KR20200051448A - System for scheduling of express train and method thereof - Google Patents
System for scheduling of express train and method thereof Download PDFInfo
- Publication number
- KR20200051448A KR20200051448A KR1020190012056A KR20190012056A KR20200051448A KR 20200051448 A KR20200051448 A KR 20200051448A KR 1020190012056 A KR1020190012056 A KR 1020190012056A KR 20190012056 A KR20190012056 A KR 20190012056A KR 20200051448 A KR20200051448 A KR 20200051448A
- Authority
- KR
- South Korea
- Prior art keywords
- stop
- train
- pattern
- model
- equation
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/10—Operations, e.g. scheduling or time tables
-
- B61L27/0011—
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
Description
본 발명은 패턴 조합 방식을 활용하여 수요가 높은 정거장을 대상으로 선택적으로 정차하도록 최적화된 급행열차의 스케줄링 정보를 제공할 수 있는 급행열차의 스케줄링 시스템 및 그 방법에 관한 것이다.The present invention relates to a scheduling system and method of an express train that can provide scheduling information of an express train optimized to selectively stop at a high-demand station using a pattern combination method.
국내외적으로 대도시에서 운행하는 상당수의 도시철도 열차들은 각 역정차 (All-Stop) 운행방식을 채택하고 있는데, 이와 같은 운행방식은 열차 운행시 평균(표정)속도가 낮다는 단점을 가지고 있다. Many domestic and international trains operating in large cities at home and abroad adopt each station stop (All-Stop) method, which has the disadvantage that the average (expressed) speed of the train is low.
도 1은 종래 기술의 일 실시예에 따른 도시철도 평균 속도 향상을 위한 급행화 분류 체계를 설명하는 도면이다. 1 is a view for explaining a rapid classification system for improving the average speed of a city rail according to an embodiment of the prior art.
도 1에 도시된 바와 같이, 도시철도를 포함하여 대도시 근교에서 운행하는 광역철도의 낮은 평균 속도의 문제점을 해결하기 위해, 급행열차 운행 방식은 크게 전용선 운행 방식과 혼합 운행방식으로 구분될 수 있다. As illustrated in FIG. 1, in order to solve the problem of low average speed of a wide-area railway operating in a metropolitan area, including an urban railway, the express train operation method may be largely divided into a dedicated line operation method and a mixed operation method.
먼저, 전용선 운행방식은 모든 역을 정차하는 일반열차가 운행하는 선로와 선택적으로 정차하는 급행열차 운행선로를 상호 독립적으로 설치하여 운행함으로써 급행열차와 일반열차간 속도 차이에 의해 발생하는 상호간 운행 지장을 제거하는 방법을 나타낸다. First, the operation method of the dedicated line is to install and operate the lines operated by the general trains that stop at all stations and the express trains that selectively stop, independently of each other, thereby preventing interoperability caused by the difference in speed between the express trains and the general trains. It shows how to remove.
이러한 전용선 운행 방식은 다른 운행 방식에 비해 급행열차와 일반열차의 운행횟수를 크게 증가시킬 수 있는 장점을 가지고 있지만, 별도의 독립된 선로를 추가적으로 설치해야 하므로 건설비의 증가가 불가피하고, 또한 추가적인 전용선을 설치해야 하므로 공간(토지) 소요가 증가한다는 단점이 있다. 이와 같은 전용선 운행 방식의 단점은 당초에 각 역정차 방식으로 운행하고 있는 대도시 또는 도심지 내 도시철도 노선을 차후적으로 급행화하기 위한 사업을 추진할 경우 해당 기술의 적용을 곤란하게 만드는 요소가 된다. This method of operation of the dedicated line has the advantage of significantly increasing the number of times of express trains and general trains compared to other types of operation, but it is inevitable to increase the construction cost because additional independent lines must be installed, and additional dedicated lines are installed. There is a disadvantage in that it requires space (land) to increase. The disadvantage of such a dedicated line operation method is that it is a factor that makes it difficult to apply the technology when a project to speed up urban railway lines in a large city or urban area, which is initially operated by each station stop, is to be promoted in the future.
다음, 혼합 운행 방식은 동일한 선로에서 급행열차와 일반열차가 혼합하여 운행하는 방식이다. 동일한 선로에서 급행열차와 일반열차가 혼합하여 운행할 경우, 상호간의 속도 차이에 의해서 운행 상의 지장이 발생한다. 즉 혼행 운행 방식은 일정거리를 운행한 후 급행열차가 일반열차를 추월할 필요가 발생한다.Next, the mixed driving method is a method in which an express train and a general train are mixed and operated on the same track. When express trains and general trains operate in a mixture on the same track, operational difficulties occur due to differences in speed between each other. That is, in the mixed driving method, it is necessary for the express train to pass the general train after driving a certain distance.
부본선 활용 방식은 가장 대표적인 혼합 운행방식으로서 급행열차가 추월하기 위해 일반열차가 대피하는데 필요한 부본선을 활용하는 방법이다. 부본선 활용방식은 일부 필요한 정거장에 부본선을 설치하면 급행열차를 추가적으로 운행할 수 있기 때문에, 전용선 운행방식에 비해 초기 건설비가 절감되는 장점을 가진다.The method of utilizing the main bus is the most representative mixed operation method, and it is a method of using the main train required for evacuation of general trains so that the express train can pass. The method of using the sub-main line has the advantage of reducing the initial construction cost compared to the exclusive line operation method, since the express train can be additionally operated by installing the sub-main line at some necessary stops.
상기에서 언급한 바와 같이, 부본선 활용 방식도 당초 일반열차 중심의 노선을 차후적으로 급행화 사업을 추진하고자 할 경우 부본선 추가 공사가 가능한 선로 구간이 도심 외곽 지역 등으로 제한될 가능성이 크고, 빌딩 및 토목시설이 밀집된 도심지 내의 선구 구간에 대해서 차후적인 급행화 사업의 추진이 곤란하다는 제한점을 가지고 있다. As mentioned above, the method of utilizing the sub-main line is also likely to be limited to areas outside the city center, where the line section where additional sub-main lines can be constructed, if the original train-oriented route is to be promoted in the future. It has a limitation in that it is difficult to promote future rapid projects for pioneering sections in downtown areas where buildings and civil engineering facilities are concentrated.
장내 건넘선 활용 방식은 정거장 진입 및 진출 부분에 설치된 건넘선을 이용하여 급행열차가 반대측 선로(예를 들어, 하선을 운행하는 경우 상 이용하여 일반열차를 추월하여 운행하는 방법이다. 이러한 장내 건넘선 활용 방식은 부본선 활용방식이 가진 도심지 선로(터널) 개량공사의 제한이 완화되는 장점을 가지고 있으나, 열차운행 밀도가 높은 노선에서는 반대측 선로로 추월하는 급행열차에 의해 혼잡시 열차운행체계의 혼선이 발생할 우려가 있고, 예기치 않는 사고 발생시 사고의 여파가 크게 나타날 우려가 있다.In the case of using the crossing line in the intestine, the express train uses the crossing line installed at the entry and exit of the station, and the express train is operated by overtaking the general train by using the opposite line (for example, when operating a lower line.) The utilization method has the advantage that the restrictions of the downtown line (tunnel) improvement work of the sub-main line utilization method is eased, but the congestion of the train operation system in the case of congestion by the express train that overtakes the other side of the line on a dense train route There is a risk of occurrence, and in the event of an unexpected accident, the aftermath of the accident may appear largely.
패턴조합 방식은 단순히 정차역을 선택적으로 설정하여 정차함으로써 열차의 정차시간을 절감함으로써 평균 속도를 향상시키는 방법으로서, 별도의 시설 추가가 소요되지 않아 사업비가 절감되는 장점을 가지고 있다. 또한, 패턴조합 방식은 차후적인 급행화 사업을 추진하는 경우에도 복잡한 토목/건설의 개량이 불필요하여 도심지 급행화 사업에 적용 가능성이 크다. 다만, 패턴 조합 방식은 열차가 정거장을 선택적으로 정차함에 따라서 일부 정거장에서 탑승할 수 없거나 대기시간이 증가하여 승객 불편 사항이 발생할 수 있는 단점이 있다.The pattern combination method is a method of improving the average speed by reducing the stop time of a train by simply setting a stop to selectively stop, and it has the advantage of reducing the project cost by not requiring additional facilities. In addition, the pattern combination method is highly applicable to rapid urbanization projects because it does not require complicated civil / construction improvement even in the case of future rapidization projects. However, the pattern combination method has the disadvantage that passengers may experience inconvenience due to the inability to board at some stops or increase waiting time as the train selectively stops.
도 2는 종래 기술의 일 실시예에 따른 A/B 패턴조합 방식을 설명하는 도면이다. 2 is a diagram illustrating an A / B pattern combination method according to an embodiment of the prior art.
도 2를 참고하면, A/B 패턴조합 방식으로 운행하는 열차는, 다섯 개의 동그란 표시를 정거장이라고 하고, 우측부터 1~5번 정거장이라고 한다면, A패턴의 열차는 (1, 3, 5) 정거장에서 정차하고, B패턴의 열차는 (2, 4) 정거장에서 정차한다.Referring to FIG. 2, for trains operating in the A / B pattern combination method, five round marks are called stops, and if it is called stops 1-5 from the right, trains of pattern A are (1, 3, 5) stops Stop at, and trains of pattern B stop at (2, 4) stops.
역간 통행 실적에 대한 예시가 아래 표 1과 같이 주어진다고 가정한다. 표 1에서 총 통행인원은 360명이다.It is assumed that an example of traffic performance between stations is given as Table 1 below. In Table 1, the total number of passengers is 360.
[표 1][Table 1]
정차패턴이 도 2의 (a)와 같이 결정될 경우, 표 1에서 주어진 역간 통행 실적 중 수송 가능 인원의 합은 도 2의 (b) 상단에 도시된 바와 같이 A패턴의 열차가 220명, B패턴의 열차가 100으로 총 320명이 수송 가능하고, 나머지 40명의 승객은 이탈(Lost Passengers)하게 되어 수송인원 측면에서 비교적 양호한 결과로 판단할 수 있다. When the stop pattern is determined as shown in (a) of FIG. 2, the sum of the number of people who can be transported among the traffic performances between stations given in Table 1 is 220 trains of A pattern and B pattern as shown at the top of FIG. The train of 100 is capable of transporting a total of 320 people, and the remaining 40 passengers are displaced (Lost Passengers), so it can be judged as a relatively good result in terms of transportation personnel.
열차의 평균 속도를 더욱 향상하기 위하여, 도 2의 (b) 하단에 도시된 바와 같이 정차패턴을 변경하는 경우, 즉 A 패턴의 열차는 (2, 4) 정거장에서 정차하고, B패턴의 열차는 (1, 3, 5) 정거장에서 정차하는 경우, 40명만이 수송 가능하고 나머지 320명의 승객은 이탈하게 되어 수송인원 측면에서 미흡한 결과로 판단할 수 있다.In order to further improve the average speed of the train, when the stop pattern is changed as shown at the bottom of FIG. 2 (b), that is, the train of the A pattern stops at the (2, 4) stop, and the train of the B pattern (1, 3, 5) If you stop at the station, only 40 passengers can be transported, and the remaining 320 passengers will be separated, which can be judged as a result of insufficient transportation.
수송인원 측면의 효과를 더욱 개선하기 위하여 도 2의 (c) 하단에 도시된 바와 같이, A 패턴의 열차는 (1, 3, 4, 5) 정거장에서 정차하고, B패턴의 열차는 (2, 4) 정거장에서 정차하며, 4번 정거장을 환승역으로 정차패턴을 변경하는 경우, 표 1에서 주어진 역간 통행 실적의 모든 승객을 수송할 수 있다. 그러나 A패턴의 경우, 정차역이 많아져 평균 속도 측면에서의 효과는 저하된다.In order to further improve the effect of the transportation personnel side, as shown at the bottom of FIG. 2 (c), trains of the A pattern stop at (1, 3, 4, 5) stops, and trains of the B pattern (2, 4) If you stop at the station and change the stop pattern from
이와 같이 A/B 패턴조합 방식은 승객이탈 측면과 평균 속도 측면에서 서로 대립되는 판단 기준 사이에서 해결되어야 하는 불가피한 상황에 놓여 있다.In this way, the A / B pattern combination method is in an inevitable situation that needs to be resolved between the departure criteria of the passengers and the judgment criteria that conflict with each other in terms of average speed.
도 3은 종래 기술의 일 실시예에 따른 A/B 패턴조합 방식의 대립적 판단기준(Objective functions)에 대해 이론적인 최적해 도출 방안을 설명하는 도면이다.FIG. 3 is a diagram illustrating a method for deriving a theoretical optimal solution to the objective functions of the A / B pattern combination method according to an embodiment of the prior art.
도 3에 도시된 바와 같이, 상호 대립적 판단기준을 갖는 A/B 패턴조합 방식은 하나의 판단기준(예컨대, 승객 이탈 손실)의 중요도(Priority)가 다른 하나의 판단기준 (예컨대, 통행시간 단축에 따른 부의 손실)에 비해 정량적으로 얼마만큼의 차이가 있는지 객관적으로 알기 어렵다는 문제점이 있다. 일반적으로 주관적인 우선순위에 따를 수밖에 없는 한계가 존재한다. As shown in FIG. 3, in the A / B pattern combination method having mutually conflicting judgment criteria, the priority of one judgment criterion (eg, passenger departure loss) is different from the other judgment criterion (eg, shortening the travel time). There is a problem that it is difficult to objectively know how much the difference is quantitatively compared to the loss of wealth. In general, there are limits that are bound to subjective priorities.
또한, 상호 대립적 판단기준을 갖는 A/B 패턴조합 방식은 두 개의 판단기준을 동시에 고려할 경우 해당 문제의 수리적 모델의 규모, 즉 결정변수와 제약식의 수가 많이 증가하여 최적 해를 구하는데 소요되는 시간이 급격하게 증가하는 문제점이 있다.In addition, in the case of A / B pattern combination method with mutually opposed judgment criteria, when considering two judgment criteria at the same time, the size of the mathematical model of the problem, that is, the number of determinants and constraints increases, and the time required to obtain the optimal solution There is a problem of this rapidly increasing.
대한민국 등록특허 제10-1881606호(발명의 명칭: 도시 통근 철도 시스템의 급행 및 완행 열차 동기화)Republic of Korea Registered Patent No. 10-1881606 (Name of invention: Synchronization of express and slow trains in urban commuter rail systems)
본 발명은 전술한 문제점을 해결하기 위하여, 본 발명의 일 실시예에 따라 수요가 높은 정거장을 대상으로 선택적으로 정차하고, 정차가 불필요한 정거장에서는 열차가 정차하지 않고 통과함으로써 평균 속도를 향상시키며, 계획된 스케줄 정보에 의해 실제로 급행열차를 운행할 때 현장의 여러 이례 상황에 의해서 영향을 받는 열차운행을 건전한 상태로 제어할 수 있도록 하는 것에 목적이 있다.In order to solve the above-described problem, the present invention selectively stops at a high-demand stop according to an embodiment of the present invention, and improves the average speed by passing a train without stopping at a stop where stop is unnecessary, and planning The purpose of this is to provide a healthy control of train operation, which is affected by various unusual situations on the site when actually operating an express train based on schedule information.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problem to be achieved by the present embodiment is not limited to the technical problem as described above, and other technical problems may exist.
상기한 기술적 과제를 달성하기 위한 기술적 수단으로서 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법은, 정차역의 스케줄링을 통해 열차 운행을 제어하는 급행열차의 스케줄링 시스템에 의해 수행되는 급행열차의 스케줄링 방법에 있어서, a) 대상 노선에 대한 정거장 집합 데이터, 과거 역간 통행 실적 데이터, 과거 역간 통행 시간 데이터를 포함한 통행 입력 데이터를 통계적으로 처리하여 통행 실적 데이터를 제공하는 단계; b) 상기 대상 노선을 운행하는 급행열차의 정차 패턴에 대해 정차 속성 파라미터를 설정한 사용자 입력 데이터를 수신하고, 상기 사용자 입력 데이터에 기초하여 열차 운행 분석 시나리오를 설정하는 단계; c) 상기 설정된 열차 운행 분석 시나리오에 따라 상기 통행 실적 데이터와 사용자 입력 데이터를 기반으로 상기 대상 노선을 운행하는 급행열차에 대한 제1 정차 패턴과 제2 정차패턴을 결정하는 단계; 및 d) 상기 제1 정차 패턴과 제2 정차 패턴 간의 패턴조합을 통해 최적 정차 패턴을 도출하기 위한 최적화 통행 모델을 수행하고, 상기 최적화 통행 모델에 직승 승객 정보 또는 환승 승객 정보를 반영하여 상기 급행열차의 스케줄 정보를 제공하는 단계를 포함하는 것이다. A method of scheduling an express train according to an embodiment of the present invention as a technical means for achieving the above technical problem is a method of scheduling an express train performed by a scheduling system of an express train that controls train operation through scheduling of a station. The method of
본 발명의 일 실시예에 따른 급행열차의 스케줄링 시스템은, 정차역의 스케줄링을 통해 열차 운행을 제어하는 급행열차의 스케줄링 시스템에 있어서, 대상 노선에 대한 정차역을 선택적으로 설정하여 정차하기 위한 급행열차의 스케줄링 방법을 수행하기 위한 프로그램이 기록된 메모리; 및 상기 프로그램을 실행하기 위한 프로세서를 포함하며, 상기 프로세서는, 상기 프로그램의 실행에 의해, 상기 대상 노선에 대한 정거장 집합 데이터, 과거 역간 통행 실적 데이터, 과거 역간 통행 시간 데이터를 포함한 통행 입력 데이터를 통계적으로 처리하여 통행 실적 데이터를 제공하고, 상기 대상 노선을 운행하는 급행열차의 정차 패턴에 대해 정차 속성 파라미터를 설정한 사용자 입력 데이터를 수신하고, 상기 사용자 입력 데이터에 기초하여 열차 운행 분석 시나리오를 설정하고, 상기 설정된 열차 운행 분석 시나리오에 따라 상기 통행 실적 데이터와 사용자 입력 데이터를 기반으로 상기 대상 노선을 운행하는 급행열차에 대한 제1 정차 패턴과 제2 정차패턴을 결정하고, 상기 제1 정차 패턴과 제2 정차 패턴 간의 패턴조합을 통해 최적 정차 패턴을 도출하기 위한 최적화 통행 모델을 수행하고, 상기 최적화 통행 모델에 직승 승객 정보 또는 환승 승객 정보를 반영하여 상기 급행열차의 스케줄 정보를 제공하는 것이다.The scheduling system of an express train according to an embodiment of the present invention is a scheduling system of an express train that controls train operation through scheduling of a stop station, scheduling an express train to stop by selectively setting a stop station for a target route A memory in which a program for performing the method is recorded; And a processor for executing the program, wherein the processor statistically inputs traffic input data including stop aggregation data for the target route, past station traffic performance data, and past station traffic time data by executing the program. To provide traffic performance data, receive user input data that set a stop attribute parameter for a stop pattern of an express train operating the target route, and set a train operation analysis scenario based on the user input data The first stop pattern and the second stop pattern for the express train running the target route are determined based on the traffic performance data and user input data according to the set train operation analysis scenario, and the first stop pattern and the second stop pattern are determined. 2 Optimal stop loss through pattern combination between stop patterns An optimized traffic model for deriving a turn is performed, and schedule information of the express train is provided by reflecting passenger information or transit passenger information in the optimized traffic model.
전술한 본 발명의 과제 해결 수단에 의하면, 철도 시설의 개량이 곤란한 도심지에서 운행하는 고밀도 도시철도 노선에 대하여 서로 다른 정차 패턴에 대한 패턴조합 방식을 이용하여 최적화된 정차 패턴을 가지는 급행열차 스케줄 정보를 제공할 수 있고, 급행열차의 당일 운행시 발생하는 혼잡/지연 상황을 해소하기 위해 인접 환승역에서 정차 패턴의 실시간 동적 재조정이 가능해질 수 있다. According to the problem solving means of the present invention described above, by using a pattern combination method for different stop patterns for high-density urban rail lines operating in downtown areas where it is difficult to improve railway facilities, express train schedule information having optimized stop patterns is provided. In order to solve the congestion / delay situation that occurs when the express train operates on the same day, real-time dynamic re-adjustment of the stop pattern at the adjacent transit station may be possible.
또한, 본 발명은 정차 패턴별 정차 횟수를 조정하거나, 사용자가 선호하는 특정한 정거장에 대한 우선 정차를 설정하고, 사용자가 선호하지 않는 특정한 정거장에 대한 무정차를 설정하며, 각 정차 패턴에서 연속 정차 패턴을 설정하는 등의 다양한 사용자 입력 데이터를 최적화 통행 모델에 반영할 수 있다.In addition, the present invention adjusts the number of stops per stop pattern, sets a preferred stop for a specific stop preferred by a user, sets a stop for a specific stop not preferred by a user, and sets a continuous stop pattern at each stop pattern. Various user input data such as settings can be reflected in the optimization traffic model.
또한, 본 발명은 서로 다른 정차 패턴의 패턴 조합에 의해 불가피하게 발생하는 이탈 승객의 기대 수준을 사용자 입력을 통해 사전에 반영함으로써 총 이탈 승객수가 기대 수준 이상으로 유지되도록 할 수 있다.In addition, according to the present invention, the expected level of the inevitable passengers, which is inevitably caused by the combination of patterns of different stop patterns, may be reflected in advance through the user input, so that the total number of departure passengers can be maintained above the expected level.
본 발명은 최적화 통행 모델을 환승 모델과 직승 모델로 분리하여 최적화된 정차 패턴을 도출함으로써 최적해 도출을 위한 풀이 시간을 감소할 수 있다.The present invention can reduce the time for solving an optimal solution by separating an optimized traffic model into a transfer model and a straight model to derive an optimized stop pattern.
도 1은 종래 기술의 일 실시예에 따른 도시철도 평균 속도 향상을 위한 급행화 분류 체계를 설명하는 도면이다.
도 2는 종래 기술의 일 실시예에 따른 A/B 패턴조합 방식을 설명하는 도면이다.
도 3은 종래 기술의 일 실시예에 따른 A/B 패턴조합 방식의 대립적 판단기준(Objective functions)에 대해 이론적인 최적해 도출 방안을 설명하는 도면이다.
도 4는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 시스템의 구성을 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법을 나타낸 순서도이다.
도 6은 도 5의 열차 운행 분석 시나리오 설정 과정을 설명하는 도면이다.
도 7은 본 발명의 일 실시예에 따른 최적화 통행 모델에 의한 통행 패턴 개념을 설명하는 도면이다.
도 8은 본 발명의 일 실시예에 따른 최적화 통행 모델을 설명하기 위한 동작 흐름도이다.
도 9는 본 발명의 일 실시예에 따른 제1 및 제2 정차패턴의 동적 조정 과정을 설명하는 동작 흐름도이고,
도 10은 도 9의 제1 및 제2 정차 패턴의 동적 조정 과정의 결과를 설명하는 예시도이다.
도 11a 및 11b는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법을 국내 도시철도에 적용하여 도출한 급행열차의 정차 패턴을 설명하는 예시도이다.
도 12는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법을 국내 도시철도에 적용할 경우 예상되는 통행 시간 및 이탈 승객에 대한 예측 결과를 설명하는 예시도이다.
도 13은 도 12의 결과에 해단 분석 수치를 설명하는 예시도이다.1 is a view for explaining a rapid classification system for improving the average speed of a city rail according to an embodiment of the prior art.
2 is a diagram illustrating an A / B pattern combination method according to an embodiment of the prior art.
FIG. 3 is a diagram illustrating a method for deriving a theoretical optimal solution to the objective functions of the A / B pattern combination method according to an embodiment of the prior art.
4 is a diagram showing the configuration of a scheduling system for an express train according to an embodiment of the present invention.
5 is a flowchart illustrating a method of scheduling an express train according to an embodiment of the present invention.
FIG. 6 is a diagram illustrating a process of setting a scenario for analyzing a train operation of FIG. 5.
7 is a diagram illustrating a concept of a traffic pattern by an optimized traffic model according to an embodiment of the present invention.
8 is an operation flowchart illustrating an optimization traffic model according to an embodiment of the present invention.
9 is an operation flowchart illustrating a dynamic adjustment process of first and second stop patterns according to an embodiment of the present invention,
FIG. 10 is an exemplary view illustrating a result of a dynamic adjustment process of first and second stop patterns of FIG. 9.
11A and 11B are exemplary views illustrating a stop pattern of an express train derived by applying a scheduling method of an express train according to an embodiment of the present invention to a domestic urban railway.
12 is an exemplary view for explaining a predicted result of expected travel time and departure passenger when the scheduling method of an express train according to an embodiment of the present invention is applied to a domestic urban railway.
13 is an exemplary view for explaining the numerical value of the breakdown analysis in the result of FIG. 12.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art to which the present invention pertains may easily practice. However, the present invention can be implemented in many different forms and is not limited to the embodiments described herein. In addition, in order to clearly describe the present invention in the drawings, parts irrelevant to the description are omitted, and like reference numerals are assigned to similar parts throughout the specification.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 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 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Throughout the specification, when a part is "connected" to another part, this includes not only "directly connected" but also "electrically connected" with another element in between. . Also, when a part is said to "include" a certain component, it means that the component may further include other components, not exclude other components, unless specifically stated otherwise. However, it should be understood that the existence or addition possibilities of numbers, steps, actions, components, parts or combinations thereof are not excluded in advance.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.The following examples are detailed descriptions to aid the understanding of the present invention, and do not limit the scope of the present invention. Therefore, the same scope of the invention performing the same function as the present invention will also belong to the scope of the present invention.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.Hereinafter, an embodiment of the present invention will be described in detail with reference to the accompanying drawings.
도 4는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 시스템의 구성을 나타낸 도면이다.4 is a diagram showing the configuration of a scheduling system for an express train according to an embodiment of the present invention.
도 4를 참조하면, 급행열차의 스케줄링 시스템(100)은 통신 모듈(110), 메모리(120), 프로세서(130) 및 데이터베이스(140)를 포함한다.Referring to FIG. 4, the
상세히, 통신 모듈(110)은 통신망(300)과 연동하여 급행열차의 스케줄링 시스템(100)으로 송수신되는 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공한다. 여기서, 통신 모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.In detail, the
메모리(120)는 정차역의 선택적 스케줄링을 통해 열차 운행을 제어하는 급행열차의 스케줄링 방법을 수행하기 위한 프로그램이 기록된다. 또한, 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행한다. 여기서, 메모리(120)는 휘발성 저장 매체(volatile storage media) 또는 비휘발성 저장 매체(non-volatile storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.In the
프로세서(130)는 급행열차의 스케줄링 방법을 제공하는 전체 과정을 제어한다. 프로세서(130)가 수행하는 각 단계에 대해서는 도 5를 참조하여 후술하기로 한다. The
여기서, 프로세서(130)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.Here, the
데이터베이스(140)는 급행열차의 스케줄링 방법을 수행하면서 누적되는 데이터가 저장된다. 예컨대, 데이터베이스(140)에는 정거장 집합 데이터, 과거 역간 통행 실적 데이터, 과거 역간 통행 시간 데이터, 통행 실적 데이터, 정차패턴 정보, 스케줄링 정보 등이 저장될 수 있다.The
도 5는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법을 나타낸 순서도이다.5 is a flowchart illustrating a method of scheduling an express train according to an embodiment of the present invention.
도 5를 참조하면, 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법은 프로세서에서 대상 노선 및 대상 노선에 포함된 정거장 집합 데이터, 대상 노선의 과거 역간 통행 실적 데이터, 대상 노선의 과거 역간 통행 시간 데이터를 포함한 통행 입력 데이터를 데이터베이스에 저장하고, 데이터베이스에서 과거 역간 통행 시간 데이터와 과거 역간 통행 실적 데이터를 추출하여 통계적으로 처리하여 통행 실적 데이터를 산출한다(S110).Referring to FIG. 5, in the method of scheduling an express train according to an embodiment of the present invention, in the processor, set data included in the target route and the target route, past station-to-station performance data, and target station-to-station past time The traffic input data including the data is stored in the database, and the past traffic time data and the traffic performance data of the past station are extracted from the database and statistically processed to calculate traffic performance data (S110).
프로세서는 대상 노선을 운행하는 급행열차의 정차 패턴에 대해 정차 속성 파라미터를 설정한 사용자 입력 데이터를 수신하고(S120), 사용자 입력 데이터에 기초하여 열차 운행 분석 시나리오를 설정한다(S130). The processor receives user input data having a stop attribute parameter set for a stop pattern of an express train operating a target route (S120), and sets a train operation analysis scenario based on the user input data (S130).
프로세서는 열차 운행 분석 시나리오에 따라 통행 실적 데이터와 사용자 입력 데이터를 기반으로 대상 노선을 운행하는 급행열차에 대한 제1 정차 패턴과 제2 정차패턴을 결정한다(S140). The processor determines a first stop pattern and a second stop pattern for the express train operating the target route based on the traffic performance analysis scenario and the user input data (S140).
프로세서는 제1 정차 패턴과 제2 정차 패턴 간의 패턴 조합을 통해 최적 정차 패턴을 도출하기 위한 최적화 통행 모델을 수행하고(S150), 최적화 통행 모델에 직승 승객 정보 또는 환승 승객 정보를 반영하여 급행열차의 스케줄링 정보를 제공한다(S160). 이때, 프로세서는 급행열차의 스케줄링 정보를 저장하고, 스케줄링 정보를 화면으로 출력하여 관리자에 의해 운행 계획에 반영할 수 있도록 한다.The processor performs an optimized traffic model to derive an optimal stop pattern through a pattern combination between the first stop pattern and the second stop pattern (S150), and reflects the passenger information or the transfer passenger information in the optimized traffic model to express the train. Provide scheduling information (S160). At this time, the processor stores the scheduling information of the express train and outputs the scheduling information to the screen so that it can be reflected in the driving plan by the administrator.
본 발명의 급행열차의 스케줄링 방법은 도 1에서 제시된 급행화 분류체계에서 볼 때 패턴조합 방식의 일환으로 분류될 수 있는데, 패턴조합의 방식 자체도 여러 유형으로 구분될 수 있으나, 본 발명의 급행열차의 스케줄링 방법은 두 가지 유형의 정차패턴 (예컨대, A/B 유형)을 최적으로 결정하는 방법을 대상으로 한다.The scheduling method of the express train of the present invention can be classified as part of the pattern combination method in the rapid classification system shown in FIG. 1, but the pattern combination method itself can be divided into several types, but the express train of the present invention The scheduling method of is targeted at a method for optimally determining two types of stop patterns (eg, A / B type).
한편 도 5의 단계 S110 내지 S160은 본 발명의 구현예에 따라서 추가적인 단계들로 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계간의 순서가 변경될 수도 있다.Meanwhile, steps S110 to S160 of FIG. 5 may be divided into additional steps or combined into fewer steps according to an embodiment of the present invention. In addition, some steps may be omitted if necessary, and the order between the steps may be changed.
도 6은 도 5의 열차 운행 분석 시나리오 설정 과정을 설명하는 도면이다.FIG. 6 is a diagram illustrating a process of setting a scenario for analyzing a train operation of FIG. 5.
도 6을 참고하면, 프로세서는 파라미터 기반의 시나리오 분석 기법을 수행하는데, 사용자 입력에 의해 대상 노선에 대한 정거장 집합 데이터에 대해 정차역의 총수가 정차 속성 파라미터로 설정되면(S210), 승객 이탈 최소화 패턴 및 사용자 만족도에 기반하여 열차 운행 분석 시나리오를 산출한다(S220, S2230).Referring to FIG. 6, the processor performs a parameter-based scenario analysis technique. When the total number of stops is set as a stop attribute parameter for stop set data for a target route by user input (S210), a pattern of minimizing passenger departure and The train operation analysis scenario is calculated based on user satisfaction (S220, S2230).
이때, 사용자에 의해 입력되는 정차역의 총수는 하기 수학식 1의 제약 조건을 최적화 통행 모델에 반영하여 도달할 수 있다. At this time, the total number of stops input by the user may be reached by reflecting the constraints of
[수학식 1][Equation 1]
수학식 1에서, S는 정차역을 설정할 정거장 번호의 집합이고, n은 정차역의 총수이며, 인 경우 제1 정차패턴이 정거장 번호 i에서 정차역으로 설정되고, 인 경우 제1 정차 패턴이 정거장 번호 i에서 무정차역으로 설정된다. 또한, 인 경우 제2 정차패턴이 정거장 번호 i에서 정차역으로 설정되고, 인 경우, 제2 정차 패턴이 정거장 번호 i에서 무정차역으로 설정된다. In
이와 같이, 프로세서가 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 적용하면, 기존에 승객 이탈 손실과 통행 시간 단축에 따른 부의 손실의 판단 기준을 동시에 다룰 때 발생하는 수리적 모델의 규모가 많이 증가하여 최적 해를 구하기 위한 시간이 증가되는 문제점을 해결할 수 있다. As described above, when the processor applies the parameter-based scenario analysis method according to the user input data, the size of the hydraulic model generated when simultaneously handling the criteria for determining the loss of passengers and the loss of wealth due to the reduction in travel time increases significantly. It is possible to solve the problem of increasing the time for obtaining the optimal solution.
프로세서는 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 토대로 대상 노선에 대한 정거장 집합 데이터에 대해 사용자 선호 정차 설정 대상 정거장 집합을 우선 정차역으로 설정된 경우, 나머지 정거장에 대해 최적화 통행 모델을 통해 최적 해를 도출할 수 있다. Based on the parameter-based scenario analysis method according to the user input data, the processor sets the user-preferred stop for the target route data when the target stop set is set as the first stop, and then optimizes the solution through the optimized traffic model for the remaining stops. Can be derived.
이를 위해, 사용자 입력에 의한 정차 속성 파라미터는 하기 수학식 2의 제약 조건을 반영하여 달성할 수 있다. To this end, the stop attribute parameter by the user input may be achieved by reflecting the constraints of
[수학식 2][Equation 2]
수학식 2에서, S는 정차역을 설정할 정거장 번호의 집합이고, 는 사용자 선호 정차 설정 대상 정거장 번호의 부분 집합이며, 인 경우, 제1 정차패턴이 정거장 번호 i에서 정차역으로 설정되고, 인 경우, 제2 정차패턴이 정거장 번호 i에서 정차역으로 설정된다. In
프로세서는 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 토대로 대상 노선에 대한 정거장 집합 데이터에 대해 사용자 비선호 무정차 설정 대상 정거장 집합을 우선 무정차역으로 설정된 경우, 나머지 정거장에 대해 최적화 통행 모델을 통해 최적 해를 도출할 수 있다. Based on the parameter-based scenario analysis method according to the user input data, the processor optimizes the remaining stops through an optimized traffic model when the user-preferred stop setting target stop set for the target route is set to first stop stop. Can be derived.
이를 위해, 사용자 입력에 의한 정차 속성 파라미터는 하기 수학식 3의 제약 조건을 반영하여 달성할 수 있다. To this end, the stop attribute parameter by user input may be achieved by reflecting the constraints of
[수학식 3][Equation 3]
수학식 3에서, S는 정차역을 설정할 정거장 번호의 집합이고, 는 사용자 비선호 무정차 설정 대상 정거장 번호의 부분 집합이며, 인 경우, 제1 정차 패턴이 정거장 번호 i에서 무정차역으로 설정되고, 인 경우, 제2 정차 패턴이 정거장 번호 i에서 무정차역으로 설정된다.In
한편, 프로세서는 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 토대로 사용자 입력 데이터를 통해 대상 노선에 대해 하나의 정차 패턴이 일정 수 이상의 정거장에서 연속적으로 정차하여 열차 간의 운행 시격에 지장을 초래하는 문제점을 사전에 예방할 수 있다. On the other hand, the processor is based on the parameter-based scenario analysis technique according to the user input data, one stop pattern for the target route through the user input data continuously stops at a certain number of stops or more, causing a problem in the driving interval between trains Can be prevented in advance.
따라서, 프로세서는 하기 수학식 4의 제약 조건을 반영한 사용자 입력 데이터를 통해 연속 정차를 제한할 수 있다. Therefore, the processor may limit the continuous stop through user input data reflecting the constraints of
[수학식 4][Equation 4]
수학식 4에서, S는 정차역을 설정할 정거장 번호의 집합이고, m은 연속적인 정차 제한에 대한 최대값이며, 는 제1 정차패턴의 정거장 번호 i이고, 는 제2 정차패턴의 정거장 번호 i이며, 으로 정의될 수 있다. In
프로세서는 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 토대로 사용자 입력 데이터를 통해 총 이탈 승객수가 사용자가 사전에 결정한 기대 수준 이상으로 유지되도록 한다.Based on the parameter-based scenario analysis method according to the user input data, the processor enables the total number of departure passengers to be maintained above a user-determined expected level through the user input data.
프로세서는 최적화 통행 모델에 하기 수학식 5의 제약 조건을 반영하여 총 이탈 승객수를 기대 수준 이상으로 유지할 수 있다. The processor may keep the total number of departure passengers above the expected level by reflecting the constraints of
[수학식 5][Equation 5]
수학식 5에서, S는 정차역을 설정할 정거장 번호의 집합이고, 는 정차역 i에서 정차역 j까지 하나의 패턴을 통해 이동한 일간 통행량을 나타내는 결정변수이며, 는 정차역 i에서 정차역 j까지 서로 다른 패턴간 환승을 통해 이동한 일간 통행량을 나타내는 결정변수이고, 는 상기 대상 노선의 일간 총 통행량에 대한 통계값이며, θ는 사용자 입력에 의한 총 이탈 승객수(%)에 대한 기대 수준을 나타내는 파라미터 값이다.In
도 7은 본 발명의 일 실시예에 따른 최적화 통행 모델에 의한 통행 패턴 개념을 설명하는 도면이다.7 is a diagram illustrating a concept of a traffic pattern by an optimized traffic model according to an embodiment of the present invention.
도 7의 (a)에 도시된 바와 같이, 제1 정차 패턴(A)과 제2 정차 패턴(B) 간에 환승 구조가 없기 때문에 환승에 관련된 변수()는 양의 값을 가질 수 없고, 직승에 관련된 변수()만이 양의 값을 가질 수 있다.As shown in (a) of FIG. 7, there is no transfer structure between the first stop pattern (A) and the second stop pattern (B). ) Cannot have a positive value, and the variable related to the square ( ) Can only have a positive value.
정거장(1, 3)과 (4, 6)은 제1 정차 패턴(A)과 제2정차 패턴(B)이 정차하므로 직승에 관련된 변수가 양의 값으로 설정되고, 정거장(8, 17)은 직승 패턴으로 수송할 수 없는 정거장 쌍이므로 해당 변수가 양의 값을 가질 수 없다. 즉, , , 으로 각각 설정된다. Since the first stop pattern (A) and the second stop pattern (B) stop at the stops (1, 3) and (4, 6), the variable related to the straight line is set to a positive value, and the stops (8, 17) The pair cannot have a positive value because it is a pair of stations that cannot be transported in a straight pattern. In other words, , , Is set respectively.
도 7의 (b)에 도시된 바와 같이, 제1 정차 패턴(A)과 제2 정차 패턴(B) 간에 1개의 환승 구조를 가지므로, 환승 구조 전후에 존재하는 정거장(5, 16)에 관련된 환승 변수는 양의 값, 즉 이 된다. As shown in (b) of FIG. 7, since there is one transfer structure between the first stop pattern (A) and the second stop pattern (B), it is related to the stops (5, 16) that exist before and after the transfer structure. The transfer variable is a positive value, It becomes.
이와 같이, 프로세서는 최적화 모델에서 직승 승객을 나타내는 결정변수()와 환승 승객을 나타내는 결정 변수()를 하기 수학식 6과 같은 제약식으로 정식화할 수 있다.As such, the processor is a determinant variable representing the occupant in the optimization model ( ) And determinant variables ( ) Can be formulated in the following equation (6).
[수학식 6][Equation 6]
수학식 6에서, 는 정거장(I, j )을 통행하는 일간 통행량의 통계값이다. In
그러나 수학식 6의 제약식은 두 개 이상의 결정 변수들이 곱셈의 형태를 취하고 있는 비선형 제약식을 포함한 이차 상수 프로그래밍 모델(Quadratic Constraints Programming Model)이 된다. However, the equation (6) becomes a quadratic constraints programming model including a nonlinear constraint in which two or more decision variables take the form of multiplication.
이러한 비선형 제약식 모델에 포함되는 경우, 일반적인 혼합정수계획모델(Mixed Integer Programming Model)의 알고리즘을 이용하여 해를 구할 수 없다. 따라서, 프로세서는 결정변수()는 하기 수학식 7~수학식 19와 같은 방법으로 선형화하여 일반적인 혼합정수 계획 모델의 알고리즘을 이용하여 해를 구할 수 있도록 한다.When included in such a nonlinear constraint model, the solution cannot be solved using an algorithm of a general mixed integer programming model. Therefore, the processor ) Is linearized in the same manner as in
[수학식 7][Equation 7]
[수학식 8][Equation 8]
[수학식 9][Equation 9]
[수학식 10][Equation 10]
[수학식 11][Equation 11]
[수학식 12][Equation 12]
[수학식 13][Equation 13]
[수학식 14][Equation 14]
[수학식 15][Equation 15]
[수학식 16][Equation 16]
[수학식 17][Equation 17]
[수학식 18][Equation 18]
[수학식 19][Equation 19]
또한, 프로세서는 결정 변수() 는 하기 수학식 20~수학식 42와 같은 방법으로 선형화하여 일반적인 혼합정수 계획 모델의 알고리즘을 이용하여 해를 구할 수 있도록 한다.Also, the processor ) Is linearized in the same manner as in
[수학식 20][Equation 20]
[수학식 21][Equation 21]
[수학식 22][Equation 22]
[수학식 23][Equation 23]
[수학식 24][Equation 24]
[수학식 25][Equation 25]
[수학식 26][Equation 26]
[수학식 27][Equation 27]
[수학식 28][Equation 28]
[수학식 29][Equation 29]
[수학식 30][Equation 30]
[수학식 31][Equation 31]
[수학식 32][Equation 32]
[수학식 33][Equation 33]
[수학식 34][Equation 34]
[수학식 35][Equation 35]
[수학식 36][Equation 36]
[수학식 37][Equation 37]
[수학식 38][Equation 38]
[수학식 39][Equation 39]
[수학식 40][Equation 40]
[수학식 41][Equation 41]
[수학식 42][Equation 42]
최적화 통행 모델은 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 고려하여 최적의 정차 패턴을 조합하여 도출할 수 있는 수리과학적 모델을 하기 수학식 43으로 나타낼 수 있다.The optimization traffic model may represent a mathematical model that can be derived by combining optimal stop patterns in consideration of a parameter-based scenario analysis method according to user input data, as
[수학식 43][Equation 43]
도 8은 본 발명의 일 실시예에 따른 최적화 통행 모델을 설명하기 위한 동작 흐름도이다.8 is an operation flowchart illustrating an optimization traffic model according to an embodiment of the present invention.
도 8을 참조하면, 일반적인 도시철도 노선인 경우에 수리적 모델의 규모, 즉 총 변수 및 제약의 수가 커지더라도 짧은 시간 내에 최적 해를 구하기 위해 최적화 통행 모델을 환승 모델과 직승 모델로 분리한다(S310).Referring to FIG. 8, in the case of a general urban rail line, even if the size of the hydraulic model increases, that is, the total number of variables and constraints increases, the optimal traffic model is divided into a transfer model and a direct train model in order to obtain an optimal solution within a short time (S310). .
환승 모델은 수학식 42를 완화한 이후에 수학식 1~수학식 4, 수학식 20~41에 따른 수학식 44의 제약식들을 사용하여 최적 해()를 도출한다(S320). After the relaxation of Equation 42, the transfer model is an optimal solution using the constraints of Equation 44 according to
[수학식 44][Equation 44]
프로세서는 환승 모델의 최적 해에 적용된 환승 구조를 도출하고, 도출된 환승 구조를 직승 모델의 입력값으로 활용하며(S330), 수학식 1~수학식 4, 수학식 7~수학식 19의 제약식에 따른 하기 수학식 45를 이용하여 직승 모델의 최적 해를 도출한다(S340). The processor derives the transfer structure applied to the optimal solution of the transfer model, utilizes the derived transfer structure as an input value of the direct transfer model (S330), and the
[수학식 45] [Equation 45]
수학식 45에서, 는 대상 노선의 일간 총 통행량에 대한 통계값이고, θ는 사용자 입력에 의한 총 이탈 승객수(%)에 대한 기대 수준을 나타내는 파라미터 값이며, B는 환승 모델의 최적 해로부터 도출한 환승역 번호의 집합이다.In Equation 45, Is a statistical value for the total daily traffic volume of the target route, θ is a parameter value indicating the expected level for the total number of passengers leaving by user input (%), and B is a set of transfer station numbers derived from the optimal solution of the transfer model to be.
프로세서는 환승 모델의 최적 해와 직승 모델의 최적 해를 합산하여 급행열차의 스케줄 정보를 산출한다(S350).The processor calculates schedule information of the express train by summing the optimal solution of the transfer model and the optimal solution of the direct train model (S350).
이와 같이, 프로세서는 최적화 통행 모델을 통해 최적화된 정차 패턴을 도출하여 열차의 운행 계획에 반영할 수 있지만, 도심지에서 고밀도로 운행하는 도시철도에서는 수많은 대기 승객에 의해 당초 계획된 급행열차의 스케줄 정보로 인한 열차 운행시 혼선이 발생할 가능성이 높다.As described above, the processor can derive an optimized stop pattern through an optimized traffic model and reflect it in the train's operation plan, but in urban trains operating at high density in downtown areas, due to the schedule information of the express train originally planned by numerous waiting passengers There is a high possibility of crosstalk when operating trains.
이러한 혼선이 발생한 경우, 프로세서는 제1 정차 패턴과 제2 정차 패턴을 동적으로 재조정하여 제1 정차 패턴 및 제2 정차 패턴으로 운행하는 열차들 간의 혼잡과 지연을 최소화할 수 있다.When such crosstalk occurs, the processor may dynamically adjust the first stop pattern and the second stop pattern to minimize congestion and delay between trains operating in the first stop pattern and the second stop pattern.
도 9는 본 발명의 일 실시예에 따른 제1 및 제2 정차패턴의 동적 조정 과정을 설명하는 동작 흐름도이고, 도 10은 도 9의 제1 및 제2 정차 패턴의 동적 조정 과정의 결과를 설명하는 예시도이다.9 is an operation flowchart illustrating the dynamic adjustment process of the first and second stop patterns according to an embodiment of the present invention, and FIG. 10 illustrates the result of the dynamic adjustment process of the first and second stop patterns of FIG. 9 This is an example diagram.
도 9 및 도 10을 참조하면, 프로세서는 제1 정차 패턴 및 제2 정차 패턴으로 운행하는 급행열차에 대한 차내의 혼잡도, 정거장 구조(예를 들어, 배선, 플랫폼 등), 차량 구조(예를 들어, 객실, 출입문 등), 열차 운행(지연, 혼잡)을 포함한 운행 상황 정보를 실시간 모니터링한다(S410). 이때, 프로세서는 제1 정차 패턴과 제2 정차 패턴의 무정차(SKIP)/정차(STOP) 에 대한 스케줄 정보를 불러와 운행 상황 정보에 반영한다(S420). Referring to FIGS. 9 and 10, the processor may include a congestion level, a stop structure (for example, wiring, a platform, and the like) of a vehicle for an express train running in a first stop pattern and a second stop pattern, and a vehicle structure (for example, , Room, door, etc.), and train operation (delay, congestion), including real-time monitoring of the operation status information (S410). At this time, the processor fetches schedule information for the unstopped (SKIP) / stopped (STOP) of the first stop pattern and the second stop pattern and reflects the schedule information (S420).
또한, 프로세서는 통행 실적 데이터, 운행 상황 정보, 급행열차의 스케줄 정보를 통계적으로 분석하여 혼잡도 또는 운행시간에 대한 예측 모델을 제공하고(S430), 예측 모델을 통해 예측된 정차/운행 시간과 실시간 인식된 운행 상황 정보를 종합하여 현재 혼잡 상황이 관리 목표값 이상인지를 진단한다(S440). 이때, 프로세서는 데이터베이스에서 통행 실적 데이터, 운행 상황 정보, 급행열차의 스케줄 정보, 정거장 및 차량 구조 정보, 운행 지연/혼잡 정보 등을 입력 값으로 하여 강화 학습 알고리즘을 수행하여 관리 목표값을 설정할 수 있다(S450).In addition, the processor statistically analyzes traffic performance data, driving status information, and schedule information of the express train to provide a prediction model for congestion or driving time (S430), and real-time recognition of stop / run times predicted through the prediction model The collected operation status information is synthesized to determine whether the current congestion status is greater than or equal to the management target value (S440). At this time, the processor may set a management target value by performing a reinforcement learning algorithm with input values of traffic performance data, driving status information, schedule information of the express train, stop and vehicle structure information, and driving delay / congestion information in the database. (S450).
프로세서는 현재 혼잡 상황 관리 목표값 이상 증가하는 경우, 인접 환승역에서 제1 정차 패턴과 제2 정차 패턴을 실시간 조정하고(S460), 정차 패턴의 실시간 조정으로 인해 열차의 지연 및 대기 시간정보(td=t+Δt)를 산출하고, 이렇게 절감된 열차의 지연 및 대기 시간 정보를 반영하여 열차의 운행 상황을 실시간 인식하는 과정을 반복 수행한다(S480).When the processor increases over the current congestion situation management target value, the first stop pattern and the second stop pattern are adjusted in real time at the adjacent transfer station (S460), and the delay and waiting time information (t d ) of the train due to the real time adjustment of the stop pattern = t + Δt), and the process of real-time recognition of the train's operating condition is repeated by reflecting the reduced train delay and waiting time information (S480).
예를 들어, 프로세서는 도 10의 (a)에 도시된 바와 같이, 제1 정차 패턴의 열차가 차내 혼잡도가 높고, 제2 정차 패턴의 열차가 차내 혼잡도가 낮은 상황을 실시간 인식할 수 있다.For example, as illustrated in FIG. 10 (a), the processor may recognize in real time a situation in which the train of the first stop pattern has high in-car congestion and the train of the second stop pattern has a low in-car congestion.
도 10의 (b)에 도시된 바와 같이, 프로세서는 전방 정차 예정역의 혼잡 상황을 현재 운행 상황 정보에 추가하여 반영하여 혼잡역과 비혼잡역에 대한 정차 계획 또는 정차 시간을 실시간 조정할 수 있다. As illustrated in (b) of FIG. 10, the processor may adjust the stop plan or stop time for the congested and non-congested stations in real time by adding and reflecting the congestion situation of the scheduled forward stop to the current operation status information.
프로세서는 제1 정차 패턴과 제2 정차 패턴의 실시간 조정에 대한 안내 방송정보를 차내 방송 또는 정차역내 방송으로 제공할 수 있고, 혼잡역에 대한 정차시간을 일부 증가할 수도 있다. The processor may provide guide broadcasting information for real-time adjustment of the first stop pattern and the second stop pattern as in-vehicle broadcast or in-stop broadcast, and may increase the stop time for congested stations.
도 11a 및 11b는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법을 국내 도시철도에 적용하여 도출한 급행열차의 정차 패턴을 설명하는 예시도이다.11A and 11B are exemplary views illustrating a stop pattern of an express train derived by applying a scheduling method of an express train according to an embodiment of the present invention to a domestic urban railway.
도 11a 및 11b를 참조하면, 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법이 국내 서울시 7호선에 적용되면, 사용자 입력 데이터에 기초한 최적화 통행 모델을 활용하여 제1 정차 패턴(A) 및 제2 정차 패턴(B)에 대한 정차역이 26역에서 34역까지 다양한 열차 운행 분석 시나리오가 도출되고, 또 다양한 열차 운행 분석 시나리오에 따라 최적 정차패턴을 도출할 수 있다. 11A and 11B, when the scheduling method of the express train according to an embodiment of the present invention is applied to
도 12는 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법을 국내 도시철도에 적용할 경우 예상되는 통행 시간 및 이탈 승객에 대한 예측 결과를 설명하는 예시도이고, 도 13은 도 12의 결과에 해단 분석 수치를 설명하는 예시도이다.12 is an exemplary view for explaining a predicted result of expected travel time and departure passengers when the scheduling method of an express train according to an embodiment of the present invention is applied to a domestic urban railway, and FIG. It is an exemplary diagram explaining the numerical value of the breakdown analysis.
도 12 및 도 13을 참조하면, 본 발명의 일 실시예에 따른 급행열차의 스케줄링 방법은 국내 서울시 2호선, 5호선 및 7호선의 급행열차 스케줄 정보에 적용할 경우, 예상되는 통행 시간 절감 효과와 이탈 승객 최소화를 위해 2호선 및 5호선은 최적 정차역 수가 모두 29역, 7호선의 최적 정차역수는 34역으로 분석될 수 있다.12 and 13, the scheduling method of the express train according to an embodiment of the present invention is expected to reduce the expected travel time when applied to the schedule information of the express trains of
이상에서 설명한 본 발명의 실시예에 따른 급행열차의 스케줄링 방법은, 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 이러한 기록 매체는 컴퓨터 판독 가능 매체를 포함하며, 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함하며, 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.The method of scheduling an express train according to the embodiment of the present invention described above may also be implemented in the form of a recording medium including instructions executable by a computer, such as a program module executed by a computer. Such recording media include computer readable media, which can be any available media that can be accessed by a computer and includes both volatile and nonvolatile media, removable and non-removable media. In addition, computer readable media includes computer storage media, which are volatile and nonvolatile implemented in any method or technology for storage of information such as computer readable instructions, data structures, program modules or other data. , Removable and non-removable media.
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.The above description of the present invention is for illustration only, and those skilled in the art to which the present invention pertains can understand that the present invention can be easily modified into other specific forms without changing the technical spirit or essential features of the present invention. will be. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a distributed manner, and similarly, components described as distributed may be implemented in a combined form.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is indicated by the following claims rather than the above detailed description, and it should be interpreted that all changes or modified forms derived from the meaning and scope of the claims and equivalent concepts thereof are included in the scope of the present invention. do.
100: 급행열차의 스케줄링 시스템
110: 통신 모듈
120: 메모리
130: 프로세서
140: 데이터베이스
300: 통신망100: express train scheduling system
110: communication module 120: memory
130: processor 140: database
300: communication network
Claims (27)
a) 대상 노선에 대한 정거장 집합 데이터, 과거 역간 통행 실적 데이터, 과거 역간 통행 시간 데이터를 포함한 통행 입력 데이터를 통계적으로 처리하여 통행 실적 데이터를 제공하는 단계;
b) 상기 대상 노선을 운행하는 급행열차의 정차 패턴에 대해 정차 속성 파라미터를 설정한 사용자 입력 데이터를 수신하고, 상기 사용자 입력 데이터에 기초하여 열차 운행 분석 시나리오를 설정하는 단계;
c) 상기 설정된 열차 운행 분석 시나리오에 따라 상기 통행 실적 데이터와 사용자 입력 데이터를 기반으로 상기 대상 노선을 운행하는 급행열차에 대한 제1 정차 패턴과 제2 정차패턴을 결정하는 단계; 및
d) 상기 제1 정차 패턴과 제2 정차 패턴 간의 패턴조합을 통해 최적 정차 패턴을 도출하기 위한 최적화 통행 모델을 수행하고, 상기 최적화 통행 모델에 직승 승객 정보 또는 환승 승객 정보를 반영하여 상기 급행열차의 스케줄 정보를 제공하는 단계를 포함하는 것인, 급행열차의 스케줄링 방법.In the scheduling method of the express train performed by the scheduling system of the express train to control the train operation through the scheduling of the station,
a) statistically processing traffic input data including stop aggregation data, past station traffic performance data, and past station traffic time data for a target route to provide traffic performance data;
b) receiving user input data having a stop attribute parameter set for a stop pattern of an express train running on the target route, and setting a train operation analysis scenario based on the user input data;
c) determining a first stop pattern and a second stop pattern for an express train operating the target route based on the traffic performance data and user input data according to the set train operation analysis scenario; And
d) Performing an optimized traffic model to derive an optimal stop pattern through a pattern combination between the first stop pattern and the second stop pattern, and reflecting the passenger information or transfer passenger information in the optimized traffic model to determine the speed of the express train. And providing the schedule information.
상기 b) 단계는, 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 적용하고,
상기 파라미터 기반의 시나리오 분석 기법은,
상기 대상 노선에 대한 정거장 집합 데이터에 대해 정차역의 총수가 상기 정차 속성 파라미터로 설정되면, 승객 이탈 최소화 패턴 및 사용자 만족도에 기반하여 열차 운행 분석 시나리오를 산출하는 것인, 급행열차의 스케줄링 방법.According to claim 1,
In step b), a parameter-based scenario analysis technique according to user input data is applied,
The parameter-based scenario analysis technique,
When the total number of stops for the stop set data for the target route is set as the stop attribute parameter, a train operation analysis scenario is calculated based on a passenger departure minimization pattern and user satisfaction.
상기 정차역의 총수는 하기 수학식 1의 제약 조건을 상기 최적화 통행 모델에 반영하여 도달하는 것인, 급행열차의 스케줄링 방법.
[수학식 1]
S는 정차역을 설정할 정거장 번호의 집합
n은 정차역의 총수,
인 경우, 제1 정차패턴이 정거장 번호 i에서 정차역으로 설정
인 경우, 제1 정차 패턴이 정거장 번호 i에서 무정차역으로 설정
인 경우, 제2 정차패턴이 정거장 번호 i에서 정차역으로 설정
인 경우, 제2 정차 패턴이 정거장 번호 i에서 무정차역으로 설정According to claim 2,
The total number of stops is reached by reflecting the constraints of Equation 1 below in the optimized traffic model.
[Equation 1]
S is the set of station numbers for which to set stops
n is the total number of stops,
If is, the first stop pattern is set to stop station at stop number i
If, the first stop pattern is set to stop-stop at station number i
In case of, the second stop pattern is set to stop station at stop number i
If is, the second stop pattern is set to stop no at stop number i
상기 b) 단계는,
상기 대상 노선에 대한 정거장 집합 데이터에서 사용자 선호 정차 설정 대상 정거장 집합을 우선적 정차역으로 하여 상기 정차 속성 파라미터를 설정한 경우, 하기 수학식 2의 제약 조건을 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 방법.
[수학식 2]
S는 정차역을 설정할 정거장 번호의 집합
는 사용자 선호 정차 설정 대상 정거장 번호의 부분 집합
인 경우, 제1 정차패턴이 정거장 번호 i에서 정차역으로 설정
인 경우, 제2 정차패턴이 정거장 번호 i에서 정차역으로 설정According to claim 1,
Step b),
When the stop attribute parameter is set by setting the user-preferred stop set as the preferred stop in the stop set data for the target route, the constraints of Equation 2 below are reflected in the optimized traffic model. Scheduling method.
[Equation 2]
S is the set of station numbers for which to set stops
Is a subset of the stop number to which the user preferred stop is set
If is, the first stop pattern is set to stop station at stop number i
In case of, the second stop pattern is set to stop station at stop number i
상기 b) 단계는,
상기 대상 노선에 대한 정거장 집합 데이터에서 사용자 비선호 무정차 설정 대상 정거장 집합을 무정차역으로 하여 상기 정차 속성 파라미터를 설정한 경우, 하기 수학식 3의 제약 조건을 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 방법.
[수학식 3]
S는 정차역을 설정할 정거장 번호의 집합
는 사용자 비선호 무정차 설정 대상 정거장 번호의 부분 집합
인 경우, 제1 정차 패턴이 정거장 번호 i에서 무정차역으로 설정
인 경우, 제2 정차 패턴이 정거장 번호 i에서 무정차역으로 설정 According to claim 1,
Step b),
When the stop attribute parameter is set by setting a stop set of a user-preferred stop without a stop in the stop set data for the target route, the constraint of Equation 3 below is reflected in the optimized traffic model. Scheduling method.
[Equation 3]
S is the set of station numbers for which to set stops
Is a subset of the user-preferred stop setting target stop number
If, the first stop pattern is set to stop-stop at station number i
If is, the second stop pattern is set to stop no at stop number i
상기 b) 단계는,
상기 대상 노선에 대한 정거장 집합 데이터에서 기설정된 정거장 수 이상에서 연속적인 정차를 제한하여 상기 정차 속성 파라미터를 설정한 경우, 하기 수학식 4의 제약 조건을 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 방법.
[수학식 4]
S는 정차역을 설정할 정거장 번호의 집합
m은 연속적인 정차 제한에 대한 최대값
는 제1 정차패턴의 정거장 번호 i
는 제2 정차패턴의 정거장 번호 i
According to claim 1,
Step b),
When the stop attribute parameter is set by limiting continuous stops at a predetermined number of stops or more in the stop set data for the target route, express constraints of Equation 4 below are reflected in the optimized traffic model. Scheduling method.
[Equation 4]
S is the set of station numbers for which to set stops
m is the maximum for continuous stop limits
Is the stop number of the first stop pattern i
Is the stop number of the second stop pattern i
상기 b) 단계는,
상기 대상 노선에 대한 정거장 집합 데이터에서 총 이탈 승객수에 대한 기대 수준을 상기 정차 속성 파라미터로 설정한 경우, 하기 수학식 5의 제약 조건을 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 방법.
[수학식 5]
S는 정차역을 설정할 정거장 번호의 집합
는 정차역 i에서 정차역 j까지 하나의 패턴을 통해 이동한 일간 통행량을 나타내는 결정변수
는 정차역 i에서 정차역 j까지 서로 다른 패턴간 환승을 통해 이동한 일간 통행량을 나타내는 결정변수
는 상기 대상 노선의 일간 총 통행량에 대한 통계값
θ는 사용자 입력에 의한 총 이탈 승객수(%)에 대한 기대 수준을 나타내는 파라미터 값According to claim 1,
Step b),
When the expected level for the total number of departed passengers is set as the stop attribute parameter in the stop set data for the target route, the constraint of Equation 5 below is reflected in the optimized traffic model. .
[Equation 5]
S is the set of station numbers for which to set stops
Is a determinant variable representing the daily traffic volume traveled through one pattern from station i to station j
Is a determinant variable that represents the daily traffic volume traveled through transfer between different patterns from stop i to stop j
Is a statistical value for the total daily traffic volume of the target route.
θ is a parameter value indicating the expected level for the total number of passengers leaving by user input (%)
상기 최적화 통행 모델은 혼합정수계획 모형의 알고리즘을 활용하여 해의 도출이 가능하도록 비선형 제약식을 선형화한 하기 수학식 6의 수리과학 모델을 적용하는 것인, 급행열차의 스케줄링 방법.
[수학식 6]
S는 정차역을 설정할 정거장 번호의 집합
는 정차역 i에서 정차역 j까지 직승 승객을 나타내는 결정 변수
는 정차역 i에서 정차역 j까지 환승 승객을 나타내는 결정 변수According to claim 1,
The optimization traffic model is to apply the mathematical science model of Equation 6 below, which linearizes the nonlinear constraint so that the solution can be derived by using the algorithm of the mixed integer planning model.
[Equation 6]
S is the set of station numbers for which to set stops
Is a determinant variable that represents the passenger who is in a straight line from stop i to stop j
Is a determinant variable representing the transit passenger from stop i to stop j
상기 와 는 하기 수학식 7과 같은 제약식으로 정식화되는 것인, 급행열차의 스케줄링 방법.
[수학식 7]
는 정거장(I, j )을 통행하는 일간 통행량의 통계값
는 제1 정차패턴의 정거장 번호 i
는 제2 정차패턴의 정거장 번호 iThe method of claim 8,
remind Wow Is formulated by the following equation (7), the scheduling method of the express train.
[Equation 7]
Is the statistical value of the daily traffic volume through the station (I, j).
Is the stop number of the first stop pattern i
Is the stop number of the second stop pattern i
상기 d) 단계는,
d-1) 상기 최적화 통행 모델을 환승 모델과 직승 모델로 분리하는 단계;
d-2) 상기 수학식 7을 완화한 하기 수학식 8의 제약식을 사용하여 상기 환승 모델의 최적 해()를 도출하는 단계;
d-3) 상기 환승 모델의 최적 해에 적용된 환승 구조를 도출한 후 상기 도출된 환승 구조를 직승 모델의 입력값으로 하는 하기 수학식 9를 이용하여 상기 직승 모델의 최적 해를 도출하는 단계; 및
d-4) 상기 환승 모델의 최적 해와 상기 직승 모델의 최적 해를 합산하여 상기 급행열차의 스케줄 정보를 산출하는 단계를 포함하는 것인, 급행열차의 스케줄링 방법.
[수학식 8]
[수학식 9]
는 상기 대상 노선의 일간 총 통행량에 대한 통계값
θ는 사용자 입력에 의한 총 이탈 승객수(%)에 대한 기대 수준을 나타내는 파라미터 값
B는 상기 환승 모델의 최적 해로부터 도출한 환승역 번호의 집합The method of claim 8,
Step d),
d-1) separating the optimized traffic model into a transfer model and a direct transfer model;
d-2) Optimal solution of the transfer model using the constraints of Equation 8 below, which mitigates Equation 7 Deriving);
d-3) deriving a transfer structure applied to the optimal solution of the transfer model, and then deriving an optimal solution of the transfer model using Equation (9) below using the derived transfer structure as an input value of the direct transfer model; And
d-4) calculating the schedule information of the express train by summing the optimal solution of the transfer model and the optimal solution of the direct train model, the scheduling method of the express train.
[Equation 8]
[Equation 9]
Is a statistical value for the total daily traffic volume of the target route.
θ is a parameter value indicating the expected level for the total number of passengers leaving by user input (%)
B is a set of transfer station numbers derived from the optimal solution of the transfer model
e) 상기 제1 정차 패턴 및 제2 정차 패턴으로 운행하는 급행열차에 대한 차내의 혼잡도를 포함한 운행 상황 정보를 실시간 모니터링하고, 상기 운행 상황 정보를 통해 현재 혼잡 상황이 기설정된 관리 목표값 이상인 경우 인접 환승역에서 상기 제1 정차 패턴과 제2 정차 패턴을 동적으로 실시간 재조정하는 단계를 더 포함하는 것인, 급행열차의 스케줄링 방법.According to claim 1,
e) Real-time monitoring of driving status information including congestion in the car for express trains operating in the first stop pattern and the second stop pattern, and when the current congestion status is higher than a preset management target value through the operation status information Further comprising the step of dynamically real-time re-adjusting the first stop pattern and the second stop pattern at the transfer station, the scheduling method of the express train.
상기 e) 단계는,
e-1) 정거장 구조 정보, 차량 구조 정보, 지연 또는 혼잡도를 포함한 열차 운행 정보를 이용하여 현재 운행 상황 정보를 실시간 인식하는 단계;
e-2) 상기 통행 실적 데이터, 상기 운행 상황 정보 또는 상기 급행열차의 스케줄 정보를 통계적으로 분석하여 혼잡도 또는 운행시간에 대한 예측 모델을 제공하고, 상기 예측 모델을 통해 정차/운행 시간을 예측하는 단계;
e-3) 상기 예측된 정차/운행 시간과 현재 운행 상황 정보에 근거하여 현재 혼잡 상황이 상기 관리 목표값 이상으로 증가하는 경우, 인접 환승역에서 상기 제1 정차 패턴과 제2 정차 패턴을 실시간 조정하는 단계를 포함하는 것인, 급행열차의 스케줄링 방법.The method of claim 11,
Step e),
e-1) real-time recognition of current operation status information using train operation information including stop structure information, vehicle structure information, delay or congestion;
e-2) Statistical analysis of the traffic performance data, the operation status information, or the schedule information of the express train to provide a predictive model for congestion or driving time, and predict stop / run time through the predictive model ;
e-3) Real-time adjustment of the first stop pattern and the second stop pattern at adjacent transfer stations when the current congestion situation increases above the management target value based on the predicted stop / run time and current operation status information The method comprising the steps of scheduling an express train.
상기 e-2) 단계는, 상기 통행 실적 데이터, 상기 운행 상황 정보 또는 상기 급행열차의 스케줄 정보에 근거하여 강화 학습 알고리즘을 수행하여 상기 관리 목표값을 설정하는 것인, 급행열차의 스케줄링 방법.The method of claim 12,
In step e-2), the management target value is set by performing a reinforcement learning algorithm based on the traffic performance data, the driving condition information, or the schedule information of the express train, to set the management target value.
상기 e-3) 단계는, 전방 정차 예정역의 혼잡 상황을 상기 운행 상황 정보에 추가하여 혼잡역과 비혼잡역에 대한 정차 계획 또는 정차 시간을 실시간 조정하는 것인, 급행열차의 스케줄링 방법.The method of claim 12,
Step e-3) is a method for scheduling an express train by adding a congestion situation of a station to be stopped in front to the operation status information and adjusting a stop plan or a stop time for a congestion and a non-congestion in real time.
상기 e-3) 단계는,
상기 실시간 조정된 제1 정차 패턴과 제2 정차 패턴에 대한 안내 방송정보를 제공하는 것인, 급행열차의 스케줄링 방법. The method of claim 12,
In step e-3),
The real-time adjusted first stop pattern and the second stop pattern to provide information about the broadcast, the rapid train scheduling method.
대상 노선에 대한 정차역을 선택적으로 설정하여 정차하기 위한 급행열차의 스케줄링 방법을 수행하기 위한 프로그램이 기록된 메모리; 및
상기 프로그램을 실행하기 위한 프로세서를 포함하며,
상기 프로세서는, 상기 프로그램의 실행에 의해,
상기 대상 노선에 대한 정거장 집합 데이터, 과거 역간 통행 실적 데이터, 과거 역간 통행 시간 데이터를 포함한 통행 입력 데이터를 통계적으로 처리하여 통행 실적 데이터를 제공하고,
상기 대상 노선을 운행하는 급행열차의 정차 패턴에 대해 정차 속성 파라미터를 설정한 사용자 입력 데이터를 수신하고, 상기 사용자 입력 데이터에 기초하여 열차 운행 분석 시나리오를 설정하고,
상기 설정된 열차 운행 분석 시나리오에 따라 상기 통행 실적 데이터와 사용자 입력 데이터를 기반으로 상기 대상 노선을 운행하는 급행열차에 대한 제1 정차 패턴과 제2 정차패턴을 결정하고,
상기 제1 정차 패턴과 제2 정차 패턴 간의 패턴조합을 통해 최적 정차 패턴을 도출하기 위한 최적화 통행 모델을 수행하고, 상기 최적화 통행 모델에 직승 승객 정보 또는 환승 승객 정보를 반영하여 상기 급행열차의 스케줄 정보를 제공하는 것인, 급행열차의 스케줄링 시스템.In the scheduling system of the express train to control the train operation through the scheduling of the stop,
A memory in which a program for performing a scheduling method of an express train for stopping by selectively setting a stop for a target route is recorded; And
It includes a processor for executing the program,
The processor, by the execution of the program,
Provides traffic performance data by statistically processing traffic input data including stop aggregation data, past station traffic performance data, and past station traffic time data for the target route,
Receiving user input data with a stop attribute parameter set for a stop pattern of an express train running on the target route, setting a train operation analysis scenario based on the user input data,
The first stop pattern and the second stop pattern for the express train operating the target route are determined based on the traffic performance data and user input data according to the set train operation analysis scenario,
Optimized traffic model for deriving an optimal stop pattern through a pattern combination between the first stop pattern and the second stop pattern, and the schedule information of the express train by reflecting passenger information or transfer passenger information in the optimized traffic model To provide, the scheduling system of the express train.
상기 프로세서는 상기 대상 노선에 대한 정거장 집합 데이터에 대해 정차역의 총수가 상기 정차 속성 파라미터로 설정되면, 승객 이탈 최소화 패턴 및 사용자 만족도에 기반하여 열차 운행 분석 시나리오를 산출하는 사용자 입력 데이터에 따른 파라미터 기반의 시나리오 분석 기법을 적용하는 것인, 급행열차의 스케줄링 시스템.The method of claim 16,
When the total number of stops is set as the stop attribute parameter for the stop set data for the target route, the processor is based on parameters according to user input data to calculate a train operation analysis scenario based on a passenger departure minimization pattern and user satisfaction. Scheduling system of express train, applying scenario analysis technique.
상기 프로세서는,
상기 대상 노선에 대한 정거장 집합 데이터에서 사용자 선호 정차 설정 대상 정거장 집합을 우선적 정차역으로 하여 상기 정차 속성 파라미터를 설정한 사용자 입력 데이터를 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 시스템.The method of claim 17,
The processor,
A system for scheduling an express train in which the user input data set with the stop attribute parameter is reflected in the optimized traffic model by setting a user-preferred stop set as a preferred stop in the stop set data for the target route.
상기 프로세서는,
상기 대상 노선에 대한 정거장 집합 데이터에서 사용자 비선호 무정차 설정 대상 정거장 집합을 무정차역으로 하여 상기 정차 속성 파라미터를 설정한 사용자 입력 데이터를 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 시스템. The method of claim 17,
The processor,
The user's non-preferred stop setting target stop set in the stop set data for the target route is a stop stop, and the user input data set with the stop attribute parameter is reflected in the optimized traffic model.
상기 프로세서는,
상기 대상 노선에 대한 정거장 집합 데이터에서 기설정된 정거장 수 이상에서 연속적인 정차를 제한하여 상기 정차 속성 파라미터를 설정한 사용자 입력 데이터를 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 시스템.The method of claim 17,
The processor,
The system for scheduling an express train is to limit the continuous stops at a predetermined number of stops or more from the stop set data for the target route to reflect the user input data set with the stop attribute parameter in the optimized traffic model.
상기 프로세서는,
상기 대상 노선에 대한 정거장 집합 데이터에서 총 이탈 승객수에 대한 기대 수준을 상기 정차 속성 파라미터로 설정한 사용자 입력 데이터를 상기 최적화 통행 모델에 반영하는 것인, 급행열차의 스케줄링 시스템.The method of claim 17,
The processor,
Scheduling system of the express train, which reflects the user input data in which the expected level for the total number of passengers leaving the station aggregate data for the target route is set as the stop attribute parameter in the optimized traffic model.
상기 최적화 통행 모델은 혼합정수계획 모형의 알고리즘을 활용하여 해의 도출이 가능하도록 비선형 제약식을 선형화한 하기 수학식 6의 수리과학 모델을 적용하는 것인, 급행열차의 스케줄링 시스템.
[수학식 6]
S는 정차역을 설정할 정거장 번호의 집합
는 정차역 i에서 정차역 j까지 직승 승객을 나타내는 결정 변수
는 정차역 i에서 정차역 j까지 환승 승객을 나타내는 결정 변수The method of claim 16,
The optimization passage model is a scheduling system for an express train that applies the mathematical science model of Equation 6 below, which linearizes a nonlinear constraint to enable solution derivation by using an algorithm of a mixed integer planning model.
[Equation 6]
S is the set of station numbers for which to set stops
Is a determinant variable that represents the passenger who is in a straight line from stop i to stop j
Is a determinant variable representing the transit passenger from stop i to stop j
상기 프로세서는 상기 최적화 통행 모델을 환승 모델과 직승 모델로 분리한 후 상기 환승 모델의 최적 해()를 도출하고,
상기 환승 모델의 최적 해에 적용된 환승 구조를 도출한 후 상기 도출된 환승 구조를 직승 모델의 입력값으로 하여 상기 직승 모델의 최적 해를 도출하고,
상기 환승 모델의 최적 해와 상기 직승 모델의 최적 해를 합산하여 상기 급행열차의 스케줄 정보를 산출하는 것인, 급행열차의 스케줄링 시스템.The method of claim 16,
The processor separates the optimized traffic model into a transfer model and a direct transfer model, and then an optimal solution of the transfer model ( ),
After deriving the transfer structure applied to the optimal solution of the transfer model, the optimal solution of the direct transfer model is derived by using the derived transfer structure as an input value of the direct transfer model,
The scheduling system of the express train is to calculate schedule information of the express train by summing the optimal solution of the transfer model and the optimal solution of the direct train model.
상기 프로세서는, 상기 제1 정차 패턴 및 제2 정차 패턴으로 운행하는 급행열차에 대한 차내의 혼잡도를 포함한 운행 상황 정보를 실시간 모니터링하고, 상기 운행 상황 정보를 통해 현재 혼잡 상황이 기설정된 관리 목표값 이상인 경우 인접 환승역에서 상기 제1 정차 패턴과 제2 정차 패턴을 동적으로 실시간 재조정하는 것인, 급행열차의 스케줄링 시스템.The method of claim 16,
The processor monitors in real time the operation status information including the congestion level in the vehicle for the express train running in the first stop pattern and the second stop pattern, and the current congestion status is greater than or equal to a preset management target value through the operation status information. In the case of an adjacent transit station, the first stop pattern and the second stop pattern are dynamically real-time readjusted.
상기 프로세서는,
상기 통행 실적 데이터, 상기 운행 상황 정보 또는 상기 급행열차의 스케줄 정보에 근거하여 강화 학습 알고리즘을 수행하여 상기 관리 목표값을 설정하는 것인, 급행열차의 스케줄링 시스템.The method of claim 24,
The processor,
Scheduling system of the express train, to set the management target value by performing a reinforcement learning algorithm based on the traffic performance data, the driving status information or the schedule information of the express train.
상기 프로세서는 전방 정차 예정역의 혼잡 상황을 상기 운행 상황 정보에 추가하여 혼잡역과 비혼잡역에 대한 정차 계획 또는 정차 시간을 실시간 조정하는 것인, 급행열차의 스케줄링 시스템.The method of claim 24,
The processor is to adjust the stop time or stop time for the congestion and non-congestion in real time by adding the congestion status of the scheduled stop ahead to the operation status information, the scheduling system of the express train.
상기 프로세서는, 상기 실시간 조정된 제1 정차 패턴과 제2 정차 패턴에 대한 안내 방송정보를 제공하는 것인, 급행열차의 스케줄링 시스템. The method of claim 24,
The processor is to provide the broadcast information for the first stop pattern and the second stop pattern adjusted in real time, the scheduling system of the express train.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20180134707 | 2018-11-05 | ||
KR1020180134707 | 2018-11-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20200051448A true KR20200051448A (en) | 2020-05-13 |
KR102113162B1 KR102113162B1 (en) | 2020-05-20 |
Family
ID=70729733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190012056A KR102113162B1 (en) | 2018-11-05 | 2019-01-30 | System for scheduling of express train and method thereof |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102113162B1 (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861279A (en) * | 2020-08-04 | 2020-10-30 | 北京交通大学 | Multi-target high-speed toll station shift car scheduling method considering transfer |
CN112214829A (en) * | 2020-08-26 | 2021-01-12 | 北京交通大学 | Optimization modeling method for high-speed railway train connection scheme |
CN112231796A (en) * | 2020-09-15 | 2021-01-15 | 北京交通大学 | Periodic train stop scheme optimization modeling method considering passenger space-time trip distribution |
CN113935181A (en) * | 2021-10-22 | 2022-01-14 | 暨南大学 | Train simulation operation optimization system construction method based on matched passenger flow |
CN114655281A (en) * | 2022-03-08 | 2022-06-24 | 通号城市轨道交通技术有限公司 | Train operation diagram processing method and device, electronic equipment and storage medium |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220116813A (en) | 2021-02-15 | 2022-08-23 | 부산대학교 산학협력단 | Apparatus for foresight analysis of passenger usage for selecting the optimal stop station for express trains |
KR20230119282A (en) | 2022-02-07 | 2023-08-16 | 부산대학교 산학협력단 | Apparatus for foresight analysis of passenger congestion in the platform for setting the optimal operating cycle of express trains |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015074394A (en) * | 2013-10-10 | 2015-04-20 | 株式会社日立製作所 | Optimum operation pattern selection system and optimum operation pattern selection method |
KR20150127429A (en) * | 2014-05-07 | 2015-11-17 | 한국철도기술연구원 | Method of intelligent train scheduling |
JP2017177923A (en) * | 2016-03-29 | 2017-10-05 | 株式会社日立製作所 | Operation prediction system, operation prediction method and operation prediction program |
KR101881606B1 (en) | 2009-10-23 | 2018-08-24 | 인티그레이티드 트랜스포테이션 테크놀로지스, 엘.엘.씨. | Synchronized express and local trains for urban commuter rail systems |
-
2019
- 2019-01-30 KR KR1020190012056A patent/KR102113162B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101881606B1 (en) | 2009-10-23 | 2018-08-24 | 인티그레이티드 트랜스포테이션 테크놀로지스, 엘.엘.씨. | Synchronized express and local trains for urban commuter rail systems |
JP2015074394A (en) * | 2013-10-10 | 2015-04-20 | 株式会社日立製作所 | Optimum operation pattern selection system and optimum operation pattern selection method |
KR20150127429A (en) * | 2014-05-07 | 2015-11-17 | 한국철도기술연구원 | Method of intelligent train scheduling |
JP2017177923A (en) * | 2016-03-29 | 2017-10-05 | 株式会社日立製作所 | Operation prediction system, operation prediction method and operation prediction program |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111861279A (en) * | 2020-08-04 | 2020-10-30 | 北京交通大学 | Multi-target high-speed toll station shift car scheduling method considering transfer |
CN111861279B (en) * | 2020-08-04 | 2024-05-03 | 北京交通大学 | Multi-target high-speed toll station class car scheduling method considering transfer |
CN112214829A (en) * | 2020-08-26 | 2021-01-12 | 北京交通大学 | Optimization modeling method for high-speed railway train connection scheme |
CN112214829B (en) * | 2020-08-26 | 2024-01-19 | 北京交通大学 | High-speed railway train engagement scheme optimization modeling method |
CN112231796A (en) * | 2020-09-15 | 2021-01-15 | 北京交通大学 | Periodic train stop scheme optimization modeling method considering passenger space-time trip distribution |
CN112231796B (en) * | 2020-09-15 | 2024-06-07 | 北京交通大学 | Periodic train stop scheme optimization modeling method considering passenger space-time travel distribution |
CN113935181A (en) * | 2021-10-22 | 2022-01-14 | 暨南大学 | Train simulation operation optimization system construction method based on matched passenger flow |
CN114655281A (en) * | 2022-03-08 | 2022-06-24 | 通号城市轨道交通技术有限公司 | Train operation diagram processing method and device, electronic equipment and storage medium |
CN114655281B (en) * | 2022-03-08 | 2024-01-02 | 通号城市轨道交通技术有限公司 | Train running chart processing method and device, electronic equipment and storage medium |
Also Published As
Publication number | Publication date |
---|---|
KR102113162B1 (en) | 2020-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102113162B1 (en) | System for scheduling of express train and method thereof | |
CN107194497B (en) | Method for planning travel path of urban rail transit passenger in emergency | |
Yang et al. | A cooperative driving framework for urban arterials in mixed traffic conditions | |
US10896603B2 (en) | System and method for reducing delays in road traffic | |
Shen et al. | An optimal integrated real-time disruption control model for rail transit systems | |
CN111016979A (en) | Automatic adjusting method for urban rail transit train based on real-time passenger flow | |
JP5174728B2 (en) | Train operation prediction device | |
Cuppi et al. | High density European Rail Traffic Management System (HD-ERTMS) for urban railway nodes: The case study of Rome | |
Hounsell et al. | AVL based bus priority at traffic signals: a review and case study of architectures | |
CN113184024B (en) | Tramcar-oriented arrival time static prediction method and system | |
JP6126669B1 (en) | Train control system, on-board device, and train control method | |
Ji et al. | An integrated approach for tram prioritization in signalized corridors | |
Isukapati et al. | Analysis of trends in data on transit bus dwell times | |
Moghimi et al. | Transit signal priority in smart cities | |
CN113658429B (en) | Cooperative scheduling method and related device for bus corridor | |
CN113928380B (en) | All-weather train operation method and device, electronic equipment and storage medium | |
Van Oort et al. | Line length versus operational reliability: network design dilemma in urban public transportation | |
CN102837713B (en) | Determining method and system for turn-back scheduling plan of urban railway system terminal station | |
JP2005280637A (en) | Train operation control system | |
JP2004122900A (en) | Operation management system | |
van Oort et al. | Impact of rail terminal design on transit service reliability | |
Mu et al. | Control rules for dispatching trains on general networks with multiple train speeds | |
Naegeli et al. | High-Quality Public Transport and Promotion of Nonmotorized Transport—Compromise or Complement? An Analytical Approach for Assessing Conflicts | |
CN115146994A (en) | Train arranging method and device, electronic equipment and computer readable storage medium | |
WO2020179297A1 (en) | Operation plan generation device and operation plan generation method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right |