بازیابی بهنگام جدول زمان بندی یک شبکه مترو با استفاده از کنترل کننده پیش بین و در حضور قیود واقعی

در این مقاله یک مدل گسسته پیشامد بهبود یافته، به منظور مدل کردن تغییرات زمان اعزام نسبت به جدول زمانبندی در سیستم های ریلی (در اینجا مترو) ارائه شده است. در مدل پیشنهادی بر خلاف مدل های پیش بین، با درنظر گرفتن تاثیر تعداد مسافران موجود در هر سکو و تعداد مسافران موجود در هر قطار بر زمان بندی حرکت قطارها و نیز درخواست مسافران برای سفر بین ایستگاه ها، نقش مسافران در زمان های اعزام سیستم ترافیک ریلی به طور کامل در نظر گرفته شده است. در روش پیشنهادی جهت بازیابی جدول زمانبندی، یک تابع هزینه براساس عواملی که موجب نارضایتی مسافران از سرویس دهی سیستم حمل و نقل مترو می شود، در نظر گرفته شده است. همچنین محدودیت هایی از قبیل محدودیت سرعت، محدودیت سرفاصله زمانی به عنوان قیود مهم و غیر قابل چشم پوشی در یک سیستم ترافیک ریلی در مدل سازی در نظر گرفته شده است. در انتها با طراحی کنترل کننده پیش بین، ورودی کنترلی بهینه برای بازیابی جدول زمانبندی حرکت قطارها در حضور قیود موجود در یک شبکه مترو، به دست آمده و به سیستم اعمال شده است. به منظور ارزیابی توانمندیهای روش پیشنهادی، شبیه سازی های لازم بر اساس مشخصات خط 2 متروی تهران انجام و نتایج ارائه شده است.

Real-Time Rescheduling for a Subway Network using Model Predictive Controller by Considering Actual Constraints

In this paper, a new discreteevent model is presented to model the traffic system dynamic. In this model, in spite of previous models, by considering the effect of number of passengers at the platforms and in the trains on scheduling and on the demands for traveling between stations, the role of number of passengers in formulating the departure time is remarked. In this paper, an objective function based on the three main reasons for passengers’ discomforts, such as waiting and travelling discomfort, congestion discomfort, and jitter discomfort are presented. . Also, some limitation related to subway traffic system such as travelling time constraint, headway constraint and number of passengers in the train constraint, are considered as nonnegligible constraints in a railway traffic system. Finally, using a Model Predictive Controller, an optimal controller is designed for rescheduling in the presence of physical constrains. To show the effectiveness of the methodology, simulation is performed by using the specifications of Tehran Metro Line 2.