초록 close

확률적 통행배정모형은 확정적 모형이 갖는 여러 경직된 가정들을 완화시킬 수 있다는 점에서 많은 연구자들의 연구대상이 되어왔으나, 확률개념이 모형에 내포됨에 따라 풀기가 쉽지 않다는 한계를 갖고 있다. 또한 현재까지 제시된 모형들도 교통망부하(Network loading) 단계에서 대안경로수를 제한함으로서 교통량에 종속적인 통행비용이 변하는 경우, 이를 선택대안의 변화로 반영하지 못하는 문제점과 확률적 사용자균형해를 구하는 단계에서 휴리스틱하게 접근하는 문제점들을 갖고 있다. 본 연구에서는 이들 확률적 통행배정모형의 문제점들을 해결할 수 있는 새로운 모형과 이를 풀기 위한 알고리듬을 제시하는데 목적이 있다. 제시되는 모형들은 로짓모형을 기반으로 개발되며 Wardrop의 확률적 균형상태를 도출하게 된다. 풀이 알고리듬은 링크가 아닌 경로를 기반으로 구축되는데, 모든 경로를 열거해야 하는 어려움이 있지만, 선택경로를 제한함으로서 발생되는 문제를 피할 수 있으며, 초기에 한번만 모든 경로를 열거해 놓으면 이를 계속 사용하기 때문에 계산시간도 줄일 수 있다. 또한 본연구에서 제시되는 수리최소화모형은 목적함수를 직접 평가(evaluation)하기 때문에 수렴해에 신속히 수렴하며, Sheffi(1985)가 제시한 동등 수리모형(equivalent mathematical program)보다 이해하기 쉽다는 장점이 있다. 제시된 모형을 평가하기 위하여 예제 교통망을 이용하며, 각 모형들의 장단점을 분석하였다.


Because the basic assumptions of deterministic user equilibrium assignment that all network users have perfect information of network condition and determine their routes without errors are known to be unrealistic, several stochastic assignment models have been proposed to relax this assumption. However, it is not easy to solve such stochastic assignment models due to the probability distri- bution they assume. Also, in order to avoid all path enumeration they restrict the number of feasible path set, thereby they can not preciously explain the travel behavior when the travel cost is varied in a network loading step. Another problem of the stochastic assignment models is stemmed from that they use heuristic approach in attaining optimal moving size, due to the difficulty for evaluation of their objective function. This paper presents a logit-based stochastic assignment model and its solution algorithm to cope with the problems above. We also provide a stochastic user equilibrium condition of the model. The model is based on path where all feasible paths are enumerated in advance. This kind of method needs a more computing demand for running the model compared to the link-based one. However, there are same advantages. It could describe the travel behavior more exactly, and too much computing time does not require than we expect, because we calculate the path set only one time in initial step Two numerical examples are also given in order to assess the model and to compare it with other methods.