Resilience Assessment for Complex Rail Networks under Cascading Disruptions using Multi-Commodity Flow Optimization = 다중재화 흐름 최적화 기반 복잡 철도망의 연쇄 교란 복원력 평가

다국어 초록 (Multilingual Abstract)

Railway networks are complex systems designed to facilitate the movement of passengers and goods for multiple origin-destination pairs. Since these networks are jointly operated by numerous interconnected components (e.g., railways and stations), local disruptions often cascade through the system, potentially causing delays for journeys that do not directly involve the affected assets. To effectively mitigate such system-level risks, this study proposes a decision-support framework that identifies critical disruption scenarios characterized by high likelihood and high consequence, and then develops an optimal dynamic train scheduling model specifically designed to operate under disruption scenarios. To accurately assess cascading impacts while quantifying the propagating uncertainties of local disruptions, this study proposes a modified Multi-Commodity Network Flow (MCNF) formulation that simulates demand dynamics and minimizes compensation costs associated with unmet demand. The framework identifies the most critical scenarios by applying a genetic algorithm to the space of reliability index β and the redundancy index π^SL. Specifically, β represents the likelihood of an initial disruption scenario and π^SL measures the expected system performance loss under the scenario. To further assess rail disruption dynamics and optimize detailed re-routing strategies under critical disruption conditions, the study proposes a dynamic train scheduling optimization model formulated as a dynamic MCNF model. The model provides re-routed schedules at the individual-journey level while minimizing system-wide losses caused by train cancellations, disruption induced truncations, passenger delays, and detour usage. The proposed methods are demonstrated by their applications to two railway systems: the Korean railway network and the Great Britain railway network. The numerical investigations reveal practical insights into the relationship between network topology and systemic risk. Furthermore, under disruption conditions, the dynamic train scheduling model yields system-wide decisions that are more consistent and efficient than heuristic operational practices, thereby improving service reliability and resilience in large railway networks.

국문 초록 (Abstract)

철도 네트워크는 다수의 출발지-도착지(origin-destination) 쌍에 대해 승객과 화물의 이동을 촉진하도록 설계된 복잡 시스템이다. 이 네트워크는 다수의 상호 연결된 구성요소(예: 선로 및 역)가 공동으로 운영되기 때문에, 국지적 교란은 시스템 전반으로 연쇄적으로 전파되어 영향을 받은 자산을 직접 이용하지 않는 여정에도 지연을 유발할 수 있다. 이러한 시스템 수준의 리스크를 효과적으로 완화하기 위해, 본 연구는 발생 가능성과 결과가 모두 큰 임계 교란 시나리오를 식별하고, 교란 상황에서 작동하도록 설계된 최적 동적 열차 스케줄링 모델을 개발하는 의사결정 지원 프레임워크를 제안한다. 국지적 교란이 전파되는 불확실성을 정량화하면서 연쇄적 영향을 정확히 평가하기 위해, 본 연구는 수요 동학을 모사하고 미충족 수요로 인한 보상 비용을 최소화하는 수정된 다중 커머디티 네트워크 유량(Multi-Commodity Network Flow, MCNF) 정식화를 제안한다. 또한 본 프레임워크는 신뢰성 지수 β와 중복성 지수 π^SL의 공간에서 유전 알고리즘을 적용하여 가장 임계적인 시나리오를 식별한다. 구체적으로 β는 초기 교란 시나리오의 발생 가능성을 나타내며, π^SL은 해당 시나리오 하에서 기대되는 시스템 성능 손실을 측정한다. 나아가 임계 교란 조건에서의 철도 교란 동학을 정밀하게 평가하고 상세 재경로화 전략을 최적화하기 위해, 본 연구는 동적 MCNF 모델로 정식화된 동적 열차 스케줄링 최적화 모델을 제안한다. 이 모델은 개별 여정(journey) 수준에서 재경로화된 스케줄을 제공하는 동시에, 열차 운행 취소, 교란 유발 단축(truncation), 승객 지연, 우회(detour) 이용으로 인해 발생하는 시스템 전체 손실을 최소화한다. 제안 방법은 두 철도 시스템(한국 철도 네트워크와 영국 철도 네트워크)에 적용하여 그 유효성을 보였다. 수치 실험 결과는 네트워크 위상 구조와 시스템 리스크 간의 관계에 대한 실무적 통찰을 제공한다. 또한 교란 조건에서 동적 열차 스케줄링 모델은 휴리스틱한 운영 관행보다 더 일관되고 효율적인 시스템 차원의 의사결정을 도출하여, 대규모 철도 네트워크의 서비스 신뢰성과 복원력을 향상시킨다.

목차 (Table of Contents)

• Chapter 1. Introduction 1
• 1-1. Motivation 1
• 1-2. Objectives and scopes 5
• 1-3. Organization 7
• Chapter 2. Background 10
• 2-1. Multi-Commodity Network Flow (MCNF) 10
• 2-1-1. Application to rail network simulation 10
• 2-1-2. Basic formulation 12
• 2-2. Resilience assessment 16
• 2-2-1. System-reliability-based disaster resilience analysis (S-DRA) 16
• 2-2-2. Reliability-redundancy analysis for large-scale infrastructure networks 17
• Chapter 3. Pre-disaster decision support:Extended MCNF 21
• 3-1. Extended MCNF formulation for optimal rail operation under disruptive scenarios 21
• 3-2. Prioritization of critical disruption scenarios 26
• 3-2-1. Evolutionary search strategy for scenario prioritization 26
• 3-2-2. Performance-based resilience threshold for criticality assessment 29
• 3-3. Examples 31
• 3-3-1. Modeling assumptions 31
• 3-3-2. South Korean passenger rail network 32
• 3-3-2-1. Network setting 32
• 3-3-2-2. Comparison with single commodity approach 32
• 3-3-2-3. Identification of critical disruption scenarios 36
• 3-3-3. A simplified UK rail network 39
• 3-3-3-1. Network setting 39
• 3-3-3-2. Identification of critical disruption scenarios 39
• Chapter 4. Peri-disaster decision support: Dynamic MCNF 44
• 4-1. Time-expanded MCNF formulation for optimal decision making under disruptive scenarios 44
• 4-1-1. Proposed formulation 44
• 4-1-1-1. Objective function 49
• 4-1-1-2. Constraints 50
• 4-2. Applications 58
• 4-2-1. Simulation of Delay Propagation in UK rail network 58
• 4-2-1-1. Data processing and network setting 58
• 4-2-1-2. Optimization results 65
• 4-2-2. Comparison of optimized Decisions and Human Operator Decisions in South Korean rail network 71
• 4-2-2-1. Data processing and network setting 71
• 4-2-2-2. Optimization results 72
• Chapter 5. Conclusions 82
• References 85
• Abstract in Korean 89