ویرگول
ورودثبت نام
ای ترجمه
ای ترجمهخدمات ارائه مقالات علمی و سفارش ترجمه تخصصی
ای ترجمه
ای ترجمه
خواندن ۱۱ دقیقه·۴ سال پیش

بررسی مدل های پویا آنلاین و الگوریتم های مدیریت ترافیک (مقاله ترجمه شده)

چکیده

جداول زمانی راه‌آهن برای انجام عملیات قوی و انعطاف‌پذیر و با تأخیر کم توسعه‌یافته‌اند. به هر حال، تغییرات برنامه‌های روزانه موجب رخداد اختلالاتی در جداول زمانی می‌گردد و برنامه‌ریزان، تلاش می‌کنند تا جداول زمانی را تا حد امکان، شدنی نگه داشته و از انتشار تأخیر  جلوگیری کنند. هدف روش‌های زمان‌بندی مجدد، به‌روز کردن جداول زمانی در حالت آفلاین و به بهترین شکل ممکن می‌باشد. ما مروری را بر روی روش‌های اخیر در زمینه مسائل زمان‌بندی مجدد ترافیک راه‌آهن به صورت آنلاین انجام داده‌ایم که بر جنبه‌های پویا و تصادفی (یا حداقل نه کاملاً قطعی) دلالت دارند. در حقیقت، اگر چه زمان‌بندی ایستای آنلاین، منجر به درجه بالایی از انتشار تأخیر می‌گردد، اما هنوز با توجه به طبیعت احتمالی مشکلات حاصل از مسائل زمان‌بندی مجدد و توانایی آن در محاسبه عدم قطعیت در برنامه‌های آتی مورد استفاده قرار می‌گیرد. در نهایت چالش‌های مطرح برای تحقیقات آتی بیان می‌گردند.

مقدمه

تهیه خدمات به موقع و قابل‌اعتماد، هدف اصلی صنایع ریلی به منظور حفظ و بهبود مزیت رقابتی در این صنعت است که به سرعت در حال رشد است. جداول زمانی قطارها به عنوان برنامه‌های تاکتیکی، برنامه‌ریزی‌شده و سالانه یا در هر فصل (آفلاین) به‌روز می‌شوند تا مسیرها و زمان‌بندی قطارها را تعیین کنند. در عملیات روزانه قطارها، منابع مختلفی از آشفتگی وجود دارد که ممکن است همانند حوادث مختلف تصادف و غیره بر روی زمان‌های حرکت قطارها تأثیر گذارد و موجب تأخیر اولیه در برنامه زمانی قطارها باشند. به دلیل وابستگی متقابل بین قطارها، تأخیر اولیه می‌تواند انتشاریافته و موجب تأخیر در سایر قطارها بر روی شبکه حرکت قطارها گردد.

غالباً انتظار می رود که یک جدول زمانی باید قادر به تحمل اختلالات جزئی در زمان واقعی باشد: این مورد اعتبار و صحت نامیده می‌شود که به اختلالات ایجادشده در شبکه ترافیک راه‌آهن حساس است (مانند برخی از بخش‌های جدول زمانی که تحت تأثیر توزیع انتشار تأخیر قرار می‌گیرند) ([24] را ببینید). مطالعات بسیاری برای ساختن جداول زمانی قوی  انجام‌شده‌اند. به طور مثال، Carey [10]، Carey and Kwiecinski [11]، Goverde [34]، Khan and Zhou [49] و Vromans et al. [75]. به هر حال، هیچ برنامه آفلاینی نمی‌تواند به حد کافی در برابر آشفتگی و بی‌برنامگی‌های ایجادشده قوی باشد (مثل اختلالات عمده‌ای که موجب انسداد یک راه می‌گردند) و بهره‌وری ترافیک راه‌آهن را به خطر نیندازد (Kauppi et al. [47]، Zaroliagis et al. [82]). روش‌های مدیریت ترافیک آنلاین، برنامه‌هایی را برای تغییر وضعیت ترافیک در شرایط رخداد ترافیک و یا خرابی و انتشار تأخیر دارند.

تنظیمات کنترلی

به طور کلی روش‌های کنترل آنلاین در شکل 1 نشان داده‌شده‌اند. به خصوص، داده‌ها از جهان واقعی اندازه‌گیری شده‌اند، فاکتورهای مرتبطی را که در ادامه بیان می‌شوند را توصیف می‌کنند. این داده‌ها ذاتاً آنلاین هستند و مسائل را از روش‌های آفلاینی که چنین ورودی‌هایی را ندارند متفاوت می‌کنند. این داده‌ها در ماژول‌هایی استفاده می‌شوند که برای کنترل مقررات هستند. اقدامات ورودی برای هر سیستم در زیر شرح داده شده است.

به طور کلی، چنین سیستم هایی دارای چارچوب تکراری شامل تنظیم پیش‌بینی، راه حل در طی زمان‌های طولانی تر و پیش‌بینی مدل کنترلی هستند.

اندازه‌گیری داده

داده‌ها را می‌توان اندازه‌گیری کرد و در حالت کلی این داده‌ها شامل موقعیت و زمان [60]، [69]، [71] هستند. برخی از روش‌ها شامل مشخصه‌های سرعت قطار و سرعت جاری و آتی قطار [16] و برخی شامل سرعت هدف (یعنی سرعتی که یک قطار برای رسیدن به هدف مورد نظر باید داشته باشد) [56] هستند. علاوه بر این، زمان‌بندی مجدد در حالت نرمال به دنبال برنامه‌ریزی وضعیت جداول زمانی است تا اطلاعات برنامه‌ریزی‌شده به خوبی قابل انجام باشند. روش‌های کمتری اطلاعات اضافی نظیر تعداد مسافران (در برنامه‌ریزی خطی استفاده می‌گردد) عملکرد قطار و پویایی محیط (برای مشاوره سرعت [2]، [72]) را مورد بررسی قرار می‌دهند. مگر اینکه اختلالات بسیار بزرگی در شبکه رخ داده و به آن آسیب برساند [16]، [46]، [60]، [66].

ما در این بخش ویژگی‌های اصلی روش‌های آنلاین پویا و همچنین پیش‌بینی پویای مبتنی بر زمان را بررسی می‌کنیم. این بررسی‌ها پاسخی برای "آنچه که شناخته‌شده؟" است و نشان‌دهنده مواردی است که در گذشته، حال و آینده برای رسیدن به هدف این مقاله شناخته‌شده است. مدل‌سازی عدم قطعیت و پیش‌گویی برای محاسبه عملیات کنترلی بهینه و قابل‌قبول ضروری است. هدف سیستم کنترلی مقابله با انحرافات حاصل از برنامه موجود است. به عنوان مثال، تأخیر حاصل از قطارها را که در برنامه در نظر گرفته نشده است را جبران می‌کند. مطابق با نظر Yuan and Hansen[80] که فرآیند تأخیر و مدل‌سازی را مرور کردند، تأخیر می‌تواند به تنهایی با روش گاوس، معکوس گاما و یا توزیع Weibull دنبال شود و تأخیر می‌تواند بر روی یک قطار منفرد و یا تمامی آن‌ها به صورت زنجیر وار تأثیر بگذارد. به غیر از تأخیر، ساکن بودن قطار در یک مکان یا ایستگاه نیز ممکن است موجب ترافیک شده و مزاحمت ایجاد کند.

علاوه بر این، تأخیر می‌تواند قابل انتظار بوده و در طرح‌های بهینه‌سازی با دانستن مکان و وضعیت جاری ترافیک شبکه در نظر گرفته شود. به‌روزرسانی‌های حاصل از عملیات ممکن است بر روی قابلیت اطمینان راه‌کارها در آینده تأثیر داشته باشد.

دانش کاملی از آینده

اگر همه چیز قبل از تصمیم‌گیری شناخته‌شده باشد، ما به اطلاعات کاملی دستیابی داریم. روش ایستا فرض می‌کند که تمامی اطلاعات را از قبل دارد. ما این مسائل را در شکل 4 نمایش داده‌ایم. این تنظیمات ساده هستند و می‌توانند برای عملیات برنامه‌ریزی‌شده، مانند تعمیر و نگهداری و یا قابلیت اطمینان از پیش‌بینی‌های بالا مورد استفاده قرار گیرند [63].

ما در حال حاضر مدل های ریاضی را بررسی می‌کنیم. ساختار مسئله می‌تواند به راحتی به یک دنباله از عملیات از پشت سر هم رخ می‌دهند، نگاشت شود (مثل توقف پس از رسیدن به هر ایستگاه) یا عملیاتی که در کنار یکدیگر رخ می‌دهند (مثل حرکت یک قطار در زمان توقف قطار دیگر در یک ایستگاه یکسان) [37]. تمامی مدل ها محدودیت‌های خطی را بر اساس وقایع گسسته بررسی می‌کنند. به عنوان مثال،زمان مربوط به عملیات شناسایی و درک رویدادهایی که وضعیت متغیرها را تغییر می‌دهند. اغلب روش‌های بهینه‌سازی دارای ساختار ریاضی خطی هستند. آن‌ها قادر به آدرس‌دهی محدودیت‌ها و توابع هدف در شکل خطی هستند (شامل [9]، [16]، [57]، [60]، [66]، [73]). این ساختارها را می‌توان در نموداری به صورت گراف نمایش داد و مجموعه محدودیت‌ها و عملیات مربوط به آن را (عمل حداکثر، جمع) نیز به عملیات اضافه نمود [34]، [73]. در نهایت، نمودار جایگزین [58]، خواهد توانست از محدودیت‌ها و متغیرهای برنامه‌ریزی استفاده نماید.

مدل‌ سازی زمان و ظرفیت

با توجه به رویکردهای زمانی، بسیاری از روش‌ها از متغیرهای زمانی پیوسته استفاده می‌کنند. احتمال دیگر این است که از متغیرهای زمانی نیز می‌توانند استفاده کنند: مشکل این است که مجموعه‌ی محدودی از متغیرها و محدودیت‌ها را در نظر می‌گیرند (اغلب به صورت گسسته) [9]، [38]، [61]. این مقاله اجازه می‌دهد تا پیچیدگی دامنه متغیرها تا حد زیادی برای انتخاب زمان مناسب کاهش یابد. اغلب حل کنندگان و مسئولین جداول زمانی آفلاین از این روش استفاده می‌کنند.

برخی از مسائل مرتبط با راه‌آهن با مشکل تغییر زمان و برنامه‌ریزی تأخیر وابسته هستند. ما به طور خلاصه در مورد چگونگی حل این مشکلات به صورت آنلاین پویا بحث می‌کنیم.

به‌روزرسانی یک جدول زمانی راه‌آهن از حالت آفلاین به حالت آنلاین نیاز به زمان‌بندی مجدد ترافیک دارد. در حقیقت، برنامه‌ریزی و زمان‌بندی مجدد نیاز به یافتن مسائل و زیر مسائلی دارد که می‌توان برای حل آن‌ها از راه‌کارهایی مثل زمان‌بندی مجدد rolling stock ، زمان‌بندی مجدد crew و زمان‌بندی مجدد مبتنی بر ایستگاه که مکان انتقال مسافران را از مکانی به مکانی دیگر تعیین می‌کنند، استفاده کرد.

زمان‌ بندی Crew

هیچ قطاری بدون توجه راننده نمی‌تواند تغییر مسیر و تغییر جهت انجام دهد. مسئله زمان‌بندی مجدد Crew واگذار کردن افراد به قطارها است به طوری که تمام سرویس های برنامه‌ریزی شده را بتوان با کمترین هزینه انجام داد. وقتی حوزه چندین کیلومتری و چند ساعتی از یک شبکه راه‌آهن مشخص و قابل پیشگویی باشد، اغلب روش‌های متداول را می‌توان برای مدیریت ترافیک به کار برد. مشکل زمانی پیچیده می گردد که پرسنل بخواهند پس از اتمام شیفت کار یخود، قطار را در نزدیک ترین مسیر به مکان زندگی خود تغییر مسیر دهند و تأخیر زیادی ممکن است در این حالت برای آن‌ها ایجاد گردد، چه در حالتی که بدون قطار بخواهند به محل خود بروند و چه در صورتی که بخواهند روز بعد با قطار به مکان اولیه خود بیایند. علاوه بر این، در طول اختلالات، گردش وسایل نقلیه باید به درستی تنظیم گردد و مسیرها باید برای حرکت وسایل نقلیه آمادگی داشته باشند. برای جزئیات بیشتر به [36] مراجعه کنید. اغلب روش‌ها با مسئله rolling stock circulation در حالت آفلاین روبرو هستند. مثل زمانی که دانش کاملی از مدت زمان اختلال و موقعیت وسایل نقلیه در دسترس است. Nielsen et al. [64] روشی را با نام rolling horizon ارائه کرده‌اند که روابط متقابل بین پیش گویی و رویدادهای واقعی را نشان می‌دهد. به طور خاص، تاثیر به روز رسانی ها در زمان رخداد اختلال بسیار مهم و قابل توجه است. Jespersen-Groth and Clausen[46]، با مسئله رزور خطوطی برای احتمال آسیب آتی موافقت کردند. [3] روشی را برای بررسی مسافران و مدل شبکه برای حل کردن مسئله زمان‌بندی مجدد ارائه کرده است. آن‌ها پیشنهاد کردند که روش‌های بهینه‌سازی باید بتوانند trade off ای را بین طول سفر مسافران و تعداد و برنامه‌ریزی زمان‌بندی ایجاد کنند.

نتیجه‌ گیری

این مقاله اغلب روش‌های آنلاین (مثل تنوع عملیات مرتبط)و پویا (مثل بررسی زمان تکامل با داشتن دانش کم) در برنامه‌ریزی ترافیک راه‌آهن را مورد بررسی قرارداد. ما روش‌هایی را برای مسئله ترافیک راه‌آهن و زمان‌بندی آن با استفاده از اطلاعات ناقص و کامل بررسی کردیم. نتیجه تجزیه و تحلیل ارائه‌شده نشان می‌دهد که برخی از مشکلات همچنان به صورت مسئله باز باقی مانده‌اند که بهتر است در آینده بررسی گردند: یکپارچه‌سازی مشکلات مختلف، تصمیم‌گیری در شرایط عدم اطمینان، تعیین بهترین تأخیر و انتشار تأخیر و پیش آگاهی از رخداد تأخیر و دریافت مشکلات مرتبط دیگر برای مسافران.

محققان عملیات راه‌آهن از روش‌های آفلاین و الگوریتم‌های مدل‌سازی شده توسط ریاضیات بهره می‌برند [52]. بسیاری از چالش‌ها همچنان برای تحقیقات آتی نگه داشته شده‌اند:

1) بسیاری از روش‌های تحقیقاتی موجود تمایل به استفاده از بهینگی جهانی با در نظر گرفتن محدودیت‌های اضافی را دارند. در واقع توجه به دانش آینده به تنهایی، اطلاعات خوبی برای بهینه‌سازی روش (که اطلاعات می‌توانند به صورت ناقص و یا کامل جمع‌آوری گردند) هستند. این اطلاعات دارای مشکلاتی هستند: برنامه‌های انجام‌شده نیاز به برنامه‌ریزی مجدد بر اساس مسیر قطارها و ظرفیت هر یک از آن‌ها دارند. به طور کلی مسیرهای انتخاب‌شده برای هر قطار به طور کلی به وضعیت جاری قطار، سرعت، تعداد مسافران، تعداد و زمان توقف و موارد دیگر بستگی دارد (به عنوان مثال [15] را ببینید). علاوه بر این، امکان شدنی بودن هر یک از راه‌حل‌های ارائه‌شده در سطح میکروسکوپی باید بررسی گردند. زیرا هیچ‌گونه خطایی در چنین برنامه‌ریزی‌هایی قابل جبران نخواهد بود.

2) به منظور ارائه راه‌حلی بهینه در مناطقی که به توزیع امکانات نیاز دارند (مثل مدیریت ترافیک راه‌آهن)، برخی از تحقیقات از روش‌های ترکیبی برای شبیه‌سازی استفاده کرده‌اند (برای جزئیات بیشتر [27] و [52] را ببینید). با چنین رویکردی، یکی از اولین راه حل‌ها برای توزیع امکانات، استفاده از مدل های ریاضی و ابتکاری در مقیاس بزرگ در حد شبکه راه‌آهن است. سپس تمامی نیازمندی‌ها باید بررسی گردند تا تنگناهای احتمالی شناسایی گردند.

3) هدف مطالعات اخیر، حل مشکل تغییر زمان به صورت بهینه برای داشتن برنامه ترافیک بدون رخداد آسیب و خطا در حین اجرا است. بدین منظور، الگوریتم‌ها و روش‌هایی مثل [23] و [81] ارائه‌شده‌اند. اما این الگوریتم‌ها محدود به نظر می‌رسند زیرا صرفاً می‌توانند یک نوع از مسیرهای تک جهته یا دو جهته را بررسی کنند و در آن‌ها مسیرها باید "متقابلاً منحصربه‌فرد فرد" باشند. این مشکلات برای تعریف روش‌های جدید و نیاز به راه‌کارهای جدید کافی است.

4) آزمون‌هایی برای ارزیابی و مقایسه مدل ها و رویکردها مورد نیاز است. این موارد منجر به بررسی محدودیت‌های تکرارشونده‌ای می‌شوند که تا کنون در روش‌های ارائه‌شده مورد بررسی قرار نگرفته است. زیرا معمولاً محدودیت‌های تکرارشونده منجر به عدم اطمینان در جریان داده‌ها می‌گردند. استقرار سیستم های پیشرفته (مثل کنترل قطار اروپا) کیفیت بالایی را در زمان واقعی برای تغییر زمان فراهم می‌کند.

5) اگر هدف ارائه روشی برای استفاده عملی از زمان‌بندی در زمان واقعی و با در نظر گرفتن انتشار تأخیر باشد، راه‌کارهای موجود ممکن است در زمان واقعی و به صورت آنلاین پاسخگو نباشند (برای مثال [80] را ببینید). علاوه بر این، افزایش تلاش در جمع‌آوری و حفظ داده‌ها نیاز به استفاده از روش‌های هوشمند جمع‌آوری داده دارند.

6) روش‌هایی که برای مدیریت ترافیک راه‌آهن تا کنون ارائه‌شده‌اند، از اطلاعات قطعی استفاده می‌کنند. درحالی‌که معمولاً در واقعیت اطلاعات غیرقطعی هستند و نیاز به پیش آگاهی از وضعیت آینده دارند (به عنوان مثال [28] را ببینید).

7) تا کنون، روش‌های خودکار مدیریت ترافیک در بسیاری از سیستم های کنترل ترافیک استفاده شده است. با این حال، این سیستم ها اساس دارای تجسم اطلاعات آتی و یا مدیریت سیستم های اطلاعاتی نیستند. بنابراین توابع اصلی که معمولاً باید برای مدیریت مورد استفاده قرار گیرند، به حوادث آتی بستگی دارند و باید همواره حوادث آتی پیش‌بینی گردند.

برخی از این چالش‌ها در دانشگاه‌ها و تحقیقات دانشگاهی به عنوان پروژه‌های تحقیقاتی مورد بررسی قرار گرفته‌اند و پروژه‌های اخیر در [82] و [65] نشان داده شده است. با این وجود امکان وجود تحقیقات بیشتر نیز وجود دارد.

این مقاله ISI در سال 2015 در نشریه آی تریپل ای و در مجله معاملات در سیستم های حمل و نقل هوشمند، توسط مهندسی حمل و نقل و لجستیک منتشر شده و در سایت ای ترجمه جهت دانلود ارائه شده است. در صورت نیاز به دانلود رایگان اصل مقاله انگلیسی و ترجمه آن می توانید به پست دانلود ترجمه مقاله بررسی مدل های پویا آنلاین و الگوریتم های مدیریت ترافیک در سایت ای ترجمه مراجعه نمایید.

۰
۰
ای ترجمه
ای ترجمه
خدمات ارائه مقالات علمی و سفارش ترجمه تخصصی
شاید از این پست‌ها خوشتان بیاید