실험 조건
가상 전력 모델 설정
절전 대기 20W · 문 1회 동작 1Wh · 절전 복귀 0.4Wh / 8초. 실제 설비 측정값이 아닌 조절 가능한 가정입니다.
실험 준비 중
조건을 바꾼 뒤 비교 버튼을 누르세요. 같은 조건·호출 번호는 같은 결과를 만듭니다.
60분 수요의 전체 처리 결과
| 비교 지표 | 일반 · 3대 상시 대기 | AI · 가동 대수 조절 |
|---|
60분 후 새 호출을 종료하고 남은 승객까지 처리합니다. 에너지는 각 방식의 종료 시점까지 합산하며, 대기시간은 호출부터 승차까지입니다.
운전 과정 다시 보기
일반 운전
AI 계획 운전
30초 간격의 운전 상태입니다. 초록 카는 운행·일반 대기, 회색 카는 절전 대기입니다.
5분 단위 수요 예측과 가동 계획
■ 실제 호출● AI 예측
| 시간 | 실제 호출 | AI 예측 | 계획 가동 대수 |
|---|
AI가 하는 일과 이 실험의 가정
AI는 다음 수요를 예측
합성 데이터 80일을 학습한 kNN 회귀가 시간대와 직전 5분 호출 수로 다음 구간을 예측합니다. 별도 20일의 평균 절대오차를 표시합니다. 현재 실험의 미래 호출은 예측 입력에 사용하지 않습니다.
운전 계획은 명시적인 규칙
예측 호출량 × 가정 서비스 시간 35초를 기준으로 1~3대를 준비합니다. 허용 이용률은 30초 기준 50%, 60초 기준 80%입니다. 대기열의 가장 오래된 호출이 대응 기준에 도달하면 3대를 가동합니다. 이는 최대 대기시간 보장이 아닙니다.
실제 전력·PLC와 구분
한 카는 한 번에 호출 1건만 처리하며 합승은 생략합니다. 이동 4초/층, 승하차 각각 5초를 가정합니다. 회생제동·하중·가속 곡선은 제외했습니다. 기존 PLC 페이지와 별도의 군관리 교육 모델이며 실제 PLC 출력에 연결되지 않습니다.
에너지 = 층간 이동 + 문 동작 + 일반 대기 + 절전 대기 + 절전 복귀. 절감률은 실험 조건에 따라 달라지며 음수가 될 수 있습니다. 예측 실패나 호출 증가 시 대기시간과 소비량이 함께 늘어날 수 있습니다.