위험물 운송차량의 다목적 경로 및 스케줄 관리...

▣ 論文 ▣

험물 운송차량의 다목 경로 스 리 방안Multiobjective Routing and Scheduling for Vehicles Transporting Hazardous Materials

신 성 일(서울시정개발연구원 연구 원)

목 차

Ⅰ. 서론

1. 연구의 배경

2. 연구의 목

Ⅱ. 험물 운송차량의 경로 스 리

1. 동 교통망과 스

2. 시간-공간 네트워크 변형

3. 다목 경로탐색

Ⅲ. 사례연구 결과분석

1. 자료 구축

2. 결과 분석

Ⅳ. 결론

참고문헌

Key Words : 동 교통망, 다목 속성, 비지배경로, K 최 경로 탐색 알고리즘, 시간창

Dynamic Transportation Network, Multiobjective Shortest Path Algorithm, Non-

dominated Path, Time Window, K Shortest Path Algorithm

요 약

험물 운송차량은 사고발생 시 험물의 종류에 따라 일반차량의 사고와는 비교도 안 될 정도의 인명, 재산, 환

경피해를 유발한다. 한 산업화와 도시화의 심화에 따른 험물의 양과 종류의 증가는 시민의 안 을 해 험물

의 안 한 운송과 처리 문제를 매우 민감한 사항으로 두시켰다. 하지만 국내에서는 최첨단 통신장비가 실용화되고

있음에도 불구하고, 선진국과는 달리 험물 운송차량의 체계 인 리와 연구 투자가 아직까지는 보 인 단계

에 머물러 있는 것이 실이다. 이에 본 연구에서는 실시간으로 운행될 험물 운송차량의 스 과 경로를 리하

는 방안을 제시하기 한 핵심이 되는 경로탐색기법을 제안하고자 한다. 동시에 서울시와 같은 도시를 상으로

실 인 용의 가능성을 평가하고자 한다. 구체 으로는 시간창 속성을 고려하기 해 시간-공간 네트워크 변형을

하 으며, 다목 속성이 존재하는 동 교통망에 하여 동 계획법에 근거한 다목 최 경로탐색 알고리즘의 수

행을 통해 스 을 고려하는 비지배경로를 탐색하는 기법을 제안하고자 한다.

Vehicles transporting hazardous materials can make huge damage to people, properties and

environment by traffic accidents. Therefore, transporting hazardous materials is a big issue with

the cutting edge technology of communications in these days. However, despite this situation,

Korean government gives limited efforts for systematic management, research and investment about

hazardous materials. Accordingly, this research suggests the key path finding algorithm about

management of real-time schedule and routes for vehicles transporting hazardous materials.

Besides, the case study is progressed in transportation networks of Seoul in order to evaluate the

reality of algorithm. Specifically, time-space network transformation is performed for time window

attributes. In addition, this study proposes the techniques searching for non-dominated paths

considering schedule by the multiobjective shortest path algorithm based on dynamic programming

in dynamic transportation networks including multiobjective attributes.

한교통학회지 제25권 제5호, 2007년 10월 161

162 Journal of Korean Society of Transportation Vol.25 No.5, October, 2007

<그림 1> 용천 폭발사고 후의 성사진, 앙일보

<그림 2> 험물 운송차량 사고, 앙일보 <그림 3> 험물 운송 차량 이상 리체계

Ⅰ. 서론

1. 연구의 배경

험물 운송차량은 사고발생 시 험물의 종류에 따

라 일반차량의 교통사고와는 비교도 안 될 정도의 인명,

재산, 환경피해를 유발한다. 한 산업화와 도시화의 심

화에 따른 험물의 양과 종류의 증가는 시민의 안 한

삶을 보장하기 한 험물의 안 한 운송과 처리 문제

를 매우 민감한 사항으로 두시키는 데 기여하 다. 더

불어 최근 테러의 등 다양한 수단으로 험물 운송

차량이 악용될 가능성이 있어 운송차량의 안 한 리에

한 공공 민간부분의 특별한 경각심마 요구되고

있는 상황이다.

선진 외국의 경우 이러한 험물과 련된 사고가 인

간 자연에 막 한 향을 래하는 것을 일 부터 인

지하고, 운송 리에 한 체계 인 연구 투자로

노하우를 축 하여 왔다. 최근에는 험물의 수송에 있

어서 시민에게 험물에 노출되는 향 정도를 형평성

(Equity) 차원으로 근하는 노력이 시도될 정도로

험물 운송 리에 한 노력이 지속 으로 진행되고

있다. 그럼에도 불구하고 우리나라의 서울과 같은 도

시( 는 앙정부)에서는 험물 운송차량의 사고발생

확률이 매우 낮다는 이유로 체계 인 리에 한 필요

성을 깊이 인식하지 않고, 이에 한 연구와 투자는 아직

까지 보 인 단계에 머물러 있는 것이 실이다. 더욱

이 험물 운송차량을 일반화물차량과 동일하게 취 하

여 이동경로 조차 악하지 않고 단속에만 의존하고 있

는 등 체계 인 리가 시 한 실정이다.

험물 차량에 한 리는 일반 인 방재 4단계인

방, 비, 응, 복구의 단계에서 체계 인 리

조치가 요구된다. 더욱이 험물을 탑재한 차량이 경로

를 이동하는 동안에는 지속 으로 치를 추 하고 차량

의 이상 징후를 포착했을 경우, 즉각 으로 상황을 악

하여 조치를 취할 수 있도록 방 비단계의 리가

진행되어야 한다. 만약 사고로 인해 험물이 출될

험에 직면한다면 ( 는 유출되었을 경우) 험물의 종류

에 따라 험지역 피, 험지역경보, 험물 확산 지

등의 신속한 응 복구 조치가 이루어져야 한다. 이

듯 험물의 종류에 따른 리 방안이 상이한 이유로

험물에 한 세부 인 데이터베이스와 조치사항에 한

철 한 사 비가 있어야 하겠고, 이를 통한 방재 4단

계의 시행이 상시 으로 유지되어야 하겠다.

재와 같이 컴퓨터, 통신, 치추 과 같은 첨단 장

치가 실용화되고 발 하고 있는 상황에서 험물 운송차

량이 출발지에서 떠나 도착지에 이르기까지 상시 으로

리․감독하기 한 이상 인 리체계는 <그림 3>과

같이 요약될 수 있다. 좀 더 구체 으로 살펴보면, 험

물 운송업자는 험물질의 종류, 운 수, GPS 통신

장치 장착 차량번호, 차량의 출발 도착시 , 요구되는

주행시간 등을 인터넷과 같은 매체를 통하여 신고서를

작성하여 제출하면, 신고서를 수받은 험물질 리센

터에서는 운송업자의 스 과 기 수된 타 험물 운

송차량의 험도 상충(복합작용 험물)을 고려하여 최

안 경로(복수)를 선정하여 운송업자에게 제시한

다. 운송업자가 다시 제시된 (복수)경로 가장 합하

다고 단되는 경로를 통행 경로로 선택하면 운송업자의

통행경로가 결정되어 리센터에 달되게 된다. 결국


차량운송에 한 모든 정보가 센터에 입력되어 출발시

에서 도착시 까지의 차량의 안 한 통행을 유도하기

한 종합 이고 상시 인 방재 리가 시행되는 것이다.

2. 연구의 목

에서 언 한 상시 인 리체계는 항법 성장치

(GPS: Global Positioning System)와 같은 치추 장

치와 단거리무선통신(DSRC: Dedicated Short Range

Communication)과 같은 양방향 통신체계가 일반화된

상황에서 기술 으로 시스템 운행이 충분히 가능한 단계에

와 있다. 한, 최근 화물 화물차량군 리 시스템

(FFMS: Freight and Fleet Management Systems)과

험물차량 리시스템(HMMS: Hazardous Material

Monitoring Systems)에서 이에 한 유사한 연구가 진

행 에 있다. 그럼에도 불구하고 차량의 경로를 유도하는

방법은 일반 인 최 경로탐색기법을 용하여 도출하기

때문에(조용성․오세창, 1999; 김시곤․안승범, 1999)

험물 차량수송의 다목 특성, 운송업자의 스 , 출발

시간, 도착시간, 교통망의 규제사항 등의 제약요소를 고려

하여 체계 으로 리하기에는 무리가 있다. 향후 험물 운

송차량의 효율 인 리체계를 완성하기 해서는 실시간으

로 통행하는 차량의 스 과 경로를 리할 수 있는 방안의

제안이 무엇보다도 요한 이유가 바로 여기에 있다.

본 연구에서는 실시간으로 운행될 험물 운송차량의

스 과 경로를 리하는 방안을 제시하기 하여 핵심

이 되는 경로탐색기법을 제안하고자 한다. 동시에 서울

시와 같은 도시를 상으로 실 인 용의 가능성을

평가하고자 한다. 이를 해 본 연구에서는 시간창 속성

을 고려하기 한 시간-공간 네트워크 변형을 통해 험

물 운송차량의 리에 용하는 방안을 제안하고자 한

다. 한 비지배경로를 탐색할 수 있는 방안으로 안 경

로의 탐색을 통한 경로선정기법을 함께 제안한다. 연구

의 세부내용은 아래 3가지의 기법을 종합한 동 계획법

(Dynamic Programming)을 근거로 하는 알고리즘을

제안하는 것으로 한다.

1) 동 교통망(Dynamic Transportation Network)

긴 상황 발생에 따른 실시간 인 경로변경 는 우

회가능 여부를 단하기 하여 동 인 속성을 교통망에

포함

2) 시간․공간 네트워크 변형

(Time-Space Network Transformation)

동 속성을 포함하는 교통망을 차량의 출발시간과

도착시간, 교통망의 서비스시간, 일정지 에서의 기시

간을 반 하는 시간창(Time Window)의 속성을 표

하기 하여 정 인 교통망으로 변형하는 기법

3) 다목 경로(비지배경로) 탐색

경로의 험도와 비용 등 운송차량의 경로탐색에서 발

생하는 다목 속성을 고려하여 비지배경로(Non -domi-

nated Path)를 탐색하는 방안으로서 순차 으로 K개의

경로를 탐색하여 선정하는 기법. 제안된 알고리즘은 유입

링크기반 네트워크 확장기법에 근거한 K경로탐색 알고리

즘을 활용. 알고리즘 수행을 해 시간-공간 네트워크 변

형으로 변형된 교통망에 하여 2차 네트워크변형을 시

도하여 최 경로탐색을 반복 으로 시도

Ⅱ. 험물 운송차량의 경로 스 리

험물 운송차량의 경로 스 리문제는 일반

으로 크게 2가지 유형으로 구분된다(List et al., 1991;

Erkut and Verter, 1995). 첫 번째 유형은 다수의 출

발지와 도착지가 존재하는 교통망에서 도로용량과 수요

자 서비스시간 제약이 존재하는 경우 일정량의 험물질

을 배분하는 문제(Iakovou et al., 1999; Zografos

and Androutsopoulos, 2004)이고, 두 번째 유형은 단

일 출발지-도착지 에 하여 동 계획법에 근거한 다목

최 경로탐색 알고리즘 (Multiobjective Shortest

Path Algorithm; 이하 MOSP)의 수행을 통해 비지배

경로(Non-dominated Path; 이하 NDP)를 탐색하는

문제이다. 본 연구의 내용은 두 번째 유형에 을 맞추

고 있으며, 다목 속성이 존재하는 동 교통망에 하여

스 을 고려하는 경로를 리하는 기법을 제안하는 것

이다.

본 연구의 심사항이 아닌 시간에 독립 인 속성에

한 다목 경로 스 리에 해서는 비교 연구의

진행도가 높다(Wijeratne et al., 1993; Cox, 1984).

시간에 따라 변화하는 속성에 한 연구는 Turnquist

(1987)가 부분 인 NP를 탐색하는 실험 (Heuristic)

방법론을 통하여 제안한 바 있고, Nozick et al.(1997)과

Sulijoadikusumo and Nozick (1998)은 Turnquist


(1987)의 방법론을 출발지에서 출발시간이 정해진 경우

를 상으로 개선하 다.

1. 동 교통망과 스

시간창(Time Window)은 도착시간과 출발시간이

으로 존재하여, 운송차량이 도착시간과 출발시간사이에

도착하고 출발해야 하는 제약시간을 의미한다. 를 들

면, [a,b]의 시간창이 있다고 하면, 차량은 a시간이나

이후에 도착해야 하나, b시간 이 는 b시간까지는 출

발해야 한다. 이러한 시간창은 교통망에서 도로, 특정 지

, 지역에 하여 지정되는 경우 통행규제로 고려될 수

있으며, 운송업자의 시간창인 경우 그들의 스 로 간

주된다.

동 교통망에 하여 용되는 스 은 시간창

(Time Window)으로 표 되며 크게 출발시간시간창

(DTW: Departure Time Window), 도착시간시간창

(ATW: Arrival Time Window), 서비스시간창(STW:

Service Time Window), 기시간창(WTW: Waiting

Time Window), 운행시간시간창(OTW: Operational

Time Window)으로 구분된다. 이를 고려하여 경로를

탐색하는 방법은 3 의 다목 경로탐색부분에서 실제교

통망에 한 사례를 통하여 살펴보도록 한다.

1) 출발시간시간창(DTW: Departure Time Window)

출발지를 출발할 수 있는 시간에 제약이 있는 것으로

일반 으로 운송업자의 스 에 포함되나, 특별한 경우

리주체의 요청에 의하여 출발시간시간창이 결정될 수

있다.

2) 도착시간시간창(ATW: Arrival Time Window)

도착지에 도착할 수 있는 시간에 제약을 두는 것으로

일반 으로 운송업자의 스 에 포함되나, 특별한 경우

리주체의 요청에 의하여 도착시간시간창이 결정될 수

있다.

3) 서비스시간창(STW: Service Time Window)

특정 서울의 도심과 같이 보호지역에서 필요할 경우

통과시간 를 규제해 놓은 경우를 의미하며, 지역 체,

일부도로망, 교차로 등에 용할 수 있다.

4) 기시간창(WTW: Waiting Time Window)

운송차량은 출발지를 떠나면 계속해서 목 지를 향해

서 이동해야 하는데 필요한 경우 허가된 지 에서 차량

이 기할 수 있다. 이때 차량이 기함으로써 발생되는

비용은 선형 기비용과 같은 계산식을 통해 시간을 비용

으로 환산가능하다.

5) 운행시간시간창(OTW: Operational Time Window)

운송차량이 출발지를 떠나 도착지에 도착하는 시 까

지의 통행시간이 시간창 내에서 이루어져야 하는 제약을

의미한다.

2. 시간-공간 네트워크 변형

시간-공간 네트워크 변형(Time Space Network

Transformation; 이하 TSNP)을 통하여 동 교통망은

정 교통망으로 환된다. TSNP는 매 시간단 로 존재

하는 노드와 링크를 정 인 개별링크 노드로 변형한

다. 시간창이 포함되는 동 교통망에서 변형된 네트워크

를 이용하면 최단시간도착(Earliest Arrival) 는 최장

시간도착(Latest Arrival)만을 고려하여 해를 도출하던

것(조종석, 2006)에서 최 해의 계산이 가능하다.

TSNP에 하여 설명하면, 먼 개별시간은 0,1,

2,…T의 비음의 연속 인 정수(Integer Value)로 표

되고, 개별시간간격(Time Interval)은 일정한 지속시

간을 의미하는 t를 곱하여 구해진다. t를 1분이라고

를 들면 개별시간간격은 0t, 1t, 2t,…Tt로 이는 0분, 1

분, 2분, …T분으로 다시 정의된다. 시간간격이 정수로

표 되는 이유는 컴퓨터 연산을 한 것으로 연속 인

실수(Real Value)의 통행시간은 반올림(Round Off)

처리 정수로 환된다. 를 들면, 54 는 t를 1분으로

정의하면 1t에 가깝기 때문에 1t로 나타낸다.

<그림 4>의 3노드와 3링크로 구성된 교통망에서 각각

출발지와 도착지가 노드0과 노드2이고, 노드를 연결하

는 링크통행시간이 2t, 4t, 3t가 10개의 시간간격(임의

로 시간을 분할)에 하여 일정하며, [] 호안의 2가지

속성(통행비용, 험도)을 갖는 동 교통망을 정 교통

망으로 TSNP하면, <그림 5>와 같이 32개 노드와 42개

링크의 정 교통망으로 확장된다. 이 교통망은 기본교통

망 노드와 링크의 모든 시간 의 통행이 재 되도록 한

것으로 노드는 모든 시간 를 고려하여 확장하며, 기본


<그림 4> 동 교통망

<그림 5> TSPN에 의한 확장교통망

<그림 6> 비지배경로와 안경로

교통망의 출발노드와 도착노드는 원래 통행시간의 차이

가 반 되도록 연결한다. 이때 출발지와 도착지에서 각

각 모든 시간 에서 출발과 도착이 가능하도록 가상의

출발지r과 도착지s를 원래 출발지0과 도착지2를 모든

시간마다 연결한다.

TSNP에 의한 확장교통망은 교통망의 스 을 고려

하여 최 의 경로를 도출하는 방법으로 활용될 수 있다.

스 과 경로탐색을 함께 고려하는 방안에 해서는 3

장에서 를 통해 설명하도록 한다.

3. 다목 경로 탐색

시간 종속 가능경로(Time-varying Feasible Path:

이하 TFP)는 출발지에서 목 지까지 경로에 부과된 제약

조건을 모두 만족하는 경로로서 정의된다. 본 연구에서

TFP는 다음의 5가지 시간창의 스 제약의 조건을 충

족하는 경로로서 정의된다.

TFS를 기반으로 시간 종속 비지배경로(Time-varying

Non-dominated Path : 이하 TNP)를 정의하면 다음과

같다

‣정의 1：두 경로 가 TFS 집합에 있고,

n개 속성값 ⋯ ⋯ 에서 어떤

개별속성(∈)에 하여

의 개별속성 이 ≤

가

모든 속성(=1,2,3,…,n)에서 성립한다

면 은 를 지배(Dominated)한

다고 정의한다.

‣정의 2: 경로 가 TFS집합에 포함되고, 다른 어

떤 경로도 를 지배하는 경로가 존재하

지 않으면 경로 는 TNP로 정의된다.

MOSP를 탐색하는 방법은 크게 표지기반알고리즘

(Labelling-Based Algorithm: 이하 LBA)과 계기반

알고리즘(Ranking-Based Algorithm: 이하 RBA)으로

구분된다. LBA는 다시 표지확정알고리즘(Label Setting

Algorithm, Hansen, 1980; Martins, 1984)과 표지갱

신알고리즘(Label Correcting Algorithm, Brumbaugh-

Smith & Shier, 1989; Mote et al., 1991; Skriver

& Andersen, 2000)으로 구분된다. RBA는 복수의 경

로탐색기법을 용하는 알고리즘(Climaco & Martins,

1982)을 NDP를 발견하기 하여 활용하는 방안이 제안

되었다.

MOSP의 목 은 NDP를 심으로 탐색하는 방안이

다. <그림6>의 2개 노드와 5개 경로의 경우로 를 들면

출발지 0에서 도착지 1을 연결하는 경로가 총 5개 존재

하고 (정의1)과 (정의2)를 만족하는 NDP는 [5,6],

[6,5]의 속성(통행비용, 험도)을 갖는 1번과 5번 경

로이다. 여기서 NDP이외의 나머지 3개 경로의 속성값

은 [6,6], [6,7], [7,6]으로 이미 탐색된 두 개의 NDP

와 유사한 속성값을 나타내고 있으나, NDP에 포함되지

않는다.

본 연구에서는 NDP를 탐색하기 한 알고리즘으로

기존의 정 인 교통망에 합하게 개발된 K 경로탐색 알

고리즘을 활용한다. Climaco & Martins (1982)는 K

최 경로탐색 알고리즘(K Shortest Path Algorithm)

에서 사용되는 방법을 용하여 다목 경로를 탐색하는

방안을 제안하 다.


<그림 7> 기교통망확장

본 연구에서는 일 일(One-to-One) 경로탐색기법

유입링크기반 K 경로 탐색 알고리즘 (Avezedo et

al., 1993; 신성일, 2004)을 용하여 시간종속 인

NDP를 탐색하는 경험 인 알고리즘을 제안한다.

TSPN에 의해 확장된 교통망에 하여 K개의 경로를

탐색하는 알고리즘은 크게 0단계) 기네트워크변형, 1

단계) 최 경로탐색, 2단계) 유입링크기반네트워크변형,

3단계) NDP와 DP(Dominated Path)계산의 4단계로

구분된다.(세부 인 사항에 해서는 Avezedo et al

(1993)과 신성일(2004) 참조 바람)

0단계) 기네트워크변형

K경로탐색을 한 기네트워크변형

k=0

1단계) 최 경로탐색

복수속성의 가 치에 의한 단일 값으로 환

k번째 링크비루 최 경로탐색 (신성일, 2004)

2단계) 유입링크기반 네트워크확장

유입링크기반 네트워크 확장 (Avezedo, 1993)

k=k+1로 계산하고 단계1로 감

3단계) NDP와 DP계산

탐색된 K개의 경로에 하여 (정의1)과 (정의2)의

개념에 따라 NDP와 DP분류

다음은 다목 속성을 포함하는 K개의 경로를 탐색하

는 방법에 하여 다양한 시간창의 를 들어 설명한다.

<그림 7>은 유입링크기반 네트워크 확장에 합하도록

확장된 단계0의 기 교통망을 나타내며, 가상의 더미노

드 R, S가 이미 생성된 가상의 노드 r, s로 각각 연결되

는 것을 나타내고 있다. 따라서 <그림 5>의 교통망과 비

교하여 2개의 노드와 2개의 링크가 각각 증가된 34노드

와 43링크로 확장되었다.

<그림 8>은 출발시간창이 [00,00]으로 단일시간창으

로 정해진 경우에 하여 목 지까지 2개의 TFP가 나

타남을 보여주고 있다.

‣경로 1: [2,3]+[1,0]=[3,3], 00→12→27

‣경로 2: [2,2]+[1,0]=[3,2], 00→14→27

<그림 8> 출발시간창 [00,00]으로 제약

<그림 9>는 도착시간창이 [22, 26]인 경우에 하여

출발시간을 제약하지 않고 2개의 경로가 TFP로 탐색

가능한 것으로 나타난다.

‣경로 1: [2,3]+[1,0]=[3,3], 00→12→25

‣경로 2: [2,3]+[1,0]=[3,3], 00→13→26

<그림 9> 도착시간창 [22, 2

6]로 제약

<그림 10>은 출발시간창을 [02, 04]로 제약시켜놓고 첫

번째 탐색경로 02→16→29가 인 경우 두 번째 경로를 탐색

하기 하여 유입링크기반 네트워크변형(Avezedo et al,

1993)로 속성 (3, 3)의 04→16→29인 두 번째 경로를 탐색

하는 것을 시하고 있다. 이때 탐색된 2개의 경로에 하

여 NDP는 TNP의 (정의1)과 (정의2)를 만족하는 경로 02

→16→29 이고 경로 04→16→29는 DP로 고려될 수 있다.

‣k=1: [2,2]+[1,0]=[3,2], 02→16→29

‣k=2: [2,3]+[1,0]=[3,3], 04→16→29


<그림 10> 출발시간창 [02,04]에 따른 2개 경로탐색

<그림 11>은 1번 노드에서 서비스시간창이 [12, 13]

으로 제한된 경우 목 지까지 2개의 FSP만 존재하는 것

을 나타낸다.

‣경로 1 : [2,2]+[1,0]=[3,2], 00→12→25

‣경로 2 : [2,2]+[1,0]=[3,2], 00→13→26

<그림 11> 서비스시간창 [12, 1

3]제약

<그림 12>는 서비스시간창 [12, 13]과 기시간창

[12, 13]이 부과된 경우 총 통행경로는 3개로 늘어남을

보여 다. 이때 동일노드1에서 1t동안 기하는 상을

(12→13)의 링크로 나타나는 경로가 포함된다. 이때 링

크속성 값이 [x,y]로 표 된 것은 속성값이 변수로 간주

되는 것을 나타낸 것으로 일반 으로 노드 기비용을

기시간에 따른 손실비용을 정산하는 방안 등의 선형함수

로 간주하여 값을 정의할 수 있다(Desaulniers &

Villeneuve, 2000; 조종석, 2006).

‣경로 1: [2,2]+[1,0]=[3,2], 00→12→25

‣경로 2: [2,2]+[x,y]+[1,0]=[3+x,2+y],

00→12→13→26

‣경로 3: [2,2]+[1,0]=[3,2], 00→13→26

<그림 12> 기 [12, 1

3] 서비스시간창 [1

2, 1

3]제약

<그림 13>은 총 통행시간을 제약하기 하여 목 지

에 도착하는 시간은 서비스시간창 [24, 25]로 부과한 경

우로 이때 기시간창 [12, 13]과 서비스시간창 [12,

13]제약이 <그림 13>과 동일하게 포함된다고 고려하면

FSP가 단일경로인 00→12→25로 감소하는 것을 나타내

고 있다.

‣경로 1: [2,2]+[1,0]=[3,2], 00→12→25

<그림 13> 기시간창 [12, 13], 서비스시간창 [12, 13]

도착시간창 [24, 25]제약

Ⅲ. 사례연구 결과분석

1. 자료 구축

본 에서는 제안된 알고리즘의 실 용 가능성과

합성을 단하기 해 서울시를 상으로 사례 연구를

실시하 다. 용된 교통망은 <그림 14>에서와 같이 주

간선도로 계이상의 도로를 상으로 하 으며, 127개

의 노드와 207개의 링크로 구축되었다. 임의의 출발지

에서 도착지로의 경로를 선택하는 속성으로는 사고 험


과 운송업자의 비용을 선택하 다. 이는 험물 운송 시

운송업자는 운송비용을, 험물 리센터는 험도에 가

장 큰 비 을 둘 것이라 가정했기 때문이다. 사고 험요

소로는 험도와 운송차량의 경로변경횟수, 그리고 운송

업자의 비용요소로는 통행시간으로 구성하 다. 여기서,

편의상 험도는 링크(도로)를 심으로 200m내의 평

균인구 도로 단순화하여 정의하 는데, 이는 다른 환경

요인보다 험물 수송 시 인구노출이 험도를 좌우

하는 가장 큰 요인으로 보았기 때문이다.

<그림 14> 서울시 주간선도로망

<그림 15>는 험물 노출가능인구를 ArcView를 사

용하여 도출하는 과정을 보여주고 있으며, 세부사항은

아래와 같다.

서 울 시 주 간 선 도 로 망 선 정

험 물 노 출 가 능 존 설 정

험물 노출 가능 건축물 추출

험 물 노 출 가 능 인 구 추 출

<그림 15> 험물 노출가능 인구 산출 차

1) 서울시 주간선도로망 선정

험물 차량의 경우 그 차량의 규모와 운반 물질의 특

성상 일반 으로 주간선도로를 주로 통행한다고 볼 수

있다. 따라서 사례 연구 시 서울시정개발연구원의 서울

시 GIS 데이터베이스를 활용하여 서울시 주간선도로망

만을 추출하 다.

2) 험물 노출 가능 존 설정

ArcView의 버퍼(Buffer) 기능을 활용하여 서울시

주간선도로망의 각 링크별 반경 200m의 버퍼링을 실시

하 다. 이는 험물 차량 사고 시 치명 인 피해가 사고

지 으로부터 200m를 넘지 않는다고 가정하 기 때문

이다.

3) 험물 노출 가능 건축물 추출

주상복합시설과 주거시설이 포함된 건축물 장 데이

터베이스를 험물 노출 가능 존에 결합하여 험물 노

출 가능 존상의 주상복합시설과 주거시설 데이터베이스

를 추출하 다.

<그림 16>은 최종 으로 경로선택 속성을 산출하기

해 노출가능건축물을 도식화한 것이다.

<그림 16> 험물 노출 가능 건축물 추출

4) 험물 노출 가능 인구 추출

험물 노출 가능 존상의 주상복합시설 주거시설

데이터베이스와 매치되는 주민등록상 거주 인구를 추출

하 다. 이 게 추출된 거주 인구를 모두 합하여 각 존당

총인구수와 인구 도를 산출하 다.

<표 1>은 험도 산정을 해 입력되는 네트워크 자

료의 형태를 나타낸다.


링크번호 출발노드 도착노드 도로명인구 도

(인/㎢)

링크길이

(m)

1 0 1 동1로 7.3 8248.4

2 1 2 동1로 6.2 2600.4

3 2 3 동2로 7.1 3531.6

⋮ ⋮ ⋮ ⋮ ⋮ ⋮

205 125 126 을지로 7.3 407.0

206 127 84 흥인문로 0.0 412.0

207 126 127 을지로 7.3 600.8

<표 1> 험도 산정을 한 네트워크 입력자료

2. 결과 분석

앞서 구축된 자료를 제안한 알고리즘에 입력하여 결

과를 도출해 보았다. 천구의 한 출발지 과 노원구의

한 도착지 을 선정하 으며, 교통망에서는 노드번호 0

과 56으로 나타났다. 분석시간 는 오 7:00～12:00

로 총 5시간을 설정하 으며, 시간간격은 1분 단 로 나

어 분석하 다. 한, 편의상 모든 링크를 시속 30㎞

로 주행한다고 가정하 으며, 이를 분으로 환산된 통행

속도는 500m/분이 된다. 험물차량의 도심통과에

하여 1) 도심통행비규제와 2) 도심통행규제의 2가지 시

나리오로 분석한다. 각 시나리오 분석결과에서 총300개

의 경로를 탐색하여 NDP와 DP의 특성을 설명한다. 탐

색된 경로를 비교하기 해 안 경로의 특성을 고려한

험도, 통행시간, 경로변경횟수( 험물 차량 운 자가

출발지에서 목 지까지 가는 도 주간선도로를 변경한

횟수)에 가 치를 주는 재량 근 방법을 용하 다.

⋅⋅⋅ (1)

: 출발지 R에서 링크 a의 통행속성

: 링크 a의 험도(노출인구 도(인/㎢))

: 링크 a의 통행시간(분)

: 출발지 R에서 링크 a까지 발생한 경로 변경 횟수

: 라메타(여기서는 0.3, 0.4, 0.3)

1) 통행 비규제 결과 분석

먼 , 서울시를 통행하는 험물 운송차량이 통행상

의 규제가 없다는 제하에 분석을 실시하 다. 출발지

에서 오 7:00 정각에 출발한 차량이 통행제약 가정이

없는 경우에 해 300개의 경로 최 15개의 NDP

의 탐색결과가 <표 2>에 요약되어 있다. <표 2>의 결과

로 볼 때 탐색된 NDP의 사이에 존재하며 험도에서

차이가 은 경우 DP로 고려될 수 있을 것으로 악되

며, DP로 고려되는 내용은 보다 실제 인 수행과정에서

결정되어야 하는 문제이다. <그림 17>는 험도에 따라

탐색된 15개 NDP k=1과 k=15를 도식화한 것으로

k=1은 도심을 통과하나 k=15는 경로의 변경이 은

외곽으로 통행하는 것으로 악되었다. 나타났다. 여기

서 도심을 통과하는 이유는 자료 구축 상 평균노출인구,

경로변경횟수, 통행시간이 유사한 비율로 향을 미치기

때문에 상 으로 평균노출인구는 많은 지역이어도 통

행시간이 거나 경로변경횟수가 은 지역으로 고려되

는 것으로 악된다.

k

통행

속성

()

평균 노출

인구

(,인/km2)

통행시간

(,분)통행거리

(Km)

경로변경

횟수

()

1 48.3 54.2 73.4 36.7 9

3 48.8 49.3 77.5 38.7 10

4 48.9 60.5 69.3 34.7 10

7 49.3 55.6 73.4 36.7 11

9 49.4 58.8 72.0 36.0 10

12 49.9 53.9 76.0 38.0 11

24 50.9 48.8 81.7 40.9 12

25 50.9 34.6 92.4 46.2 12

37 51.5 40.9 88.3 44.1 13

39 51.5 34.6 94.6 47.3 11

59 52.0 67.2 73.6 36.8 8

63 52.0 39.2 91.0 45.5 13

67 52.1 40.9 90.5 45.3 12

181 54.0 39.3 98.1 49.0 10

264 54.6 47.6 92.6 46.3 11

<표 2> 15개의 NDP (300개 경로)

<그림 17> 통행 비규제 NDP (k=1,15)


k

통행

속성

()

평균노출

인구

(,인/㎢)

통행

시간

(,분)

통행

거리

(Km)

경로변경

횟수

()

1 58.5 49.7 103.1 51.5 8

2 58.6 50.1 102.8 51.4 8

3 58.9 52.4 102.0 51.0 8

4 60.8 74.4 91.7 45.8 6

6 62.3 78.0 91.3 45.7 8

7 62.4 64.7 99.9 49.9 10

10 62.7 68.1 98.9 49.4 9

11 62.7 68.5 98.6 49.3 9

15 62.9 67.9 98.1 49.1 11

16 63.1 70.8 97.8 48.9 9

27 64.0 72.5 96.7 48.4 12

57 65.0 85.9 90.5 45.2 10

65 65.3 89.1 89.0 44.5 10

68 65.5 97.6 84.5 42.2 8

72 65.6 70.0 106.2 53.1 7

73 65.6 70.4 106.0 53.0 7

78 65.7 92.5 88.9 44.4 8

80 65.8 89.1 90.9 45.5 9

88 66.0 72.7 105.2 52.6 7

141 67.1 94.4 88.7 44.3 11

158 67.3 97.0 88.1 44.1 10

205 67.8 94.7 94.8 47.4 5

<표 5> 22개의 NDP (300개 경로)

<그림 18> 통행 규제 NDP (k=1,22)

구분 내용 비고

통행

경로

5600→54

11→62

19→61

24→69

30→79

36→

9240→93

41→94

43→8

48→116

53→115

57→

11462→11367→571→472→375→282→187→

0103

노드도착

시간

통행

도로

시흥 로→남부순환로→ 천로→남부순환로

→송 로→자양로→구의로→동2로→동1로

경로 8번

변경

<표 6> k=1 NDP

<표 3>은 <표 2>에서 k=1인 NDP의 통행경로(노드,

통행시간)와 통행도로를 나타낸다.


통행

경로

5600→54

11→55

13→57

19→58

25→71

25→72

28

→7330→74

31→75

33→76

34→77

35→127

35→

8436→8342→1343→251→156→072

노드

도착

시간

통행

도로

시흥 로→ 방로→원효로→한강로→퇴계로

→흥인문로→청계천로→고산자로→망우로→

동1로

경로

9번

변경

<표 3> k=1 NDP


통행

경로

560→54

11→62

19→61

24→69

30→68

32→

6736→8140→8544→8846→8947→9057→

10158→5

62→4

63→3

66→2

73→1

78→0

94

노드도착

시간

통행

도로

시흥 로→남부순환로→ 천로→남부순환로

→동작 로→사평로→ 은사로→언주길→

나룻길→구의로→동2로→동1로

경로

11번

변경

<표 4> k=15 NDP

2) 통행 규제 결과 분석

도심 지역은 법 규제를 통해 10톤 이상 화물차, 가

스 유류운반탱크로리, 폭발물 운반차량, 건설기계, 트

일러・ 커차 등 특수 자동차와 3.5톤 이상~10톤 미

만 화물차는 통행의 규제를 받고 있다(도로법 제54조,

도로교통법 제6조, 제35조, 서울특별시 지방경찰청 도

로교통고시 제2조 등). 따라서 이번 에서는 결과 분석

을 도심 4 문 안에 오 7:30～9:00시까지 통행 규제

가 있다는 가정 하에 분석을 실시하 다.

출발지에서 오 7:00 정각에 출발한 차량이 도심 통

행제약이 존재하는 경우에 해 300개의 경로에서 최

22개의 NDP의 탐색결과가 <표 5>에 요약되어 있다.

<그림 18>은 험도에 따라 탐색된 22개 NDP k=1

과 k=22를 도식화한 것이다.

통행규제제약이 존재하는 경우에는 험물 운송차량

이 도심을 통과할 수 없기 때문에 통행시간이 장시간 소

요되더라도 두 경로모두 k=1과 k=22 모두 통행경로가

남부순환로와 송 로 근방의 외곽지역으로 선택됨을

알 수 있다.

<표 5>는 통행규제 동안의 험물 운송차량의 통행경

로(노드통행시간순서로 표 )와 통행도로를 나타낸다.



통행

경로

5600→54

11→55

13→62

22→61

27→69

33→

7939→9243→9344→9446→851→755→657→

563→4

64→3

67→2

74→1

79→0

95

노드도착

시간

통행

도로

시흥 로→ 천로→남부순환로→ 동 로→

동2로→동1로

경로 5번

변경

<표 7> k=22 NDP

Ⅵ. 결론

험물 운송차량에 한 경로 스 리는 인명

과 환경보호를 해 선진국에서는 오래 부터 연구와 투

자를 병행해왔다. 따라서 서울시와 같은 도시에서도

시민의 생존을 보장하기 한 험물 운송차량의 체계

인 리가 무엇보다도 선행되어야 한다.

본 연구에서는 험물 차량의 실시간 리체계 구축

을 해 동 교통망, 통행규제, 운송업자의 비용 등을 다

각도로 고려할 수 있는 최 해의 도출이 가능한 다목

경로 스 리 기법을 제안하 다. 한, 서울시를

상으로 사례 연구를 실시하 으며, 이를 통해 알고리즘

의 활용성이 있음을 몇 가지 측면에서 검토하여 보았다.

향후 제안된 기법을 기반으로 험물의 상시 리 체

계가 가동되기 한 센터 구축과 리시스템에 한 통

합연구가 필요하다고 본다.

와 같은 결과 외에 본 연구에서는 몇 가지 보완 사

항이 나타났다.

첫째, 본 연구에서는 험물 수송 차량의 최 경로 선

정 시 험도 산정 요소로 노출 거주 인구만을 고려하

다. 그러나 실제 험물 운송은 주⋅야간으로 이루어질 수

있기 때문에 거주 인구뿐만이 아니라 상업인구 즉, 유동인

구까지 고려할 필요가 있다. 한, 노출인구 외에 다른 환

경 요인을 고려할 필요가 있으나 본 연구에서는 환경

련 데이터의 한계로 환경 요인을 험도로서 고려하지

못했다. 향후 이를 보완한 연구가 필요하다고 단된다.

둘째, 사례 연구 시 본 연구에서는 서울시 주간선도로

망 네트워크를 사용하 다. 이는 험물 수송 차량이 주

간선도로망 주로 통행한다는 가정을 한 것으로 실제와

는 차이가 있을 수 있다. 따라서 향후 연구에서는 승용차

용도로인 내부순환로(고가도로)는 통행가능노선에서

제외하거나, 한강교량 하 통과 능력이 떨어지는 교

량을 포함하는 노선은 최 경로 선정 시 제외할 필요가

있는 것으로 단된다.

셋째, 미연방도로청(FHWA)에 따르면 유동 가능한

험물의 잠재 향 가능 존을 800m로 제시하고 있

다. 따라서 향후에는 본 연구에서 가정한 험물 노출 가

능 존을 좀 더 확 하여 험도 산정 최 경로를 선

정할 필요가 있다고 본다.

넷째, 탐색된 경로를 비교하기 해 본 연구에서는 통

행 속성인 험도, 통행시간, 경로변경횟수에 가 치를

주는 재량 근 방법을 용하 다. 이번 연구에서는

임의로 0.3, 0.4, 0.3의 값을 주었으나, 향후 실제교통

망에 용할 때에는 라메타에 가 치를 히 주는

방법에 한 연구가 필요하다고 단된다.

참고문헌

1. 김시곤·안승범(1999.6), “GIS를 활용한 험물 수송

리시스템개발 (울산시 사례연구)”, 한교통학회

지, 제17권 제2호, 한교통학회, pp.29∼40.

2. 신성일(2004), “교통망에 합한 K 비루 경로

탐색 알고리즘”, 한교통학회지, 제22권 제6호,

한교통학회, pp.121∼131.

3. 조용성・오세창(1999.3), “ 험물 수송을 한

험도 최 경로산정 -수도권 사례를 심으로-”,

한교통학회지, 제17권 제1호, 한교통학회,

pp.75∼89.

4. 조종석(2006), “환승과 운행시간 스 을 고려한

통합교통망에서의 동 K경로탐색알고리즘”, 박사

학 논문, 서울 학교.

5. Azevedo, J. A., Costa, M. E. O. S., Madeira

J.J.E.R.S., and Martins E.Q.V (1993), “An

Algorithm for the Ranking of Shortest Paths”,

European Journal of Operational Research,

Vol.69, pp.97∼106.

6. Brumbaugh-Smith, J., and Shoer, D. (1989),

“An Empirical Investigation of Some Bicriterion-

Shortest Path Algorithms”, European Journal

of Operational Research, 43, pp.216∼224.

7. Cox, R. G. (1984), “Routing and Scheduling of

Hazardous Materials Shipments: Algorithmic

Approaches to Managing Spent Nuclear Fuel

Transport”, Ph.D. Dissertation, Cornell Univ.,

Ithaca, N.Y.


8. Climaco, J.C.M. and Martins, E.Q.V. (1982),

“A Bicriterion Shortest Path Algorithm”,

European Journal of Operational Research, 11,

p.p399∼404.

9. Desaulniers, G., and Villeneuve, D. (2000),

“The Shortest Path Problem with Time Windows

and Linear Waiting Costs”, Transp. Sci., 34,

pp.312∼319.

10. Erkut, E., and Verter, V.(1995), “Hazardous

Materials Logistics. Facility Location: A

Survery of Application and Methods”, Z.

Drezner, ed., Springer, New York, pp.466∼506.

11. Hansen, P., (1980), “Bicriterion Path Problems.

In: Fandel, G., Gal, T. (Eds.), Multiple Criteria

Decision Making: Theory and Applications,

Lectures Notes in Economics and in Mathe-

matical Systems”, Vol. 177, Springer, Heidelberg,

pp.109∼127.

12. Iakovou, E. T., Douligeris, C., Ip, C., Liu, H.,

and Yudhibir. L.(1999), “A Maritime Global

Route Planning Model for Hazardous Materials

Transportation”, Transp. Sci., 33, pp.34∼48.

13. List. G. F., Mirchandani, P. B., Turnquist, M.A..

and Zografos. K. G. (1991), “Modeling and Analysis

for Hazardous Materials Transportation: Risk

Analysis, Routing/ Scheduling and Facility

Location”, Transp. Sci., 25, pp.100∼114.

14. Martins, E.Q.V. (1984), “On A Multicriteria

Shortest Path Problem”, European Journal of

Operational Research, 16, pp.236∼245.

15. Mote, J., Murthy, I., and Olson D.L. (1991),

“A Parametric Approach to Solving Bicriterion

Shortest Path Problems”, European Journal of

Operational Research, 53, pp.81∼92.

16. Nozick, L. K., List, G. G., and Turnquist. M. A.

(1997), “Integrated Routing and Scheduling in

Hazardous Materials Transportation”, Transp.

Sci., 31, pp.200∼215.

17. Paolo Serafini (2005), “Dynamic Programming

and Minimum Risk Paths”, European Journal

of Operational Research, pp.224∼237.

18. Pasquale Carotenuto・Stefano Giordani・

Salvatore Ricciardelli (2005), “Finding

Minimum and Equitable Risk Routes for

Hazmat Shipments”, Computers & Operations

Research, pp.1304∼1327.

19. Qiang Meng・Der-Horng Lee・Ruey Long Cheu

(2005), “Multiobjective Vehicle Routing and

Scheduling Problem with Time Window Constraints

in Hazardous Material Transportation”, Journal of

Transportation Engineering, pp.699∼707.

20. Skriver, A.J.V. and Andersen, K.A. (2000), “A

Label Correcting Approach for Solving Bicriterion

Shortest-Path Problems”, Computers &

Operations Research, 27, pp.507∼524.

21. Sulijoadikusumo, G. S., and Nozick, L. K.

(1998), “Multiobjective Routing and Scheduling

of Hazardous Materials Shipments”, Transportation

Research Record 1613, Transportation Research

Board, Washington, D.C., pp.96∼104.

22. Turnquist. M. A. (1987), “Routes, Schedules

and Risks in Transporting Hazardous

Materials. Strategic Planning in Energy and

Natural Resources”, B. Lev., J. A. Bloom, A.

J. Gleit, F. H. Murphy and C. Shoemaker. eds.,

Elsevier Science, Amsterdam, pp.289∼302.

23. Wijeratne. A. B., Turnquist. M. A., and Mir-

chandani. P. B. (1993), “Multiobjective Routing

of Hazardous Materials in Stochastic Net-

works”, European Journal of Operational

Research., 65, pp.33∼43.

24. Zografos K.G., Androutsopoulos K.N.(2004),

“A Heuristic Algorithm for Solving Hazadous

Materials Distribution Problems”, European

Journal of Operational Research, 152(2),

pp.507∼519.

♧ 주작성자 : 신성일

♧ 교신 자 : 신성일

♧ 논문투고일 : 2007. 5. 14

♧ 논문심사일 : 2007. 7. 30 (1차)

2007. 9. 10 (2차)

♧ 심사 정일 : 2007. 9. 10

♧ 반론 수기한 : 2008. 2. 29

위험물 운송차량의 다목적 경로 및 스케줄 관리...

Documents

Transcript of 위험물 운송차량의 다목적 경로 및 스케줄 관리...