Design of Rapid Bus Routes Considering Transit Efficiency

Abstract

As the use of public transport increases, more comfortable and faster service of public transportation is required to users. Rapid bus (RB) services have been regarded as one of the solutions that allow the public transportation system to operate efficiently. This study aims to optimize the RB routing problem, including both the selection of service areas and the optimization of the route. First, the efficiency of public transportation service for origin-destination (O-D) pairs was evaluated by data envelopment analysis. Second, the service areas such as inefficient O-D pairs were selected by their efficiency scores. With the selected origin-destination pairs, the number of vehicles and their service routes were optimized by a genetic algorithm. The proposed model aims to design the optimal routes of RBs by minimizing the total cost and maximizing the efficiency score. The decision variables were set to the number of vehicles and routes of each vehicle. The proposed model was applied to the transit system in Seoul, and the results showed that the RB service improved the efficiency score of O-D pairs significantly. Specifically, the efficiency score of 19 selected service areas was increased from 0.19 to 0.51 on average. Regarding the total cost and revenue, the routes from the proposed model were compared to the routes from other conventional models, e.g., high demand, long out of vehicle time, and long travel time-oriented models. As a result of the comparison analysis, the proposed model showed the highest value of a sum of the total cost and revenue, such as 15 (10,000/KRW) on average.

대중교통 이용이 증가하면서 보다 편리하고 신속한 대중교통 서비스가 요구되고 있다. 급행버스는 특정 기종점을 직결 운행하는 버스 노선으로 운영 효율과 이용자 편의성 제고 측면에서 각광 받는 수단이다. 본 연구는 대중교통 효율성을 고려한 신규 급행버스 노선을 설계하는 것을 목표로 한다. 신규 급행버스 도입을 위해서 서비스 지역 선정과 노선 최적화 단계로 모델 프레임워크를 개발했다. 먼저, 서비스 지역 선정 단계는 대중교통 효율성의 개선이 필요한 지역을 선정하는 단계이다. 대중교통 효율성은 기종점의 최단 도로거리 대비 대중교통 통행시간(대기시간, 차내시간, 환승시간)으로 설정했다. 대중교통 효율성 평가를 위해서 자료포락분석(DEA: data envelopment) 모델을 개발했으며, 투입지향 VRS(variable returns to scale) 가정을 채택했다. DEA 모형의 산출변수는 도로거리, 투입변수는 대기시간, 차내시간, 환승시간으로 설정했다. DEA 모형은 기종점간의 상대적인 효율성 평가가 가능하고 투입변수에 대한 개선 방향과 크기를 파악할 수 있다는 장점을 지닌다. 두번째 단계는 노선 최적화 단계로 유전자 알고리즘(GA: genetic algorithm) 기반의 차량경로문제(VRP: vehicle routing problem) 모델을 개발했다. 최적화 모형의 결정변수는 버스 차량대수, 운행노선으로 설정했으며, 여러 차량의 노선 조합들을 고려한 최적해를 도출하기 위해 GA 구조를 수정했다. 목적함수는 총비용 최소화로 설정했으며, 대기시간, 차내시간, 환승시간의 값이 총비용 연산에 포함되어 효율성이 개선될 수 있도록 모델을 설계했다. 서울시 대중교통망 네트워크를 대상으로 모형을 적용했다. 서비스 지역 선정 단계에서는 서울시 행정동 단위 기종점, 노선 최적화 단계에서는 기존 대중교통 정류장 단위로 분석을 수행했다. 분석자료는 2017년 스마트카드 및 지리정보시스템 데이터를 이용했다. 첫번째 단계인 효율성 분석 결과, 782개의 행정동 단위 기종점의 평균 효율성 점수는 0.46로 분석되었다. 효율적인 기종점은 19개로 효율성 점수는 1.00으로 분석되었다. 비효율적인 기종점 19개의 효율성 점수는 0.19로 분석되었으며, 통행거리 10.6km, 대기시간 6.6분, 차내시간 37.0분, 환승시간 11.5분 나타났다. 비효율적인 19개 기종점은 효율적인 기종점과 비교하여 평균적으로 짧은 거리를 더욱 오래 통행하는 것으로 분석되었다. 두번째 단계에서는 서비스 지역 선정 단계에서 선정된 19개 기종점을 대상으로 급행버스 노선 최적화를 수행했다. 최적화 결과, 21개의 버스 노선이 생성되었으며 825명의 수요를 수송하는 것으로 분석되었다. 신규 급행버스 도입 결과, 급행버스 이용자의 효율성 점수는 기존 0.19에서 0.51로 증가했으며, 기존 대중교통 이용자까지 고려하는 경우, 효율성 점수는 0.32로 증가했다. 개발된 모형의 성능을 평가하기 위해서 3개의 기존 모형(통행량, 차내시간, 차외시간 모형)의 결과와 비교 분석을 수행했다. 제안한 효율성 기반 모형은 효율성 및 총비용 측면에서 가장 크게 개선될 수 있는 노선들을 선정하였다. 특히, 3개의 기존 모형은 통행량 또는 특정 통행시간 요소를 기반으로 급행버스를 도입한 반면, 제안한 효율성 기반 모형은 대기시간, 차내시간, 환승시간을 모두 고려하기 때문에 전체적인 통행시간 절감효과 측면에서 가장 우수한 효과를 나타냈다.