CC BY
5
УДК 656.225
ДОЦЕНКО Ю.В., канд. техн. наук, доцент (Донецкий институт железнодорожного транспорта)
ВИХОВСКАЯ Л.И., старший преподаватель (Донецкий институт железнодорожного
транспорта)
ХАРИНА А.А., аспирант (Донецкий институт железнодорожного транспорта)
Ситуационная модель системы принятия решений при следовании поездопотоков
Dotsenko Y.V., Candidate of Technical Sciences, Associate Professor (DRTI) Vihovskaya L.I., Senior Lecturer (DRTI) Kharina A.A., Post-graduate student (DRTI)
Введение
Построение системы принятия решений при следовании вагонопотоков является важным аспектом развития железнодорожной логистики. В условиях современных транспортных вызовов, таких как увеличение грузопотоков, сложные сети железных дорог и повышенные требования к безопасности и эффективности, необходимо разработать инновационные системы, способные анализировать, прогнозировать и оптимизировать движение вагонопотоков.
Железнодорожный транспорт является важным элементом логистики, обеспечивая перевозку огромных объемов грузов на большие расстояния. Однако эффективное управление вагонопотоками является сложной задачей, требующей учета множества переменных, таких как количество поездов, состав вагонов, грузовые характеристики и график движения. В этом контексте система принятия решений становится неотъемлемой частью железнодорожной
инфраструктуры, позволяя
оптимизировать движение поездов, повысить безопасность и обеспечить пунктуальность доставки грузов. Построение такой системы требует комплексного подхода, включающего в себя сбор и анализ данных, разработку математических моделей и алгоритмов, а также использование современных информационных технологий. Она должна быть способна анализировать текущую ситуацию, прогнозировать возможные изменения и предлагать оптимальные решения для управления вагонопотоками.
Одной из ключевых задач системы принятия решений является
эффективное планирование маршрутов движения поездов. Это включает в себя оптимальное распределение вагонов между поездами, учет времени погрузки и выгрузки, организацию пересылок и транзитных грузов, а также синхронизацию движения поездов на перегонах. Правильное планирование маршрутов позволяет сократить простои и задержки, повысить пропускную способность и снизить затраты на перевозку.
Одним из главных преимуществ системы принятия решений при следовании вагонопотоков является ее способность к адаптации и оптимизации в реальном времени. Она должна быть гибкой и уметь реагировать на изменения внешних условий, таких как погода, технические неисправности и т.д. Такая система позволяет оперативно реагировать на возникающие ситуации и принимать решения, направленные на минимизацию негативных последствий и обеспечение равномерного движения вагонопотоков.
Анализ последних исследований и публикаций
Одним из ключевых аспектов исследований является разработка и применение математических моделей и алгоритмов для планирования и управления вагонопотоками. Эти модели и алгоритмы учитывают различные факторы, такие как пропускная способность трасс, грузовые характеристики вагонов, графики движения и другие ограничения. Целью этих исследований является разработка оптимальных стратегий движения поездов, которые позволяют сократить простои и задержки, повысить эффективность перевозок и снизить затраты на логистические операции.
В последние годы также активно исследовались современные
информационные технологии и их применение в системах принятия решений для управления
вагонопотоками. Анализ больших объемов данных, машинное обучение и искусственный интеллект используются для анализа и прогнозирования ситуации на железной дороге, а также для автоматического предложения
оптимальных решений. Эти технологии позволяют более точно и быстро
анализировать информацию о вагонах, поездах, трассах и других параметрах, связанных с движением вагонопотоков.
Кроме того, важным аспектом исследований является анализ и оптимизация взаимодействия между различными участниками логистической цепи, такими как железнодорожные компании, грузовладельцы, терминалы и другие стейкхолдеры. Разработка системы принятия решений должна учитывать интересы и требования всех участников и находить оптимальные решения, которые удовлетворяют всем сторонам.
Исследования, описанные в работе [1], занимаются разработкой системы поддержки принятия решений для улучшения показателей оборота вагонов и определения категорий поездов при железнодорожных перевозках. Автором уделяется внимание исходным данным для модели стабилизации оборота вагона. Эти данные служат основой для системы принятия решений.
В последующих работах [2] и [3] был предложен процесс определения и сформирована ситуационная модель определения категории поездов с использованием нечеткой логики. Основными параметрами этой модели являются количество вагонов определенной категории в поезде и сроки отклонения обращения вагонов от нормативного.
Как результат предыдущих исследований по стабилизации оборота вагонов и определению категорий поездов, возникает важная задача -разработка системы поддержки принятия решений для управления поездопотоками на полигонах дирекции по железнодорожным перевозкам или железной дороги.
В статье [4] отмечается, что для снижения риска при принятии оперативных решений по управлению
поездопотоками широко используется стратегия получения дополнительной информации со стороны ответственного лица, принимающего решение в текущей ситуации.
Важно отметить, что
неопределенность сопутствует
ожидаемым потерям в случае возникновения риска. Вероятность риска присутствует в различных аспектах деятельности
железнодорожного транспорта. Но не обязательно проявится на практике. При наступлении рискового события возникает отрицательный
экономический результат. В случае отсутствия последствий риска или предотвращения его возникновения, предприятие железнодорожного
транспорта получает положительный или, по крайней мере, нулевой экономический результат.
Согласно исследованиям авторов в статье [5], риск является неотъемлемой частью процесса принятия
управленческих решений из-за наличия неопределенности во внутренних и внешних условиях. Чем выше неопределенность в управленческой и производственной ситуации, тем выше степень риска. Неопределенность определяется наличием информации, случайными факторами и необычными природными и социальными событиями.
Исходя из вышесказанного, отметим, что, несмотря на значительный прогресс в исследованиях и разработках в области систем принятия решений при следовании вагонопотоков, все еще остается ряд вызовов и проблем, требующих дальнейших исследований. Некоторые из них включают разработку более точных и гибких математических моделей, учет неопределенности и рисков, а также интеграцию различных информационных систем и платформ
для обмена данными и координации действий.
Цель работы
Цель управляющей ситуации состоит в разработке определенного набора правил и обеспечении передачи управляющих команд исполнительному механизму, который в данном случае представлен поездным диспетчером. Для определения входных ситуаций необходимо выбрать подходящую процедуру. В данном контексте, учитывая особенности технологии перемещения грузовых поездов и желание повысить точность
идентификации, рекомендуется
применить метод «определения нечеткого равенства ситуаций».
Основная часть
На основе применения
вышеупомянутого метода возможно утверждение - если множество типовых ситуаций $ содержит ситуации ~(г,7 е к = {1,2,..., У}, г Ф ,), если
~ с ~ и ~ с ~, то ситуации ~ и ~
необходимо воспринимать как одну ситуацию ~ = ~ ^ ~. Фактически
существование двух взаимных включений ситуаций ~ и ~ означает,
что при данном пороге включения Х.пс
ситуации ~ и ~ возможно считать
примерно одинаковыми. Такое подобие ситуаций называется нечетким равенством, при этом степень нечеткого равенства ) ситуаций ~ и ~
определяется следующим образом:
Принимаем, что ситуации 5 и 5 нечетко равны 5 ~ 5-, если /и(51, ) > г, где г е [0,7;1], г - порог нечеткого равенства ситуаций.
Логично предположить, что 7 ~ 7
при условии, если значения соответствующих признаков в ситуациях 5 и 5 нечетко равны, т.е.
(V* е X)(к, (х) (х)), (2) Из этого следует
К(5г , 5 ) = & (Х)К* (х)) , (3)
хеХ ' 1
Для выбора процедуры идентификации входных ситуаций необходимо оценить, насколько входная ситуация соответствует
сформированному набору типовых ситуаций, представленному в виде фрагмента базы знаний. Для этой цели из набора ситуаций 8 = {7,7^ } сформируем нечеткое отношение
ф = (8, Р), (4)
где
р = {Мр{ 7)}, (5)
Для получения объективных данных используем выбранный метод, при условии, что идентификация ситуаций будет производиться не только посредством определения нечеткого равенства, но также с использованием нечеткой эквивалентности. Отсюда следует необходимость доказать, что отношение нечеткого равенства ф = (8, Р) является отношением нечеткой эквивалентности. Для
уменьшения типовых ситуаций следует проверить сформированный набор ситуаций по технологии пропуска поездов по различным участкам на эквивалентность, что, в свою очередь, требует выполнения условия
а(ф)геГ & а(ф)& а(ф)г > г , (6)
Докажем, что а(фр)5ут > г. Соответственно [6], получено:
а(ф) ут = , О ^Кр^- , Э,)) , (7)
При раскрытии импликации получаем:
а(ф) = 7 ^з^Кр^' , ) УК '), (8)
Учитывая вид отношения ф, запишем
а(ф)эут = 7 (5, ^Кр - , )) , (9)
Для того, чтобы адаптировать процедуру принятия решений к процедурам определения нечеткого равенства и эквивалентности в условиях автоматизированной технологии
пропуска поездов по участкам, требуется доказать, что
V, 7 е У)(7 ф 7 (5,Ж (5-, 5') > г).
Для того, чтобы доказать приведенное неравенство, необходимо выбрать произвольную пару ситуаций 7,7 е 8,7 Ф 7. В [6] показано, что
^Кр (5,, )УКР (^, 5 ) > г , (10)
Учитывая, что
М(8,, ) = у(.8,, ^ )& У^, , ) , (11)
и
, 8, ) = у(?у , в, )& У^, , ) , (12)
согласно [6] получим
М(8, , 8,) = М(8,, 8,), (13)
Если обозначить , в .) = а, то будет получено неравенство
-аУа > г,
(14)
Неравенство (14) имеет смысл, так как все ситуации из множества $ определены «хорошо». Справедливость последнего неравенства доказывает справедливость выходного неравенства. Это означает, что [6]
а((Р)8ут > г,
(15)
На основании доказанного можно разделить множество определенных $ типовых ситуаций, связанных с технологией пропуска поездов по участкам на классы нечеткой эквивалентности [6]. При этом в каждом классе будут содержаться ситуации, которые нечетко равны друг другу. Следовательно, в пределах
определенного порога достоверности г, все ситуации из одного класса эквивалентности А можно
рассматривать как одну ситуацию, полученную нечетким объединением ситуаций, принадлежащих этому классу
А,.
Полученная ситуация может быть использована для идентификации входной ситуации 8 путем сравнения ее
с другими ситуациями $ с использованием нечеткого равенства. Однако, в процессе оперативной работы могут возникать «плохо» определенные ситуации. Это означает, что при определении состояния поезда невозможно будет идентифицировать его среди набора типовых ситуаций, и в результате невозможно будет получить управляющее решение относительно дальнейших действий. В свете этого, целесообразно рассмотреть определение степени нечеткого равенства ситуаций в условиях «плохо» определенных ситуаций.
Согласно этому рассмотрим две ситуации
8, = {/ (х)/ х) ][ = {/ (х)/ х) }(х е X)
при заданном пороге нечеткого равенства г. Степень нечеткого равенства /(8,8.) ситуаций 8 и 8. определяется выражением
) = & (х,X Мэ,(х,(16)
хех 1 1
Это выражение в интерпретации действий поездного диспетчера при пропуске поездов по участкам будет иметь следующий вид
(х1X (х1)) = ^
= & (XI )(Тк(х, )(Тк )) ,
Тк е11
где индекс к изменяется от 1 до т; индекс I изменяется от 1 до п. Это выражение дает возможность привести в развернутом виде процедуру поиска равенства и эквивалентности входных и типовых ситуаций:
C(/% (x)(Tk ),MMsj (xi)(Tk)) -(x, )(Tkl) (x, )(Tkl), если
(x )(Tk) * Г1 - t,t) W
(„)(Tk) * Г1 -t,t);
1, если Ццц (x,)(Tk ) e Г1 - t,t) i
(x,)(Tk) e Г1 - t,t)
или
Выводы
На основе сложившейся ситуационной модели будет разработана система поддержки принятия решений. Эта система позволит оперативно определять наиболее рациональные варианты пропуска поездов. Таким образом, достигается возможность непосредственного воздействия на текущую поездную ситуацию на различных уровнях управления с максимальной скоростью. Это достигается благодаря использованию автоматизированных рабочих мест оперативно-управленческого персонала.
Список литературы:
1. Доценко Ю.В., Формирование исходных данных модели стабилизации оборота вагонов / Лаврухин А.В., Доценко Ю.В.// Сб.науч.трудов / ДонИЖТ УкрГАЖТ, 2012. - Вып.32. -С. 19-24.
2. Доценко Ю.В., Формализация процесса определения категории поездов на основе нечеткой логики / Лаврухин А.В., Доценко Ю.В. //
Сб.науч.трудов / ДонИЖТ УкрГАЖТ, 2013. - Вып.33. - С. 52-57.
3. Доценко Ю.В. Формирование ситуационной модели при определении категории поездов на основе нечеткой логики / Лаврухин А.В., Доценко Ю.В., Виховская Л.И. // Вестник Донецкой академии автомобильного транспорта. -2013. №1. - С. 38-45.
4. Воронцов, В.И. Информационная поддержка в принятии оперативных решений [Электронный ресурс]. - Режим доступа: ЬйрвУ/в-^гЫ.еёисай оп/81шро74/59.рё£
5. Тарасов, Е.М. Риск-менеджмент на транспорте [Текст] / Е.М. Тарасов, А.С. Белоногов // Вестник Самарского муниципального института управления. - 2013. - №4 (27). - С. 17-27.
6. Мелехов А.Н. Ситуационные советующие системы с нечёткой логикой [Текст] / Мелехов А.Н., Бернштейн Л.С., Коровин С.Я. - М. Наука. Гл. ред. Физ.-мат.-лит. - 1990. -272 с.
Аннотации:
В статье разработана система принятия решений при следовании поездопотоков на основе ситуационной модели определения категории поездов при помощи нечеткой логики.
Ключевые слова: система принятия решений, категории поездов, типовые ситуации, пропуск поездов, нечеткое равенство.
In the article developed a system for decisionmaking when promoting of threads trains on the basis of the situational model of determining the categories of trains using fuzzy logic.
Keywords: decision-making system, the category of trains, typical situations, a pass trains, fuzzy equality.
— <
