A Design Model of Express Line Added to Existing Urban Rail Network

Abstract

대도시권의 인구집중 및 도시 확장에 따른 도시 내 통행을 위한 대중교통망의 역할의 중요성이 증가하고 있다. 그 중에서도 철도의 역할은 매우 큰 부분을 차지하고 있다. 본 연구에서는 대도시권의 대중교통 수단 중 철도교통망의 이동속도 증진 및 기존노선의 혼잡도 개선을 위해서 고속의 서비스를 제공할 수 있는 신규 급행철도 노선 설계모형 개발을 목적으로 한다. 본 연구는 대도시권을 공간적 범위로 하여 급행노선망의 노선의 형태와 용량을 결정하는 Transit Network Design and Frequency Setting Problem (TNDFSP) 모형을 개발하고자 한다. 결정 변수로써 정의된 모형과 풀이 알고리즘을 통해 급행노선의 정차역 수, 정차위치 및 운행빈도, 운행 편성 당 차량수를 산정한다. Bi-level programming 형태의 모형 구성을 통해 상위 모형에서 결정되는 노선 형태 및 용량에 따라 하위 모형을 통해 이용자들의 통행배정을 반복 수행한다. 노선결정 문제는 NP-hard의 조합 최적해 문제로 모형의 합리적 시간 내 풀이를 위해 Meta-heuristic 기법인 유전 알고리즘 (Genetic algorithm)를 적용하였다. 프로그램은 대표적인 교통망 시뮬레이션 프로그램인 EMME4를 활용하며 Application programming interface (API)로써 Python 2.7을 활용해 완전 자동화 풀이를 수행한다. 이동성 증진과 혼잡도 개선을 모두 고려하기 위해 모형 내 혼잡비용 반영을 위해 차내 부하율(Load factor) 증가 따른 혼잡비용을 체감 통행시간의 증분으로 반영하며 이는 단조증가 형태의 BPR 함수로 반영한다.총 통행시간에는 실제 통행시간과 모형에 따라 부하율(Load factor) 증가로 인한 불편정도인 혼잡비용을 시간단위로 전환한 값을 합산하여 산정한다. 상·하위 모형에서 혼잡비용의 고려 여부에 따른 노선 설계에 미치는 영향을 비교하여 혼잡비용 반영 시 이동성 증진과 혼잡도 개선을 이룰 수 있는 노선설계 결과가 도출됨을 확인하였다. 다양한 혼잡의 수준에 따른 모델 결과를 비교검토 해 모형을 검증하였으며, 대규모 네트워크인 서울 대도시권 철도망을 대상으로 알고리즘이 합리적 시간 내에 구현되는 것을 확인하여 실질적 활용가능성을 확인하였다.

The role of public transport as a solution for urban transportation problem is increasing according to population concentration and urban sprawl in the metropolitan area. Among them, rail transit plays a pivotal role. It is necessary to improve mobility and relieve congestion by constructing the new express rail line. The purpose of this study is to develop a design model of the express line added to existing urban rail transit network. This model is the Transit Network Design and Frequency Setting Problem (TNDFSP), which determines the express line configuration and capacity. The model formulation is a bi-level programming. The upper model for the decision maker to determine the express line design and the lower model to simulate the behavior of the user are repeatedly computed. The meta-heuristic genetic algorithm is applied to solve the combinatorial optimization problem of NP-hard in a reasonable time. A typical transportation network simulation program EMME4 is utilized for the lower model transit assignment, and the code using Python 2.7 as an application programming interface (API) is applied for a fully automated solution of the algorithm. The inconvenience of passengers due to in-vehicle congestion (high load factor) is converted into time units as a monotonically increasing BPR function. This congestion cost considered together with the actual total travel time for not only improving mobility but also reducing congestion of the urban rail network. It is shown that the design result which has the improved mobility and the relieved congestion are derived with the consideration the congestion cost in the upper and lower models. The models are verified by examining the model results according to various congestion levels. The solution is derived using the algorithm within a reasonable time for the Seoul metropolitan rail network, which is a large-scale practical network.