국립보건원(NIH) 은 NIH 캠퍼스라고 불리는 거대한 캠퍼스에 위치하고 있으며, 많은 건물과 30개의 주차장을 포함하고 있습니다. 평균적으로 하루에 12,000대 이상의 차량이 이 캠퍼스에 들어오므로, 효율적인 센터 운영을 보장하기 위해 교통 흐름을 최적화하고 잘 설계된 주차장을 계획하는 것이 필수적입니다.
문제
NIH는 캠퍼스 남쪽에 위치한 두 개의 주차장에 관심이 있었습니다. 첫 번째는 4층짜리 주차장인데, 층간에 차량 이동이 없으며 각 층에는 고유한 출입구가 있습니다. 이는 단순히 쌓인 네 개의 주차장이며 MLP7이라고 합니다.
두 번째는 241개의 주차공간을 가진 지면 주차장으로, 이것은1,420대의 주차 공간을 갖춘 6층 주차장으로 대체될 예정이며 MLP12로 불릴 것입니다.
NIH는 MLP12의 다양한 입구 조합의 영향과 완공 시 충분한 주차 공간이 있는지에 대해 이해하고자 했습니다. 또한 MLP7과 MLP12 주변의 교통 흐름을 최적화하기 위해 초점을 맞추고자 했습니다.
NIH가 관심을 가진 주요 지표로는 차량이 주차하는 데 걸리는 시간과 주차 후 떠나는 데 걸리는 시간이 있습니다. 또한 각 차량의 정지 횟수와 총 정지 시간도 고려해야 했습니다.
코로나19로 인해 데이터에 어려움이 있었기 때문에, 제한이 완화되는 시나리오를 준비하기 위해 코로나 이전 시기의 시나리오를 실행할 적절한 기간의 데이터를 찾아야 했습니다.
솔루션
Mosimtec 은 전 세계 기업들에 컨설팅 및 시뮬레이션 모델링 서비스를 제공하는 회사로, 필요한 질문에 답하기 위해 시뮬레이션 모델을 개발했습니다. 개발자들이 프로젝트에서 작업한 네 가지 주요 단계는 다음과 같습니다
- 기능적 사양 - Mosimtec과 NIH는 프로젝트 범위와 목표에 대해 함께 작업했습니다.
- 동적 시뮬레이션 모델 - 필요한 시스템 구성 요소, 로직 및 행동을 포함한 맞춤형 AnyLogic 모델이 생성되었습니다.
- 시나리오 분석 - 첫 번째 단계에서 식별한 사전 정의된 시나리오에 대한 분석이 수행되었습니다.
- 교육 및 지식 전달 - Mosimtec은 NIH에게 모델 사용 방법과 시나리오 실행 방법을 교육하여 NIH가 향후 모델을 계속 사용할 수 있도록 했습니다.
모델은 입력 및 출력 모두에 Excel을 사용합니다. 입력에는 확률적 이동 경로, 주차 목적지, 주차 시간 등이 포함됩니다. 모든 시나리오는 Excel에서 모델로 로드되며, 모델 복제가 완료된 후 결과는 분석 및 보고를 위해 Excel로 다시 내보내집니다.
개발자들은 하나의 3D 도로망 대신에 애니메이션 관점에서 모든 층을 동시에 볼 수 있도록 2차원 공간을 만들었습니다. MLP12는 아직 설계 단계에 있으므로, 주차장의 정확한 입구 위치와 같은 계획 변경이 가능합니다. 각 층에 대한 도로망 디자인을 구현함으로써, 모델의 다른 부분에 영향을 주지 않고 쉽게 변경할 수 있습니다.
주차장의 각 층에 도로망이 있는 또 다른 이유는 모델 로직 및 출력 목적입니다. 각 층에 대해 별도의 도로 네트워크 설계를 사용하면 각 층에 대한 실시간 통계 및 인사이트를 쉽게 얻을 수 있습니다.
모델에서 차량 움직임은 네 가지 주요 영역으로 분류됩니다:
- 차량 생성.
- 주차장으로의 경로 설정.
- 가능한 공간에 주차.
- 시스템에서의 출구.
차량 흐름을 제어하는 것, 특히 교차로에서의 흐름 제어는 중요한 고려사항이었습니다. 이는 도로 교통 라이브러리 를 사용하고 교통 신호등을 정지 신호로 표현함으로써 교대 흐름을 만드는 방식으로 달성되었습니다. 이 라이브러리는 또한 다중 도로 네트워크 디자인을 구현하는 데 사용되었습니다.
다층 주차장을 2차원 공간의 도로 네트워크로 변환하는 데는 여러 해시맵 을 사용해야 했습니다. 모델 초기화시 이 해시맵들은 Excel 입력에서 데이터를 받아들여 모델 실행 속도를 향상시켰습니다. 또한 이렇게 해시맵을 사용하면 주차장 아키텍처에 변경 사항이 있을 경우 Excel 프론트 엔드를 쉽게 변경할 수 있습니다. 결과적으로 AnyLogic 모델의 코드를 변경할 필요가 없게 됩니다.
열 개 이상의 다양한 해시맵이 사용되었지만, 아래 표에 나와 있는 것처럼 교통 흐름 최적화에 가장 필수적인 해시맵이 몇 가지 있습니다.
Mosimtec은 NIH와 함께 Excel 프론트 엔드를 설계했는데, 여기에는 모든 입력, 출력 KPI 및 대시보드가 포함되어 있습니다. 함께 작업함으로써 NIH가 모델을 효과적으로 이해하고 사용할 수 있도록 보장되었습니다. 아래에는 모델의 일부 입력과 출력이 설명되어 있습니다.
모델을 실행할 때, 주차장 입구로 이동하는 차량을 관찰할 수 있으며, 이들이 주차하고 나서 주차장 및 시스템을 떠나는 동안의 움직임도 관찰할 수 있습니다.
이 모델에서는 MLP7이 다른 층 간의 이동을 허용하지 않는다는 것을 기억하는 것이 중요합니다. MLP12에서는 차량이 층을 오르내리며 이동합니다.
주차장의 다른 층들은 보기 쉽게 나란히 표시됩니다. 메인 네트워크의 층은 최상층이며, 왼쪽에서 오른쪽으로 내려가는 것이 MLP12의 두 번째 사진에서 보여지듯이 표현됩니다.
각 도로 네트워크 디자인은 밀도지도를 사용하며, 이는 교통량에 따라 다른 색상을 표시합니다. 이는 사용자가 결과를 분석하기 전에 모델에서 일어나는 일을 시각적으로 이해하는 데 도움이 됩니다.
로직 또한 표시됩니다. 각 네트워크에는 도로 설명이 있습니다: 생성, 라우팅, MLP12 움직임 및 주차, 그리고 마지막으로 MLP7 주차 및 기타 많은 로트, 그리고 시스템을 나가는 차량들입니다.
결과
AnyLogic을 교통 계획 소프트웨어로 사용함으로써 NIH는 Covid-19 상태 이전에 제안된 MLP12의 조합이 주변 도로의 교통에 크게 영향을 주지 않음을 이해할 수 있었습니다.
NIH는 또한 시스템을 통해 차량의 다양한 메트릭을 비교했습니다. 이는 NIH가 직원과 방문객들에게 캠퍼스 경험을 계속 우선시하고자 함으로써 중요하게 여겨졌습니다.
NIH는 계획된 주차장 MLP12의 다양한 출입구 조합을 계속 탐색하고 캠퍼스 남부의 교통 흐름을 최적화할 계획을 가지고 있습니다. 결정한 변경 사항은 모델이 설계되고 개발된 방식 덕분에 원활하게 채택하고 구현할 수 있습니다. 또한, Covid-19 제한이 완화됨에 따라 차량 수, 대기 시간, 주차된 차량의 주차 시간도 새로운 데이터로 업데이트할 수 있습니다.
마지막으로, 모델은 캠퍼스 남쪽에서 전체 캠퍼스, 그리고 주변 도로까지 확장될 수 있습니다.
이 사례 연구는 2022년 AnyLogic 컨퍼런스 에서 Mosimtec의 Geoff Skipton 및 Yusuke Legard가 발표했습니다.
슬라이드는 PDF 로 제공됩니다.
