19742

۱۹۷۴۲

ارائه مدل رياضي زمان بندي حركت قطار در شرايط عدم قطعيت به‌منظور كنترل تاخيرات قطار

كارشناسي ارشد

مهندسي صنايع

۹۷-۹۸

۱۳۹۷/۷/۲۸

دكتر هادي صاحبي - دكتر سعيد ميرزامحمدي

دكتر ميرسامان پيشوايي

صنايع

زمانبندي حركت مترو شهري همواره پيچيدگي ها و مشكلاتي زيادي را داشته و با كمترين تغيير در زمانبندي ممكن است كل حركت سيستم مختل گردد. همواره شركت‌هاي مترو سعي در پياده سازي سيستم زمانبدي هستند تا هم بتوانند به متقاضيان اين سيستم بهترين سرويسها را ارائه دهند و هم از منابعي كه صرف ساخت مترو گرديده است، به نحو مطلوب استفاده نمايند. براي رسيدن به اين هدف لازم است كه شركت‌ها همواره مسائل و مشكلات دنياي واقعي را بتوانند در زمانبندي‌هاي خود لحاظ نمايند كه مي‌توان با مدلسازي غيرقطعي به اين مورد دست يافت. لذا در اين پژوهش براي در نظر گرفتن مسائل دنياي واقعي از بهينه سازي استوار استفاده گرديده است. اين مقاله يك مدل استوار براي زمانبندي حركت قطارها ارائه مي‌دهد كه همزمان كاهش زمان انتظار مسافران و بهينه سازي مصرف انرژي الكتريكي از اهداف آن مي‌باشد. حركت بين دو ايستگاه به سه بخش شتابگيري، حركت ثابت و ترمزگيري تقسيم گرديده است كه مدت زمان حركت قطار در هر كدام از اين بخشها در سه سناريو تقاضاي زياد، تقاضاي عادي و تقاضاي كم در نظر گرفته شده است. در مرحله بعد از الگوريتم‌هاي ژتيك و توده ذرات براي پيدا كردن جواب بهينه در حالت مدل قطعي و سناريومحور استفاده شده است كه با استفاده از هر دو روش الگوريتم، مدل سناريومحور نتايج بهتري نسبت به مدل قطعي ارائه مي‌دهد. براي مقايسه نتايج از چهار شاخص مدت زمان كل حركت، زمان سرفاصله حركت قطارها، تعداد مسافران در حال انتظار و ميزان انرژي مورد نياز براي شتابگيري استفاده شده است كه نتايج مدل سناريو محور به ترتيب بهبودهاي 3.1، 11، 8.22 و 19.6 درصدي را نسبت به وضعيت موجود نشان مي‌دهد

1397/09/13

Mathematical model for train timetabling under uncertain conditions in order to control trains’ delay

12/4/2018 12:00:00 AM

Urban metro scheduling has always had many complexities and problems, and with minimal change in scheduling, the entire system movement may be disturbed. Metro companies are always trying to implement a scheduling system that can best serve the customers of this system and use the resources that are used to build the metro. In order to achieve this goal, companies must always be aware of the real world issues and problems in their schedules, which can be achieved by uncertain modeling. Therefore, in this research, a robust optimization has been used to address real-world issues. This paper presents a robust model for scheduling train movements that simultaneously reduces passenger waiting times and optimizes electrical energy consumption for its purposes. The movement between the two stations is divided into three sections: acceleration, steady motion and braking, the duration of the train running in each of these sectors in three scenarios: high demand, normal demand and low demand. In the next step, gated algorithms and particle masses have been used to find the optimal answer in the case of definitive and scenario models. Using both algorithm methods, the scenario-based model provides better results than the definitive model. In order to compare the results of the four indicators, the total duration of the movement, the time of the train movement, the number of passengers waiting and the amount of energy needed for acceleration were used. The results of the scenario-driven model were 3.1, 11, 8.22 and 19.6 percent, respectively, compared to the current situation.