외란을 고려한 열차간격 최적제어 알고리즘 연구 :A study on the optimal control algorithm for train interval under disturbance

김기웅

추천

검색

자료유형: 학위논문

저자정보: 김기웅 (서울과학기술대학교, 서울과학기술대학교 철도전문대학원)

지도교수: 박민기

발행연도: 2014

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2015

외란을 고려한 열차간격 최적제어 알고리즘 연구

김기웅 , 이종우 , 박민기 한국철도학회 논문집 2015.10 학술저널

2014

외란을 고려한 열차간격 최적제어 알고리즘 연구

김기웅 철도전기ㆍ신호공 2014.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

철도의 열차제어 기술은 통신기술의 발달과 더불어 열차 사이의 안전거리를 더욱 정밀하게 제어가 가능해지면서 운행횟수를 늘려 대량수송이 가능해 졌다. 그러나 열차의 운행간격을 현재 노선 전체의 운행상황에 맞게 적절하게 제어하는 기술에 대한 관심과 노력은 상대적으로 적었다. 최근에 도입된 이동폐색방식의 열차제어 시스템에서 열차간격 제어 기능을 일부 적용하고 있지만, 대다수의 기존 상용 노선에서는 관제사의 간격조정 지령에 의해서 기관사가 열차의 운행시간을 현재보다 늦추거나 앞당기는 방식으로 이루어진다.
본 논문은 고밀도 운행을 하는 도시철도 노선에서 열차가 운행계획에 맞추어 운행하는 것을 방해하는 외란이 발생한 경우에 그 외란으로 인해 전체 노선의 열차운행이 불안정해지는 것을 방지하기 위해 열차의 운행간격을 균등하게 제어하기 위한 알고리즘에 관한 연구이다.
제시한 알고리즘은 모든 열차의 출발시각을 제어 입력으로 받아 각 열차들의 열차간격 편차를 구하고, 편차가 설정 범위 이상이 될 때 그 편차 크기에 선형으로 비례하는 제어 값과 제어대상의 조합을 찾아 대상 열차들의 정차시간을 제어함으로써 열차간격을 일정하게 제어하는 방식이다.
제어 알고리즘을 이용한 시뮬레이션 결과에서 180초와 360초의 단일 외란이 발생한 경우에 제어 동작이 없을 때와 비교하여 열차간격의 평균편차가 각각 45%와 61.5%가 감소하였으며, 180초와 240초의 동시 외란과 순차 외란이 발생한 경우에도 평균편차가 각각 35%와 57%가 감소하는 안정된 제어결과를 보였다.
이 방법은 고정폐색 또는 차상거리연산제어 방식을 채용한 대다수의 도시철도노선에서 차량 시스템의 역간 운행패턴 기능의 개선 없이 기존의 ATS(TTC) 기능을 이용한 쉬운 알고리즘이다. 또한 제어목표가 열차의 일정한 운행간격 유지임으로 실제로 대기 승객의 증가율 예측이 어려운 도시철도 노선에서 발생하는 외란에 대해 안정한 제어성능을 얻을 수 있다.

The control train technique in railway has been able to fulfill mass transport as increasing number of trains on mainline due to compact control of interval between two trains accompanied by development of communication system. However, those who were engaged in railway system are less comparatively trying to be interested in and make an effort to control trains on mainline with properly respond of control train technique in any conditions. Nowadays, although they adjusted function of interval trains partly by control train system based on CBTC, a number of lines in railway have done with control trains as a way of delaying or advancing trains on mainline by command of dispatchers in OCC.
This study is on algorithm in Metro to control intervals between two trains
equally by adjusting minutes on trains in any stations to prevent many them from disrupting intervals of themselves due to disturbance which obstructed train plans normally on mainline.
The suggested algorithm is a way of searching deviation value of interval trains and controlling trains by delaying or advancing minutes of train stop in any stations after finding combination of control objects and value of proportional linear from the size of deviation on condition of more than limit of designed deviation.
The resulted data based on simulation using in control algorithm showed stable control output of 35% and 57% decrease respectively in terms of standard deviation regardlessly of synchronous and sequential disturbance of 180 sec and 240 sec, and also 45% and 61.5% decrease respectively in terms of standard deviation from interval trains compared to lack of train movement in case of simple sole disturbance of 180 sec and 360 sec.
This way is on algorithm to be easy by using of existing ATS(TTC) function without improvement of function on operation pattern of rolling stock between two stations in major Metro lines based on fixed block or DTG(Distance to Go), and also is able to output effective results of interval trains in Metro lines which are difficult to expect actual increasing ratio of a number of passengers on station to wait trains in spite of control target of keeping up stable interval trains on mainline.

#열차간격제어 #열차제어알고리즘

Ⅰ. 서 론 1
1. 연구배경 및 필요성 1
2. 연구내용 및 구성 1
Ⅱ. 도시철도 열차운행 제어 3
1. 열차운행 제어 시스템 3
2. 폐색방식에 따른 열차운행 제어 6
Ⅲ. 도시철도 열차간격 제어 14
1. 열차간격 제어 방법 13
2. 열차간격 최적제어 알고리즘 21
Ⅳ. 시뮬레이션 31
1. 시뮬레이션 조건 31
2. 시뮬레이션 결과 및 고찰 32
Ⅴ. 결 론 39

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)