철도물류 활성화를 위한 화물열차 증편일정 결정모형 :

김영훈

추천

검색

자료유형: 학위논문

저자정보: 김영훈 (아주대학교, 아주대학교 대학원)

지도교수: 임석철

발행연도: 2016

저작권: 아주대학교 논문은 저작권에 의해 보호받습니다.

이용수6

이 논문의 연구 히스토리 (2)

2016

철도물류 활성화를 위한 화물열차 증편일정 결정모형

김영훈 산업공학과 2016.01 학위논문

2014

화물열차 증편일정 결정모형

김영훈 , 임석철 한국산학기술학회 논문지 2014.06 학술저널

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

초록· 키워드

오류제보하기

화물열차 증편계획 문제는 요청 받은 증편 화물열차가 기존 열차시각표에 계획된 열차와의 경합(conflict)을 해소한 일정을 할당하는 것이다. 이 문제는 기존 여객열차의 시각변동을 금지하고 다양한 열차종류별 운행속도와 운행패턴에 차이에서 발생하는 경합을 해소해야하기 때문에 복잡한 문제이다. 본 논문의 목적은 화물열차 증편결정을 위해 최적화 방법론에 기초한 수리적 모형을 개발하는 것으로 화물열차 증편일정 결정모형은 최대한 많은 열차가 수락될 수 있도록 운행경로를 찾는 것이다.
비주기적 열차시각표 작성을 위한 기존연구에서는 아크흐름변수(arc flow variable)를 사용한 정수계획법 모형을 라그랑지안 완화법(Largrangian relaxation)으로 문제를 해결한다. 그러나 이 경우 변수의 크기가 폭발적으로 증가하여 대형문제의 경우에 적합하지 않다. 따라서 본 논문에서 경로흐름변수(path flow variable)를 사용한 이진정수계획법 모형을 세우고 열 생성(Column generation)기법으로 빠른 시간에 해를 도출할 수 있도록 하였다.
제안한 모형의 특징은 첫째, 비순환 그래프 G=(V, A)의 형태의 시공간 네트워크(time-space network)를 이용하였다. 둘째, 철도경쟁체계에 맞추어 철도운송사업자가 요청한 증편 화물열차를 최대한 많이 운영할 수 있도록 수익함수를 사용하여 운영수익을 최대화 할 수 있도록 하였다. 셋째, 철도 운영환경에서 요구되는 안전시격(safety headway) 제약, 추월(overtaking) 제약, 역 용량 제약 등을 사용하였다.
개발된 모형을 검증하기 위해 요청받은 화물열차들의 증편일정을 지연허용범위 내에서 최대한 많은 화물열차가 증편일정을 생성할 수 있는지 실험하였다. 이 실험에서 다양한 경합 상황을 해소한 증편일정을 빠른 시간에 생성하는 것을 확인함에 따라 복잡한 문제의 경우에도 계산시간상 실용적임을 확인하였다.

제1장 서 론 1
제1절 연구 배경 및 목적 1
제2절 연구의 필요성 3
제3절 화물철도 운영현황 6
제4절 연구의 구성 9
제2장 관련 연구 10
제1절 열차 운행계획의 절차 10
제2절 열차 시각표 문제 12
제3절 열차경합 검지 및 해소 문제 17
제4절 선로용량 문제 19
제5절 기존연구와의 차이점 22
제3장 화물열차 증편일정 결정모형 23
제1절 문제의 정의 23
제2절 화물열차 증편일정 결정모형 27
1. 목적함수 27
2. 결정변수 27
3. 화물열차 증편일정 모형설계 27
4. 시공간 네트워크 33
제4장 열차증편모형의 성능평가 38
제1절 화물열차 증편실험 38
1. 실험개요 38
2. 실험결과 40
제2절 여객열차를 포함한 증편실험 44
1. 실험개요 44
2. 실험결과 45
제3절 시간범위를 고려한 열차증편방법 실험 49
제4절 경합횟수 비교실험 51
1. 열차종류에 따른 경합실험 예제 51
2. 열차종류에 따른 경합실험 결과 52
3. 경합횟수 비교실험결과 55
제5장 결 론 57
참고문헌 59

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)