지능형 열차 스케줄링 방법

지능형 열차 스케줄링 방법{METHOD OF INTELLIGENT TRAIN SCHEDULING}

본 발명은 지능형 열차 스케줄링 방법에 관한 것이다.

철도, 지하철 등의 열차 네트워크가 발달하고, 이와 연계되는 버스 네트워크 역시 발달함에 따라, 각 교통수단의 스케줄을 효율적으로 관리할 수 있는 방법에 대한 연구가 활발하게 진행되고 있다. 예를 들면, 이러한 교통 수단 스케줄링을 위한 소프트웨어 또는 하드웨어에 대한 제품이 개발된 상태이다.

다만, 종래의 교통 수단 스케줄링 방법을 살펴보면, 열차 스케줄과 차량운용계획을 별도의 프로그램의 구성한다. 일부의 방식은 사용자의 경험을 중심으로 열차 스케줄을 작성하도록 동작함에 반하여, 다른 프로그램은 자동화 알고리즘을 통해 열차 스케줄을 작성한다.

또한, 기존의 열차 스케줄링 프로그램은 승객의 탑승량 및 혼잡율에 대한 예상이 불가능 하였다. 즉, 열차 스케줄에 대하여 얼마나 많은 승객이 각 구간별로, 시간대별로 또는 열차별로 탑승을 할 것인지에 대한 정보를 제공할 수 없었다.

한편, 이와 관련하여 대한민국 공개특허 제10-2012-0129344호(발명의 명칭: 열차 운행 계획 수립 방법 및 장치)는 열차 운행 계획 수립 방법 및 장치에 관한 것으로, 열차의 일정 제한 조건에 대한 데이터를 입력받고, 열차의 기본 스케줄 외에 실행 스케줄을 계획하는 대상발명의 스케쥴 계획부와 같이 회차 허용범위를 유동적으로 증감시킬 수 있는 구성요소를 개시하고 있다.

본 발명은 열차 스케줄에 개별 열차의 구간별 및 열차별 통행량에 대한 예측 정보를 제공하고, 이를 기초로 열차 스케줄을 조정할 수 있도록 하는 지능형 열차 스케줄링 방법을 제공한다.

상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일측면에 따른 지능형 열차 스케줄링 시스템의 열차 스케줄링 방법은 열차의 노선 정보 및 열차별 운행 시각에 대한 정보를 포함하는 열차 스케줄 정보가 제공되는 단계; 상기 열차 스케줄 정보에 포함된 열차가 정차하는 역을 노드로서 포함하고, 상기 열차 스케줄 정보에 포함된 각 역간의 노선을 호로서 포함하며, 상기 열차 스케줄 정보에 포함된 열차별 운행시각 정보를 포함하는 시간 확장 네트워크를 생성하는 단계 및 상기 시간 확장 네트워크를 기반으로 상기 열차 스케줄에 대한 각 구간별 및 열차별 통행량에 대한 예측 정보를 산출하는 단계를 포함한다.

상술한 본 발명의 실시예에 따르면, 이미 생성된 열차 스케줄에 대하여 구간별 및 시간대별 통행량에 대한 예측 정보를 산출할 수 있다. 이에, 열차 스케줄 작성을 담당하는 사용자는 자신이 수립한 열차 스케줄에 얼마나 많은 승객이 어떤 구간과 시간대에 탑승할 것인지에 대한 예측 결과를 고려하여 열차 스케줄을 조정할 수 있다.

도 1은 본 발명의 일 실시예에 따른 지능형 열차 스케줄링 시스템을 도시하고 있다.
도 2는 본 발명의 일 실시예에 따른 통행량 예측 정보의 산출 과정을 도시한 순서도이다.
도 3은 본원 발명의 일 실시예에 따른 통행량 예측 정보 산출 방법을 도시한 순서도이다.
도 4는 통상적인 교통 네트워크의 예시를 도시한 도면이다.
도 5는 본원 발명에 적용되는 시간 확장 네트워크의 예시를 도시한 도면이다.
도 6은 본원 발명의 일 실시예에 따른 시간 확장 노드 유형 구분의 개념을 도시한 것이다.
도 7은 본원 발명의 일 실시예에 따른 시간 확장 호 유형 구분의 개념을 도시한 것이다.
도 8은 본원 발명의 일 실시예에 따른 수요의 이산화 개념을 설명하기 위한 도면이다.
도 9 는 본원 발명의 일 실시예에 따른 통행량 예측 정보 산출 방법을 설명하기 위한 도면이다.
도 10은 본원 발명의 일 실시예에 따른 경로간 우선 순위를 고려한 통행량 산출의 개념을 설명하기 위한 도면이다.
도 11은 본 발명의 일 실시예에 적용되는 열차 스케줄을 도시한 도면이다.
도 12는 본 발명의 일 실시예에 따른 통행량 예측 정보를 열차 스케줄에 도시한 도면이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.

도 1은 본 발명의 일 실시예에 따른 지능형 열차 스케줄링 시스템을 도시하고 있다.

지능형 열차 스케줄링 시스템(10)은 수요 분석부(110), 열차 스케줄 생성부(120), 통행 배정부(130) 및 데이터베이스(140)를 포함한다.

수요 분석부(110)는 통계적으로 수집된 사용자들의 통행 실적 데이터를 수집하고, 출발지-목적지(Origin-Destination) 쌍으로 이루어진 각 경로에 대하여 수요를 예측한다. 예를 들면, 사용자들의 승차권 구입 실적 또는 교통카드 사용량 등의 정보를 데이터베이스(140)로부터 수신하고, 이에 기초하여 각 경로에 대한 수요예측을 수행한다. 수요 분석부(110)는 노선간 환승시간 및 노선별 열차의 시격(Headway)을 감안하여 노선간 환승 통행량을 산정하고, 산정되는 환승 통행량을 감안하여 노선별 총 통행량을 산정한다. 이때, 최단경로 산정법을 통하여 직승환하 (해당 노선에서 다른 노선으로 환승) 및 환승직하 (다른 노선에서 해당 노선으로 환승) 통행량을 해당 노선의 통행량으로 환산하여 산정하며, 해당 노선의 열차간 운전시격과 환승 정거장에서의 환승 소요시간을 감안하여 해당 노선의 출발지-목적지 경로에 대한 수요를 예측할 수 있다.

열차 스케줄 생성부(120)는 열차의 기본 스케줄과 실행 스케줄을 생성한다. 먼저, 열차 스케줄은 철도 노선상에서 운행하는 개별 열차들의 각 역별 도착시각과 출발시각을 설정하는 계획표이다. 또한, 기본 스케줄은 사용자의 경험과 주관이 반영되는 열차 스케줄로 열차 경합이 내포될 수 있는 초안 형태의 열차 스케줄이다. 또한, 실행 스케줄은 열차 스케줄에 내포된 열차 경합을 모두 해소한 (Conflict free) 열차 스케줄로서 현실에서 적용이 가능한 열차 스케줄이다.

기본 스케줄을 생성하기 위해서는 기본 스케줄 휴리스틱 알고리즘을 적용하여 초안을 생성하고, 열차 시각표 편집 기능을 통해 사용자의 의도에 따라 수정할 수 있다. 한편, 열차 스케줄을 생성하는 구체적인 방법은 본원 발명의 범위를 벗어나므로 이에 대한 상세한 설명은 생략하기로 한다.

통행 배정부(130)는 열차 스케줄에 대하여 각 구간별 및 시간대별 통행량에 대한 예측 정보를 산출한다. 이때, 열차 스케줄은 열차 스케줄 생성부(120)에서 생성한 것이거나, 외부로부터 수신한 것일 수 있다. 통행 배정부(130)를 통한 통행량 예측 정보의 산출 과정은 추후 상세히 설명하기로 한다.

데이터베이스(140)는 수요 분석부(110)의 수요 분석을 위한 기초 데이터, 열차 스케줄 생성부(120)의 열차 스케줄 생성을 위한 기초 데이터, 통행 배정부(130)의 통행량 예측 정보 산출을 위한 기초 데이터를 각각 관리한다. 또한, 수요 분석(110), 스케줄 생성부(120) 및 통행 배정부(130)의 산출 데이터를 수신하여 관리한다.

예를 들면, 승차권 구매 정보 또는 교통 가드 이용 실적 정보 등을 수집하여 관리한다. 또한, 선로 구간, 역, 철로의 구배, 철로의 곡선, 속도제한 구간, 차량기지와 같은 전체 노선에 대한 정보를 관리한다. 또한, 종래의 스케줄 정보, 표준운전선도, 운행시격, 운전시간, 정차시간 등과 같은 열차 운영에 대한 정보를 관리한다. 또한, 차량의 형식, 편성 상태, 조성 등과 같은 차량에 대한 정보를 관리한다. 또한, 역간 출발지-목적시 쌍의 경로, 각 경로에 대한 통행량 수요 정보 등을 관리한다.

한편, 본 발명의 실시예에 따른 도 1에 도시된 구성 요소들은 소프트웨어 또는 FPGA(Field Programmable Gate Array) 또는 ASIC(Application Specific Integrated Circuit)와 같은 하드웨어 구성 요소를 의미하며, 소정의 역할들을 수행한다.

그렇지만 '구성 요소들'은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 각 구성 요소는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.

따라서, 일 예로서 구성 요소는 소프트웨어 구성 요소들, 객체지향 소프트웨어 구성 요소들, 클래스 구성 요소들 및 태스크 구성 요소들과 같은 구성 요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다.

구성 요소들과 해당 구성 요소들 안에서 제공되는 기능은 더 작은 수의 구성 요소들로 결합되거나 추가적인 구성 요소들로 더 분리될 수 있다.

도 2는 본 발명의 일 실시예에 따른 통행량 예측 정보의 산출 과정을 도시한 순서도이다.

먼저, 본 발명에서는 통행량 예측 정보를 위하여 기 생성된 열차 스케줄 정보를 이용한다(S210). 이때, 열차 스케줄 정보는 열차의 노선 정보 및 열차별 운행 시각에 대한 정보를 포함한다. 열차 스케줄 정보는 기본 스케줄 또는 실행 스케줄일 수 있다.

다음으로, 열차 스케줄 정보를 기반으로 시간 확장 네트워크를 생성한다(S220).

시간 확장 네트워크는 열차 스케줄 정보에 포함된 열차가 정차하는 역을 노드로서 포함하고, 열차 스케줄 정보에 포함된 각 역간의 노선을 호로서 포함하며, 열차 스케줄 정보에 포함된 열차별 운행시각 정보를 포함한다. 이때, 반복수 n은 0으로 설정하고, 각 호의 비용에 대하여 초기값을 설정한다.

도 4는 통상적인 교통 네트워크의 예시를 도시한 도면이고, 도 5는 본원 발명에 적용되는 시간 확장 네트워크의 예시를 도시한 도면이다.

도 4의 경우, 역을 의미하는 노드와 역 사이를 연결하는 노선을 나타내는 링크를 포함하고 있으나, 시간의 개념은 포함하고 있지 않다.

도 5의 경우, 시간의 차원을 추가하여, 교통 네트워크를 확장하고 있다. 이러한 시간 확장 네트워크의 경우, 종래의 투입횟수 기반 통행 배정 방식과는 달리, 승객의 대기시간과 가장 먼저 도착하는 열차 등을 정확하게 파악할 수 있다. 다만, 모든 역을 스케줄의 시각에 따라 다르게 표현해야 하므로, 네트워크의 크기가 매우 커지고 복잡해지며, 이에 따라 현실적인 시간 내에 해 도출이 어려울 수 있다.

이러한 시간 확장 네트워크(VXE)는 시간 확장 노드 집합(V)과 시간 확장 호 집합(E)으로 이루어진다.

도 6은 본원 발명의 일 실시예에 따른 시간 확장 노드 유형 구분의 개념을 도시한 것이고, 도 7은 본원 발명의 일 실시예에 따른 시간 확장 호 유형 구분의 개념을 도시한 것이다.

시간 확장 노드 집합(V)은 노드의 번호, 열차호선 번호, 정거장 번호, 노드의 시간정보의 속성을 포함하며, 정거장 도착 및 출발, 수요 발생 및 수요 종료의 유형으로 구분된다. 시간 확장 호 집합(E)은 호 번호, 호의 시작 노드 번호, 호의 끝 노드 번호, 호의 끝과 시작 사이의 시간정보의 속성을 포함하며, 역간 이동, 정차, 환승, 수요발생 및 종료의 유형으로 구분된다. 이때, 수요 발생 노드 및 수요 종료 노드는 실제 물리적인 역을 나타내는 노드가 아닌 수요 값을 각 노드에 적용하기 위한 가상의 노드에 해당한다.

도 8은 본원 발명의 일 실시예에 따른 수요의 이산화 개념을 설명하기 위한 도면이다.

도면의 하단에 도시된 그래프는 출발지-목적지 쌍 별로 시간에 따른 수요 발생 통계를 도시한 그래프이다. 이와 같은 수요 발생 통계 데이터는 앞서 설명한 사용자들의 승차권 구입 실적 또는 교통카드 사용량 등의 정보에 기반한 것이다. 각 출발지-목적지 쌍 별로 시간이 경과함에 따라, 수요가 변화함을 확인할 수 있다. 예를 들어, 출근 시간대(07:00~09:00)와 퇴근 시간대(18:00~20:00)에 수요가 비교적 집중되고 있다. 이와 같이, 수요 발생이 연속적으로 변화하는 상태를 이산화(discrete)하기 위하여, 가상의 수요 발생 노드를 고려한다. 즉, 각 출발지-목적지 쌍에 따른 수요 발생 통계를 참조하여, 각 노선 별로 가상의 수요 발생 노드(300, 310)를 생성하고, 해당 노드에 대하여 해당 시간에서의 수요량을 설정한다. 예를 들면, 특정 시간(07:00~08:00)에서의 각 출발지-목적지 쌍의 수요량을 합산하여, 수요 발생 노드(300)의 수요량을 결정하고, 이 값이 해당 노선의 탑승량으로 고려될 수 있도록 한다. 즉, 통계적으로 수집된 사용자들의 통행 실적 데이터에 기초하여 수요 발생 노드간의 시간적 간격 및 수요 발생량을 설정하도록 한다. 이와 같은 구성에 따라 수요가 집중 되는 시간대에서는 수요 발생 노드의 시간적 간격이 좁아지게 되고, 수요가 상대적으로 낮은 시간대에서는 수요 발생 노드의 시간적 간격이 넓어지게 된다.

시간 확장 네트워크로 표현된 개별 열차의 구간별 탑승량 및 혼잡도를 스케줄 기반 통행배정 모형(timetable-based transit assignment model)에 대한 아래 제시된 스케줄 기반 통행배정 알고리즘을 통해 최적해 및 근사 최적해를 산출한다.

다음으로, 시간 확장 네트워크를 기반으로 열차 스케줄에 대한 각 구간별 및 시간대별 통행량에 대한 예측 정보를 산출한다(S230).

도 3은 본원 발명의 일 실시예에 따른 통행량 예측 정보 산출 방법을 도시한 순서도이다.

먼저, 출발지-목적지 쌍으로 정의된 경로에 대한 수요량을 각 경로의 통행량으로 설정하는 초기 통행배정 단계를 수행한다(S231). 시간 확장 네트워크에서 각 호 e의 초기 비용을 계산하며, 이를 위해 수학식 1을 이용한다.

아울러, 출발지-목적지 쌍 각각에 대하여 최단 경로를 탐색하고, 각 최단 경로에 대하여 초기 통행 배정을 실시한다. 이때, 아래 수학식 2와 같이, 각 최단 경로에는 수요량을 초기 통행량으로 설정하는 형태로 초기 통행 배정을 실시한다.

이때,

다음으로, 경로를 구성하는 각 호의 유형 및 통행량에 기초하여 호 비용을 갱신한다(S232).

이때, 호 비용함수는

예를 들면, 표를 통해 제시한 바와 같이 각 호의 유형 별로 호 비용이 상이하므로, 시간 확장 네트워크에 정의된 각 호의 유형에 따라 호 비용을 상이하게 설정한다. 예를 들어, 호 'e'를 통행하는 통행량이 500명 이하 또는 1500명 이하인 경우, 그 호를 통과하는 시간에 가중치 '1.00'을 곱하는 만큼의 비용을 산정하고, 1500명을 넘는 경우 가중치 '1.09'를 곱하는 만큼의 비용을 산정한다. 또한, 호 'e'의 유형이 환승인 경우는 해당 환승의 종류에 해당하는 상수 값을 더하는 방식으로 호의 비용을 산정한다. 또한, 수요 발생 노드에는 소요된 시간에 가중치 '0.1'을 곱하는 만큼의 비용을 산정한다.

이와 같이, 각 경로에 대한 사용자의 통행량이 상이할 수 있으며, 이에 따라 호 비용도 달라질 수 있다.

다음으로, 갱신된 호 비용에 기초하여 각 출발지-목적지 쌍으로 정의된 경로를 대체할 최단 경로를 탐색하고(S233), 최단 경로로의 경로 변경에 따른 각 경로의 통행량 예측 정보를 산출한다(S234~S236).

도 9는 본원 발명의 일 실시예에 따른 통행량 예측 정보 산출 방법을 설명하기 위한 도면이다.

먼저, 각각의 출발지-목적지 쌍을 만족하는 총 4개의 경로가 존재하고 있다고 가정한다. 예를 들어, (B3->A7)을 만족하는 제 1 경로(Path 1), (A1->C6)를 만족하는 제 2 경로(Path 2), (C1->A4)를 만족하는 제 3 경로(Path 3), (B1->D2)를 만족하는 제 4 경로(Path 4)가 존재하고 있다. 이때, 종래의 경로를 대체할 최단 경로를 탐색하게 되는데, 예를 들면, 제 4 경로를 대체할 새로운 최단 경로(New Path) 가 탐색될 수 있다.

최단 경로로의 경로 변경에 따른 통행량 예측 정보를 산출하기 위하여, 최단 경로에 포함된 각 호의 확장 가능 통행량을 산출한다(S234). 이를 위해, 각 호의 최대 통행량으로부터 해당 호를 경유하는 경로의 통행량을 감산하고, 해당 호를 경유하며 최단 경로 보다 우선 순위가 낮은 경로의 통행량을 합산하여 산출한다. 이는 아래 수학식 3을 통해 정의될 수 있다.

도 10은 본원 발명의 일 실시예에 따른 경로간 우선 순위를 고려한 통행량 산출의 개념을 설명하기 위한 도면이다.

본 발명에서는 서로 다른 노선을 경유하는 경로가 하나의 노선을 경유하는 경우, 해당 노선에 먼저 진입하는 경로에 대하여 우선 순위를 부여한다. 예를 들어, 경로 p는 경로 q에 비하여 노선(Line 2)에 먼저 진입하였으므로, 우선 순위를 갖게 된다.

다시 도 9의 도면을 통해, 통행량 예측을 설명하면 다음과 같다.

새로운 최단 경로(New Path)를 구성하는 각 호의 확장 가능 통행량은 각각 다음과 같다. 각 호별 최대 가능 통행량은 10으로 동일하다. 또한, 각 호의 통행량은 도면에 도시된 통행량에 기초하여 산출된다.

예를 들어, B3->B4 사이의 확장 가능 통행량은 최대 가능 통행량 10에서, 해당 호의 통행량(3+7)을 감산한 것에, 새로운 최단 경로 보다 우선 순위가 낮은 제 1 경로(Path 1)의 통행량(7)을 합산한 것이다. 또한, C5->C6 사이의 확장 가능 통행량은 최대 가능 통행량 10에서, 해당 호의 통행량(9)을 감산한 것에, 새로운 최단 경로 보다 우선 순위가 낮은 제 2 경로(Path 2)의 통행량(9)을 합산한 것이다.

이와 같이 산출된 각 호의 확장 가능 통행량 중 최소값은 2이다. 즉, 새로운 최단 경로를 구성하는 각 호의 확장 가능 통행량의 최소값을 고려하여, 해당 최단 경로의 추가에 따른 통행량 증가량을 산출한다(S235). 예를 들면, 수학식 4를 통해 산출할 수 있다.

이때, n 은 반복수를 나타낸다. (n-1)번째 반복에서

다음으로, 출발지 - 목적지 쌍으로 정의된 경로들 중 경로 비용이 큰 경로부터 통행량 증가량을 감산하여 출발지 - 목적지 쌍으로 정의된 경로의 통행량을 조정한다(S236). 예를 들면, 출발지 - 목적지가 동일한 기존 경로(Path4)로부터 최단 경로(New Path)의 통행량을 감산한다.

한편, 최단 경로에 포함된 모든 호에 대하여 각 호의 최대 통행량을 초과하는 초과 통행량이 있는 경우, 해당 호의 초과 통행량이 0이 될 때까지 해당 호를 경유하는 경로 중 경로 비용이 가장 큰 경로부터 통행량을 감소시키는 단계를 더 수행할 수 있다. 예를 들어, 제 2 경로(Path 2)는 통행량이 9 이고, 새로운 최단 경로의 통행량이 2이므로, 호(C5->C6)의 통행량은 11이 되어, 최대 가능 통행량 10을 초과하게 된다. 따라서, 해당 호(C5->C6)에서 1 만큼 통행량을 감소시킬 필요가 있다. 따라서, 이를 보정하기 위해, 제 2 경로(Path 2)의 통행량을 8로 보정할 수 있다.

다음으로, 통행량 예측 정보가 미리 설정된 수준으로 수렴할 때까지 호 비용을 갱신하는 단계, 최단 경로를 탐색하는 단계 및 통행량 예측 정보를 산출하는 단계를 반복 수행하도록 한다. 이때, 매 반복에 따라 n이 1 씩 증가하게 된다.

예를 들면, 수학식 5를 이용하여 수렴성을 테스트할 수 있다.

산출된 값이 임계값 이하가 되면, 반복하는 단계를 중단할 수 있다.

도 11 은 본 발명의 일 실시예에 적용되는 열차 스케줄을 도시한 도면이고, 도 12는 본 발명의 일 실시예에 따른 통행량 예측 정보를 열차 스케줄에 도시한 도면이다.

도 12에 도시된 바와 같이, 시각표 기반 통행배정 모형의 결과를 통해 산출되는 열차의 구간별 탑승량 및 혼잡도는 열차스케줄 계획부에서 기 수립된 열차 스케줄에 적용되어, 색상 표시 등의 강조 처리를 통해 통행량을 표시할 수 잇다. 예를 들어, 통행량이 많아 혼잡율이 높은 구간은 적색으로 표시하고, 혼잡율이 상대적으로 낮은 구간은 녹색으로 표시한다. 이를 통해, 혼잡율이 높은 구간에 대하여 열차 스케줄 조정등을 수행하게 된다.

본 발명의 일 실시예는 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.

본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

10: 지능형 열차 스케줄링 시스템
110 : 수요 분석부 120: 열차 스케줄 생성부
130 : 통행 배정부 140: 데이터베이스