RTC는 캐나다 퀘벡시(Quebec City)의 대중교통 기관입니다. 대중교통을 제공하고 다양한 교통 솔루션의 통합을 촉진하여 퀘벡시의 도시 밀집 지역에서 사람들의 이동성을 보장합니다.
RTC는 버스 번칭에 대한 데이터 기반 솔루션을 찾기 위해 미국과 캐나다에 본사를 둔 회사인 심웰(SimWell)에 도움을 요청했습니다. 심웰은 시뮬레이션, 데이터 과학 및 최적화를 통해 비즈니스 의사 결정을 지원하는 산업 엔지니어링 회사입니다. 버스 번칭 문제에 대한 심웰의 솔루션에는 애니로직을 사용한 시뮬레이션 모델링이 포함되었습니다.
문제점
버스 번칭은 전 세계 교통 당국이 직면한 문제이며, RTC의 경우에도 예외는 아닙니다.
완벽한 세상에서는 모든 버스가 고객에게 효율적으로 서비스를 제공하기 위해 계획된 배차 빈도에 따라 정류장에 도착합니다. 실제로는 교통 체증, 일정 차이, 기계 고장, 과밀 및 고르지 않은 부하로 이어지는 예기치 않은 수요 등 여러 가지 문제가 발생할 수 있으며, 이는 세심하게 세워진 계획을 무너뜨릴 수 있습니다. 이러한 모든 요인은 고객에게 문제를 일으키고 나머지 운송 경로에 영향을 미칩니다.
이 프로젝트의 목적은 버스 기사를 위해 업무의 질을 유지하거나 개선하면서 고객을 위해 서비스의 질을 개선하는 것이었습니다. 시뮬레이션 모델을 사용하여 엔지니어들은 솔루션을 테스트하고 실제 환경에 확산되기 전에 고객과 버스 기사에게 미치는 잠재적 영향과 위험을 확인하기를 원했습니다.
해결책
왜 애니로직일까요?
교통 시스템 분석에 시뮬레이션 모델을 사용하는 주요 목표 중 하나는 버스 번칭 문제를 해결하기 위한 최상의 솔루션을 찾는 것이었습니다. 또 다른 목표는 이해 관계자와 의사 결정자가 단지 도표와 통계로만 결과를 확인하는 것이 아니라, 실험을 눈으로 확인하여 솔루션이 물리적으로 어떻게 작동하는지 직접 확인할 수 있도록 하는 것이었습니다. 애니로직의 UI와 2D 및 3D 애니메이션 기능은 이러한 요구 사항을 완벽하게 충족하여 다양한 관점과 강력한 기능을 제공했습니다.
자바의 확장성으로 인한 구현 유연성과 독립 실행형 애플리케이션으로 모델을 패키징할 수 있는 기능도 운송 모델링 소프트웨어로 애니로직을 사용함으로써 얻을 수 있는 큰 이점이었습니다. 이 솔루션을 통해 최종 사용자의 컴퓨터에 설치하지 않고도 모델을 실행할 수 있었습니다.
솔루션 인프라
이 모델은 단기적인 시정 조치에 중점을 둡니다. 장기적인 결정은 입력 데이터를 변경하여 모델링됩니다.
모델을 보정하는 데 사용된 과거 데이터는 버스 정보 시스템에서 가져왔습니다:
- 자동 차량 위치 시스템의 GPS 위치 및 운행 시간
- 목적지
- 자동 승객 카운터r
- 용량
- 이동 시간
이 정보는 이동 프로세스 및 버스 기능의 모든 구성 요소를 재현하는 데 도움이 됩니다. 과거 데이터에는 교통 혼잡, 신호등, 계절적 요인, 과밀 등과 같은 다양한 종류의 변동성도 포착되어 있습니다.
이 모델은 RTC 데이터 창고에서 추출한 과거 데이터에서 제공됩니다. 이동 시간, 운전기사 행동, 다양한 정류장에서의 승객 수 등과 같은 모델의 다양한 기능을 보정할 수 있습니다. 그런 다음 버스 배차 빈도 및 일정 실행 시간을 테스트하기 위해 RTC 계획 소프트웨어에서 일정을 가져옵니다.
시뮬레이션 모델은 의사 결정에 사용할 수 있는 시각화와 정보를 제공합니다. 이 모델은 다양한 종류의 솔루션 시뮬레이션을 지원합니다: 일정 변경, 제어 센터의 파견자를 위한 예방 또는 시정 조치 정책 구축, 서비스 수준 변경과 같은 전략적 또는 기술적 결정에 대해 이사회에 의사 결정 브리핑 제공, 일정에 따라 실행하는 대신 배차 관리에 따라 실행, 또는 프로세스에 대한 기타 중요한 변경 사항.
참조를 위한 시나리오의 경우, 엔지니어들은 팬데믹 이전인 2018년과 2019년의 데이터를 기준선으로 사용했습니다. 팀은 분석을 위해 다양한 데이터를 포함했습니다:
- 각 정류장에서의 버스 시간 (개방 시간, 하차 및 탑승 시간, 추가 일정 시간(예: 요금), 신호등)
- 버스 정류장에 승객이 도착하는 비율
- 승객의 목적지 확률 (얼마나 많은 사람들이 노선의 서로 다른 정류장에서 탑승 및 하차하는가)
- 실행 시간 (마르코프 체인(Markov Chains) 원리에 따라 각 다음 정류장 한 쌍의 시간은 이전 정류장에서의 시간에 따라 달라짐)
핵심 성과 지표(KPI)
잦은 배차 빈도 환경에서의 고객과 버스 기사의 경험을 나타내는 KPI는 기존에 없었습니다. 이제 시뮬레이션 모델링을 통해 여러 지표를 계산하고 이를 실제 데이터와 비교할 수 있습니다:
- 불규칙성 측정은 계획된 배차와의 편차(%)를 나타냅니다.
- 초과 대기 시간(EWT)은 고객이 기다려야 하는 추가 시간(분/승객)을 나타냅니다.
- 승객 편의 수준은 시뮬레이션 환경에서만 계산할 수 있습니다.
결과
심웰에서 RTC를 위해 만든 시뮬레이션 모델을 사용하면 입력 데이터를 기반으로 실험을 수행하고 버스 번칭에 대한 더 나은 솔루션을 찾기 위해 여러 아이디어 및 조합을 평가할 수 있습니다.
엔지니어들은 현재 다음 단계를 계획하고 있으며, 거기에는 운영 관리자 교육을 위한 게이밍 모듈이 포함될 수 있습니다. 또 다른 가능성은 리소스 가용성 및 실행 시간 예측을 기반으로 다음 날의 배차 빈도 및 일정의 운송 최적화를 추가하는 것입니다.
또한 버스 번칭을 방지하기 위해 운전자가 예방 또는 수정 조치를 적용하도록 행동 제안을 유인하는 데 사용할 수 있는 디지털 트윈을 생성할 수도 있습니다.
이 사례 연구는 2021 애니로직 컨퍼런스에서 RTC의 Pierre-Olivier Bédard와 Nomessi Kokutse, 심웰의 Denis Matarangas가 발표했습니다.
슬라이드는 PDF로 제공됩니다.
