차로간 Queue 불균형을 고려한 Toll Plaza 본선미터링 전략 :

장성훈

추천

검색

자료유형: 학위논문

저자정보: 장성훈 (서울대학교, 서울대학교 대학원)

발행연도: 2014

저작권: 서울대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2015

차로간 Queue 불균형을 고려한 Toll Plaza 본선미터링 전략

장성훈 , 이용관 , 고승영 외 1명 대한교통학회지 2015.02 학술저널

2014

차로간 Queue 불균형을 고려한 Toll Plaza 본선미터링 전략

장성훈 건설환경공학부 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

고속도로 Toll Plaza 하류부에 위치한 합류부에서는 차로수의 감소로 인하여 차량 혼잡이 발생한다. 이를 해소하기 위하여 Toll Plaza 본선미터링 기법이 개발, 적용되어 왔으나 신호제어로 인하여 대기행렬을 발생시키는 단점이 있다. 특히, 국내 Toll Plaza는 요금징수체계가 자동징수체계(Hi-pass)와 수동징수체계(Toll Collection System, TCS)로 나뉘어 차로간 대기행렬의 불균형(두 징수체계 간, 또는 동일 징수체계 간) 가능성이 상존한다. 또한 현재 본선미터링을 적용하고 있는 해외사례와 비교하였을 경우, 요금소에서 신호등까지 대기공간의 길이가 짧아 대기행렬이 쉽게 요금소를 넘어서 증가할 수 있다. 본 연구에서는 이러한 특성을 고려한 Toll Plaza 본선미터링 전략을 제시하여 Toll Plaza구간에서 발생하는 혼잡을 감소시키고자 하였다.
기존의 Toll Plaza 본선미터링 연구에서는 합류부의 통과시간을 최소로 하는 최적 차량수에 맞춰 ALINEA 알고리즘에 기반을 둔 미터링율을 적용하였다. 본 연구에서는 기존 연구 전략에 추가적으로 Toll Plaza 본선미터링으로 인하여 발생하는 대기행렬을 차로별로 제어하는 전략을 제시하였다. 특히 Toll Plaza 구간의 평균통행시간 감소와 더불어 대기행렬이 요금소에 도달하는 Spillback 발생비율을 감소시킴으로써 Toll Plaza의 서비스 용량을 높이도록 하였다.
대기공간의 길이에 따른 효과를 분석하기 위해 본 연구에서는 대기공간의 길이를 변화시켜 분석을 수행하였다. 분석 결과 대기공간의 길이가 짧을수록 혼잡이 증가하는 것을 확인하였으며, 본 연구의 알고리즘을 통해 이를 해소할 수 있음을 보였다.
본 연구는 차로간 대기행렬이 불균형한 조건에서도 Toll Plaza 본선미터링의 효과를 높일 수 있는 기초 연구가 될 것으로 사료된다.

#Toll Plaza #본선미터링 #대기행렬 제어 #ALINEA #Spillback

제1장 서론 1
1.1. 연구의 배경 및 목적 1
1.2. 연구의 범위 및 방법 3
제2장 이론적 배경 및 관련연구 고찰 5
2.1. 본선미터링(Mainline Metering)의 개념 5
2.1.1. 본선미터링의 정의 5
2.1.2. 본선미터링의 운영기준 6
2.1.3. 본선미터링의 종류 6
2.1.4. 본선미터링 시스템의 구성 7
2.2. Toll Plaza 본선미터링 8
2.3. 기존 Toll Plaza 본선미터링 전략의 한계점 9
2.3.1. 대기행렬의 불균형 9
2.3.2. 대기공간 부족 10
2.4. 본선미터링 관련 연구 12
2.4.1. Toll Plaza 본선미터링 12
2.4.2. 분기점 연결로 본선미터링 13
2.4.3. 영업소(연결로) 본선미터링 15
2.4.4. 기타 정체유발지점 본선미터링 17
2.5. 관련연구의 시사점 및 연구방향 20
제3장 연구방법론 21
3.1. 적용 전략 검토 21
3.1.1. Merging Area Control 21
3.1.2. Queue Management 22
3.2. Methods 설정 24
3.2.1. Method 1 25
3.2.2. Method 2 27
제4장 실험 설계 29
4.1. 분석대상지 선정 및 자료수집 29
4.1.1. 분석대상지 선정 29
4.1.2. 현장 자료 수집 30
4.2. 분석 틀 구축 31
4.2.1. Simulation 및 API(Application Programming Interface) 작성 31
4.2.2. Simulation Verification 31
4.2.3. 네트워크 설정 32
4.2.4. 알고리즘 관련 파라미터 설정 33
4.3. 시나리오 설정 34
4.4. 분석의 전제 35
제5장 분석 결과 36
5.1. 수요의 변화에 따른 분석결과 36
5.1.1. 수요에 따른 평균통행시간 36
5.1.2. 수요에 따른 Spillback 발생비율 39
5.1.3. 수요의 변화에 따른 소결 40
5.2. 대기공간의 변화에 따른 분석결과 41
5.2.1. 대기공간에 따른 평균통행시간 41
5.2.2. 대기공간에 따른 Spillback 발생비율 41
5.2.3. 대기공간 길이에 따른 소결 43
제6장 결론 및 향후 연구과제 44
6.1. 결론 44
6.2. 향후 연구과제 45
참고문헌 46
부록 50
Abstract 52

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)