دانلود رایگان ترجمه مقاله مدیریت ترافیک راه آهن (آی تریپل ای 2015)

 

 

این مقاله انگلیسی ISI در نشریه آی تریپل ای در 11 صفحه در سال 2015 منتشر شده و ترجمه آن 27 صفحه بوده و آماده دانلود رایگان می باشد.

 

دانلود رایگان مقاله انگلیسی (pdf) و ترجمه فارسی (pdf + word)
عنوان فارسی مقاله:

مروری بر مدل ها و الگوریتم های آنلاین پویا برای مدیریت ترافیک راه آهن

عنوان انگلیسی مقاله:

A Review of Online Dynamic Models and Algorithms for Railway Traffic Management

دانلود رایگان مقاله انگلیسی
دانلود رایگان ترجمه با فرمت pdf
دانلود رایگان ترجمه با فرمت ورد

 

مشخصات مقاله انگلیسی و ترجمه فارسی
فرمت مقاله انگلیسی pdf
سال انتشار 2015
تعداد صفحات مقاله انگلیسی 11 صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله مروری (Review Article)
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مهندسی راه آهن – مهندسی عمران – مهندسی صنایع
گرایش های مرتبط با این مقاله مهندسی ترافیک یا حمل و نقل – برنامه ریزی و تحلیل سیستم ها – بهینه سازی سیستم ها
چاپ شده در مجله (ژورنال)/کنفرانس معاملات در سیستم های حمل و نقل هوشمند
کلمات کلیدی انتشار تأخیر – سیستم های پویا – مدیریت ترافیک راه‌ آهن – زمان‌ بندی قطار
کلمات کلیدی انگلیسی Delay propagation – dynamic systems – railway traffic management – train rescheduling
ارائه شده از دانشگاه مهندسی حمل و نقل و لجستیک، دانشگاه کاتولیکه لوون
نمایه (index) Scopus – Master Journals – JCR
شناسه شاپا یا ISSN 1558-0016
شناسه دیجیتال – doi https://doi.org/10.1109/TITS.2014.2358392
لینک سایت مرجع https://ieeexplore.ieee.org/document/6920082
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
نشریه آی تریپل ای – IEEE
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  27 صفحه با فونت 14 B Nazanin
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود رایگان
کیفیت ترجمه

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

کد محصول F2102

 

بخشی از ترجمه

2. تنظیمات کنترلی
به طور کلی روش‌های کنترل آنلاین در شکل 1 نشان داده‌شده‌اند. به خصوص، داده‌ها از جهان واقعی اندازه‌گیری شده‌اند، فاکتورهای مرتبطی را که در ادامه بیان می‌شوند را توصیف می‌کنند. این داده‌ها ذاتاً آنلاین هستند و مسائل را از روش‌های آفلاینی که چنین ورودی‌هایی را ندارند متفاوت می‌کنند. این داده‌ها در ماژول‌هایی استفاده می‌شوند که برای کنترل مقررات هستند. اقدامات ورودی برای هر سیستم در زیر شرح داده شده است.
به طور کلی، چنین سیستم هایی دارای چارچوب تکراری شامل تنظیم پیش‌بینی، راه حل در طی زمان‌های طولانی تر و پیش‌بینی مدل کنترلی هستند.

A. اندازه‌گیری داده
داده‌ها را می‌توان اندازه‌گیری کرد و در حالت کلی این داده‌ها شامل موقعیت و زمان [60]، [69]، [71] هستند. برخی از روش‌ها شامل مشخصه‌های سرعت قطار و سرعت جاری و آتی قطار [16] و برخی شامل سرعت هدف (یعنی سرعتی که یک قطار برای رسیدن به هدف مورد نظر باید داشته باشد) [56] هستند. علاوه بر این، زمان‌بندی مجدد در حالت نرمال به دنبال برنامه‌ریزی وضعیت جداول زمانی است تا اطلاعات برنامه‌ریزی‌شده به خوبی قابل انجام باشند. روش‌های کمتری اطلاعات اضافی نظیر تعداد مسافران (در برنامه‌ریزی خطی استفاده می‌گردد) عملکرد قطار و پویایی محیط (برای مشاوره سرعت [2]، [72]) را مورد بررسی قرار می‌دهند. مگر اینکه اختلالات بسیار بزرگی در شبکه رخ داده و به آن آسیب برساند [16]، [46]، [60]، [66].
برای توصیف حالت‌های آینده، روش پویا نیاز به داده‌های فرآیندهای سیستم دارد، مثل پیش‌گویی زمان اجرا، انتظارات بار ورودی و تنوع ورودی‌ها. اطلاعات بیشتر در این زمینه در بخش سوم بررسی خواهد شد.

B. عملیات کنترل
عملیات کنترلی شامل اقداماتی است که در آن یک کنترلر باید ترافیک را تغییر دهد تا به وضعیت مطلوب مشخصی برسد [56]. در عمل (برای مثال [79] را ببینید)، این با انتخاب‌هایی مرتبط است:
1) زمان: تغییر زمان برنامه‌ریزی در نقاط مرجع (سنجش مجدد زمان) معمولاً شامل تنظیم مشخصات سرعت قطار است که تعیین می‌کند قطار باید کندتر یا تندتر حرکت کند [34]، [48] تا تأخیر کاهش یابد [9]، [23]، [38]، [59].
2) سرعت: به‌روزرسانی سرعت رانندگان برای جلوگیری از درگیری احتمالی و صرفه‌جویی در انرژی [2]، [34]، [35]، [39]، [51]، [66]، [73]، [80]. دو هدف ذخیره تأخیر و کاهش انرژی با همدیگر مورد بررسی قرار گرفتند که در تحقیقات [22]، [56]، [59]، [67] نشان داده شده است و همچنین سیاست‌های مدیریت سرعت در [20] بررسی‌شده است.
3) مرتبه: تغییر توالی قطارها به عنوان عملی بحرانی است که ظرفیت زیرساخت قطارها را دچار مشکل می‌کند [3]، [15]، [16]، [23]، [25]، [29]، [44]، [58]، [59]، [66]، [71]، [73]. از لحاظ تاریخی، اغلب محققان به مسئله meet and pass توجه کرده‌اند. مثل، یافتن مکانی که قطارها می‌توانند قبل از تغییر مسیر در آنجا قرار گیرند و مکان‌های بلاک شده برای توقف جهت تغییر مسیر و یا مکان‌های تک مسیری. هر قطاری در یک زمان می‌تواند بین دو مکان حرکت کند [10]، [51]، [60]، [66]، [69]، [74]، [76]، [78]، [81].
4) مسیر محلی در یک منطقه پیوسته پیچیده: تغییر مسیر قطار با قطار مجاور آن که دارای مسیر مشابهی هستند در مکان محلی، مانند تغییر پلتفرم ایستگاه یا مسیر متصل به همان پلتفرم [6]، [16]، [57]، [66]، [71].
5) مسیر جهانی در شبکه: یک محاسبه گر که مسیری جهانی را با توجه به تمام محدودیت‌های ارائه‌شده توسط شبکه بیابد تا به تمامی درخواست‌ها پاسخ داده شود [45]، [64].
6) سرویس: سرویس ها توسط لغو شدن یک قطار، لغو توقف و یا افزودن یک ایستگاه توقف جدید ایجاد می‌گردند.

به طور فزاینده، درجه آزادی اجازه می‌دهد تا بتوانیم راه‌حل‌های بهتری را اما با هزینه پیچیدگی محاسباتی بالاتر ارائه دهیم [79]. به دلیل پیچیدگی بالا، تنها تعداد کمی از روش‌های پویای آنلاین در نظر گرفته‌شده‌اند. بنابراین تعداد کمی از اقدامات برای آدرس‌دهی متفاوت درخواست‌ها ارائه‌شده‌اند. اکثر راه‌کارها، اقدامات کنترلی را به شیوه پی در پی در نظر می‌گیرند که از مسیریابی جهانی شروع می‌شوند. به عنوان مثال، مسیریابی جهانی، می‌تواند برای جلوگیری از مسدود شدن یک منطقه انجام شود. سپس محاسبه گر می‌تواند پس از انتخاب مسیر، به گسترش ظرفیت در ایستگاهی که دچار گلوگاه شده است، بکند [19]. علاوه بر این، فرایندهای مختلفی را می‌توان برای یافتن یک مسیر ممکن برای زمان‌بندی اجرا کرد. به عنوان مثال، فرآیندی که در [6] پیشنهاد شده است که در رقابت با روش [42] ارائه گردیده است. یکی از اشکالات اساسی در رابطه با روش ترتیبی، استفاده از گزینه‌های محدود در هر مرحله از زمان‌بندی است که می‌تواند به طور چشمگیری موجب کاهش عملیات لازم در مرحله دوم گردد. برای پرداختن به این موضوع، مطالعات اخیر روش‌هایی را پیشنهاد کرده‌اند که به طور همزمان تغییر زمان‌بندی را با در نظر گرفتن هدف راه حل انجام می‌دهند [61]، [66]. با توجه به سرعت قطار در عملیات زمان واقعی، بیشتر مطالعات بر روی زمان‌بندی تنها یک قطار تمرکز دارند (نگاه کنید به عنوان مثال، [2] و [51])، و روابط متقابل بین قطارها را که کاملاً پیچیده است، برای مدل‌سازی در نظر نمی‌گیرند.

C. روش‌های حلقه باز
روش‌های حلقه باز (شامل روش‌های ایستای آنلاین جدول 1)، زمان‌بندی مجددی را بر اساس اطلاعات کامل درباره وضعیت جاری زیرساخت، وضعیت قطار و سرعت و پیش‌گویی تأخیر و زمان انتظار رخدادهای آتی ارائه می‌دهند. اغلب روش‌های بهینه‌سازی فرض می‌کنند که تنظیمات ارائه‌شده می‌توانند مسئله را برای همیشه حل کنند [3]، [6]، [10]، [25]، [38]، [44]، [57]، [62]، [66]، [69]، [79] و بنابراین طرح‌های ممکنی را برای اجرا در واقعیت ارائه می‌دهند [16]. مدل های پیشگویی (مثل روش‌های انتشار تأخیر) ترافیکی را که به نوعی در طبقه‌بندی مورد بررسی آن‌ها قرار نگیرد، زمان‌بندی نمی‌کنند [5]، [28]، [34].
شکل 2، روش‌های حلقه باز و حلقه بسته را طبقه‌بندی می‌کنند. در یک کنترل حلقه باز [شکل 2(a) را ببینید]، بهینه‌ساز فقط یک بار با تمام دانشی که در آینده ممکن است رخ دهد، اجرا می‌گردد.
D. روش‌های حلقه بسته
در مقابل، در یک کنترل حلقه بسته، بهینه‌ساز مکرراً در زمان‌هایی مثل T1، T2، T3، …، TN، هر بار که وضعیت ترافیک مورد انتظار و ترافیک واقعی تغییر می‌یابد، زمان‌بندی مجدی را انجام می‌دهد. ترافیک مورد انتظار در زمان ti + 1 بستگی به ترافیک واقعی در زمان TI دارد که آن هم به نوبه خود بستگی به اقدامات کنترلی محاسبه گر در تمامی زمان‌ها T1، …، TI دارد. برای مشاهده یک طرح مرجع، شکل 2(b) را ببینید. روش‌های حلقه بسته ذاتاً تمام جوانب مسائل را مورد بررسی قرار می‌دهند که کنترل‌های حلقه باز از تنوع راه‌حل‌ها ممانعت می‌کردند. تنوع راه‌حل‌های موجود موجب سهولت دستیابی به یکی از این راه‌حل‌ها می‌گردد. (در [68] بررسی‌شده است و توسط مجموعه‌ای از معیارها ارزیابی شده است) . کیفیت راه حل مورد مطالعه در [18] و [71] نشان داده شده است. علاوه بر این، اغلب گزینه‌های عملیاتی زمانی ساخته می‌شوند که یک مرحله اضافی اجرا گردد که بر اساس انحراف استاندارد [56]، [67]، [77] و یا بر اساس مراحل زمانی [9]، [59]، [68]، [71] است.
برای گروه دوم، اغلب راه‌حل‌های محاسباتی به‌روز، منجر به تنظیمات سریع‌تر و راه‌حل‌های بهتری می‌گردند[68]. برای کاهش اثرات منفی تغییرات متعدد در dispatchers محلی (به عنوان مثال، مدیر ایستگاه)، رانندگان و مسافران [60]، [68]، [79] تمرکز بر راه‌حل‌هایی که اختلالات تصادفی را کاهش دهد، ضروری به نظر می‌رسد.

3. پیش‌بینی پویا
ما در این بخش ویژگی‌های اصلی روش‌های آنلاین پویا و همچنین پیش‌بینی پویای مبتنی بر زمان را بررسی می‌کنیم. این بررسی‌ها پاسخی برای “آنچه که شناخته‌شده؟” است و نشان‌دهنده مواردی است که در گذشته، حال و آینده برای رسیدن به هدف این مقاله شناخته‌شده است. مدل‌سازی عدم قطعیت و پیش‌گویی برای محاسبه عملیات کنترلی بهینه و قابل‌قبول ضروری است. هدف سیستم کنترلی مقابله با انحرافات حاصل از برنامه موجود است. به عنوان مثال، تأخیر حاصل از قطارها را که در برنامه در نظر گرفته نشده است را جبران می‌کند. مطابق با نظر Yuan and Hansen [80] که فرآیند تأخیر و مدل‌سازی را مرور کردند، تأخیر می‌تواند به تنهایی با روش گاوس، معکوس گاما و یا توزیع Weibull دنبال شود و تأخیر می‌تواند بر روی یک قطار منفرد و یا تمامی آن‌ها به صورت زنجیر وار تأثیر بگذارد. به غیر از تأخیر، ساکن بودن قطار در یک مکان یا ایستگاه نیز ممکن است موجب ترافیک شده و مزاحمت ایجاد کند.
علاوه بر این، تأخیر می‌تواند قابل انتظار بوده و در طرح‌های بهینه‌سازی با دانستن مکان و وضعیت جاری ترافیک شبکه در نظر گرفته شود. به‌روزرسانی‌های حاصل از عملیات ممکن است بر روی قابلیت اطمینان راه‌کارها در آینده تأثیر داشته باشد.
ما به کمک شکل 3، این مسائل را بررسی کرده‌ایم. برای هر رویدادی (برای مثال، رسیدن قطار به ایستگاه)، ما ترافیک احتمالی متفاوتی را بر حسب زمان آن رویداد ترسیم کرده‌ایم که بر اساس زمان اندازه‌گیری وقایع و همچنین وضعیت آن‌ها بستگی دارد. هر دو محور به زمان برمی‌گردند: محور x، زمانی است که رویدادها رخ می‌دهند (حدس) یا اتفاق افتاده است (اندازه‌گیری). محور y، زمانی است که این حدسیات یا اندازه‌گیری‌ها انجام‌شده‌اند. رویدادها دارای یک زمان برنامه‌ریزی نیز هستند که با خط نقطه‌چین سبز رنگ عمودی نشان داده شده است.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا