بهينه سازي استراتژي هاي مديريت اختلال در خطوط راه آهن شهري با استفاده از الگوريتم جستجوي همسايگي متغير

Optimization of disruption management strategies for urban rail using variable neighborhood search algorithm

رخداد اختلالات در راه آهن شهري باعث بروز تاخيرات قطارها، افزايش زمان انتظار مسافرين، افت سطح خدمت و استواري برنامه زمانبندي مي شود. مديريت اختلال در راه آهن، مجموعه روش هايي جهت مديريت رخدادهاي پيش بيني نشده و كنترل عملكرد سيستم است. در اين تحقيق، مسدودي موقتي بخشي از مسير به عنوان عامل اختلال در برنامه حركت قطارها در نظر گرفته شده است. جهت حل مساله از رويكرد بهينه سازي مبتني بر شبيه سازي براي كمينه كردن متوسط مجموع زمان هاي انتظار و سفر مسافرين استفاده شده است. استراتژي هاي مديريت اختلال بصورت تركيبي و شامل سياست توقف-عبور و گردش مسير است. مدل شبيه سازي به منظور مدل سازي متغيرهاي تصادفي در مساله شامل زمان سير احتمالي، نرخ ورود تصادفي مسافرين به ايستگاه ها توسعه داده شده است. بخش بهينه سازي رويكرد پيشنهادي نيز شامل الگوريتم جستجوي همسايگي متغير است. جهت اعتبارسنجي رويكرد مديريت اختلال، از چند سناريوي اختلال در خط 1 متروي تهران استفاده شده است. نتايج حل مساله روي مسايل واقعي، كارايي و كاربرد مناسب روش بهينه سازي مبتني بر شبيه سازي را در تصميم گيري در شرايط بروز اختلال و مسدودي مسير نشان مي دهد. همچنين نتايج نشان داده است كه استراتژي تركيبي مديريت اختلال نسبت به استراتژي هاي مستقل، بهبود بيشتري در كاهش زمان هاي سفر مسافرين ايجاد مي كند. پياده سازي روش جستجوي همسايگي روي نمونه مسايل واقعي و استفاده از استراتژي تركيبي مديريت اختلال باعث كاهش حدود 14 درصدي متوسط زمان سفر مسافرين شده است.

The occurrence of disruptions in urban rail cause train delays, extra passenger waiting times, and drop in service level and schedule adherence. Rail disruption management refers to the implementation of the control strategies to manage unexpected events and improve the system performance. In this study, a temporary line blockage is regarded as a source of disruption in train movements. A simulation-based optimization approach is proposed to minimize the total average waiting times and traveling times of passengers. Disruption management strategies include skip-stop and short-turn control policies. Simulation technique is used to model random variables in question, including train traveling time, random arrival rate of passengers, and the stochastic recovery time. The proposed approach also includes the variable neighborhood search algorithm to find the near optimal solutions. In order to validate the proposed methodology, several disruption scenarios in Tehran Metro Line 1 are investigated. The results of solving the real problems show the efficiency and proper use of simulation-based optimization method in the decision-making under disruption. The results have also shown that a combination of skip-stop and short-turn strategies gives travelers greater improvements in reducing the waiting and travelling times. The implementation of variable neighborhood search method on the real-world case study demonstrate that the combined strategy reduces the average traveling time for passengers about 14%.