개요:
대중교통에서 버스몰림이란 2대 이상의 환승차량(버스나 열차 등)이 한 경로를 따라 고르게 운행할 예정이었던 것을 말하며, 같은 장소에서 동시에 운행하는 것을 말한다. 미국 캘리포니아주 워터타운의 자원봉사 소프트웨어 개발자 겸 데이터 분석가인 데이브 스프로기스는 애니로직(AnyLogic)을 이용해 '버스 몰림'을 막는 것이 대중교통 버스 이용자들의 경험을 향상시킨다는 논문을 확인했다. 구체적으로 그는 버스정류장에서의 오랜 기다림은 없어지고 버스 혼잡은 우리가 "버스 몰림"이라고 부르는 현상으로 눈덩이처럼 불어나기 전에 개별 버스로 가는 사소한 지연을 막음으로써 줄어들 것이라는 것을 증명했다.
문제:
미국 캘리포니아주 워터타운의 주민들은 오랫동안 이 도시를 운행하는 버스 노선의 서비스가 좋지 않다고 불평해왔다. 워터타운을 서비스하는 매사추세츠베이 교통청(MBTA)이 실시간 버스 데이터를 수집할 수 있는 API를 발간한 사실을 알고 데이브는 분석을 위해 데이터 웨어하우스로 수집하는 SaaS 시스템 구축을 자청했다. 분석 결과는 분명했다. 버스들이 함께 몰렸을 때, 일반적으로 승차자들이 일관성과 신뢰성이 가장 필요한 러시아워에서 노선을 서비스하는 데 상당한 효율을 잃었다는 것이다.
결과가 설득력 있는 반면 해결책은 아직 미궁에 빠졌다. 풀버스는 정차장에서 기다리는 승객들을 지나쳐 후행 버스가 그들을 태울 수 있도록 해야 하는가? 역동적으로 변화하는 도로 조건과 승차자의 요구를 반영하도록 버스 일정을 업데이트해야 하는가? 아니면 단순히 버스를 늦추는 것으로써 장기적으로 버스 몰림에 대한 배당금을 방지할 수 있는가 ?
해결책:
데이브는 버스를 늦추는 것이 배당금을 지불할 것이라는 예감이 들었지만 그것을 증명할 방법이 필요했다. 문제가 결정론적이지 않기 때문에 그것을 증명하는 것은 시뮬레이션을 필요로 한다. 데이브는 버스가 느려지는 것이 전체적인 라이더 경험에 미치는 영향을 관찰하고 싶었다. 절충안은 무엇인가? 예를 들어, 대기 시간을 줄이면 승객의 탑승 시간이 어느 정도로 증가할까? 더구나 승차시간이 늘어나면 탑승객의 하중도 늘어나지 않을까. 변수를 조정하고 결과를 측정할 수 있는 시뮬레이션을 통해서만 이러한 질문에 답할 수 있었다.
Dave는 AnyLogic의 GIS 기능을 사용하여 기존 경로를 모델링했다. 이 모델은 데이브가 현재 상황과 그가 제안한 솔루션을 시뮬레이션하여 두 시나리오 모두에서 지표를 수집하고 결과를 비교할 수 있게 한다. Dave는 다음과 같은 구성 요소로 모델을 개발했다.
- 버스 정류장
- 버스, 버스 거동 및 운영 제한사항
- 승차자 및 승차자의 행동
- 여행
또한 모델은 런타임 이전과 도중에 조정할 수 있는 매개변수(즉, 승차자 수, 승차자 적재 시간, 승차자 언로드 시간, 최대 버스 속도 및 두 정책 사이의 선택)를 포함한다.
결과:
이 모델을 통해 데이브는 문제와 제안된 해결책을 시각화할 수 있다. 가장 좋은 결과는 버스 간 거리를 유지할 수 있는 방법을 고안하는 "평형화"라는 제목의 솔루션에서 나타났다. 평형정책을 이용하면 버스는 더 이상 자유롭게 노선을 따라가지 않고, 계속 조정해 앞에 충분한 공간이 확보될 때까지 속도를 늦추거나 멈추게 된다.
'균형' 정책을 쓸 때 각 버스의 승차 인원은 더 균일하고 대기 시간은 예측 가능한 분포로, 지나치게 긴 대기 시간을 없애고 버스 과밀을 줄인다.
Dave는 MBTA가 "균형" 정책을 시행하면서 네트워크 메트릭스를 기반으로 운전자에게 대기 시간을 알려주는 간단한 "연결된" 앱인 버스의 "우버-퓨팅"을 구현할 것을 권고한다.
인사이트에서 행동으로의 전환은 종종 불분명하다. 구현은 비용이 많이 들거나 위험할 수 있다. 해당될 경우 시뮬레이션은 투자가 이루어지기 전에 방향을 조정하고 자신감을 창출하는 훌륭한 중간 단계다. AnyLogic 모델을 MBTA와 공유하면 의사결정자들이 문제와 제안된 해결책을 시각화하는 데 도움이 될 것이며, 궁극적으로 승차자를 위한 서비스를 개선할 것이다.