과제 Background

1. K-UAM  기술 로드맵은 성숙기에 수도권(서울, 경기, 인천) 내 20개의 버티포트 수요가 있다고 밝혔다.

[한국형 도심항공교통 기술로드맵, 2021, 국토교통부]

=> 버티포트 처음에 5개 정도 건설하고 10개->20개 수준으로 늘리면 될 듯

 

 

2. 버티포트 설치가 애초에 불가능한 지역

- 운수 시설 설치가 금지된 자연환경보전지역과 보전산지

- 현 항공법을 고려한 p73 비행금지구역

 

 

3. 대중교통 수요량, 생활인구밀도, 연평균 소득, 개별공시지가, 대중교통과의 거리, 주거건물 밀집도를 입지 선정에 영향을 미치는 요인으로 선정

 

=> 여기서 나는 주제에서 주어진 "수요 기반"에서의 수요를 "접근성"과 "교통량"을 기준으로 잡으려고 한다.

생활인구밀도, 연평균소득, 대중교통(버스, 지하철의 수) 3가지 항목을 묶어서 접근성으로 치고, 교통량 데이터를 가지고 교통량으로 갈라하는데 이렇게 되면 4가지를 플러스 요인으로 작용해도 괜찮을듯

 

+) 연평균소득이 높을수록 uam에 대한 수요가 높다는 논문을 인용(nasa)

 

 

 

 

4. 생활인구밀도, 연평균소득, 대중교통의 수, 교통량 데이터는 MinMax Sclaer를 이용해서 정규화해준다.

+) Grid를 통해서 데이터를 얻고 최적화를 할건데, 이 그리드의 범위는(3km*3km로 함_ 버티포트 최소설치간격인 3km(Ehang White Paper, 2020))

 

 

 

 

5. 김상현 교수 연구에 보면 버티포트에 대한 uam의 수익성은 최소 비행 거리의 영향을 받는다고함.

단거리(10km) 운행 시 수요가 증가하지만 장거리(20km) 운행 시 수익성이 낮아짐

UAM은 중장거리(15km)에서 경제성이 높아진다는 것을 참고해서 유전자 알고리즘(GA)에 하이퍼 파라미터들을 조정할 것

 

 

 

 

결론

1. k-mean, DBSCAN을 이용해서 후보군 20개 선정

2. 20개의 후보군 중에서 최적의 장소 10개 선정

3. 실행 방안은 알고리즘 논리 순서에 따라 설명 이후, hub and spoke 처럼 초기 후보지 선정 이후 점차 그 수를 늘려나가는 방식으로 진행

 

 

지금 보완해야 할 점

=> 버티포트를 설치할 때 마이너스 되는 요인을 찾아 감산하기

+) 버티포트가 주변에 버티포트 후보지가 있을때 점수가 더 높은 지점을 가산하고 낮은 지점을 감산함(가산되고 감산되는 양은 내일 직접 코드를 짜면서 진행)