRT 시뮬레이션 시스템은 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측할 수 있다. 이때, 노드간 운행 비용은 M-DRT 차량이 노드간 운행을 수행할 때 발생하는 비용으로 운행 거리, 연료 소비량, 차량 마모 비용, 인건비 등을 포함할 수 있다.
단계(S130)에서, M-DRT 시뮬레이션 시스템은 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측할 수 있다. 이때, 호출 수요는 M-DRT 서비스를 이용하는 사용자들의 호출량으로 시간, 요일, 계절, 날씨, 인구 통계학적 정보 등을 고려하여 예측될 수 있다.
단계(S140)에서, M-DRT 시뮬레이션 시스템은 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성할 수 있다. 이때, 노선은 2개 이상의 노드를 연결하여 생성되고, 손익 데이터는 M-DRT 차량이 해당 노선을 운행하였을 때 발생하는 손실 또는 이익 정보를 포함할 수 있다.
단계(S150)에서, M-DRT 시뮬레이션 시스템은 M-DRT 시뮬레이션을 수행하는데 필요한 M-DRT 운행 조건을 설정할 수 있다. 이때, M-DRT 운행 조건은 운행하는 M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하고, 관리자에 의해 용이하게 설정될 수 있다.
단계(S160)에서, M-DRT 시뮬레이션 시스템은 설정된 M-DRT 운행 조건과 예측된 노드별 호출 수요를 기반으로 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행할 수 있다. 이때, 손익 시뮬레이션은 차량 대수, 시간대, 특이 운행을 기반으로 수행될 수 있으며, 자세한 내용은 도 6을 참조하며 후술하기로 한다.
단계(S170)에서, M-DRT 시뮬레이션 시스템은 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성할 수 있다. 이때, 시뮬레이션 운행 정보는 시간대별 차량 대수 정보, 시간대별 대기 위치 정보, 시간대별 노선 경로, 특이 운행 정보 등을 포함할 수 있다.
단계(S180)에서, M-DRT 시뮬레이션 시스템은 생성된 시뮬레이션 운행 정보를 이용하여 M-DRT 운행 정책 정보를 결정 및 생성할 수 있다. 이때, M-DRT 운행 정책 정보는 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함할 수 있다.
도 6은 본 발명의 실시예에 따른 손익 기반 M-DRT 시뮬레이션 방법의 손익 시뮬레이션 수행 과정을 도시한 흐름도이다.
단계(S161)에서, M-DRT 시뮬레이션 시스템은 손익 시뮬레이션 수행 시 M-DRT 차량 대수 설정을 변경할 수 있다. 이때, 최소 및/또는 최대 M-DRT 차량 대수는 관리자에 의해 용이하게 설정될 수 있다.
단계(S162)에서, M-DRT 시뮬레이션 시스템은 손익 시뮬레이션 수행 시 시간대를 변경할 수 있다.
단계(S163)에서, M-DRT 시뮬레이션 시스템은 손익 시뮬레이션 수행 시 노선별 손익(Ip)을 비교하여 최적의 노선 경로를 생성할 수 있다.
단계(S164)에서, M-DRT 시뮬레이션 시스템은 노선별 손익(Ip) 비교 결과를 이용하여 특이 운행 여부를 결정할 수 있다. 이때, 특이 운행은 최대의 이익을 위해 주변 노드의 호출 수요를 무시하고 다른 노드로 이동하는 경우의 노선을 의미한다. 예를 들어, 현재 M-DRT 차량이 위치한 기점 권역의 호출 수요를 무시하고 종점 권역에 존재하는 호출 수요를 기점으로 운행을 수행할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 후술하는 청구범위에 의하여 나타내어지며, 청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100. M-DRT 시뮬레이션 시스템
110. 노드간 운행 비용 예측부
120. 노드별 호출 수요 예측부
130. 노선별 손익 데이터 생성부
140. M-DRT 운행 조건 설정부
150. 손익 시뮬레이션부
160. 시뮬레이션 운행 정보 생성부
200. M-DRT 플랫폼
210. M-DRT 데이터베이스
110. 노드간 운행 비용 예측부
120. 노드별 호출 수요 예측부
130. 노선별 손익 데이터 생성부
140. M-DRT 운행 조건 설정부
150. 손익 시뮬레이션부
160. 시뮬레이션 운행 정보 생성부
200. M-DRT 플랫폼
210. M-DRT 데이터베이스
Claims (10)
- 손익 시뮬레이션을 수행하여 최적의 M-DRT 운행 정보를 생성할 수 있는 손익 기반 M-DRT 시뮬레이션 시스템에 있어서,
M-DRT 플랫폼으로부터 제공받은 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측하는 노드간 운행 비용 예측부;
상기 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측하는 노드별 호출 수요 예측부;
상기 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성하는 노선별 손익 데이터 생성부;
M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하는 M-DRT 운행 조건을 설정하는 M-DRT 운행 조건 설정부;
상기 M-DRT 운행 조건 및 노드별 호출 수요를 기반으로 상기 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행하는 손익 시뮬레이션부; 및
상기 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성하는 시뮬레이션 운행 정보 생성부
를 포함하는 M-DRT 시뮬레이션 시스템.
- 제1항에 있어서,
상기 손익 시뮬레이션부는,
상기 손익 시뮬레이션 수행 시 M-DRT 차량 대수 설정을 변경하는 차량 대수별 시뮬레이션 모듈; 및
상기 손익 시뮬레이션 수행 시 시간대를 변경하는 시간대별 시뮬레이션 모듈;
을 포함하는 것인 M-DRT 시뮬레이션 시스템.
- 제2항에 있어서,
상기 손익 시뮬레이션부는,
상기 손익 시뮬레이션 수행 시 노선별 손익 데이터를 비교하고, 상기 노선별 손익 데이터 비교 결과를 이용하여 특이 운행 여부를 결정하는 특이 운행 시뮬레이션 모듈을 더 포함하고,
상기 특이 운행은 주변 노드의 호출 수요를 무시하고 다른 노드로 이동하거나 미리 정해진 시간대까지 운행 대기하는 것을 포함하는 것인 M-DRT 시뮬레이션 시스템.
- 제1항에 있어서,
시뮬레이션 운행 정보 생성부는,
상기 시뮬레이션 운행 정보를 이용하여 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함하는 M-DRT 운행 정책 정보를 결정 및 생성하는 것인 M-DRT 시뮬레이션 시스템.
- 손익 시뮬레이션을 수행하여 최적의 M-DRT 운행 정보를 생성할 수 있는 손익 기반 M-DRT 시뮬레이션 방법에 있어서,
a) M-DRT 플랫폼으로부터 제공받은 M-DRT 운영 데이터를 이용하여 노드간 운행 비용을 예측하는 단계;
b) 상기 M-DRT 운영 데이터를 이용하여 노드별 호출 수요를 예측하는 단계;
c) 상기 예측된 노드간 운행 비용 및 노드별 호출 수요를 이용하여 노선별 손익 데이터를 생성하는 단계;
d) M-DRT 차량 대수, 최소 탑승 인원, 최대 대기 시간 중 적어도 하나를 포함하는 M-DRT 운행 조건을 설정하는 단계;
e) 상기 M-DRT 운행 조건 및 노드별 호출 수요를 기반으로 상기 노선별 손익 데이터를 이용하여 손익 시뮬레이션을 수행하는 단계; 및
f) 상기 손익 시뮬레이션 결과를 이용하여 시뮬레이션 운행 정보를 생성하는 단계
를 포함하는 M-DRT 시뮬레이션 방법.
- 제5항에 있어서,
상기 M-DRT 플랫폼으로부터 상기 M-DRT 운영 데이터를 수신하는 단계
를 더 포함하는 M-DRT 시뮬레이션 방법.
- 제5항에 있어서,
상기 시뮬레이션 운행 정보를 이용하여 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함하는 M-DRT 운행 정책 정보를 결정하는 단계
를 더 포함하는 M-DRT 시뮬레이션 방법.
- 제5항에 있어서,
상기 단계 e)는,
상기 손익 시뮬레이션 수행 시 M-DRT 차량 대수 설정을 변경하는 단계;
상기 손익 시뮬레이션 수행 시 시간대를 변경하는 단계; 및
상기 손익 시뮬레이션 수행 시 노선별 손익(Ip)을 비교하는 단계
를 포함하는 것인 M-DRT 시뮬레이션 방법.
- 제8항에 있어서,
상기 단계 e)는,
상기 노선별 손익(Ip) 비교 결과를 이용하여 특이 운행 여부를 결정하는 단계
를 더 포함하고,
상기 특이 운행은 주변 노드의 호출 수요를 무시하고 다른 노드로 이동하거나 미리 정해진 시간대까지 운행 대기하는 것을 포함하는 것인 M-DRT 시뮬레이션 방법.
- 제5항에 있어서,
상기 단계 f)는,
상기 시뮬레이션 운행 정보를 이용하여 호출 수요 발생 시 M-DRT 차량 운행 기준을 포함하는 M-DRT 운행 정책 정보를 결정 및 생성하는 단계
를 포함하는 것인 M-DRT 시뮬레이션 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230070866A KR102660573B1 (ko) | 2023-06-01 | 2023-06-01 | 손익 기반 m-drt 시뮬레이션 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020230070866A KR102660573B1 (ko) | 2023-06-01 | 2023-06-01 | 손익 기반 m-drt 시뮬레이션 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102660573B1 true KR102660573B1 (ko) | 2024-04-26 |
Family
ID=90882995
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230070866A KR102660573B1 (ko) | 2023-06-01 | 2023-06-01 | 손익 기반 m-drt 시뮬레이션 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102660573B1 (ko) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003141219A (ja) * | 2001-10-31 | 2003-05-16 | Toshiba Corp | サービススケジューリング方法及びプログラム |
| JP2014041475A (ja) * | 2012-08-22 | 2014-03-06 | Toyota Motor Corp | カーシェアリングシステムの運用管理システムおよび方法 |
| JP2015184779A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社日立製作所 | 運行計画サーバ、およびダイヤ作成方法 |
| JP2019082766A (ja) * | 2017-10-27 | 2019-05-30 | 株式会社日立製作所 | 公共交通運用計画装置、公共交通運用計画方法、および公共交通運用計画システム |
| JP2020023234A (ja) * | 2018-08-07 | 2020-02-13 | 株式会社日立製作所 | 情報処理システム、及び情報処理方法 |
-
2023
- 2023-06-01 KR KR1020230070866A patent/KR102660573B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003141219A (ja) * | 2001-10-31 | 2003-05-16 | Toshiba Corp | サービススケジューリング方法及びプログラム |
| JP2014041475A (ja) * | 2012-08-22 | 2014-03-06 | Toyota Motor Corp | カーシェアリングシステムの運用管理システムおよび方法 |
| JP2015184779A (ja) * | 2014-03-20 | 2015-10-22 | 株式会社日立製作所 | 運行計画サーバ、およびダイヤ作成方法 |
| JP2019082766A (ja) * | 2017-10-27 | 2019-05-30 | 株式会社日立製作所 | 公共交通運用計画装置、公共交通運用計画方法、および公共交通運用計画システム |
| JP2020023234A (ja) * | 2018-08-07 | 2020-02-13 | 株式会社日立製作所 | 情報処理システム、及び情報処理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hameed et al. | Energy-and performance-aware load-balancing in vehicular fog computing | |
| JP6639468B2 (ja) | セルラー電話通信を向上させる無人航空機に関する配備基準のためのシステム、方法、およびコンピュータ・プログラム製品 | |
| KR100545442B1 (ko) | 위치 및 자원 예측에 기반한 지능적 캐싱 및 네트워크 관리 | |
| KR100536187B1 (ko) | 이동 통신 단말기의 위치 결정 방법 및 시스템 | |
| EP3080774A1 (en) | Optimizing selection of drivers for transport requests | |
| US8560400B1 (en) | Context-based service delivery | |
| JP6895325B2 (ja) | 交通需要予測装置、交通需要予測方法、及び交通需要予測プログラム | |
| US20200172371A1 (en) | Method, system and computer readable storage medium for controlling operation of an elevator | |
| Cao et al. | Intelligent transportation systems enabled ICT framework for electric vehicle charging in smart city | |
| JP2010134762A (ja) | 情報通知システム、情報通知方法およびプログラム | |
| KR20230035227A (ko) | 내비게이션 경로 계획 방법, 장치, 설비 및 저장 매체 | |
| US20160020996A1 (en) | Information transfer device, delay tolerant network, information transmission method, and recording medium | |
| Lu et al. | Literature review of analytical models on emergency vehicle service: location, dispatching, routing and preemption control | |
| KR102660573B1 (ko) | 손익 기반 m-drt 시뮬레이션 시스템 및 그 방법 | |
| KR102529331B1 (ko) | 강화 학습을 사용한 uav bs 기반의 통신 방법 및 이러한 방법을 수행하는 장치 | |
| KR102660566B1 (ko) | 효율적인 m-drt 환승 제공 시스템 및 그 방법 | |
| Kurihara et al. | Proposed traffic light control mechanism based on multi-agent coordination | |
| Tang et al. | Application of sensor-cloud systems: smart traffic control | |
| JP4956571B2 (ja) | 移動通信システムとその制御装置およびハンドオーバ制御方法 | |
| Jasim et al. | Asynchronous Coarse-Grained Load Migration Scheme for IoT Applications in Fog Networks | |
| KR100731881B1 (ko) | 지하철 최단노선과 도착시간 정보를 안내하는 방법 및시스템 | |
| KR102644440B1 (ko) | 차량 대기 장소 환경 여건을 고려한 drt 차량의 대기 위치 선정 시스템 및 그 방법 | |
| US20240107565A1 (en) | Method and system for optimizing energy using traffic patterns | |
| Qureshi et al. | Systematic study of geographical routing protocols and routing challenges for Vehicular Ad hoc Networks | |
| Mohammed et al. | Opportunistic Data Ferrying in Areas with Limited Information and Communications Infrastructure |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |