3.1 Classification and definition of data modules for Fuzzy Rule model implementation
가. 풍하중에 따른 데이터 처리 모듈
좁은 지역으로 유입하는 바람은 지형의 영향을 받지 않고 낮은 돌풍계수(1.3~1.4)를 가진다. 하지만, 풍향에 따라 불어오는 바람이 지형을 거쳐서
불어오는 경우에는 돌풍계수가 높게(1.7~2.1)나타난다. 실제적으로 바람에 의한 피해는 평균 풍속이 아니라 최대 순간 풍속인 돌풍(Gust)이 주요
원인이며, 특히 구조물에 의한 고도가 높을수록 돌풍의 영향은 큰 것으로 나타날 수 있다.
주행 중인 차량이 이와 같은 돌풍에 의한 풍하중에 최대로 노출되는 경우는 교량과 터널 입출구가 될 수 있다. 따라서 차량이 최대 풍하중에 노출되는
환경에서의 통행 규제의 근거를 마련하기 위하여 본 논문에서는 풍속 30[m/sec]에서 수평 및 수직 최대 가속도 0.5[m/sec2]이하를 최고 기준으로 한다. 평균 풍속이 25[m/sec]~30[m/sec]에서 지상 구간을 운전하는 열차 또는 차량을 정지하는 정보를 제공하도록
운영시나리오를 표 2와 같이 구성한다.
표 2. Data module over windy speed and Train Operation velocity information
Table 2. Data module over windy speed and Train Operation velocity information
|
데이터 처리 모듈 정보
|
|
풍속[m/sec]
|
속도[km/h]
|
|
조건
|
변수명
|
조건
|
변수명
|
|
20 미만
|
ZERO
|
속도40이상
(주의운전)
|
EXCELLENT
VELOCITY(EV)
|
20∼25
미만
|
LIGHT
|
속도40이하
(서행운전)
|
GOOD
VELOCITY(GV)
|
25∼30
미만
|
MEDIUM
|
속도 0
(열차정지)
|
SLOWLY
VELOCITY(SV)
|
|
30 이상
|
HEAVY
|
정지 및
대피
|
VERY SLOWLY
VELOCITY
(VSEV)
|
나. 가시거리에 따른 정보처리 모듈 정의
철도차량운전규칙 제27조에서는 폭풍우ㆍ폭설ㆍ홍수ㆍ지진ㆍ해일 등으로 열차에 재난 또는 위험이 발생할 우려가 있는 경우에는 열차운전을 일시 중지하거나
운전속도를 제한하고 있다. 또한 운전취급규정 제202조에서는 짙은 안개 또는 눈보라 등 악천후로 신호현시 상태를 확인할 수 없는 때에 신호기 앞에서
정차할 수 있는 속도로 주의운전 하도록 하고 있다. 본 논문에서는 가시 거리에 따른 통과 속도 제한 정보를 표 3과 같이 정의하여 데이터 처리 모듈을 설정하였다.[4,5]
표 3. Data module over the visibility and velocity information
Table 3. Data module over the visibility and velocity information
|
데이터 처리 모듈 정보
|
|
가시거리[m]
|
속도[km/h]
|
|
조건
|
변수명
|
조건
|
변수명
|
|
100 이상
|
ZERO
|
속도 60 이상
(정상운전)
|
EXCELLENT
VELOCITY(EV)
|
100∼50
미만
|
LIGHT
|
속도 60 이하
(주의운전)
|
GOOD
VELOCITY(GV)
|
|
50 미만
|
MEDIUM
|
속도 40 이하
(서행운전)
|
SLOWLY
VELOCITY(SV)
|
|
40 미만
|
HEAVY
|
속도 0
(열차정지)
|
VERY SLOWLY
VELOCITY
(VSEV)
|
다. 궤도 노면의 강우량/적설량 상태에 따른 데이터 처리 모듈정의
코레일의 강우자동경보시스템의 운전규제기준은 누적강우량 [mm], 시간강우량[mm/h]을 토대로 열차의 ‘주의운전’, ‘서행운전’, ‘열차정지’의 3단계로
구분하고 있다. 예를들어 열차운행정지 기준은 누적강우량 200[mm]이고 시간강우량 80[mm/h]인 경우에 해당한다.
본 연구에서는 선로 침수시에 운행 조건과 적설량을 포함하여 구간 통과 속도 제한 정보를 기반으로 열차운행 속도를 표 4와 같이 구분하였다.
표 4. Data module over track condition (rainfall/ snowfall) and velocity information
Table 4. Data module over track condition (rainfall/ snowfall) and velocity information
|
데이터 처리 모듈 정보
|
|
노면상태 [mm]
|
속도[km/h]
|
|
조건
|
변수명
|
조건
|
변수명
|
|
습기
|
ZERO
|
속도 60이상
(정상운전)
|
EXCELLENT
VELOCITY
(EV)
|
습기 또는
200 미만
|
LIGHT
|
속도 60이하
(주의 운전)
|
GOOD
VELOCITY
(GV)
|
적설량 200
이상 또는
레일면 이하
침수
|
MEDIUM
|
속도 15이하
(서행운전)
|
SLOWLY
VELOCITY
(SV)
|
적설량 300
이상 또는
침수
|
HEAVY
|
속도 0
(열차 정지)
|
VERY
SLOWLY
VELOCITY
(VSEV)
|
라. 지진에 대한 데이터 처리 모듈 정의
진도 6이상을 최대 규모로 하여 진도 규모 5 이상에서 전면 통제 정보가 제공되며, 지진 규모에 따른 단계적 속도 제한 정보를 제공하도록 표 5와 같이 데이터 입력 모듈을 정의하였다.
표 5. Data module over the scale of earthquake and velocity information
Table 5. Data module over the scale of earthquake and velocity information
|
데이터 처리 모듈 정보
|
진도
(지진가속도: gal =[m/s2])
|
속도[km/h]
|
|
조건
|
변수명
|
조건
|
변수명
|
|
-
|
ZERO
|
속도
60이상
(정상운전)
|
EXCELLENT
VELOCITY
(EV)
|
진도 2이하
(25 gal)
|
LIGHT
|
속도
60이하
(주의운전)
|
GOOD
VELOCITY
(GV)
|
진도 4이하
(25 gal~80gal)
|
MEDIUM
|
속도
40이하
(서행운전)
|
SLOWLY
VELOCITY (SV)
|
진도 5이상
(80gal)
|
HEAVY
|
속도 0
(열차정지)
|
VERY SLOWLY
VELOCITY
(VSEV)
|
마. 열차운행속도 데이터 입력/출력 모듈 정의
영업선로에 운행하고 있는 열차속도 정보는 실제 열차주행속도 정보로서 기상환경조건에 따라 추론된 데이터 모듈과 상호 인터페이스되어, 최종적으로 안전한
열차운전속를 제시한다. 열차 운행정보로부터 입력모듈에 대한 데이터 변수 정의는 표 6에 나타내었으며, 최종 추론된 안전 제어속도 결과에 대한 최종 출력 정보는 표 7과 같이 정의하였다.
표 6. Data module of Train Operation Control Velocity Information
Table 6. Data module of Train Operation Control Velocity Information
|
데이터 처리 모듈 정보
|
|
열차운행제어 조건 및 변수
|
|
조건
|
변수
명
|
제공정보
|
제한 속도
60[km/h]이상
|
MWT
RS
|
정상 운전
|
제한 속도
40[km/h]~60[km/h]미만
|
VCT
RS
|
주의 운전
(60[km/h] 운전 이하)
|
|
제한 속도 40[km/h]미만
|
SCT
RS
|
서행 운전
(40[km/h] 운전 이하)
|
|
사고 및 돌발 상황
|
ALC
TRS
|
열차 정지
(0[km/h] 운전 이하)
|
표 7. 열차안전운행속도 출력정보 데이터 모듈 정의
Table 7. Data module of Safety Train Operation velocity Output information
|
출력 정보(MESS)
|
|
출력 조건 및 변수
|
|
조건
|
변수
명
|
제공정보
|
제한 속도
60[km/h]이상
|
MW
|
정상 운전
|
제한 속도
40[km/h]~60[km/h]미만
|
VC
|
주의 운전
(60[km/h] 운전 이하)
|
|
제한 속도 40[km/h]미만
|
SC
|
서행 운전
(40[km/h] 운전 이하)
|
|
사고 및 돌발 상황
|
ALC
|
열차 정치
(0[km/h])
|
출력 정보는 각각 입력요소에 따른 통과 속도 제한 정보로 이들 정보는 하위의 정보 제공 매체들에 제공하게 되며, 입력과 출력과의 상관관계는 룰 기반으로
구현하여 실시간 연산 성능을 획기적으로 향상하는 효과를 갖는다.
3.2 The proposed Fuzzy Inference Rule Model for Decision Support
운행선로 이상기후 조건하에서 열차가 안전하게 운행하는 정보를 신속하게 처리할 수 있는 방법으로 AI 퍼지추론 룰베이스 기법을 사용한다. 퍼지 추론
방법은 퍼지화 도입부, 추론부, 비퍼지화(De-fuzzification)단계별로 처리하여 최종적인 의사결정조건 결과를 도출한다.
퍼지화 도입부는 국지 지역에 설치되어 운영되고 있는 계측기 가운데, 풍향, 풍속, 온도계, 지진발생 검지시스템 및 차상의 센서와 라이더(레이더 포함)
정보 영상정보를 이용하여 구현한다. 측정된 데이터 중에 풍속, 강우, 적설량, 가시거리, 지진, 열차운행속도를 추론을 위한 입력요소로 선정한다. 추론부에서는
퍼지 관계와 퍼지 논리의 추론 규칙을 도입하여 퍼지 제어 입력을 구한다. 비 퍼지화에서는 추론부에서 계산된 퍼지 값은 실제의 정보 제공입력으로 사용할
수 없으므로 이를 비 퍼지화 값으로 변환시키는 기능을 수행한다.
가. 퍼지화 도입
각 센서 및 계측기에서 계측되는 물리량은 풍속, 온도, 습도, 적설량, 강우량, 지진 값으로 추론의 입력이다. 퍼지 추론의 출력은 각각의 경우에 대한
정보 제공으로 실시간 입력 상황들을 근거로 비상 상황 대처를 위한 정보를 지원한다. 각 입력과 출력에 대한 퍼지 멤버쉽 함수(fuzzy membership
function)는 간단히 삼각소속함수를 사용하였으며, 그림 1∼그림 5에 나타내었다.
그림 1. Membership function of passing allowable speed (Controlled output variable $\Delta
V$)
Fig. 1. Membership function of passing allowable speed (Controlled output variable
$\Delta V$)
그림 2. Membership function of the windy speed(Controlled input variable $\Delta W$)
Fig. 2. Membership function of the windy speed(Controlled input variable $\Delta W$)
그림 3. Membership function of snowfall and Rainfall(Controlled input variable $\Delta
S$)
Fig. 3. Membership function of snowfall and Rainfall(Controlled input variable $\Delta
S$)
그림 4. Membership function of visibility (Controlled input variable $\Delta D$)
Fig. 4. Membership function of visibility (Controlled input variable $\Delta D$)
그림 5. Membership function of earthquake strength (Controlled input variable $\Delta
E$)
Fig. 5. Membership function of earthquake strength (Controlled input variable $\Delta
E$)
각각의 경우에 대한 제어 규칙 중, Ri (i=1,2,3,4) R1, R2의 경우 다음과 같이 표현된다.
- R1 : If $\Delta$W is Zero then $\Delta$V is Moving Well
- R2 : If $\Delta$W is Zero AND $\Delta$S is Zero AND $\Delta$D is Light and $\Delta$E
is Medium, then $\Delta$V is Good
여기서 $\Delta$W, $\Delta$S, $\Delta$D, $\Delta$E는 각각 제어 입력 요소이며, $\Delta$V는 추론의 출력 요소로
열차안전운행속도 정보이다.
본 연구에서는 Mamdani가 제안한 Max-Min Operation rule에 의해 열차의 안전운행속도 출력을 추론한다. 이 방법을 이용하여 R1과
R2 제어 규칙에 대한 제어 출력을 구하면 다음과 같다.
위의 식(1)과 식(2)에서의 [$\mu_{\Delta W}$($\chi_{1}$)]는 풍속($\Delta W$)의 입력이 $\chi_{1}$, [$\mu_{\Delta
S}$($X_{1}$)]는 적설량/강우량($\Delta S$)의 입력이 $\chi_{1}$, [$\mu_{\Delta D}$($\chi_{1}$)]는
가시거리($\Delta D$)의 입력이 $\chi_{1}$ 이며, [$\mu_{\Delta E(M)}$($\chi_{3}$)]는 지진($\Delta
E$)의 입력이 $X_{3}$으로 각각의 멤버쉽 함수 값을 의미한다.
$\mu_{\Delta V(G)}$($\Delta V$)는 운행선로의 국소지역을 통과하는 열차운행속도에 대한 멤버쉽 함수 값을 의미한다.
이와 같은 퍼지 규칙으로 구성된 퍼지 룰에 의한 출력 값은 식 (3)과 같다.
나. 비 퍼지화 (De-fuzzification)
퍼지 규칙에 의해 도출된 Ruleout* ($\Delta V$) 는 곧바로 열차안전운행 정보를 제공하는 의사결정지원시스템에 바로 입력으로 사용될 수는
없으므로 비 퍼지화를 위하여 무게 중심법(Center of Weight)을 적용한다.
다 . 열차안전운행 제한 속도제어 정보 지원
열차안전운행 속도 제한 정보로 제어 규칙을 설정하기 위한 룰 기반으로는 풍속과 속도, 지진과 속도, 적설량과 속도, 가시거리와 속도, 기상 관계에
따른 속도 제공 규칙 설정, 속도와 기상에 속도 정보 제공 규칙과 같은 제어룰에 의해 표 8과 같이 정의한다.
표 8. Control rules of 1:1 Rule-base
Table 8. Control rules of 1:1 Rule-base
열차 운행속도 제어 규칙을 설명하면 가로는 속도(SD)변수이며, 세로 정보는 풍속(WS), 가시도(VD), 적설량/강우량(SF), 지진(EQ) 값이다.
정보 상호간의 규칙 적용의 우선순위(가중치)는 현재 열차 속도를 기준으로 설정하였다.
본 논문에서 제안된 통합제어 규칙은 풍속과 적설량, 가시거리 및 지진들과 차량 속도를 입력 변수로 설정되며, 이벤트 생성에 따라 열차의 적정 운전
조건을 제공한다. 그림 6은 실시간 정보를 기반으로 기상환경 이벤트 정보 생성 체계를 나타낸다.
그림 6. Classification event information of the train safety operation rule considering
weathers.
Fig. 6. Classification event information of the train safety operation rule considering
weathers.
그림 7은 제안된 기상환경열차안전운행 통제 이벤트 정보 중 강우/강설 부분에 대한 선로상태정보 이벤트 생성결과를 나타낸다.
그림 7. Generation of event information of track status
Fig. 7. Generation of event information of track status
본 논문에서는 기상환경조건을 고려한 속도제어 정보가 신속하게 생성되는 것을 확인하였으며, 실제 노선에서의 디지털철도안전 자산관리 시스템 적용성을 확인하였다.