نام پژوهشگر: کوثر روشنی

زمانبندی مجدد حرکت قطار
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده مهندسی 1389
  کوثر روشنی   محمدرضا امین ناصری

در سال های اخیر به دلیل افزایش تقاضای حمل و نقل ریلی، سعی ‏شده است از حداکثر توان شبکه ریلی برای حمل و نقل بار و مسافر استفاده شود، در نتیجه، زمانی که تناوب سفر بالاست، هرگونه مشکل در یک قطار، موجب تغییر در برنامه حرکت سایر قطارها شده و به عبارتی در برنامه آن‏ها اختلال ایجاد می‏کند. در این شرایط یک برنامه جدید عاری از تداخل مورد نیاز است که انحراف از برنامه اصلی را حداقل کند. در چنین شرایطی، زمانبندی مجدد حرکت قطارها مطرح می‏شود که از اهمیت بسیار بالایی در بحث کنترل ترافیک راه‎آهن برخوردار است. در این تحقیق سعی شده است رویکردی برای زمانبندی مجدد در مسیرهای دو خطه با دید واقع گرایانه ارائه شود. می‏توان زمانبندی مجدد حرکت قطار را به سه مرحله اصلی تقسیم کرد: الف) تشخیص رخ دادن مشکل؛ ب) اقدام برای حل مشکل و ج)زمانبندی مجدد حرکت سایر قطارها. در این پایان نامه برای انجام مرحله دوم از سیستم خبره استفاده شده است. این سیستم rule base بوده و از 10 شرط اصلی تشکیل شده است. وظیفه این سیستم، رفع مشکل رخ داده و تنظیم برنامه قطاری است که دچار مشکل شده است. مرحله سوم نیز به کمک مدل ریاضی انجام پذیرفته است. مدل ریاضی نوشته شده از نوع ilp بوده و از اطلاعات به روز شده توسط سیستم خبره برای تنظیم برنامه حرکت سایر قطارها استفاده می‏کند. تابع هدف این مدل ریاضی، حداقل کردن انحراف حرکت قطارها از برنامه اصلی می‏باشد. این رویکرد، استفاده از سیستم خبره در کنار مدل ریاضی، باعث شده از پیچیدگی‏های مساله چشم پوشی نشود و تا جای ممکن محدودیت‏های مساله دیده شوند، به همین دلیل این رویکرد در مقایسه با سایر روش‏ها از انعطاف و دقت بالاتری برخوردار است. به منظور کاهش زمان حل مساله ای با ابعاد واقعی، در مدل ریاضی و سیستم خبره تغییراتی ایجاد کرده و مدل را به lp تبدیل کردیم و پس از آن به حل مساله پرداختیم. در این پایان نامه سعی شده الگوریتم توسعه داده شده برای مسیر تهران- مشهد به کار گرفته شده و از این طریق توضیح داده شود. همچنین کارایی الگوریتم نیز از این طریق بررسی شده است. نتایج حاصل نشان داد این مدل در مقایسه با کار کارشناسان خبره از کارایی بهتری برخوردار بوده و در زمان کوتاهی به جواب مساله می رسد.