Urban railway driver scheduling

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Introduction. The article summarises the experience of urban railway driver scheduling with a significant impact on traffic safety. The study is intended to identify commonalities in the scheduling of production and human resources in urban railways to analyse the results achieved in driver scheduling; to identify further research and applications related to the combination of different scheduling methods.

Materials and methods. The object of research is mathematical support of elements of smart transport systems related to driver scheduling. The formalisation of driver scheduling required a description of construction results in the format of suites, i. e. component sequences.

Results. The analysis of resource management scenarios (production and human) has revealed the unity of problem statements and approaches to their solution while improving the comfort of transport services and peoples working conditions, which is given considerable attention at the stage of transport scheduling. The paper analyses the functioning of the systems created by the authors, which systems are part of smart transport systems, and the effects achieved. The paper proposes a new, for Russian railways, way to formalise driver scheduling, illustrating the proposed classification of scheduling tasks and combining the scheduling results for drivers performing different types of work. The article shows possible application of the Bellman dynamic programming method and genetic algorithm to the solution of the problem. The article provides statistical processing of the obtained data. The paper identifies prerequisites for creating a unified methodology for smart scheduling of different types of resources on urban railways.

Discussion and conclusion. The results can also be used in scheduling locomotive crews, for example, for the Moscow Central Ring, with the existing model expanded. The algorithms produce automatic schedules more balanced than manual schedules with respect to real transport systems.

Авторлар туралы

Agata Markevich

Terralink Development

Email: valenfalk@mail.ru

Cand. Sci. (Eng.), Business Analyst of SAP Practice

Ресей, Moscow

Valentina Sidorenko

Российский университет транспорта

Хат алмасуға жауапты Автор.
Email: valenfalk@mail.ru
ORCID iD: 0000-0003-4941-9008

Dr. Sci. (Eng.), Professor, Department of Control and Information Security

Ресей, Moscow

Әдебиет тізімі

  1. Троицкая Н. А., Титова С. С. Интеграция Московского центрального кольца и центральных диаметров в транспортную систему столицы // Транспортное строительство. 2023. № 1. С. 2–5. EDN: https://elibrary.ru/maqpwr. Troitskaya N. A., Titova S. S. Integration of the Moscow Central Ring and central diameters into the capitals transport system. Transport construction. 2023;(1):2-5. (In Russ.). EDN: https://elibrary.ru/maqpwr.
  2. Николаев К. Ю. Выбор полигона и параметров применения технологии «трамвай — поезд» в России // Транспорт Российской Федерации. 2020. № 5 (90). С. 40–44. EDN: https://elibrary.ru/ zpawcl. Nikolayev K. Yu. Selection of operating domain and parameters for application of the tram — train technology in Russia. Transport of the Russian Federation. 2020;(5):40-44. (In Russ.). (In Russ.). EDN: https://elibrary.ru/zpawcl.
  3. Вакуленко С. П. Разработка вариантов модернизации Московской монорельсовой транспортной системы / С. П. Вакуленко [и др.] // Метро и тоннели. 2020. № 4. С. 28–35. Vakulenko S. P., Romenskiy D. Yu., Mnatsakanov V. A., Dorokhov A. V., Vlasov D. N. Development of upgrade options for the Moscow Monorail. Metro and tunnels. 2020;(4):28-35. (In Russ.).
  4. Опыт и перспективы автоматизации управления перевозочным процессом скоростного транспорта городских агломераций / В. Г. Сидоренко [и др.] // Автоматика на транспорте. 2023. Т. 9, № 1. С. 33–48. https://doi.org/10.20295/2412-9186-2023-9-01-33-48. Sidorenko V. G., Kopylova E. V., Safronov A. I., Tumanov M. A. Experience and perspectives of transportation process control automation for rapid-transit transport of urban agglomerations. Transport automation research. 2023;9(1):33-48. (In Russ.). https://doi.org/10.20295/24129186-2023-9-01-33-48.
  5. Подходы к оценке качества планирования и управления движением пассажирских поездов метрополитена / Т. А. Искаков [и др.] // Автоматика на транспорте. 2020. Т. 6, № 1. С. 38–63. https://doi.org/10.20295/2412-9186-2020-6-1-38-63. Iskakov T. A., Safronov A. I., Sidorenko V. G., Chzho M. A. Approaches to quality assessment of subway traffic planning and management. Transport automation research. 2020;6(1):38-63. (In Russ.). https:// doi.org/10.20295/2412-9186-2020-6-1-38-63.
  6. Сидоренко В. Г., Сафронов А. И. Применение генетических алгоритмов при решении задач планирования перевозочного процесса городской рельсовой транспортной системы // Автоматика на транспорте. 2023. Т. 9, № 1. С. 49–62. https://doi.org/10.20295/24129186-2023-9-01-49-62. Sidorenko V. G., Safronov A. I. Application of genetic algorithms at solution of tasks for transportation process planning of city rail transport system. Transport automation research. 2023;9(1):49-62. (In Russ.). https://doi.org/10.20295/2412-9186-2023-9-01-49-62.
  7. Маркевич А. В., Сидоренко В. Г. Интеллектуальная система построения графика работы машинистов метрополитена // Надежность. 2023. № 23 (3). С. 63–72. https://doi.org/10.21683/1729-26462023-23-3-63-72. Markevich A.V., Sidorenko V.G. An intelligent system for constructing metro train driver working schedules. Dependability. 2023;(23):63-72. (In Russ.). https://doi.org/10.21683/1729-2646-2023-23-3-63-72.
  8. Сидоренко В. Г., Сафронов А. И. К вопросу об оценке быстродействия метода выравнивания временных интервалов // Информатизация образования и науки. 2014. №1 (21). С. 120–130. Sidorenko V. G., Safronov A. I. Concerning the estimation of the fastness of the time interval equalisation method. Informatizatsiya obrazovaniya i nauki. 2014;(1):120-130. (In Russ.).
  9. Сидоренко В. Г., Чжо М. А. Исследование возможности применения генетических алгоритмов к решению задач планирования работы электроподвижного состава метрополитена // Электроника и электрооборудование транспорта. 2017. №6. С. 37–40. Sidorenko V. G., Chzho M. A. Application of genetic algorithms to the scheduling of metro electric rolling stock. Electronics and electrical equipment of transport. 2017;(6):37-40. (In Russ.).
  10. Бархатный В.Д., Крюков Н.Д. Выбор участков и способов организации работы локомотивных бригад. М.: Транспорт, 1974. 36 с. Barkhatnyy V. D., Kryukov N. D. Selection of sections and methods of organisation of locomotive crew work. Moscow: Transport Publ.; 1974. 36 p. (In Russ.).
  11. Высоцкий Ю. Л. Сокращение времени нахождения локомотивных бригад на станциях пунктов их оборота // Труды НИИЖТа. 1979. Вып. 201/14. С. 55–61. Vysotskiy Yu. L. Reduction of locomotive crew time at their turnaround stations. Trudy Nauchno-issledovatelskogo instituta zheleznodorozhnogo transporta. 1979;201/14:55-61. (In Russ.).
  12. Мищенко Н. Г. Оптимизация длин участков обращения локомотивов и работы локомотивных бригад // Вестник Ростовского государственного университета путей сообщения (Вестник РГУПС). 2002. № 2. С. 62–77. Mishchenko N. G. Optimisation of locomotive turnaround section lengths and locomotive crew work. Vestnik Rostovskogo Gosudarstvennogo Universiteta Putey Soobshcheniya (Vestnik RGUPS). 2002;(2):62-77. (In Russ.).
  13. Пазойский Ю. О. Автоматизация составления графика работы локомотивных бригад в пригородном сообщении // Вестник Всероссийского научно-исследовательского института железнодорожного транспорта (Вестник ВНИИЖТ). 1996. № 4. С. 33–39. Pazoyskiy Yu. O. Automation of locomotive crew scheduling in suburban traffic. Russian Railway Science Journal. 1996;(4):33-39. (In Russ.).
  14. Помазунов С. И., Муха Ю. А., Нестеренко С. И. Планирование и организация работы локомотивных бригад // Железнодорожный транспорт. 1977. № 6. С. 40–44. Pomazunov S. I., Mukha Yu. A., Nesterenko S. I. Scheduling and organisation of locomotive crew work. Zheleznodorozhnyy transport. 1977;(6):40-44. (In Russ.).
  15. Некрашевич В. И., Сальченко В. Л., Ковалев В. Н. Организация работы локомотивных бригад по именным графикам // Железнодорожный транспорт. 2001. № 2. С. 68. Nekrashevich V. I., Salchenko V. L., Kovalev V. N. Organisation of work of locomotive crews according to nominal schedules. Zheleznodorozhnyy transport. 2001;(2):68. (In Russ.).
  16. Тишкин Е. М. Организация работы локомотивных бригад на основе графика движения поездов. М.: Транспорт, 1968. 27 с. Tishkin E. M. Organisation of locomotive crew work on using train schedules. Moscow: Transport; 1968. 27 p. (In Russ.).
  17. Pang Shinsiong, Chen Mu-Chen. Optimize railway crew scheduling by using modified bacterial foraging algorithm. Computers & Industrial Engineering. 2023;180:109218. https://doi.org/10.1016/j. cie.2023.109218.
  18. Janacek J., Kohani M., Koniorczyk M., Marton P. Optimization of periodic crew schedules with application of column generation method. Transportation Research Part C: Emerging Technologies. 2017; 83:165-178. https://doi.org/10.1016/j.trc.2017.07.008.
  19. Neufeld J., Scheffler M., Tamke F., Hoffmann K., Buscher U. An Efficient Column Generation Approach for Practical Railway Crew Scheduling with Attendance Rates. European Journal of Operational Research. 2020;293:113-1130. https://doi.org/10.1016/j. ejor.2020.12.058.
  20. Rählmann C., Thonemann U. Railway crew scheduling with semi-flexible timetables. OR Spectrum. 2020;42:835-862. https://doi. org/10.1007/s00291-020-00592-y.
  21. Heil J. A Solution Approach for Railway Crew Scheduling with Attendance Rates for Multiple Networks. In: Operations Research Proceedings. [S. l.]; 2018. p. 547–553 https://doi.org/10.1007/978-3030-18500-8_68.
  22. Markevich A. V., Sidorenko V. G. Automation of Schedulingfor Drivers of the Subway Rolling Stock. In: IEEE East-West Design & Test Symposium (EWDTS), Batumi, Georgia. 2021. [S. l.]; 2021. p. 1–10. https://doi.org/EWDTS52692.2021.9580990.
  23. Baranov L. A., Sidorenko V. G., Safronov A. I., Aung K. M. Application of Genetic Algorithms for the Planning of Urban Rail Transportation System. In: Traffic Flow Theory and Research in Civil and Transportation Engineering (TSTP 2021). Lecture Notes in Intelligent Transportation and Infrastructure. Cham: Springer; 2022. p. 21–39. https://doi.org/10.1007/978-3-030-93370-8_2.
  24. Кулагин М. А., Маркевич А. В., Сидоренко В. Г. Единство подходов к интеллектуализации цифровой трансформации управления производственным и человеческим потенциалом на железнодорожном транспорте // Наука 1520 ВНИИЖТ: Загляни за горизонт: сб. материалов II Междунар. конф., Москва, 24–25 августа 2023 г. М., 2023. С. 256–260. Kulagin M. A., Markevich A. V., Sidorenko V. G. Unity of approaches to the intellectualisation of digital transformation of production and human potential management on railway transport. In: Science 1520 VNIIZhT: Look beyond the horizon: Proceedings of the II International Conf., Moscow, 24–25 August 2023. Moscow; 2023. p. 256–260. (In Russ.).
  25. Копылова Е. В., Туманов М. А., Сидоренко В. Г. Проблемы и перспективы создания интеллектуальных систем управления технологическими процессами на линейных объектах пассажирского комплекса железнодорожного транспорта // Наука и техника транспорта. 2023. №4. С. 95–100. EDN: https://elibrary.ru/ynespv. Kopylova E. V., Tumanov M. A., Sidorenko V. G. Problems and prospects of creating smart control systems of technological processes at linear objects of passenger railway transport complex. Science and Technology in Transport. 2023;(4):95-100. (In Russ.). EDN: https://elibrary.ru/ynespv.
  26. Baranov L. A., Sidorenko V. G., Balakina E. P., Safronov A. I. Minimization of Energy Consumption for Urban Rapid-Transit Traction. Russian Electrical Engineering. 2021;92:492-498. https://doi. org/10.3103/S1068371221090030.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

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».