Формування моделі управління процесом просування поїздопотоків в умовах стабілізації обігу вантажного вагону Текст научной статьи по специальности «Экономика и бизнес»

ЛАВРУХШ О.В. , доцент (УкрДАЗТ); ШАПКА М О. , мапстр (УкрДАЗТ).

Формування моделi управлiння процесом просування поУздопотоюв в умовах стабiлiзацil обiгу вантажного вагону

Актуальшсть теми

На даний момент постае питання зменшення значного числа перев1зних за-соб1в при збереженш обсяпв роботи. Для рацюнал1зацп використання вагонного парку, покращення яюсних та кшькюних показниюв роботи станцш необхщно на-магатися зменшувати, вс1ма можливими способами, час об1гу вантажного вагону шляхом дотримання встановлених техно-лопчними нормативами значень.

В умовах ринку транспортних пос-луг необхщно придшяти бшьше уваги щодо якюного обслуговування кожного кл1ента. Для пщтримки конкурентоспро-можност зал1зниць, заохочування нових кл1ент1в необхщно впроваджувати нов1 технологи !х щодо покращення використання техшчних засоб1в транспорту шляхом впровадження шформацшно-керуючих систем.

Якють роботи пщроздшв зал1знич-ного транспорту в значному ступеню за-лежить вщ виконання одного з основних яюсних показниюв - об1гу вантажного вагону. Одшею з основних задач експлуа-таци е приведення значення об1гу вагону до нормативних значень встановлених те-хшчними нормативами. Вир1шення дано! задач1 повинно базуватися на широкомасштабному застосуванш передових технологий в галуз1 обчислювально! техшки за-вдяки яким може бути досягнуто най-бшьш швидке реагування на змшу показ-ниюв в динамщ1.

Таким чином одним з вар1ант1в ви-р1шення поставлено! задач1 е прогнозу-вання значення об1гу вагону на плановий перюд з метою виявлення можливих його вщхилень протягом визначеного штерва-

лу часу. На основ1 даного прогнозу необхщно розробляти оперативш заходи, яю будуть спрямоваш на зменшення або л1к-вщащю вщхилень нормативних значень об1гу вагошв вщ реального. Це може бути досягнуто шляхом диференщюванню в пропуску по!зд1в р1зних категорш в зале-жност вщ структури вагонопотоку. Вирь шення зазначено! задач1 може бути реаль зовано при впровадженш автоматизова-них систем пщтримки прийняття р1шень з елементами штучного штелекту.

Р1шення зазначено! задач1 мае важ-ливе народногосподарче значення, оскшь-ки дозволяе бшьш аргументовано вир1шу-вати питання пропуску по!зд1в по дшьни-цях умови зменшення експлуатацшних витрат та покращення показниюв роботи. Згщно з цим необхщно формал1зувати процеси прогнозування об1гу вантажного вагону по категор1ям 1 пщроздшам зал1з-нищ, а також побудувати модель автома-тизовано! системи пщтримки прийняття р1шення оперативним персоналом щодо вар1ант1в пропуску по!зд1в по дшьницях.

Анал1з статистики 1 визначення основних критерй'в модел1

Виходячи з показниюв експлуатаци зашзнично! мереж Украши, зашзнищ ма-ють певш резерви часу об1гу вагона. Якщо прийняти повний час об1гу за 100%, то 4045% цього часу вагон знаходиться на техшчних станщях , 30-35% - на станщях де виконуються вантажш операци 1 тшьки 2025 часу за об1г вагон знаходиться на дшь-ницях, причому в чистому рус (за винят-ком стоянок по!зд1в на пром1жних станщ-ях) - б1ля 15-20%. Звщси виходить, що основы резерви для прискорення об1гу ваго-

на заключаються в покрашеннi роботи за-лiзничних станцiй та дiльниць [1].

Скорочення часу об^у вагона може бути одержано за рахунок зменшення по-вного рейсу вагона, тдвищення техшчно'1 швидкосп, зниження кiлькостi тривалосп зупинок на промiжних станцiях, часу простою тд технiчними та вантажними опе-рацiями, пiдвищення вщсташ пробiгу поь здiв без техшчного огляду [1].

В даному випадку задача скорочення часу об^у вантажного вагона повинна ви-рiшуватися в декшька етапiв: на першому виконусться оперативний аналiз певно'1 категорп об^у вантажного вагона з вияв-ленням (прогнозуванням) вiдхилень вiд нормативного об^у у бiк збiльшення або зменшення; на другому етат необхiдно виконувати оперативне корегування ваго-но- i по'1'здопотоюв для лшвщацп збшь-шення часу на обiг.

У якосп критерпв рацiонального управлiння по'1'зною роботою у межах ди-рекцп пао залiзничним перевезенням (ДН) пропонуеться наступна сукупнiсть критерпв якосп управлiння фiзичною основою яких е дотримання нормативного об^у для вах категорiй вантажних вагонiв за перюд оперативного планування, тобто за добу:

- для мюцевих вагонiв

24

Сш = { \ЯМ - Ям ф ^ 0, (1)

де ЯН - нормативне значення об^у по-рожнього вагону (зпдно технiчних норма-тивiв);

Я„ (Т) - розрахункове (прогнозне) пото-чне значення обiгу порожнього вагону. - для транзитного вагону

24

Сзи, = {\я:Р - ятР (фт ^ о, (3)

де ЯНР - нормативне значення об^у

транзитного вагону (згiдно техшчних но-рмативiв);

Я^ (т) - розрахункове (прогнозне) по-

точне значення об^у транзитного вагону. - для навантаженого вагону

24

Снв = Цяа - (т)^ ^ о, (4)

де Яше - нормативне значення об^у навантаженого вагону (зпдно техшчних нормативiв);

ЯтР (Т) - розрахункове (прогнозне)

поточне значення об^у навантаженого вагону.

Для ощнки якостi управлiння по'1'з-допотоками на пол^онах ДН вцiлому сформовано суперкритерш в адитивнiй формi:

де ЯН - нормативне значення об^у мюцевого вагону (згiдно технiчних нор-мативiв);

Я (Т) - розрахункове (прогнозне)

поточне значення об^у мюцевого вагону. - для порожнього вагону

24

с2п = \\я: - яп (тр ^ о, (2)

с = С ^ С ^ о,

(5)

1=1

Пiсля того як було сформовано суперкритерш для ощнки якосп управлшня по'1'здопотоками на полiгонах ДН, постае задача визначення елемешив Я (Т), Я„ (Т),

Ятр (Т).

Розглянемо можливють вирiшення задачi розробки моделей, якi дозволяють визначити та спрогнозувати об^ вантажних вагошв з урахуванням iснуючого оперативного та змшно-добового плану рiвня

о

о

о

о

залiзницi (визначення елементiв ^ ),

^ О) , Qтр О) , Qтр О) ) 3 вик0РиСтанням математичного апарату нейронних мереж.

Побудова моделi аналiзу виконання обiгу вантажних вагошв дирекцп базуеть-ся на аналiзi статистичних i динамiчних даних по виконанню якiсних показникiв роботи i 1'хшх елементiв.

Формування модел1 оперативного визначення часу об1гу вантажного вагону

X.

X.

Побудова моделi прогнозу виконання об^у вантажних вагонiв по ДН та заль зницi в цiлому повинна базуватися на ана-лiзi статистичних i динамiчних даних що-до виконання якюних показникiв роботи та 1'х елементiв.

Як вiдзначено в [2, 3], будь-яку без-перервну функщю вiд п змiнних можна точно реалiзувати за допомогою триша-рово'1' нейронно'1' мереж (рис. 1):

Шар 2

X Ы(3)

X,

хг

Шар 3

У

де ^,х2,,...,хп - вхщний шар (вiдповiдае вхiдним параметрам)

Рис. 1. - Тришарова нейронна мережа прогнозування об^у вантажного вагону

При навчанш дано'1' мереж доцiльно використовувати алгоритм навчання з вчителем, тому що вiдомi як вхщш так i вихiднi вектори мережг З аналiзу статистичних даних доцшьно обирати значення елементiв об^у вагона за визначений пе-рюд i безпосередне значення самого об^у вагона. Тобто, iснують пари вхщ+вихщ -вiдомi умови задачi i рiшення. У процесi навчання мережа змшюе сво'1' параметри й вчиться давати потрiбне вiдображення Х—»У, тобто при наданш вхщного вектору даних, якi характеризують об^ певно'1' ка-тегорп вагона послщовно надаеться вщ-повiдне бажане його значення для цих па-раметрiв. Для цього необхiдно задати

множину пар векторiв Х, ($р\ Р = 1. Р,

де {хР}= {х,...,хР\ - формалiзована умова

задачi (набiр статистичних даних вхщних параметрiв, якi характеризують об^ певно'1 категорп вагона), а = -

вiдоме рiшення для ща умови, тобто ба-жаш його значення для обраних парамет-рiв. Сукупнiсть пар {хР,складае на-

вчальну множина. Р - кшькють елементiв у навчальнш множинi.

Згiдно розглянутих категорiй об^у вантажного вагона необхiдно сформувати вхщш вектори. Причому в даному випад-ку доцшьно побудувати нейронш мереж для визначення прогнозного часу для транзитного, мюцевого та порожнього вагошв оскшьки обiг вантажного вагона бшь-шим чином е звггним показником, який формуеться з перших двох зазначених ка-тегорш.

Таким чином вхщними параметрами для розрахунку прогнозного значення обь гу транзитних вагонiв будуть параметри

зазначенi в (2.9), а саме: пРр1, пРр 2,

Бр

тр '

Вибiр зазначених параметрiв грунту-еться на наявностi в них ознак оператив-ностi елементiв об^у транзитного вагону. Таким чином розробивши нейронну мережу, яка буде навчена на наборi зазначених елемешив у подальшому буде одержано можливють прогнозувати значення об^у транзитного вагону на передпланову добу при завданш вхiдного вектора (6).

В даному випадку задача вщобра-ження <вхщ-вихщ> мае наступний вигляд

тр1'

тр 2'

{<*} = {■

{<р 2} = {п! Гср ) = Ге1

\ тр) \ тр'' '

-- {я1 яр}

I ^тр 5' "5 ^тр I

тр1 1

, п

тр 2 |

?Р I

' °тр |

> ^

{ЯРр}

,(6)

Тобто

{П1тр1 }

^тр 2 } ^ 1тр } .

У ^

{я!р}

(7)

Для навчання нейронно'1 мереж не-обхiдно передбачити надходження зазначених у векторi (2.35) даних з АСК ВП УЗ.

Як i попередньому випадку вхiдний вектор для визначення обiгу мюцевого вагона буде сформовано з параметрiв пр1, , ¡р. Вiдображення <вхiд-вихiд>

п

м 2 '

мае наступний вид

{<1} = {п1м1,-, <1}

{пМ2 } = {пМ2 ' <2.

(^Р } = ^м >•"> ^М } (т р} = (т1 т р}

Ля1 яр}

> ^

(ЯР }:

, (8)

Тобто

К } (м}

Ы Яр}.

у ^

(ям },

(9)

Як й у випадку з об^ом транзитного вагона для навчання нейронно'1 мережi не-обхiдно передбачити надходження зазначених у векторi даних з АСК ВП УЗ.

Вектор <вхщ> для визначення об^у порожнього вагона повинен мютити набiр

наступних параметрiв: пр , 8Р

к

тр ' пм '

Таким чином вектор <вхщ-вихщ> мае вигляд:

(пр } = (пП ,•••, пр }

sp}

(кпм } = (кпм ' •••' Кпм

= {Я!,..., ЯР}

у ^

{Япр}

(2.38)

тобто

V. Г й}

(кпм}

> ^

(Я1},

(2.39)

Як й у перших двох випадках для навчання нейронно! мережi необхщно передбачити надходження зазначених у век-торi даних з АСК ВП УЗ.

<

Формування вхщного вектору для o6iry навантаженого вагону в даному ви-падку не е доцiльним оскiльки даний по-казник носить характеристику званого i використовуеться в основному для облшу.

Даний показник, як правило, характеризуе усереднений обiг транзитного та мюцево-го вагонiв.

Iлюстрацiю процесу навчання ней-ронно'' мережi наведено на рис. 2.

Рис.2. - Процес навчання нейронно'' мережi

На основi статистичних даних отри-маних на пол^онах Квденно'' залiзницi за перюд 1997-2007 рр. було вщповщно до розроблено'' динамiчноï моделi прогнозу-вання проведено моделювання роботи сформовано'1 нейронно'1' мережъ Вихщни-ми даними був динамiчний ряд значень об^у вантажного вагону по мiсяцях в межах залiзницi.

Результати моделювання у виглядi прогнозно'1 залежностi в порiвняннi з реа-льними значеннями загального об^у ва-гонiв наведено на рис. 3.

Отримаш залежност дозволяють оцiнити внутрiшню адекватнiсть моделi прогнозування, що кiлькiсно оцiнюе точ-нiсть розрахункiв. Пiдтвердженням цього е той факт, що похибка прогнозування А (рис. 2.7) коливаеться в межах до 6%, що е задовшьним для задач такого класу. Значення похибки у таких межах обумовлено структурою модел^ яка враховуе практично весь спектр факторiв, що характери-зуе структуру по'1'здо- та вагонопотоюв та значним перюдом (5 роюв) навчання.

4,40"

3,46-

Середньомкячне реальне виконання обЬу вагона без застосування стабшзацшних заход1в (дМя 1)

Прогнозне добове значення обЬу вагона при застосуванш нейронно' мереж1 (лщя 2)

й

ю

о

«

3 —

2 __

Плановий показник значення о6iгy вагона (лiнiя 3)

I I I I I I I I I I I I I I I I I I I I I I I I I I I I I \w

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Рис. 3. - Результати прогнозування загального об^у у порiвняннi з реальними

значеннями об^у.

0

Вщповщно до запропонованого су-перкритерiю (5) та сформованох нейроннох мережi постае задача розробки модел^ що е основою для СППР на АРМ ДНЦ, яка вiдтворюе та враховуе прiоритетнiсть у просуваннi по'здопотоюв, та забезпечуе в цих умовах прогнозування реального поточного значення об^у вагошв Я(Т) .

Висновки

В результат! моделювання було роз-роблено математичну модель системи тд-тримки прийняття рiшень, яка надасть можливосп, при промисловому впрова-дженш, оперативному апарату дирекцiй по залiзничним перевезенням (по!'зш дис-петчери) виконувати основш показники технiчного нормування (об^ вантажного вагону) на основi обгрунтованих рiшень щодо пропуску по'здопотоюв. Також за-пропонована модель динамiчного аналiзу значення обiгу вантажного вагону надае можливосп щодо прогнозування вщхи-лень вщ його нормативних значень, за-вдяки чому оперативний персонал дирек-цш може прийняти завчасних заходiв для лшвщацп вузьких мiсць при виконанш по'1зно'1 роботи. Запропонована модель динамiчного аналiзу значення обiгу вантажного вагону надае можливосп скоро-тити вщхилення нормативного обiгу вантажного вагону в межах 20%.

Список використаних джерел

1. Макаренко М.В. Краткий справочник показателей эксплуатационной работы железных дорог Украины. -К.: «Юникон-Пресс», 2001. - 154 с.

2. Струнков Т. Думал ли Гильберт о нейронных сетях? PC Week RE 13/99 / Струнков Т. http://neuroproject.ru/hilbert.php http://matlab.exponenta.ru/i ndex.php

3. Доценко Ю.В. Розробка ма-тематично1 моделi оптимального викорис-тання техшчних засобiв залiзницi на осно-вi теорп нейронних мереж / Ю.В. Доценко // Схщно-Свропейський журнал передо-вих технологш 2005. - 6/2 (18). - С. 37-39.

Анотацн:

У статп розглянуп питання удосконалення експлуатацшно! роботи на зад1зничному транспор-п шляхом впровадження математичних моделей з можливютю самонавчання.

В статье рассмотрены вопросы усовершенствования эксплуатационной работы на железнодорожном транспорте путем внедрения математических моделей с возможностью самообучения

The questions of improvements of rail-freight operation by introducing the mathematical models with possibility of self-training were considereded in the article.