بازیابی جداول زمان بندی سیر و حرکت قطارهای متروی تهران با استفاده از رویکرد بهینه سازی استوار

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ROAD-33-123_011

تاریخ نمایه سازی: 19 خرداد 1404

چکیده مقاله:

متروی تهران به طور معمول در معرض بروز اختلال های ناخواسته ای است که می تواند سبب ایجاد تغییرات جزئی یا کلی اجتناب ناپذیر در نظم جداول زمان بندی اولیه گردد. نتیجه بروز این قبیل وقایع برنامه ریزی نشده می تواندبا غیرقابل اجرا نمودن جداول ازپیش طراحی شده، بر وقت شناسی حرکت های مسافری و در نتیجه میزان مطلوبیت سفرهای مترو تاثیر بگذارد. در وضع موجود شبکه متروی تهران، مسئولیت مدیریت و بازیابی جداول زمانی در شرایط بروز اختلال بر عهده راهبران مرکز کنترل ترافیک قرار دارد. آنها از طریق ارائه راهکارهای مبتنی بر اصول مدیریت اختلال به حذف اعوجاجاتی نظیر پیشامد بروز تاخیر در حرکت ها، لغو اعزام ها، ازدحام بیش از حد و غیره... اقدام می نمایند. با این حال راهکارهای اجرایی شده توسط راهبران مرکز کنترل ترافیک از کیفیت مطلوب برخوردار نیست. افزون بر آن، به طور معمول در شبکه مترو لازم است اختلال ها ظرف چند دقیقه مرتفع گردد تا از بروز اثر تجمعی و پراکندگی در ترافیک سیر و حرکت قطارها و خطوط جلوگیری شود که این امر یکی از مسائل چالش برانگیز در مدیریت ترافیک خطوط مترو به شمار می رود. از سوی دیگر با توجه به مقیاس و گستره خطوط متروی تهران، لازم است پیچیدگی های محاسباتی و فضای جواب برای رویکردهای حل مسئله دقیقا معین و در دسترس باشد تا تصمیم گیری بهینه امکان پذیر شود. طی سال های اخیر مدل های برنامه ریزی مجدد ترافیک مترو برای افزایش سرعت بازیابی جداول و پشتیبانی از تصمیمات مراکز کنترل ترافیک توسعه یافته است. یک الگوی اخیر استفاده از شبکه «رویداد – فعالیت» است که در این تحقیق مورد استفاده قرار گرفته است. روابط ریاضی حاکم بر این چارچوب مبتنی بر نمودارهای شبکه ای است که می تواند طیف وسیعی از وظایف و فعالیت های زمان بندی مجدد را مورد پشتیبانی قرار دهد؛ بنابراین تحقیق حاضر با استفاده از شبکه «رویداد –  فعالیت» و با لحاظ عامل زمان به بررسی حرکت چرخشی ناوگان قطارها در عملیات ورود و خروج قطارها از پایانه ها و سایر ایستگاه های طول مسیر پرداخته است. با توجه به آنکه استقرار مدل های بهینه سازی، ضریب توفیق نتایج و احتمال عملیاتی شدن تصمیمات کنترل کننده ترافیک در مجموعه موجه جواب مسئله افزایش می دهد؛ لذا در الگوی پیشنهادی تحقیق حاضر با درنظرگرفتن عوامل مرتبط با ظرفیت ناوگان و حجم مسافری سکوها به تدقیق و محاسبه روابط بازیابی جداول زمان بندی پرداخته شده است. در روش پیشنهادی تحقیق حاضر با استفاده از تدقیق ازدحام مسافری سکوها و داشتن مقدار متغیر تاخیرهای در فضای حالت پیشامدها، اقدامات کنترلی مرتبط را برای افزایش کارآمدی بازیابی جداول زمان بندی پیاده سازی نمود. علی رغم آنکه روش حل مسئله برنامه ریزی خطی عدد صحیح با توجه به  طیف استفاده از متغیرهای باینری دشوار به نظر می رسد با این حال مسیر محاسباتی را به منظور تعیین دقیق زمان انتظار، حجم مسافری و کنترل ازدحام و تاخیر امکان پذیر می نماید. همچنین برای تحلیل تقاضای مسافری و بهبود کارایی سیستم در مواجه با پیچیدگی های ناشی از تعدد اعزام های مسافری از الگوریتم جستجوی همسایگی استفاده شده است. در این تحقیق الگوریتم جستجوی همسایگی می تواند با استفاده از تکمیل جواب راه حل متناسب با فضای حالت مسئله را به صورت کارآمد کشف نموده و به این ترتیب یک توازن منطقی میان زمان حل مسئله و کیفیت جواب ها ایجاد نماید. مطالعه موردی پژوهش حاضر با استفاده از برنامه زمان بندی ناوگان خط چهار متروی تهران حدفاصل ایستگاه های «کلاهدوز» تا «بیمه» انجام شده است. نتایج به دست آمده از شبیه سازی های صورت گرفته، نشان می دهد که مدل توسعه یافته در تحقیق حاضر با لحاظ حجم مسافری قطارها، زمان انتظار در سکوها و تاخیر قطارها در ایستگاه های تقاطعی به منظور بازیابی جدول از طریق رویکرد عدد صحیح مختلط و الگوریتم جستجوی همسایگی می تواند راه حل هایی با کارایی و کیفیت بهتر ارائه دهد.

کلیدواژه ها:

نویسندگان

پژمان صالحی

استادیار، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد پرند، تهران، ایران

مهران خلج

دانشیار، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد پرند، تهران، ایران

داود جعفری

دانشیار، دانشکده مهندسی صنایع، دانشگاه آزاد اسلامی واحد پرند، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bauschert, T., Büsing, C., D'Andreagiovanni, F., Koster, A. M., Kutschka, ...
  • Cacchiani, V., Qi, J., & Yang, L. (۲۰۲۳). Robust optimization ...
  • Corman, F., D’Ariano, A., Marra, A. D., Pacciarelli, D., & ...
  • De Leenheer, M., Tofigh, T., & Parulkar, G. (۲۰۱۶). March. ...
  • Dimitrova, E. (۲۰۲۲). September. Analysis of automatic control systems for ...
  • Farhi, N., Van Phu, C. N., Haj-Salem, H., & Lebacque, ...
  • Frutos Bernal, E., & Martín del Rey, A. (۲۰۲۲). Study ...
  • Hernández, J. A., Quagliotti, M., Serra, L., Luque, L., da ...
  • Hou, Z., Gao, S., Nicholson, G., Chen, L., Chen, F., ...
  • Humayun, M., Afsar, S., Almufareh, M. F., Jhanjhi, N. Z., ...
  • Khosrosereshki, F., & Moaveni, B. (۲۰۲۱). Practical Descriptor Modeling of ...
  • Khosrosereshki, F., & Moaveni, B. (۲۰۲۱). Traffic modeling and validation ...
  • König, E. (۲۰۲۳). A review on railway delay management. Public ...
  • Li, S., Yang, L., & Gao, Z. (۲۰۲۱). Efficient real-time ...
  • López-Leyva, J. A., Talamantes-Álvarez, A., Ramos-Garcia, V. M., Ponce-Camacho, M. ...
  • Luo, J., Tong, Y., Cavone, G., & Dotoli, M. (۲۰۲۱). ...
  • Mannino, C., & Mascis, A. (۲۰۱۵). Optimal real-time traffic control ...
  • Mathew, A., Das, T., Gokhale, P., & Gumaste, A. (۲۰۱۸). ...
  • Meng, F., Yang, L., Wei, Y., Li, S., Gao, Z., ...
  • Mirbod, M., & Dehghani, H. (۲۰۲۳). Smart Trip Prediction Model ...
  • Moaveni, B., & Najafi, S. (۲۰۲۰). Metro traffic modeling and ...
  • Morales, F., Gifre, L., Paolucci, F., Ruiz, M., Cugini, F., ...
  • Qi, Q., Meng, Y., Zhao, X., & Liu, J. (۲۰۲۲). ...
  • Qiu, T., Chen, N., & Zhang, S. (۲۰۲۲). Preliminaries of ...
  • Schanzenbacher, F., Farhi, N., Leurent, F., & Gabriel, G. (۲۰۲۱). ...
  • Schöbel, A. (۲۰۱۰). Integer programming approaches for solving the delay ...
  • Setioko, S., Fitriani, Y., & Munawaroh, K. (۲۰۲۲). Strategi Peningkatan ...
  • Shen, F., Zhao, L., Du, W., Zhong, W., & Qian, ...
  • Stahley, L., O’Brien, P. B., Lowe, M., Porteous, P., & ...
  • Tabassum, K. ۲۰۲۳. An intelligent metro tracking system for Riyadh ...
  • Tang, L., Zhao, Y., Cabrera, J., Ma, J., & Tsui, ...
  • Tessitore, M. L., Sama, M., D’Ariano, A., Hélouët, L., & ...
  • Tong, Y., Xu, W., Dotoli, M., & Cavone, G. )۲۰۲۲.( ...
  • Van Breusegem, V., Campion, G., & Bastin, G. )۲۰۱۱(. Traffic ...
  • Wahlström, M., Karvonen, H., & Norros, L. (۲۰۱۶). May. Rehearsing ...
  • Wang, J., & Fang, W. (۲۰۱۷). A structured method for ...
  • Wang, S., Lv, Y., Peng, Y., Piao, X., & Zhang, ...
  • Wilkie, D., Sewall, J., Li, W., & Lin, M. C. ...
  • Wu, Z., Gao, C., & Tang, T. (۲۰۲۱). A virtually ...
  • Yang, J., Jin, J. G., Wu, J., & Jiang, X. ...
  • Ye, H., & Luo, X. (۲۰۲۱). Cascading failure analysis on ...
  • Zhang, H., Li, S., & Yang, L. (۲۰۲۲). Real-time optimal ...
  • Zhou, L., Yang, X., Wang, H., Wu, J., Chen, L., ...
  • نمایش کامل مراجع