도심-공항 간 승객 이송을 위한 도심항공모빌리티 운영 최적화 및 시뮬레이션 연구 = Optimization and Simulation of Urban Air Mobility Operations for City–Airport Passenger Transport

국문 초록 (Abstract)

최근 도심의 교통 혼잡 문제 해결을 위해 도심항공교통(UAM, Urban Air Mobility)의 활용이 주목받고 있다. 본 연구에서는 서울시와 인천국제공항 간의 양방향 승객 이송을 위한 UAM 최적 운영 방안을 제안하고, 이를 이산 사건 시뮬레이션을 통해 분석하였다. 먼저, 서울시 공항버스 수요 데이터와 K-means 알고리즘을 활용하여 최적의 버티포트(Vertiport) 입지를 선정하고, 유전 알고리즘을 적용하여 승객 이송에 필요한 UAM 수를 도출하였다. 이후 출발지/목적지, 충전시설, UAM 및 승객 등 주요 요소를 포함한 시뮬레이션 모델을 Simio로 구현하였다. 시뮬레이션 실험으로 충전시설 배치/수와 항속거리와 같은 독립변수들이 수요 처리량, 승객 평균 대기시간에 미치는 영향을 분석하였다. 실험 결과, UAM 운영 효율성을 높이기 위해서는 항속거리에 따른 충전시설 배치를 고려해야 함을 제시하였다. 본 연구는 기존 연구들이 주로 기체 설계 및 인프라 구축에 집중했던 것과 달리, 실제 승객 수요 데이터를 반영한 운영 최적화 방안을 제시했다는 점에서 차별성을 갖는다. 향후 본 연구 결과가 공유 모빌리티로서의 UAM 운영 방안 수립 및 실용적 도입을 위한 기초 자료로 활용될 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

Urban Air Mobility (UAM) is gaining attention as a potential solution to urban traffic congestion. This study proposes an optimal UAM operation strategy for bi-directional passenger transport between Seoul and Incheon International Airport and evaluates its effectiveness using discrete event simulation. First, optimal vertiport locations were identified by applying K-means clustering to airport bus demand data in Seoul. A genetic algorithm was then used to determine the required number of UAM vehicles for passenger transport. A simulation model was developed in Simio, incorporating key elements such as departure and arrival points, charging facilities, UAM vehicles, and passengers. Simulation experiments were conducted to analyze how independent variables including the number and placement of charging stations and flight range affect system throughput and average passenger waiting time. The results suggest that strategically positioning charging stations based on flight range is crucial for enhancing operational efficiency. Unlike previous studies that mainly focused on aircraft design and infrastructure development, this study distinguishes itself by proposing an operation optimization approach that reflects actual passenger demand data. The findings are expected to contribute to the formulation of UAM operation strategies and support its practical implementation as a shared mobility service.