سيستم‎هاي ترافيكي مترو قابليت مدلسازي با استفاده از سيستم‎هاي گسسته پيشامد را دارند. يكي از پارامترهايي كه در مدلسازي مدنظر قرار مي‎گيرد و عملكرد سيستم ترافيكي را تحت تأثير قرار مي‎دهد نرخ ورود مسافران به ايستگاه‎ها مي‎باشد كه از اثر آن در مدلسازي با عنوان نرخ تأخير ياد مي‎شود. تحقيقات پيشين همواره فرضياتي در زمينه مسافران ورودي به ايستگاه داشته‌اند كه اين فرضيات منجر به دست‎‎يابي به پاسخ‎هاي با محافظه‎كاري بالا و غيربهينه به منظور كنترل سيستم مي‎گردد. با توجه به اين‎كه در يك سيستم واقعي مترو نرخ ورود مسافران به ايستگاه در هر بازه زماني متفاوت است در اين پايان‎نامه اقدام به پيش‎بيني كوتاه مدت تعداد مسافران ورودي به سكو با استفاده از الگوريتم تركيبي تبديل موجك، سيستم استنتاج تطبيقي عصبي-فازي و الگوريتم بهينه‎سازي ازدحام ذرات و به تبع آن محاسبه نرخ تأخير لحظه‎اي در هر ايستگاه شده است. با محاسبه نرخ تأخير به صورت لحظه‎اي مدل سيستم تبديل به يك مدل متغير با زمان شده كه اين امر منجر به نزديك شدن مدل سيستم به مدل واقعي شود. از سوي ديگر، پيش‎بيني مناسب پارامتر نرخ تأخير منجر به كاهش عدم قطعيت‎هاي موجود در اين زمينه گشته كه اين امر امكان استفاده از كنترل كننده‌هاي ساده‌تر را فراهم مي‌نمايد.

1397/05/31

Modeling and Control of Metro Traffic System based on the Modeling the Number of Passengers at the Platforms and inside the Trains

7/21/2020 12:00:00 AM

Departure time of the train at metro traffic system is modeled as a discrete event system. One of the significant parameters in the traffic modeling which affects the performance of the traffic system is the number of passengers. In other words, passengers flow into the stations can affect the delay rate in the metro traffic system. Previous researches have considered the constant values for delay rates during a time interval, which it means that the passenger flow to the stations is constant. Obviously, it is not a real assumption and leads to a non-accurate modeling and control. In this study, we try to predict the number of passengers entering to the platform using a hybrid algorithm based on wavelet transform, adaptive neuro-fuzzy inference system and particle swarm optimization algorithm and consequently calculate the momentary delay rate at each platform. By estimating the delay rate, the traffic system can be modeled a time variable model which improves the accuracy of the model in comparison with the previous models. Simulation results have been presented to show the effectiveness of the introduced methodologies in modelling and control of metro traffic system.