Improving the efficiency and safety of operation of underground tunnel escalators. Forecasting model



Cite item

Full Text

Abstract

The subways of Moscow and St. Petersburg are the oldest in Russia. Its infrastructure includes a diverse fleet of equipment. The fleet of rolling stock in the last decade was mainly renewed, while due to the peculiarities of operation and mainly for financial reasons, the escalator fleet will not be replaced for a long time. In this connection, the main task of the departments responsible for the operation of escalators is to maintain the rapidly aging fleet in good condition. Thus, a situation, when the escalator economy is a source of costs to meet the constantly increasing demand for resources is formed. At the same time, the limited allocation of all types of resources only aggravates the current situation. The above circumstances contribute to the actualization of the issue of selection of tools, which makes it possible to increase the efficiency and safety of operation of underground tunnel escalators. According to the authors of the paper, one of such tools can be the forecasting of the technical state of the elements of the escalator subsystems, made on the basis of special routing of information flows, designed for the optimal distribution of allocated resources. Since an escalator is a complex technical object of increased danger, the routing of information flows for it characterizing its technical condition is possible only on the basis of a preliminary decomposition into information levels. For this reason, the beginning of the paper is devoted to the decomposition of the technical state of the escalator into four information levels, covering all aspects of the technical state from the micro-level of the state of materials from which the elements of the escalator subsystems are made, ending with the functional state of the entire escalator. The purpose of the work is further revealed. It consists in describing a general mathematical model for predicting the technical state of the elements of the escalator subsystems and the requirements for its construction. The work describes the main task that solves the proposed forecast model. In conclusion, the options for using the proposed model are considered. The scientific novelty of the proposed approach lies in the use of the modern mathematical apparatus of the fuzzy set theory for processing parametric information, elements of artificial intelligence, as well as a precedent approach in analyzing the operational situation, which, in combination, are necessary to build a predictive model of the technical state as applied to the escalator facilities of the subway. From a practical point of view, it should be noted that the proposed mathematical model, implemented on the basis of modern information technologies, will make it possible to more rationally adjust the mechanisms for allocating resources, while ensuring the necessary level of safety for passenger transportation.

About the authors

V. A Popov

Emperor Alexander I St. Petersburg State Transport University

PhD in Engineering St. Petersburg, Russia

V. V Yelantsev

Emperor Alexander I St. Petersburg State Transport University

Email: evv3012@gmail.com
St. Petersburg, Russia

References

  1. Макаров К.В. Проблемы и перспективы развития подземного строительства в Санкт-Петербурге // Аллея науки. 2018. Т. 6, № 5(21). С. 326-330.
  2. Инструкция по техническому обслуживанию эскалаторов типа ЭТ-2, ЭТ-2М, ЭТ-3 [Текст]. СПб.: ГУП «Петербургский метрополитен», 2005.
  3. Руководство по ремонту эскалаторов: РР-ЭМ 002-17. СПб.: ГУП «Петербургский метрополитен», 2017. 96 с.
  4. Разработка норм межремонтного пробега эскалаторов типа ЭТ: отчет о НИР (промежуточ.) : Часть 2 ЛИИЖТ; рук. А.В. Каракулев; исполн.: колект. авторов. Л., 1988. Инв. № С24362р.
  5. Еланцев В.В. К вопросу повышения эффективности и безопасности эксплуатации тоннельных эскалаторов метрополитена. История формирования системы технического обслуживания и ремонта эскалаторного хозяйства метрополитена // Международный журнал прикладных и фундаментальных исследований. 2020. № 5. С. 98-104.
  6. Еланцев В.В. К вопросу повышения эффективности и безопасности эксплуатации тоннельных эскалаторов метрополитена. Механизмы управления ресурсами // Вопросы современных технических наук: свежий взгляд и новые решения: сб. науч. тр. по итогам междунар. науч.-практ. конф. № 7, Екатеринбург, 11 марта 2020 г.: НН: Изд-во Ареал, 2020. С. 19-26.
  7. Берман А.Ф. Информатика катастроф // Пробл. безопас. и чрезв. Ситуаций. ВИНИТИ РАН. 2012. Но 3, С. 17-37.
  8. ГОСТ 20911-89. Техническая диагностика. Термины и определения. М.: Изд-во стандартов, 2009. 9 с.
  9. Еланцев В.В. К вопросу повышения эффективности и безопасности эксплуатации тоннельных эскалаторов метрополитена. Анализ параметров // Международный журнал прикладных и фундаментальных исследований. 2020. № 3. С. 61-69.
  10. Еланцев В.В. К вопросу о повышении эффективности и безопасности тоннельных эскалаторов. Информационный комплекс оперативного мониторинга состояния эскалатора // Инновационные внедрения в области технических наук [Текст]: сб. науч. тр. по итогам междунар. науч.-практ. конф. № 5, Москва, 25 января 2020 г.: НН: Изд-во Ареал, 2020. С. 10-16.
  11. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. Под ред. М.В. Финкова. СПб.: Наука и Техника, 2003. 384 с.
  12. Еланцев В.В. К вопросу повышения эффективности и безопасности эксплуатации тоннельных эскалаторов метрополитена. Анализ пассажиропотока // Вестник московского автомобильно-дорожного государственного технического университета (МАДИ). 2020. № 3(62).

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2021 Popov V.A., Yelantsev V.V.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».