پژوهشنامه حمل و نقل

پژوهشنامه حمل و نقل

طراحی مدل زمانبندی حرکت قطار برای حداقل‌سازی زمان سفر مسافر با درنظر گرفتن عدم قطعیت (مطالعه موردی: متروی تهران)

نوع مقاله : مقاله پژوهشی

نویسندگان
زینب حاجی زمانی 1
حامد آشنایی 2
هادی صاحبی 3
1 دانشجوی دکتری، دانشکده مدیریت، اقتصاد و مهندسی پیشرفت، دانشگاه علم و صنعت ایران، تهران، ایران
2 دانشجوی کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
3 دانشیار، دانشکده مهندسی صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
10.22034/tri.2021.259577.2841
چکیده
تعیین زمان توقف ورود در سیستم مترو یکی از مسائل مهم در بهینه‌سازی جدول زمان‌بندی قطارها است. یک جدول زمان‌بندی مناسب باعث می‌شود که قطارها و منابع به شکل مؤثرتری عمل کنند و در نتیجه زمان انتظار مسافران کاهش یابد. این مقاله یک مدل بهینه‌سازی جدول زمان‌بندی را برای کاهش زمان سفر مسافران پیشنهاد می‌دهد. در این مدل، حرکت قطار بین دو ایستگاه به سه مرحله تقسیم شده است: مرحله شتاب‌گیری، مرحله حرکت با سرعت ثابت و مرحله ترمزگیری که برای زمان حرکت در این سه مرحله از اعداد تصادفی استفاده می‌شود، زیرا قطارها همیشه در ایستگاه‌های شلوغ تأخیرهای تصادفی دارند. در ابتدا، ما یک مدل برنامه‌ریزی صحیح تصادفی با فاصله و زمان توقف فرموله می‌کنیم. سپس، رویکرد برنامه‌ریزی نامشخص مبتنی بر سناریو برای ساده‌سازی استفاده می‌شود. در نهایت، مثال‌های عددی برای سیستم متروی تهران انجام می‌شود. الگوریتم ژنتیک برای یافتن راه‌حل بهینه مدل استفاده می‌شود. نتایج نشان می‌دهد که این مدل می‌تواند زمان انتظار مسافران را در مقایسه با جدول زمان‌بندی فعلی کاهش دهد.
کلیدواژه‌ها
زمانبندی حرکت
سیستم متروی تهران
کاهش زمان انتظار
الگوریتم ژنتیک

موضوعات

عنوان مقاله English

A Stochastic Train Timetabling Mathematical Model to Minimize the Passengers Travel Time (Case Study: Tehran Metro)

نویسندگان English

Zeinab Hajizamani 1
Hamed Ashenaei 2
Hadi Sahebi 3
1 Ph.D., Student, School of Management, Economics and Progress Engineering, Iran University of Science and Technology, Tehran, Iran.
2 M.Sc. Student, School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
3 Associate Professor, School of Industrial Engineering, Iran University of Science and Technology, Tehran, Iran.
چکیده English

One of the most significant aspects of train timetable optimization is determining the arrival dwell time in the subway system. A good timetable improves the efficiency of trains and resources, reducing passenger wait times. This study provides a timetable optimization model to reduce passenger journey time. In this model, train movement between two stations is divided into three phases: accelerating, coasting, and breaking, with random numbers used for running duration in each phase due to stochastic delays in crowded stations. First, we develop a stochastic integer programming model that includes headway and dwell time. The Scenario-Based Uncertain Programming Approach is then utilized to simplify. Finally, numerical examples are provided for Tehran's metro system. The model's optimal solution is determined via a genetic algorithm. The results demonstrate that the model can lower the passenger waiting time when compared to the current timetable.

کلیدواژه‌ها English

Subway System
Train Timetabling
Stochastic Optimization
Passenger Travel Time
Genetic Algorithm
-­Amit, I. and D. Goldfarb, (1971). The timetable problem for railways. Developments in Operations Research, 2,
379-387.
- Cacchiani, V., A. Caprara, and P. Toth, (2010). Scheduling extra freight trains on railway networks. Transportation Research Part B: Methodological, 44(2), 215-231.
-Barrena, E., et al., (2014). Exact formulations and algorithm for the train timetabling problem with dynamic demand. Computers & Operations Research, 44, 66-74.
- Farajpour A, Bazeghi P, Bagheri M,  (2017). Idemtifying the factors affecting on service quality & passenger satisfaction in commuter train services. International Journal of Railway Research, Vol 4, No.  57-68.
- Higgins, A., E. Kozan, and L. Ferreira, (1996). Optimal scheduling of trains on a single line track. Transportation Research Part B. Methodological, 30(2), 147-161.
- Ghoseiri, K., F. Szidarovszky, and M.J. Asgharpour, (2004). A multi-objective train scheduling model and solution. Transportation Research Part B. Methodological, 38(10). 927-952.
- Corman, F., et al., (2012). Bi-objective conflict detection and resolution in railway traffic management. Transportation Research Part C. Emerging Technologies, 20(1), 79-94.
-Nachtigall, K., (1994). A branch and cut approach for periodic network programming. Inst. für Mathematik.
-­Najafi S, Moaveni B. (2017). Constrained controller design for real-time delay recovery in metro systems, International Journal of Railway Research, Vol. 4, No 2, 25-32.
-Li, X., et al., (2013). A green train scheduling model and fuzzy multi-objective optimization algorithm. Applied Mathematical Modelling, 37(4), 2063-2073.
- Liebchen, C., (2008). The first optimized railway timetable in practice. Transportation Science, 42(4), 420-435.
- Leung S.C.H., Tsang S.O.S., Ng W.L., Wu Y. (2007). A robust optimization model for multi-site production planning problem in an uncertain environment, European Journal of Operational Research, 181, 224-238
-Semet, Y. and M. Schoenauer (2005). An efficient memetic, permutation-based evolutionary algorithm for real-world train timetabling. in 2005 IEEE Congress on Evolutionary Computation. IEEE.
-Van Breusegem V., Campion G., Bastin G. (1991). Traffic modeling and state feedback control for metro lines, IEEE T, Automate. Contr, 36, (7), 770-784.
-Vansteenwegen, P. and D. Van Oudheusden, (2006). Developing railway timetables which guarantee a better service. European Journal of Operational Research, 173(1), 337-350.
-Yang, X., et al., (2013). A cooperative scheduling model for timetable optimization in subway systems. IEEE Transactions on Intelligent Transportation Systems, 14(1), 438-447.