زمان‌بندی دو هدفه امکانی استوار خطوط مترو در حالت رد- توقف

در شرایط اختلال مترو پنجره‌ی زمانی و زمان‌بندی از پیش صورت گرفته پاسخگوی عملیات نمی‌باشد به‌خصوص زمانی که تعداد مسافران زیادی در ایستگاه‌ها باشند. وقتی‌که اختلال و شلوغی به حد بالایی برسد ممکن است در زمان برنامه ریزی مجدد پنجره زمانی، قطارها باید از برخی از ایستگاه رد شوند و توقفی نداشته باشند که این کار باعث افزایش سرعت گردش قطارها و کاهش تعداد مسافران باقی‌مانده در ایستگاه‌ها می‌شود. با توجه به پر ازدحام بودن و جریان مسافرین (عابران) وابسته به زمان، این پژوهش قصد دارد مدلی بهینه برای زمان‌بندی مجدد خطوط مترو ارائه جهت کاهش زمان سفر مسافران و کاهش مصرف انرژی کند. در زمان بندی مترو جدا از فاصله زمانی میان ورود دو قطار متوالی به ایستگاه‌ها، متغیرهایی مانند مدت زمان شتاب گیری قطارها در شروع حرکت بین دو ایستگاه، اندازه شتاب حرکت آنها مدت زمان ترمز گرفتن آنها در پایان حرکت بین دو ایستگاه، اندازه شتاب آنها در هنگام ترمز و مدت زمان توقف آن‌ها در ایستگاه‌ها، تاثیر زیادی در معیارهای زمان بندی مترو مانند انرژی مصرف شده و زمان سفر مسافران دارد. برای رسیدن به توازن بین اعتبار نظری (تئوری) و راحتی محاسبات مدل بهینه تجویزشده است. نمونه‌های عددی بر اساس داده‌های مترو پکن و تهران صورت گرفته و نتیجه‌ی آن کارایی و مفید بودن روش پیشنهادی را نشان می‌دهد. نتایج به دست آمده 4 درصد بهبود در زمان‌بندی و کاهش زمان مسافران را نشان می‌دهد. برای برخورد با عدم قطعیت پارامترهای مسئله از رویکردهای مختلف برنامه‌ریزی امکانی استوار استفاده‌ شده است. رویکردهای مختلف برنامه‌ریزی امکانی استوار به سه گروه برنامه‌ریزی امکانی بدبینانه سخت، برنامه‌ریزی امکانی بدبینانه نرم و برنامه‌ریزی امکانی واقع‌گرایانه تقسیم‌بندی می‌شوند. با حل مثال عددی مقدار تابع هدف آرمانی مسئله در رویکردهای مختلف مقایسه می‌شود. نتایج اعتبارسنجی عملکرد و کارایی مدل‌های امکانی استوار را اثبات می‌کند.

a bi objective robust possibilistic programming metro timetabling based on skip-stop strategy

in the case of a metro disruption, the planned timetable cannot be operated and a large number of passengers are left stranded in the stations. when the disruption is over, some stations may be skipped in the recovery period, which speeds up the circulation of trains and makes the number of stranded passengers reduce faster. considering an over- crowded and time-dependent passenger flow, this paper proposes an optimization model to reschedule a metro line. to achieve a balance between theoretical validity and compu- tational convenience, the optimization model is decomposed, and an iterative algorithm is proposed to solve the model. numerical experiments based on the beijing metro are carried out, the results of which verify the effectiveness and efficiency of our method. we used different types of robust possibilistic programming (rpp) approaches for coping with uncertain parameters and multi-choice goal programming for solving multi-objective problem. robust possibilistic approaches can be classified into three groups: hard worst case robust programming, soft worst case robust programming and realistic robust programming. by solving numerical example the value of goal programming objective function is compared in different approaches. evalution results illustrate the performance and applicability of the rpp models.