Спосіб експлуатації елементів систем залізничних пасажирських перевезень

Спосіб експлуатації системи залізничних пасажирських перевезень, в якому існує можливість синхронізувати процес формування пасажиропотоків по параметрах і структурі з процесом утворення составів на пасажирсько-технічній станції, 3 і багатофакторних методів прогнозу [Лукашев В. И. Регулирование размеров пассажирского движения на основе прогноза. - Тр. ВНИИЖТ, 1982. - Вып. 662. - С. 53-77]. Причини, які перешкоджають одержанню прототипом необхідного технічного результату полягають у наступному: аналіз динаміки інтенсивності пасажиропотоків по місяцях року свідчить про наявність коливань, що обумовлені впливом сезонного фактору (літні перевезення, святкові дні, канікули), а також ефектом вихідного дня; аналіз величини наповненості поїздів по місяцях року доводить наявність тенденції, коли даний показник є меншим за прийнятий граничний показник у 80 %, тобто не забезпечується необхідний рівень рентабельності пасажирських перевезень і це вказує, що діюча система організації пасажирських перевезень не є достатньо адаптивною до сучасних вимог транспортного ринку. В основу корисної моделі поставлена задача удосконалення експлуатації елементів системи залізничних пасажирських перевезень на основі комплексу моделей прогнозування і планування, що дозволяють синхронізувати процес формування пасажиропотоків по параметрам і структурі з процесом утворення составів на ПТС, яка дозволяє перерозподілити робочий парк пасажирських вагонів за рахунок вивільнення малонаповнених вагонів і використання їх на напрямках з більш потужним пасажиропотоком, що в свою чергу сприяє вивільненню в середньому до 8 % робочого парку пасажирських вагонів, при цьому загальна економія річних експлуатаційних витрат складе 3,5 % від існуючих, собівартість одного відправленого пасажира зменшиться на 3,47 %. До суттєвих ознак, які характеризують корисну модель, слід віднести: розроблений спосіб експлуатації системи залізничних пасажирських перевезень надає можливість синхронізувати процес формування пасажиропотоків по параметрам і структурі з процесом утворення составів на ПТС, що дозволяє перерозподілити робочий парк пасажирських вагонів за рахунок вивільнення малонаповнених вагонів і використання їх на напрямках з більш потужним пасажиропотоком; для оперативного прогнозування пасажиропотоків розроблено модель на основі нечітко-нейро-генетичного моделювання, що дозволяє на відміну від існуючих, враховувати фактор послідовності днів тижня у періоді прогнозування відповідно вибраному сезону, надає властивості самонавчання та забезпечує похибку прогнозування не більше 3-4 %; для підвищення якості оперативного планування формалізовано процес визначення регулювальних заходів щодо встановлення строків курсування пасажирських поїздів і внесення оперативних змін до схем їх формування відповідно існуючого попиту на перевезення на основі розробки модуля регулювання утворення составів з використанням нечіткого логічного висновку; реалізація більшості кроків процесу прогнозування в автоматичному режимі з можливістю безпосереднього прогнозу добового пасажиропотоку з перспективою на п'ять діб на основі методики прогнозування за віддаленим горизонтом. 63409 4 Причинно-наслідковий зв'язок між сукупністю ознак, що заявляються, та технічним результатом полягає у наступному: розроблений спосіб експлуатації системи залізничних пасажирських перевезень дозволяє вивільнити в середньому до 8 % робочого парку пасажирських вагонів, при цьому загальна економія річних експлуатаційних витрат складе 3,5 % від існуючих, собівартість одного відправленого пасажира зменшиться на 3,47 %. Суть запропонованої корисної моделі пояснюється кресленнями. На фіг. 1 зображено орієнтований граф G  ( X,F) . При цьому вершини графа - це запропоновані нейро-нечіткі мережі прогнозування, що навчені на вибірці даних окремого типу дня тижня та сезону року, тобто: F1, - модель після вихідного дня або свята; F2,1 F2,2 F2,3 - моделі, що відповідають відповідно першому, другому та третьому дню середини тижня; F3 - модель перед вихідного дня або свята; F4,1 F4,2 F4,3 - моделі вихідного дня відповідно до їх послідовності. На фіг. 2 - загальна структура моделі. На фіг. 3 - функціональна схема оперативного регулювання утворення составів. Розроблено спосіб експлуатації елементів системи залізничних пасажирських перевезень на основі комплексу моделей, що, послідовно реалізують процес прогнозування пасажиропотоків, визначення регулювальних заходів відносно строків курсування пасажирських поїздів і внесення оперативних змін до схем їх формування з проведенням розрахунку раціональної композиції составів. Для формалізації факторів невизначеності тенденції зміни попиту на перевезення розроблено гібридну модель оперативного прогнозування пасажиропотоків із застосуванням методики здобуття знань з експериментальних даних на основі нечітко-нейро-генетичного моделювання, що дозволяє виконувати прогноз добового пасажиропотоку з перспективою на п'ять днів та можливістю врахування послідовності типу днів тижня відповідно до сезону року в періоді прогнозування. Доведено, що запропонований алгоритм прогнозування стійкий до неточностей вхідної інформації та забезпечує похибку не більше 3-4 %. Вхідною інформацією для проведення прогнозування є часовий ряд щодобових даних кількості перевезених пасажирів на напрямку, що складається з d значень ряду в послідовні моменти часу Xt d  ( Xt 1,..., Xt d ) , де d - глибина занурення відповідає тижневій періодичності. Виходячи з вибраних підходів побудови прогнозної моделі інтервал прогнозування встановлюється за принципом віддаленого горизонту. Практичне застосування теорії нечітких множин передбачає представлення кількісних значень ____ вхідних змінних моделі xi , i  1 4 у вигляді лінгві, стичних змінних (ЛЗ), внаслідок чого втрачається точність, проте отримується пристосованість до невизначених умов задачі прогнозування пасажиропотоків, що характеризується нечіткістю вхідної 5 63409 інформації, неможливістю достовірного визначення попиту пасажирів та високим рівнем невизначеності параметрів та структури пасажиропотоків. Виходячи з цього, для гнучкого опису можливого спектру обсягів пасажиропотоків ЛЗ Ni ,- оцінені з ___ 6 Ch  (C1C2C3C4 ) , де 1 C використанням п'яти якісних термів Tip , p  1 l із , наступної терм-множини Ti {низький, нижчий за середнє, середній, вищий за середнє, високий}, Tip  Ti , де кожен терм Tip описується нечіткою ~ множиною де ~ xi  Ti , Cp  {Cp ( xi ) / xi } , j j ~ Cp : Xi  [0,1] - функція приналежності (ФП), що є j кривою Гауса  ~ p  exp[(xi  bp / cp ] , де xi - елеi i C j мент універсальної множини; b p - координата маi ксимуму функції; c p - коефіцієнт концентрації фунi ~ кції, xi  Xi , Cp  Xi . j Застосування генетичних обчислень дозволяє спроектувати базу правил на основі нечіткого логічного висновку типу Такагі-Суджено, що дозволяє більш гнучко описати можливий спектр об'ємів перевезень, а також зменшити похибку апроксимації тимчасового ряду в умовах різких коливань пасажиропотоків. Множина правил представляє собою нечітку базу правил R , в якій нечітке пра_____ _____ вило rk , k  1 N для змінних xi, i  1 n можна , , представити як логічну комбінацію в наступному вигляді k k r k , ЯКЩО x1  F1 ( x1)  ...  xn  Fn ( xn ), коефіцієнти та вільною складовою параметри ФП, висновків відповідних правил, _____ за прямим способом, g  1 L , C4  (k ) - моде, лювання згідно прямого виконання виду логічного зв'язування, k  12 , де 1 - операція кон'юнкції "та"; , 2 - операція диз'юнкції "або". Заданою мірою якості для RGA є функція пристосованості, що забезпечує мінімальне відхилення між теоретичними і експериментальними результатами моделювання на навчальній вибірці (RMSE). З метою пристосування прогнозної моделі до динамічного характеру розвитку процесу формування пасажиропотоків необхідним є проведення "тонкої" настройки змінних параметрів мережі на основі алгоритму донавчання, що базується на комбінації градієнтного спуску у вигляді алгоритму зворотного розповсюдження помилки і методу найменших квадратів. Для формалізації процесу прийняття рішень щодо призначення і відміни додаткових пасажирських поїздів і причіпних вагонів розроблено нечіткий модуль регулювання з двома входами та одним дискретним виходом, що має вигляд R1 : ЯКЩО G1  A ij ) та G2  Bij , ТО dk  Ck , [ wi ] k ; w  [0,1] вага правила;  - операція логічного зв'язування: та, або. Запропонована база правил описує складні залежності формування пасажиропотоків і представлена у вигляді функціонально еквівалентної структури адаптивної нейро-нечіткої системи висновків (ANFIS), що дозволяє покращити точність прогнозування на основі механізму донавчання в процесі роботи. Для підвищення швидкості та точності генерування структури нейроподібної мережі розроблено процедуру навчання моделі прогнозування на основі самоорганізації з використанням генетичного алгоритму з дійсним кодуванням (англ.: Real-coded Genetic Algorithm, RGA). Для реалізації генетичного моделювання набір параметрів моделі представлено у формі хромосоми фіксованої довжини Ch, що складається з чотирьох частин C; , k  1 N ; C3  (12,...,g) - моделювання зміни по, ложення елементів терм-множини в умові правил (3) ІНАКШЕ j pk 0 хромосоми _____ Ri : ЯКЩО… ТО…. кожного правила з відповідними коефіцієнтами k p1 ,…, p k n номер p p  (b11, c11,...,bp , cp ) nl n nl n k g - загальна кількість термів; C2  (pk , p1 ,...,pk ) 0 n де Fik - нечіткий терм з ФП k p ( xi ) ; y k - вихід ~ C _____ h  1K , li - кількість термів змінної xi, l1  l2 ,...,ln  g , (1) k ТО yk  pk  p1 x1  ...  pk xn, [ wk ], 0 n (2) де R1 - номер нечіткого правила; G1 - ЛЗ "Припустимі темпи - зміни пасажиропотоку" з визначенням наступної терм-множини T1 {"від'ємно високі" (ВВ), "від'ємно низькі" (ВН), "незначні" (Н), "додатньо низькі" (ДН), "додатньо високі" (ДВ)}; G2 - ЛЗ "Коефіцієнт використання місткості пасажирських поїздів" з терм-множиною T2 {"нижче мінімального" (НМ), "оптимальне" (О), "вище максимального" (ВМ)}; "та" - операція логічного зв'язування; A ij , B ij , Ck - нечіткі множини, що визначені на універсумах A i ( x ), Bi ( y ),..., Di (d) , U, V, _____ i  1M , , W з ФП відповідно; i w  [0,1] - вага правила, що характеризує ступінь впевненості; Ck - нечіткі терми вихідної ЛЗ, що відповідають рівням прийняття рішень dk , 7 63409 ____ k  17 : d1 - не змінювати розмірів, пасажирсько, го руху та кількості запропонованих місць у поїздах; d1 - зменшити кількість місць у поїздах; d3 збільшити кількість місць у поїздах; d4 - відмінити додатковий поїзд; d5 - призначити додатковий поїзд; d6 - скасувати додатковий поїзд із одночасним збільшенням місткості поїздів, що залишилися в обігу; d7 - призначити додатковий поїзд із одно 8 часним зменшенням кількості запропонованих місць у поїздах, що перебувають в обігу. Процес роботи нечіткого модуля заснований на нечіткому алгоритмі висновків за max-min принципом. Для визначення чіткої відповідності отриманого рішення до одного з рівнів прийняття управляючої дії використано метод "центру максимумів". Для реалізації управляючих дій по призначенню додаткового поїзда розроблена модель раціонального визначення композиції составу поїзда на основі нечіткого програмування, яка має наступний вигляд m F   cixi  min (4) i1 при наступних обмеженнях ____  m ~ , { iji xi  A j ( t )}   j, j  1 n  i1 {  x  ~ ( t )}   , j  ij i i aij  m  lixi  Lmax , xi  Ri, i1  _____  ,  j  [0,1], xi  ціле, x  X (i  1 m )  де i - тип вагону робочого парку; m - кількість вагонів різного типу; ci - експлуатаційні витрати, що виникають при використанні вагону і-го типу; xi - кількість пасажирських вагонів і-го типу; ~ , ~   позначає нечітке відношення;  - нечітка міра; i  U  [0,1] - рівні нечіткості (припустимі межі освоєння пасажиропотоку, 0,8-0,9); j - рівень нечіткості; n - кількість рівнів нечіткості; ij - мінімальний рівень населеності вагону і-го типу відповідно до j-гo рівня нечіткості, що відображає задану рентабельність (при відправленні з головної станції 0,65-0,8, а на маршруті в цілому - 0,6-0,7); i - ве~ личина місткості вагону і-го типу; A ( t ) , ~ ( t ) - проa j ij гнозна кількість пасажирів, відповідно загальна та з розподілом по типам вагонів, які представлені у вигляді дискретних нечітких випадкових величин, що приймають значення ( Xi1,..., Xiin) з ймовірнос тями, (pil,...,piin ) (5) та EA ( t )  exp{[(t  a) / b]2 } , відповідною де Zібр - економія витрат на бригади провідників, що зв'язані з відчепленням вагонів і-го типу; c ібр витрати на введення додаткових бригад провідни a   piai ФП та i1 n b   pibi , якщо ( X1,..., Xn ) є мінізв'язними нечіткиi1 ми нормальними змінними з параметрами (a1, b2 ),...,(an, bn ) ; li - розрахункова довжина вагону і-го типу; Lmax - максимально можлива довжина поїзду на напрямку; Ri - кількість вагонів і-го типу робочого парку; В межах вирішення задачі визначення раціональної композиції составу поїзда в умовах переформування на станціях приписки з метою зменшення або збільшення кількості місць у поїзді запропоновано критерій доцільності переформування состава, що виходить із умови  iDixi   iZixi   iZібрxi  icібрxi  ieixi  ieпер xi   ieпер xi , і і де Di - доходи, що будуть одержані від перевезення пасажирів у і-му типі вагону, що причіпляється до состава; Zi - економія експлуатаційних витрат за рахунок відчеплення вагона і-гo типу; n (6) ків при причепленні вагонів і-го типу; ei - експлуатаційні витрати на введення до схеми формування вагонів і -го типу; eпер - витрати на маневрову і роботу при виконанні перестановки одного або декількох типів вагонів на інші; i , i - одиничні функції Хевісайда, які моделюють відповідно варіант відчеплення та причеплення вагону і -го типу 9 1 якщо ri  xi  0, 1 якщо xi  ri  0, , , , (7) i   i   0, якщо ri  xi  0, 0, якщо xi  ri  0,   де ri - початкова кількість вагонів і-го типу на момент проведення розрахунків, яку можливо відчепити від составу без врахування вагонів ядра 63409 10 Розроблений спосіб експлуатації системи залізничних пасажирських перевезень має технічний результат, який дозволяє вивільнити в середньому до 8 % робочого парку пасажирських вагонів, при цьому загальна економія річних експлуатаційних витрат складе 3,5 % від існуючих, собівартість одного відправленого пасажира зменшиться на 3,47 %. min  ri  rimax . поїзду, тобто ri Комп’ютерна верстка Л.Литвиненко Підписне Тираж 23 прим. Державна служба інтелектуальної власності України, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601