KR EN

공로 분석

도로교통 시스템의 수요와 성능 평가 및 분석
안정적, 신뢰성, 완벽한

TOVA는 안정적이고 신뢰성 있는 통행배정 결과를 위해
Proportionality 조건을 완벽하게 구현합니다.

Proportionality
조건 충족 여부
통행배정 분석 신뢰성
모형의 정확도

공로 통행배정 분석결과의 신뢰성은 모형의 정확도와 함께
Proportionality 조건 충족 여부에 따라 달라집니다.

TOVA는 Proportionality 조건을
완벽하게 충족하기 위해
Balancing Process
Warm-Start 기능을 적용합니다.
  • 전량배분법
    (All-or-Nothing Assignment)
  • 분할배분법
    (Incremental Assignment)
  • 평행배분법
    (Equilibrium Assignment)
  • Frank-Wolfe Algorithm
  • Steepest Origin-Based
    Algorithm(SOBA)
통행배정
모형
균형배정
알고리즘
Warm-Start
SOBA를 적용하여
모형의 정확도
높이고
최적 수렴값을 구하며,
Warm-Start 기능을 구현해

Frog-Jump 현상을 제거
SOBA(Steepest Origin-Based Algorithm) 적용
  • 기존 소프트웨어와 비교하여 정확도와 처리속도가 크게 향상
  • 분석시간 단축으로 인한 교통수요 분석 업무의 효율성 향상
  • 분석 단계별 맞춤형 편집 및 편리한 수정 기능 제공
  • Bush File기반의 효율적이고 다양한 경로분석 기능 제공
수도권 자료를 이용한 도로통행배정 S/W간 성능(수행시간 및 정밀성) 비교
웜 스타트(Warm-Start) 구현
  • 사전 수행된 임의의 통행배정 결과를 초기치로 활용해 수행속도 향상
  • 안정적인 통행배정 결과를 얻을 수 있는 기능을 통해 사업시행에 따른 장래 연도별 편익의 안전성을 보장
TOVA의 Warm-Start와 Cold-Start의 수행시간 비교 결과
국내 도로투자사업에 대한 이용 S/W별 편익 산출 결과 비교
개구리 뛰기 현상(Frog-Jump) 제거
  • 도로사업으로 인한 교통량 변화가 사업지역과 무관한 곳에서 비상식적으로 발생하는 현상
  • 모형 정밀성 부족 및 비례성 조건 미충족 시 발생하여 불안정한 편익 산출의 주요 원인
TOVA는 모델의 정밀성을 확보함으로써 웜스타트 기능을 구현하고 Frog Jump 현상을 제거하여 불규칙적인 통행량 변화 최소화로 이를 통해 정밀한 통행 배정 분석의 효과를 얻을 수 있습니다.

증가감소

Frank-Wolfe (Relative-gap : 10⁻¹⁴ 수렴)
SOBA (Relative-gap : 10⁻¹² 수렴)
Proportionality 조건 미충족시
차종별 교통량 예측 & 편익 분석 결과의
신뢰성이 크게 저하
됩니다.
모든 기·종점, 차종간 대안구간 (PAS : Pair of Alternative Segments)의 경로간 통행량 비율은 항상 동일해야 합니다.

Proportionality가 구현되지 않을 경우, 다차종 통행배정 수행 시 특정경로에 특정 차종이 과도하게 집중되는 현상이 발생할 수 있습니다.
이는 Frog-Jump 현상 발생의 원인이 되고, 교통수요분석 및 도로투자 평가 시 차종별 교통량 예측 & 편익 분석 결과의 신뢰성을 크게 저하시킵니다.

PAS(Lake Shore Drive, Chicago)
TOVA Proportionality 구현 결과
따라서, 따라서, 를 이용한
통행배정 분석
에는
사업지역과 관련된
영향권을 설정할 필요가 없습니다.