Санкт-Петербургский политехнический университет Петра Великого, Институт машиностроения, материалов и транспорта, Высшая школа транспорта (Аспирант)
Россия
Рассматривается применение аппарата нечеткой логики в задачах оптимизации последовательности выполнения операций, требующих задействования самоходных подвижных единиц на промышленном железнодорожном транспорте. Проанализированы последствия использования в качестве приоритетов операций константных значений, вычисленных аналитическим путем. Описываются тип дисциплины очереди и специфика ограничений на пребывание заявок в очереди, характерные для железнодорожных промышленных транспортно-технологических систем. Исследуются преимущества и недостатки существующих методов выстраивания в очередь грузовых операций, предусмотренных суточным планом работы, в железнодорожных промышленных транспортно-технологических системах. Выявлены ограничения, возникающие при использовании методов классической теории расписаний. Нахождение оптимальной последовательности операций в железнодорожных промышленных транспортно-технологических системах предполагает планирование движения для нескольких подвижных единиц одновременно, что не рассматривается в классической теории графов. Классическая задача нахождения кратчайшего пути и ее известные алгоритмы решения работают только со статичными графами, а для железнодорожных промышленных транспортно-технологических систем характерны быстрые изменения состояния графа. Проанализированы проблемы, вызванные динамичностью состояния графа в железнодорожных промышленных транспортно-технологических системах. Применение методов нечеткой логики позволит выстраивать оптимальную последовательность выполнения операций на базе неполной и неточной информации и решать ряд задач оперативного планирования грузовых операций без точных вычислений. Ожидаемым результатом применения метода нахождения динамических приоритетов операций, реализованного в нейро-нечетком модуле, является повышение адаптивности оперативного планирования грузовой работы и сокращение времени задействования и потребного количества самоходных подвижных единиц.
оперативное управление вагонопотоком, время ожидания в очереди, дисциплина очереди, назначение приоритетов, оптимизация задействования подвижных единиц, нейро-нечеткий модуль
1. Шаров В. А. Новые риски при реализации единого интегрированного планирования на железнодорожном транспорте общего пользования / В. А. Шаров // Наука и техника транспорта. - 2016. - № 2. - С. 87-93.
2. Подорин А. А. Анализ и моделирование вагонопотоков для задач организации железнодорожных перевозок на основе статистических и прогнозных данных в условиях их неоднородности / А. А. Подорин, С. Л. Щепанов, Д. В. Рубцов // Управление развитием крупномасштабных систем (MLSD'2021): труды Четырнадцатой международной конференции. - Москва, 27-29 сентября 2021 года / Под общ. ред. С. Н. Васильева, А. Д. Цвиркуна. - М.: Институт проблем управления им. В. А. Трапезникова РАН, 2021. - С. 1037-1041. - DOI:https://doi.org/10.25728/6989.2021.59.54.001.
3. Бедрин Д. С. Трансформация методологии планирования и прогнозирования перевозок грузов на железнодорожном транспорте / Д. С. Бедрин // Бюллетень результатов научных исследований. - 2020. - № 4. - С. 5-23. - DOI:https://doi.org/10.20295/2223-9987-2020-4-5-23.
4. Золотарев С. А. Методика формирования состава грузового поезда на путях промышленных предприятий вагонами различных операторов / С. А. Золотарев, А. Д. Сиразетдинова // Бюллетень транспортной информации. - 2017. - № 8(266). - С. 3-7.
5. Бельницкий Д. С. Проблема избыточного парка грузовых вагонов / Д. С. Бельницкий, А. П. Иванов, И. Н. Панкратов и др. // Вестник транспорта. - 2015. - № 4. - С. 19-21.
6. Югрина О. П. Особенности эффективного использования приватного вагонного парка операторской компании / О. П. Югрина, С. Ю. Соснин // Вестник УрГУПС. - Екатеринбург: УрГУПС, 2017. - № 1(33). - С. 84-90.
7. Сергеева Т. Г. Современные методы управления парком приватных вагонов / Т. Г. Сергеева // Бюллетень результатов научных исследований. - 2022. - № 1. - С. 95-102. - DOI:https://doi.org/10.20295/2223-9987-2022-1-95-102.
8. Солоп И. А. Причинно-следственный анализ выполнения надежности доставки грузов железнодорожным транспортом в адрес потребителей Южного региона и портов Азово-Черноморского бассейна / И. А. Солоп, Е. А. Чеботарева // Инженерный вестник Дона. - 2018. - № 3(50). - С. 54.
9. Булыгина О. В. Назначение приоритетов в технологических хабах на основе имитационного моделирования и нечеткой логики / О. В. Булыгина, А. А. Емельянов, Н. З. Емельянова // Прикладная информатика. - 2017. - Т. 12. - № 5(71). - С. 71-92.
10. Могилев А. А. Обзор методов решения задач теории расписаний / А. А. Могилев // Информатика, вычислительная техника и инженерное образование. - 2019. - № 4(37). - С. 19-32.
11. Багинова В. В. Применение алгоритмов маршрутизации агента при разработке дискретно-событийных имитационных моделей с использованием инструментов железнодорожной библиотеки Anylogic / В. В. Багинова, Д. В. Кузьмин // Вестник Уральского государственного университета путей сообщения. - 2023. - № 2(58). - С. 109-118. - DOI:https://doi.org/10.20291/2079-0392-2023-2-109-118.
12. Сперанский Д. В. Поиск оптимальных путей в нечетких графах / Д. В. Сперанский // Автоматика на транспорте. - 2022. - Т. 8. - № 4. - С. 418-426. - DOI:https://doi.org/10.20295/2412-9186-2022-8-04-418-426.
13. Числов О. Н. Нейросетевое исследование транспортных систем / О. Н. Числов, Н. Н. Лябах, М. В. Колесников и др. // Транспорт: наука, техника, управление. Научный информационный сборник. - 2021. - № 10. - С. 9-13. - DOI:https://doi.org/10.36535/0236-1914-2021-10-2.
14. Ефанов Д. В. Принципы автоматизации процессов управления движением на железных дорогах промышленных предприятий / Д. В. Ефанов // Транспорт Российской Федерации. - 2019. - № 6(85). - С. 27-33.
15. Lekarev A. G. The Integrated Approach to Automation and Digitalization of the Transport Processes in the Industrial Enterprises / A. G. Lekarev, M. G. Ammosov, D. V. Efanov et al. // Proceedings of 18th IEEE East-West Design & Test Symposium (EWDTS’2020), Varna, Bulgaria, September 4-7, 2020. - Pp. 346-350. - DOI:https://doi.org/10.1109/EWDTS50664.2020.9224687.
16. Tang R. A Literature Review of Artificial Intelligence Applications in Railway Systems / R. Tang, L. De Donato, N. Bešinović et al. // Transportation Research. Part C: Emerging Technologies. - 2022. - DOI:https://doi.org/10.1016/j.trc.2022.103679.
17. Bešinović N. Artificial Intelligence in Railway Transport: Taxonomy, Regulations, and Applications / N. Bešinović et al. // IEEE Transactions on Intelligent Transportation Systems, Sept. 2022. - Vol. 23. - Iss. 9. - Pp. 14011-14024. - DOI:https://doi.org/10.1109/TITS.2021.3131637.
18. Cerreto F. Application of Data Clustering to Railway Delay Pattern Recognition / F. Cerreto, B. F. Nielsen, O. A. Nielsen et al. // Journal of Advanced Transportation. - 2018. - Vol. 2018, Article ID 6164534. - 18 p. - DOI:https://doi.org/10.1155/2018/6164534.
19. Zhu Yo. Dynamic railway timetable rescheduling for multiple connected disruptions / Yo. Zhu, R. Goverde // Transportation Research. Part C: Emerging Technologies. - 2021. - Iss. 125. - DOI:https://doi.org/10.1016/j.trc.2021.103080.
20. Binder S. The multi-objective railway timetable rescheduling problem / S. Binder, Yo. Maknoon, M. Bierlaire // Transportation Research Part C: Emerging Technologies. - 2016. - Iss. 78. - DOI:https://doi.org/10.1016/j.trc.2017.02.001.
21. Сивицкий Д. А. Анализ опыта и перспектив применения искусственных нейронных сетей на железнодорожном транспорте / Д. А. Сивицкий // Вестник Сибирского государственного университета путей сообщения. - 2021. - № 2(57). - С. 33-41. - DOI:https://doi.org/10.52170/1815-9265_2021_57_33.
22. Понятов А. А. Возможности применения нейросетевых технологий на железнодорожном транспорте / А. А. Понятов // Актуальные проблемы современного транспорта. - 2022. - № 2-3(9-10). - С. 62-70.
23. Обухов А. Д. Применение нейросетевых технологий в управлении сортировочной станцией / А. Д. Обухов // Автоматика, связь, информатика. - 2017. - № 7. - С. 14-16
24. Dolgopolov P. Optimization of train routes based on neuro-fuzzy modeling and genetic algorithms / P. Dolgopolov, D. Konstantinov, L. Rybalchenko et al. // Procedia Computer Science. - 2019. - Iss. 149. - Pp. 11-18. - DOI:https://doi.org/10.1016/j.procs.2019.01.101.
25. Краковский Ю. М. Бинарное прогнозирование динамических показателей на основе методов машинного обучения / Ю. М. Краковский, О. К. Куклина // Вестник Томского государственного университета. Управление, вычислительная техника и информатика. - 2023. - № 62. - С. 50-55. - DOI:https://doi.org/10.17223/19988605/62/5.
26. Гончарова Н. А. Специфика оперативного управления вагонопотоками в железнодорожных промышленных транспортно-технологических системах / Н. А. Гончарова // Транспортные системы: сборник материалов Международной научной онлайн-конференции для молодых ученых и аспирантов, Санкт-Петербург, 29 ноября 2022 года. - Санкт-Петербург: Санкт-Петербургский политехнический университет Петра Великого, 2023. - С. 74-77. - DOI:https://doi.org/10.18720/SPBPU/2/id23-14.
27. Колесников В. И. Интеллектуализация транспортных процессов на основе гибридных технологий и мультиагентных систем / В. И. Колесников, С. М. Ковалев, В. Н. Иванченко // Вестник Ростовского государственного университета путей сообщения. - 2012. - № 1(45). - С. 107-113.
28. Bogdanova L. Neuro-fuzzy-based mathematical model of dispatching of an industrialrailway junction / L. Bogdanova, S. Nagibin, D. Loskutov // Bulletin of Electrical Engineering and Informatics. - 2023. - Vol. 12. - Iss. 1. - Pp. 502-513. - DOI:https://doi.org/10.11591/eei.v12i1.4055.
