CC BY
133
ИНТЕЛЛЕКТУАЛЬНЫЕ ТЕХНОЛОГИИ В УПРАВЛЕНИИ ПЕРЕВОЗОЧНЫМ ПРОЦЕССОМ НА ЖЕЛЕЗНОДОРОЖНОМ ТРАНСПОРТЕ
А.Д. Обухов, младший научный сотрудник
Отделение информационных технологий линейного уровня управления перевозками ОАО «НИИАС» (Россия, г. Москва)
Аннотация. Рассмотрены вопросы функционирования железнодорожного транспорта России на современном этапе развития отрасли. Предлагается на основе выделенных факторов, определяющих качество оперативного управления, создание автоматической системы управления работой сортировочной станции с элементами искусственного интеллекта (АСУИ СС). В качестве математического аппарата рекомендуется применение аппарата искусственных нейронных сетей (ИНС) и комплексных имитационных моделей.
Ключевые слова: грузовые перевозки, сортировочная станция, интеллектуальные технологии в управлении, искусственные нейронные сети.
Железнодорожный транспорт по праву считается основой транспортной системы России. От стабильной работы железных дорог зависит благосостояние страны и укрепление международных связей. При этом сама отрасль представляет собой сложно структурированный комплекс технических и технологических объектов [4, 6, 9], управление которыми в настоящее время является важной задачей для обеспечения непрерывной транспортировки грузов и пассажиров.
Примерами систем управления сложными объектами, для которых разрабатываются различные интеллектуальные модели управления [1, 2, 100], являются системы оперативно-диспетчерского управления энергосистемами, воздушным движением, речными портами, а также системы управления и организации железнодорожных перевозок.
Рассматриваемый объект управления представляет собой совокупность источников и пунктов погашения грузопотоков, объединенных единой сетью железных дорог, паромных переправ (Крымский федеральный округ), систем массовой переработки вагонопотоков - технических (сортировочных/участковых) станций. Источниками грузовых потоков служат: пункты погрузки на путях общего/необщего пользования, пункты перевалки с одного вида транспорта на другой, пограничные пунк-
ты, морские и речные порты. К основным элементами железнодорожной сети относятся: блок-участки, перегоны, линии и направления, включая железнодорожные станции, а также системы сигнализации, централизации и блокировки (СЦБ), линии электроснабжения, системы обеспечения тяговыми ресурсами - основные и оборотные депо.
Особая роль в системе управления железнодорожными перевозками отводиться техническим станциям, на которых происходит расформирование/формирование элементов транспортного потока - составов поездов. Для управления таким сложным технико-технологическим объектом диспетчерскому аппарату в режиме реального времени необходимо производить целый ряд сложнейших аналитических расчетов [3, 5] и трудоемких логических операций с целью отыскания единственно рационального варианта продвижения по-ездопотока.
Эффективность работы сортировочной станции в большей степени зависит от качества принимаемых оперативных управляющих решений. В условиях интенсивного и неравномерного движения грузовых поездов по участкам железнодорожной сети, функционирования множества операторов-собственников подвижного состава, а также при ограниченных станционных, маневровых, тяговых и временных
ресурсах актуальна разработка инновационных методов и технологий организации оперативной работы на сортировочных станциях ОАО «РЖД» в автоматизированном режиме. Интеграция всех базовых, информационных элементов станционного сортировочного комплекса должна быть исполнена в модели автоматизированной системы управления сортировочной станцией с элементами искусственного интеллекта (АСУИ СС).
Проведенный анализ использования и функционирования данных АСУ показал, что на практике диспетчерский аппарат станции пользуется набором из 2-4 программ. Перечисленные системы используются не в полном объеме не только по вине оперативных работников, но и из-за их неполной проработки и существенных эргономических недостатков. Также следует отметить неудобство постоянного перехода от системы к системе, что в свою очередь создает дополнительные психофизические нагрузки для лиц принимающих управленческие решения (ЛИР). Научно-практическим решением задачи полного использования существующих информационных систем (ИС), исключения их частичного или полного дублирования и функционирования части из них в изоляции друг от друга является интеграция последних на базе единой информационной платформы интеллектуальной системы управления СС.
В процессе проектирования указанной системы предлагается использовать метод построения интеллектуальных моделей ситуации или сценарного прогнозирования на основе технологических знаний оперативно-диспетчерского персонала сортировочной станции. Согласно выбранного метода соответствующие алгоритмы предсказательного моделирования [13, 14Ошибка! Источник ссылки не найден.] основываются на индуктивном обучении, который представляет собой формализованное выявление аналогов исследуемой ситуации.
Возрастающая ответственность, увеличение психоэмоциональной нагрузки поездного диспетчера при принятии им опе-
ративных и стратегических решений требуют проведения глубоких исследований в направлении развития новых управленческих способов и приемов, обеспечивающих организацию перевозок и безопасность движения на современном уровне. Для повышения эффективности оперативного диспетчерского управления требуется создание систем экспертного уровня, позволяющих передать вычислительной технике функции по обработке больших массивов входной информации от различных линейных источников (дежурных по станции, машинистов, с напольного оборудования) и выдаче рекомендаций в режиме on-line. Для достижения данной цели требуется создание современных методов и средств формирования соответствующих моделей среды управления [7, 8, 11, 12], объектов управления, текущих ситуаций и событий, а также их детальной классификации, порождения решений по управлению, обучению способам принятия решений с учетом всей сложности структуры реальных объектов транспортной системы.
Для достижения поставленных целей предлагается решить ряд задач:
1. Автоматизировать процесс принятия решений по пропуску грузовых и пассажирских поездов по отдельных элементам участка ^ участкам ^ направлениям в нормальном и предаварийном (отставание поезда от графика, задержка производства работ в «окно») режимах.
2. Разработать и повсеместно внедрять интеллектуальные программные комплексы, в которых реализована возможность совершенствования отдельных элементов комплекса в процессе создания и непосредственной эксплуатации на полигонах железных дорог. Данные интеллектуальные системы должны быть адекватно обучаемы специалистами-экспертами. При этом с точки зрения интеллектуального управления технологическим комплексом важным направлением в решении данной задачи является пропорциональное соотношение между априорными и оперативными решениями, а это в свою очередь строго определяется степенью функциональной зависимости от конкретной по-
ездной обстановки, определяемой совокупностью внешних факторов от внешних источников.
Ио мере усложнения зависимости решений от ситуации использование стандартного набора алгоритмов принятия решений становится невозможным из-за проблемы размерности. В этом случае априорное решение задачи оперативного регулирования перевозочного процесса состоит главным образом в разработке модели объекта управления (промежуточной станции, станции и прилегающих к ней перегонов, участка в целом) и определяющей стратегии поиска управляющих решений на разработанной модели. В данном случае моделью является система факторов, аксиом, нормативов и правил для данного объекта управления, на основе которой формируется процесс выработки управляющей команды (воздействия), а именно то, что поездной диспетчер знает о работе своего объекта вне зависимости от ситуационного поля.
В качестве наглядного примера аксиомы может служить утверждение о том, что после перекрытия входного сигнала на станцию грузовой поезд затратит дополнительный временной ресурс после возобновления движения и приема его на свободный станционный путь.
Остается архиважной задача стабилизации режима управления при выходе параметров системы из установленных границ: опоздание пассажирского поезда на предыдущем диспетчерском участке с последующим вводом его в пределы норматив-
ного графика движения; скопление грузовых поездов на станции, предшествующей сортировочной и т.п. Таким образом, задача оперативного планирования заключается в планировании действий - определении последовательности операций, которые необходимо выполнить за определенный временной интервал.
Выводы. Анализ функционирования автоматизированных систем управления на сортировочной станции показал, что в реальных условиях оперативно-диспетчерским персоналом в работе применяются не все системы, ряд из них дублирует друг друга. Определена необходимость перехода на новый информационный уровень функционирования сортировочных станций, а также комплексная разработка и внедрение автоматической системы управления работой сортировочной станцией с элементами искусственного интеллекта. В данной системе одну из ключевых ролей играет блок прогноза, который должен быть построен на основе нейросетевых моделей логически связанных между собой. Необходимо сформулировать вывод о том, что повсеместное внедрение инновационных методов организации перевозочного процесса, в том числе на сортировочных станциях сети на основе нейросетевых технологий позволит увеличить производительность сортировочных систем, повысить уровень безопасности и безаварийности станционных процессов, в конечном итоге - повысить конкурентоспособность железнодорожного транспорта.
Библиографический список
1. Cheok A.D. (National University of Singapore, Department of Electrical Computer Engineering, Singapore) Shiomi S. Combined heuristic knowledge and limited measurement based fuzzy logic antiskid control for railway application // EEE. Trans. Sysc. Man. Cydern C. Appl Rev. (USA) vol. 30. Nov. 2000. (p. 557-568).
2. Fengxiang Qiao, Hai Yand (Dept/ of Civil Eng, Hong Kong Univ. of Sci and Technot, Kowloon, China), Lam W.H.K. intelligent simulation and predictionof traffic flow dispersion // Transp. B. Methodol(UK), vol. 35B. no.9, Nov 2001. (p. 842-863).
3. Ou Hai-tao, Zhang Wen-yuan, Yang Yu-pu, Xu Xiao-ming. Моделирование потока транспорта на автостраде с помощью нейронной сети RBF // J. Shanghai Jiaotong Univ., vol. 34, no. 5, 2000. (p. 665-668). In Chinese.
4. Болле А., Саитто А., Розенберг Е.Н. Новое применение ГНСС в составе перспективной интеллектуальной системы управления железнодорожным транспортом // Интеллектуальные системы на транспорте: материалы I международной научно-практической кон-
ференции «ИнтеллектТранс-2011». - СПб: Петербургский гос. ун-т путей сообщения, 2011. - 448 с.
5. Горелик А.В., Традин Н.А. Модель оценки безопасности систем железнодорожной автоматики по параметрам движения поездов // Наука и техника транспорта. - 2008. - №4.
6. Железнов Д.В. Нейронные сети и прогнозирование размеров движения // Мир транспорта. - 2012. - №4. - С. 114-117.
7. Новиков В.Г. Навигационно-информационные системы на железнодорожном транспорте // Вестник ВНИИЖТ.- 2012. - №4 - С. 49-51.
8. Обухов А.Д. Актуальные вопросы развития информационных технологий на сортировочных станциях // Бюллетень транспортной информации. - 2016. - №5. - C. 13-18.
9. Обухов А.Д. Нейросетевое управление сортировочными станциями // Мир транспорта. - 2016. - Т. 14, №1. - С. 138-147.
10. Обухов А.Д. О проблемах реализации технологии работы сортировочной станции в современных условиях // Электронный научный журнал «Отраслевые аспекты технических наук». - 2014. - Выпуск 6 (42). - С. 29-31.
11. Обухов А.Д. Разработка интеллектуальной системы управления работой сортировочной станцией // Инновации и исследования в транспортном комплексе: Материалы III Международной научно-практической конференции. Часть I (в двух частях) - Курган, 2015. - С. 223-226.
12. Обухов А.Д. Совершенствование технологии работы сортировочных станций в современных условиях на основе факторного анализа // Бюллетень транспортной информации. - 2015. - №1. - C. 28-33.
13. Соснов Д.А., Никандров В.А. Комплексная автоматизация станционных процессов с использованием спутниковой навигации // Железнодорожный транспорт. - 2011. - №9. -С. 48-52.
14. Сотников Е.А. Интеллектуализация оперативного управления перевозочным процессом на уровне региональной дирекции // Железнодорожный транспорт.- 2014. №11. -С. 36-42.
NTELLECTUAL TECHNOLOGIES IN MANAGEMENT THE TRANSPORTATION PROCESS IN RAILWAY TRANSPORT
A.D. Obukhov, junior researcher
Department of information technology linear control traffic (Russia, Moscow)
Abstract. the questions of functioning of railway transport of Russia at the present stage of development of the industry. Is proposed on the basis of the selected factors that determine the quality of operational management, co-building automatic system control the operation of a switchyard with elements of artificial intelligence. As the mathematical apparatus we recommend the use of artificial neural networks and complex simulation models.
Keywords: freight transport, marshalling yard, intellectual technologies in control, an artificial neural network.
