유턴을 고려한 교통축 적용 수요대응 자율주행 대중교통(DRDTO)의 실시간 동적 경로 생성 알고리즘 (Real-time Dynamic Route Generation Algorithm for Demand-responsive Driverless Transit Operation (DRDTO) Applied to Corridors to Consider U-Turns)

서지정보

· 발행기관 : 대한교통학회
· 수록지 정보 : 대한교통학회지 / 40권 / 2호 / 260 ~ 276페이지
· 저자명 : 김현, 유선형, 이진우, 백범열, 신정희

초록

최근 자율주행 차량이 대중교통분야로 진출하여 관련 연구들이 활발히 진행되고 있다. 본 연구에서는 시공간적으로 다양하게 발생하는 실시간 호출수요에 대응하여 자율주행 차량에 동적경로를 제시하여 효율적인 대중교통 서비스를 제공할 수 있는 알고리즘을 개발했다. 실시간 호출수요는 다수의 출발지와 다수의 목적지로 구성되어 복잡하고 다양한 경우의 수를 고려하여 최적 경로를 제시할 수 있는 방안이 필수적이다. 복잡한 계산과정은 오프라인 과정에서 선행할 수 있는 방법으로 머신러닝의 강화학습 기술을 사용하여 제시하였다. 개발된 자율주행 대중교통(DTO)를 위한 실시간 호출 수요대응 동적경로 알고리즘은 테스트베드를 선정하여 시뮬레이션 실험이 이루어 졌다. 시뮬레이션 결과는 개발된 실시간 호출 수요대응 동적경로 생성 알고리즘을 고정노선의 운행결과 대비하여 효율적인 운행결과가 나타났다. 이는 실시간 호출수요량이 적을수록 효과가 크게 나타나지만 호출 수요량이 증가하면서 그 효과 폭이 점차적으로 감소했다.

영어초록

Recently, autonomous vehicle is receiving much attention in various sectors including transportation and public transportation. This study presents an adaptive routing algorithm for the real-time demand response service of autonomous transit vehicles. The experimental setting includes the real-time demand occurring randomly over time within the study area. Each demand (service call) request the transit service from designated origin to destination. The routing algorithm is designed to make U-turn and skip stops to improve service and reduce the wait time of users. This study adapts Reinforcement Learning, one of the machine learning techniques, namely reinforcement learning, which can precede a complex calculation process in an offline process. Simulation experiments conducted on a testbed of the Chungju campus of the Korea National University of Transportation. The simulation results show that the proposed routing algorithm can improve the adaptive transit service over the fixed operation in selected performance indicators.

참고자료

· 없음