Формування адаптивної технології приміських залізничних перевезень

(1)

де - значення пасажиропотоку в певні періоди доби t, що подаються на вхід моделі, з глибиною занурення d; - прогнозне значення пасажиропотоку на наступний період доби t+1, що залежить від значення входу.

З метою пристосування моделі до нечіткості вхідної інформації використано теорія нечіткої логіки, що передбачає представлення кількісних значень параметрів моделі у вигляді лінгвістичних змінних, які оцінюються нечіткими термами. Внаслідок цього втрачається точність вхідних даних, проте виникає можливість пристосування до невизначених умов, що присутні в задачі прогнозування пасажиропотоків. Виходячи з цього, формування моделі прогнозування припускає завдання вхідних змінних у вигляді лінгвістичних змінних , що задані на універсальній множині . Для оцінки лінгвістичних змінних використовуються якісні терми , із наступної терм-множини , , де кожен терм описується нечіткою множиною , , де - функція приналежності, що приймає значення в інтервалі [0,1] та ,.

Відповідно до розглянутих вимог та обмежень, входи моделі представлено як лінгвістичні змінні (ЛЗ), значення яких визначаються на єдиній шкалі з п'яти термів для всіх , : Н - низький, НС - нижчий за середнє, С - середній, ВС - вищий за середнє, В - високий. Для відображення функцій приналежності (ФП) термів вхідних змінних у функціональній формі була обрана крива Гауса.

Реалізація моделювання на основі нечітких баз знань здійснюється через нечіткий логічний висновок по алгоритму Такагі Сугено.

Структура взаємозв'язку між вхідними і вихідною змінними в такому алгоритмі описується правилами ,, які нечіткі тільки в частині умови, тоді як висновок являє чітку лінійну функцію від входів.

Множина правил представляє собою нечітку базу правил , в якій нечітке правило для змінних можна представити як логічну комбінацію в наступному вигляді:

: ЯКЩОє ТА є,ТО (2)

де - нечіткий терм з ФП ,(,);

- вихід кожного правила, що представлений як поліном першого порядку з коефіцієнтами та вільною складовою ; - вага правила, що характеризує ступінь впевненості у кожному му правилі бази знань. залізниця приміський поїзд пасажир

База правил типу (3) представляє собою ядро системи прогнозування, сутність подальшого розвитку якої полягає в представленні запропонованого нечіткого висновку у вигляді адаптивної нейро-нечіткої мережі висновків (ANFIS), що дозволяє покращити точність прогнозування за рахунок навчання (рис.1).

Для генерування та уточнення нечітких правил нейро-нечіткої мережі на основі спеціальних навчальних методик було використано сучасний математичний апарат генетичних алгоритмів.

Рішення поставленої задачі передбачає представлення набору параметрів моделі у вигляді хромосоми фіксованої довжини , що складається з трьох частин:

(3)

Перша частина хромосоми С¹ представлена генами, які визначаються параметрами ФП. Друга частина хромосоми С² реалізовує гени, що визначають коефіцієнти висновків відповідних правил. Остання частина хромосоми С³ реалізовує гени, що визначають структуру умови кожного правила.

Рис. 1. Нейроструктурна схема ANFIS гібридної системи прогнозування приміських пасажиропотоків

Шар 1 - перетворення вхідної змінної у нечіткий терм, Шар 2 - формалізація та вибір правила, Шар3 - обчислення нормованої сили правила,Шар 4 - розрахунок внеску кожного нечіткого правила у вихід, Шар5 - обчислення вихідного значення

Для отримання комплексної моделі прогнозування сформовано загальну структуру (рис. 2), що враховує вплив механізму самонавчання, закладеного у її основу, де через зворотній зв'язок інформація з виходу подається на вхід, таким чином корегуючи параметри моделі. За рахунок цього модель пристосовується до коливання пасажиропотоків та враховує в процесі моделювання відповідні періоди доби, збільшуючи точність результатів, та дозволяє враховувати послідовність інтервалів у періоді прогнозування відповідно вибраному типу доби.

Запропонований алгоритм прогнозування стійкий до нечіткості вхідної інформації та дозволяє виконувати прогноз добового пасажиропотоку з перспективою на 24 години вперед, забезпечуючи похибку не більше 4-5%.

Рис. 2. Загальна структура моделі прогнозування

У третьому розділі розроблено комплекс моделей реалізації адаптивної технології приміських перевезень на основі оперативного регулювання складів на станціях обороту приміських поїздів, та формування оптимальних маршрутів прямування.

Згідно поставленої задачі в роботі було формалізовано технологію оперативного регулювання составів відповідно до прогнозованих пасажиропотоків за умови достатнього часу згідно графіку оберту та вибір відповідних заходів за мінімумом витрат на них. З цією метою було побудовано систему рівнянь (4), що відображає можливі варіанти оперативного регулювання з визначенням відповідних витрат:

(4)

де - час прибуття поїзду за і ниткою розкладу на станцію К; , - час обороту поїзду по станції К чи Н; ,- час відправлення поїзду за j ниткою розкладу зі станції К чи Н; - сумарна кількість m секцій, що прибувають на станцію обороту К за і ниткою розкладу; - сумарна кількість k=m-р секцій, що відчеплюються від складу або r=p-m секцій, що причеплюються і знаходяться на станції на момент прибуття; - прогнозуємий пасажиропотік перенесений на сумарну кількість р секцій, що відправляються зі станції обороту К за j ниткою розкладу; , - витрати на здійснення відчеплення або причеплення однієї секції (грн./секцію); , - витрати на оперативне регулювання з відчеплення або причеплення секцій (грн.); - час руху між станціями обороту; - витрати на прямування між станціями обороту (грн.); S - витрати на середньодобовий пробіг секції (грн.).

З огляду на складність реалізації зазначеної технології в сучасній системі приміських перевезень було оцінено умови можливості її реалізації на основі аналізу існуючих технічних та технологічних параметрів пасажирських станцій обороту приміських поїздів. Аналіз довів, що в сучасних умовах роботи станцій обороту при певній зміні їх технології є можливість впровадження оперативного регулювання составів приміських поїздів, за умови наявності достатнього колійного розвитку, маневрового локомотиву та достатнього часу на оперативне регулювання (за дослідженнями =40-50 хвилин), що здебільше забезпечується на існуючій інфраструктурі. Технічна реалізація оперативного регулювання потребує навчання відповідних працівників навичкам роботи в умовах високої напруги.

Реалізацію адаптивної технології спрямовано на надання системі приміських перевезень гнучкості до змін ситуації на ринку перевезень, що обумовлює необхідність розробки та впровадження СППР, спрямованих на оптимізацію процесу прийняття оперативних рішень на всіх рівнях управління приміським пасажирським комплексом. Для розв'язання поставленої задачі запропоновано підхід на основі використання математичного апарату нечіткої логіки та нейронних мереж.

З огляду на особливості поставленої задачі можливі варіанти реалізації оперативного регулювання приміських перевезень та використання в експлуатації рейкового автобуса залежать від трьох основних параметрів технологічного процесу в приміському русі - запланованого оперативного регулювання составів приміських поїздів відповідно до прогнозів пасажиропотоків , населеності приміського пасажирського поїзду Н даного напрямку на момент розрахунку та достатнього часу на оперативне регулювання в умовах обмеження за розкладом руху, де

, (5)

, (6)

, (7)

де - проноз пасажиропотоку на певний період доби на даний напрямок; - місткість приміської секції, що відповідає рівню рентабельності; - коефіцієнт, що враховує економічно вигідну категорію пасажирів (не пільгові категорії).

Таким чином, задача розробки відповідних рішень для оперативного регулювання композиції составу полягає у виконанні відображення

, (8)

де - збільшити кількість секцій на r=p-m;- зменшити кількість секцій на k=m-р;- не виконувати оперативного регулювання;- призначити додатковий електропоїзд;- відмінити електропоїзд;- призначити рейковий автобус і відмінити електропоїзд;- відмінити рейковий автобус та призначити електропоїзд.

В якості вхідних параметрів нечіткої моделі будемо розглядати три нечіткі ЛЗ: «Запланована величина зміни составу», «Населеність приміського поїзду» та «Час знаходження на станції обороту». Формалізацію нечітких термів здійснено за допомогою функцій приналежності (ФП), параметри яких можуть модифікуватися в процесі настроювання моделі, що дозволяє змінювати положення та структуру нечітких множин.

Значення першої ЛЗ визначається з терм-множини {«від'ємно високі»(ВВ), «від'ємно низькі»(ВН), «відсутні»(Н), «додатньо низькі»(ДН). «додатньо високі»(ДВ)}. Другу ЛЗ Н описано за допомогою терм-множини {«нижче мінімального»(НМ), «оптимальне»(О), «вище максимального»(ВМ)}. Третю ЛЗ t_об визначаємо за допомогою терм-множини {«нижче ніж достатній»(НД), «достатній»(Д)}.

Реалізація моделювання на основі нечітких баз знань здійснюється через нечіткий логічний висновок по алгоритму Такагі Сугено

Якщоєєє,то

(9)

де - нечітке правило за порядковим номером , ; - відповідні нечіткі ЛЗ; - нечіткий терм з ФП , що застосовується для лінгвістичної оцінки змінної у му правилі (,); - висновок кожного правила являє чітку лінійну функцію представлену як поліном першого порядку з коефіцієнтами (,) та вільною складовою ; операція логічного зв'язування та, або.

У результаті практичного аналізу розробки відповідних рішень для оперативного регулювання складів приміських поїздів, була сформована система нечітких правил виду:

:Якщоє “ДН” та Н є “ВМ” та t_об є “Д”, то ;

:Якщоє “ВН” та Н є “НМ” та t_об є “Д”, то ;

:Якщоє “Н” або Н є “О” або t_об є “НД”, то ;

:Якщоє “ДВ” або Н є “ВМ” або t_об є “НД”, то ;

:Якщоє “ВВ” або Н є “НМ” або t_об є “НД”, то ;

:Якщоє “ВН” та Н є “НМ” та t_об є “НД”, то ;

:Якщоє “ДН” та Н є “ВМ” та t_об є “НД”, то .

Результатом формування нечіткої бази правил є подальша її реалізація на основі штучної нейронної мережі з п'ятишаровою прямонаправленою архітектурою з використанням «логічних нейронів» (та-, або- нейронів), що моделюють логічні зв'язування (структура та призначення шарів як на рис.1).

Нечітка модель оптимізована по навчальній вибірці із 70 експериментальних даних у вигляді <вхід (, Н, ) - вихід ()>.В результаті проведення перевірки на адекватність моделі було встановлено, що похибка не перевищує 4-5%, та відповідає необхідному рівню точності на виході моделі.

На сучасному етапі розвитку управління приміськими перевезеннями формування маршрутів прямування приміських поїздів реалізується шляхом вибору оптимальної схеми курсування, в основу якої покладено здебільшого маятникову схему.

Вона є достатньо ефективною, але за відсутністю оперативного регулювання в умовах руху за цією схемою відмічається низька ефективність використання приміського рухомого складу.

Можливим вирішенням питання оптимізації використання приміського рухомого складу в умовах впровадження оперативного регулювання складів приміських поїздів може бути розробка нових гнучких схем курсування, заснованих на принципах адаптації до рівня попиту та мінімізації витрат на перевезення.

В основу вибору схеми курсування доцільно покласти мінімізацію витрат на організацію та слідування певного маршруту, що обумовлюються об'ємом оперативно-регулювальних дій та відповідністю обраного результату мінімуму витрат на шляху прямування.

Для математичної постановки задачі оптимізації технології курсування приміських поїздів в роботі сформовано приклад певного залізничного вузла у вигляді зваженого графу G(V,R), множина вершин V якого представляють собою станції обороту приміських поїздів, а множина ребер R - дільниці шляхів переміщення між V.

Вагою кожної вершини графу приймаємо значення сумарної величини витрат на підготовку певного приміського поїзда до відправлення на один з можливих напрямків , що відображає витрати на оперативно-регулювальну роботу відповідно до (4).

Вагою кожного іj-го ребра графу (де і - станція відправлення та j - станція призначення) приймаємо значення населеності (6).

Вибір напрямку відправлення кожного приміського поїзду полягає у порівнянні значень витрат по кожному напрямку з метою винайдення найменшого значення.

Таким чином задача пошуку доцільно представити як оптимізаційну задачу вигляду:

(10)

де - кількість приміських поїздів, що відправляються на напрямок приміського руху р із загальної сукупності поїздів на даному напрямку за розкладом , ; - величина витрат через недонаселеність , де l_ij - витрати на прямування між станціями i та j.

Виходячи з існуючого рівня технічної забезпеченості та експлуатаційних можливостей певних дільниць повинен виконуватись ряд умов:

, (11)

де - пропускна спроможність р-го напрямку відносно приміського руху, що залежить від їх дільничної швидкості ;

- певна кількість секцій, що знаходяться на і-й станції на момент початку оперативного регулювання;

- загальний експлуатаційний парк приміських секцій у вузлі;

- оптимальне значення населеності приміської секції, що відповідає рівню рентабельності.

Вирішення задачі пошуку оптимальних напрямків прямування приміських поїздів запропоновано здійснити з використанням математичного апарату нечіткої логіки та нейронних мереж.

З огляду на поставлену задачу можливі варіанти рішення залежать від двох основних параметрів оперативно регулювального процесу в приміському русі - витрат на оперативно-регулювальну роботу відповідно до (4), стосовно зміни кількості секцій в певному составі на і-й станції, та величини населеності на вагон , що розраховується при плануванні відправлення поїзда з і-ї станції на j-ту станцію n-го напрямку згідно (6).

Таким чином, задача розробки відповідних рішень для оперативного регулювання композиції составу полягає у виконанні відображення:

, (12)

де - доцільність призначення 100%;

- доцільність призначення 87,5%;

- доцільність призначення 75%;

- доцільність призначення 62,5%;

- доцільність призначення 50%;

- доцільність призначення 37,5%;

- доцільність призначення 25%;

- доцільність призначення 12,5%;

- доцільність призначення 0%.

В якості вхідних параметрів нечіткої моделі розглядалися дві нечіткі ЛЗ: «Витрати на оперативно регулювальну роботу», «Населеність на вагон».

Значення першої ЛЗ визначається з терм-множини {«високі»(В), «середні»(С), «низькі»(Н)}.

Другу ЛЗ описано за допомогою терм-множини {«вище за оптимальне»(ВО), «оптимальне»(О), «нижче за оптимальне»(НО)}.

У результаті практичного аналізу розробки відповідних рішень, було сформовано експертну систему нечітких правил на основі нечіткого логічного висновку Такагі Сугено з подальшою реалізацією її на основі штучної нейронної мережі з п'ятишаровою прямонаправленою архітектурою з використанням «логічних нейронів» (та-, або- нейронів), що моделюють логічні зв'язування (структура та призначення шарів як на рис.1).

Аналіз результатів перевірки на адекватність вказав на досить високий рівень точності роботи тренованої моделі, мінімальний рівень похибки якої не перевищує 0,35%, а загальний - 5%.

Представлені моделі оперативного регулювання складів приміських поїздів та пошуку оптимальних маршрутів прямування є основою для подальшого створення розподіленої СППР на рівні оперативно розпорядчих відділків станцій обороту приміських поїздів.

Запропоновані етапи формування адаптивної технології приміських перевезень для взаємного узгодження та практичної реалізації потребують ув'язки їх роботи, що потребує реалізації централізованого керування процесом оперативного регулювання.

На структурі розподіленої СППР це можливо здійснити шляхом створення центральної керуючої СППР на рівні оперативно розпорядчого відділу залізниці, завданням якої буде узгодження операцій оперативного регулювання складів та формування схем курсування приміських поїздів на основі збору звітних даних щодо інформаційно-технологічної роботи на станціях.

Враховуючи можливу багатоваріантність вирішення задачі формування приміських маршрутів, в роботі було використано математичний апарат теорії еволюційних обчислень і реалізації моделі на основі генетичних алгоритмів.

Рішення задачі формалізовано на прикладі певного залізничного вузла у вигляді зваженого графу G(v,r), множина вершин v якого представляють собою станції обороту приміських поїздів, а множина ребер r - дільниці сполучення між v. Практична реалізація запропонованого підходу полягає в представленні кожного певного приміського маршруту у вигляді хромосоми

(13)

де - ген, що моделює одну з можливих дільниць прямування від станції відправлення і до станції призначення j та може приймати значення в межах ;

m - загальна кількість дільниць у вузлі;

k - певна дільниця маршруту із загальної сукупності m, .

В процесі моделювання випадковим чином здійснюється формування набору хромосом - можливих маршрутів прямування.

З метою винайдення серед сформованих хромосом оптимальної, яка приймається для подальшого відтворення в якості схеми курсування, було розроблено фітнес функцію.

Завдання пошуку оптимального маршруту полягає у визначенні варіанту прямування у вузлі з мінімальними експлуатаційними витратами, тому завдання пошуку у фітнес функції було спрямовано на винайдення мінімального рішення при необхідності виконання ряду умов системи обмежень, яка закладена в неї:

 (14)

(15)

де - сумарна довжина дільниць прямування обраних генів кожного маршруту;

- максимальна відстань руху між двома суміжними технічними операціями ТО-2 з приміським рухомим складом; - сумарний час прямування по i-j дільницям обраних генів згідно сформованого маршруту;

- тривалість безперервної роботи локомотивних бригад.

Задачею моделювання є пошук оптимального маршруту з сукупності змодельованих випадковим чином і перевірених в системі обмежень згідно (14) та (15), сумарні витрати на організацію якого згідно (4) по кожній станції є мінімальні

(16)

Таким чином вирішення задачі зводиться до винайдення мінімальних рішень за виразами (14), (15) та (16).

(17)

Результати моделювання довели достатньо високу точність, що підтверджено перевіркою на адекватність, похибка моделювання склала приблизно 6%.

У четвертому розділі запропоновано удосконалення ІКС приміських перевезень на основі формування розподіленої СППР, основою якої є комплекс моделей, що реалізують механізм адаптації системи приміських перевезень. З огляду на існуючу структуру управління приміським комплексом та аналізу можливих варіантів організації СППР було визначено оптимальну структуру розподіленої СППР, яка складається з двох рівнів (оперативно розпорядчого відділу залізниці, та оперативних відділів станцій), та функції, які буде покладено на відповідні рівні СППР.

Економічне обґрунтування запропонованих заходів показало, що внаслідок впровадження адаптивної технології приміських перевезень на основі оперативного регулювання складів та маршрутів можливе вивільнення приміських секцій в розмірі до 10%, при цьому населеність приміських секцій збільшиться в середньому на 8,4%, зниження загальних річних експлуатаційних витрат складе 5% від існуючих, собівартість одного відправленого пасажира зменшиться на 5,5%.

ВИСНОВКИ

У дисертаційній роботі представлено теоретичне обґрунтування можливості надання гнучкості системі приміських перевезень за рахунок розробки комплексу моделей, що адекватно відтворюють адаптивну технологію на основі застосування оперативного регулювання составів приміських поїздів на станціях їх обороту та регулювання маршрутів слідування в середовищі інформаційно-керуючої системи, що дозволить раціонально використовувати парк приміських секцій та нових зразків рухомого складу, таких як рейковий автобус.

1. Аналіз існуючої технології роботи та інформаційного забезпечення приміського комплексу в умовах діючої системи регулювання приміським рухом довів, що сучасна технологія регулювання приміськими перевезеннями не повністю враховує нерівномірність процесу формування пасажиропотоків, що призводить до зниження ефективності використання приміського рухомого складу в певні періоди доби. Існуюче інформаційне забезпечення приміських перевезень не підтримує вирішення завдання автоматизації технологічних процесів регулювання приміським рухом в умовах оперативного планування.

Дослідження структури та параметрів пасажиропотоків в приміському сполученні по місяцям року, дням окремих місяців та годинах окремих діб за період 2007-2009 рр. свідчить про наявність значних коливань, що обумовлено впливом сезонного фактору, ефектами робочого та вихідного дня, фактором погодинної нерівномірності приміських пасажиропотоків в межах доби. Величина коефіцієнту нерівномірності коливається в межах від 1,1 до 1,8 в залежності від напрямків перевезень та періодів дослідження. Аналіз величини населеності приміських поїздів свідчить, що показник знаходиться в середньому в межі 60-65%.

2. Розроблено адаптивну математичну модель прогнозування приміських пасажиропотоків шляхом формування гібридної моделі із застосуванням математичних апаратів нечіткої логіки, нейронних мереж та генетичних алгоритмів, що дозволяє виконувати прогноз з перспективою на добу вперед, має властивості самонавчання та враховує послідовність періодів доби, вплив внутрішньодобового фактору нерівномірності попиту по періодам доби. Запропонована модель прогнозування стійка до нечіткості вхідної інформації та забезпечує похибку не більше 4-5%.

3. Формалізовано технологію оперативного регулювання составів приміських поїздів відповідно до прогнозованих пасажиропотоків з можливістю представлення результатів у вигляді оновленого графіку обороту приміських поїздів, що на відмінність від існуючої має властивість гнучкості та пристосованість до зміни попиту на перевезення. Дана технологія формалізована у вигляді моделі на основі використання математичних апаратів нечіткої логіки та нейронних мереж і визначає можливі варіанти оперативно регулювальної роботи з обчисленням кількості рухомих одиниць, які необхідно відчепити або причепити до певного составу, що створює можливість організації приміських перевезень з застосуванням перспективних зразків рухомого складу, таких як рейкові автобуси, за модульним принципом, та дозволяє раціонально перерозподілити існуючий рухомий склад. Згідно результатів моделювання встановлено, що похибка не перевищує 5%.

4. Оцінено умови можливості реалізації технології оперативного регулювання кількості секцій на станціях на основі аналізу існуючих технічних та технологічних параметрів пасажирських станцій обороту приміських поїздів. Аналіз довів, що в сучасних умовах роботи станцій обороту при певній зміні їх технології є можливість впровадження оперативного регулювання складів приміських поїздів, за умови наявності достатнього колійного розвитку, маневрового локомотиву, та достатнього часу, приблизно 20-30 хвилин за дослідженнями, на виконання оперативно регулювальних заходів, що в основному забезпечується на існуючій інфраструктурі.

5. Розроблено комплекс моделей, що формалізують технологію регулювання приміськими маршрутами в рамках діючого ГРП за маятниковою, кільцевою схемами курсування та схемою “зірка”, що відтворюють процес формування кожного приміського маршруту шляхом моделювання на двох рівнях - попереднього пошуку напрямків прямування на рівнях станцій з використанням апаратів нечіткої логіки та нейронних мереж та подальшого формування кінцевого результату на основі звітних даних станцій на рівні залізниці з використанням апарату теорії еволюційних обчислень. Встановлено, що запропоновані моделі стійкі до умов невизначеності та коливань попиту на приміські перевезення і забезпечує похибку не більше 5-6%.

6. Удосконалено функціональну схему існуючої ІКС з розробкою додаткових задач на АРМ оперативних працівників шляхом інтегрування розробленого комплексу моделей адаптивної технології на структурі розподіленої СППР для оперативного регулювання составів та формування схем курсування приміських поїздів на основі прогнозування пасажиропотоків в умовах функціонування локальної комп'ютерної мережі з перспективою подальшого створення автоматизованої системи управління приміськими перевезеннями.

7. Економічне обґрунтування запропонованих заходів довело, що внаслідок впровадження адаптивної технології приміських перевезень на основі оперативного регулювання составів та маршрутів можливе вивільнення приміських секцій в розмірі до 10% від існуючої кількості, при цьому населеність приміських секцій збільшиться на 8,4%, зниження загальних річних експлуатаційних витрат складе 5% від існуючих, собівартість одного відправленого пасажира зменшиться на 5,5%.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ