یافتن نقاط ضعف: روشی جدید برای جلوگیری از آبشار تاخیر قطار


برای کمک به بهبود وقت‌شناسی با درک چگونگی انتشار تاخیرها و شناسایی قطارهای حیاتی، محققان مرکز علوم پیچیدگی (CSH) با همکاری راه‌آهن فدرال اتریش (ÖBB)، یک روش مبتنی بر شبکه جدید توسعه داده‌اند.

تأخیر قطار نه تنها یک ناامیدی رایج برای مسافران است، بلکه می تواند منجر به خسارات اقتصادی قابل توجهی نیز شود، به ویژه هنگامی که از طریق شبکه راه آهن آبشار می شوند. هنگامی که یک قطار با تأخیر مواجه می شود، اغلب یک واکنش زنجیره ای ایجاد می کند و مسائل جزئی را به تاخیرهای گسترده در سراسر سیستم تبدیل می کند. این می تواند پرهزینه باشد. گزارشی از انجمن راه‌آهن‌های آمریکا (AAR) نشان می‌دهد که اختلال در سراسر کشور راه‌آهن در ایالات متحده می‌تواند بیش از 2 میلیارد دلار در روز برای اقتصاد هزینه داشته باشد. بنابراین، سوال مبرم برای اپراتورهای راه آهن این است: چگونه اثر آبشاری تاخیرها را به طور موثر و با حداقل تلاش مدیریت کنیم؟

با استفاده از یک رویکرد مبتنی بر شبکه جدید، محققان از Complexity Science Hub (CSH) خطر سیستمیک ناشی از قطارهای فردی را برای کل شبکه ریلی در اتریش کمیت کردند. Vito Servedio از CSH توضیح می دهد: “این به ما امکان می دهد نقاط ضعف سیستم را شناسایی کنیم – قطارهایی که به طور قابل توجهی تاخیرها را به خدمات بعدی منتقل می کنند.” این مطالعه در منتشر شد npj تحرک و حمل و نقل پایدار.

شناسایی «قطارهای اینفلوئنسر»

محققان با تجزیه و تحلیل داده‌های ایستگاه مرکزی شلوغ وین به مسیر وینر نوشتات (با بیش از 1000 قطار مسافربری روزانه) بین سال‌های 2018 و 2020، به همراه داده‌های اضافی از تمام مسیرهای قطار در سراسر اتریش در یک دوره 14 روزه، یک مدل شبکه ساختند. . در این مدل، گره‌ها خدمات قطار را نشان می‌دهند و پیوندها نشان‌دهنده تعاملاتی هستند که به طور بالقوه می‌توانند باعث تاخیر شوند. با استفاده از این مدل، محققان توانستند قطارها را بر اساس پتانسیل آنها برای انتشار تاخیرها رتبه بندی کنند و “قطارهای تاثیرگذار” را شناسایی کنند. برای تأیید یافته‌های خود و ارزیابی استراتژی‌های کاهش تاخیر، آنها یک شبیه‌سازی مبتنی بر عامل از راه‌آهن اتریش ساختند که دینامیک و تعاملات روزانه قطار را تکرار می‌کرد.

نتایج نشان می‌دهد که قطارهایی که کمی قبل و در طول اولین ساعت شلوغی کار می‌کنند، حیاتی‌ترین هستند — “که شاید کمی تعجب آور باشد. با این حال، می‌توانیم تشخیص دهیم که کدام یک در شبکه پیچیده اتصالات در ساعات شلوغی تاثیرگذارتر هستند.” سیمون دانیوتی که کاندیدای دکترا در CSH و اولین نویسنده این مطالعه است، می گوید.

علاوه بر این، تیم مشاهده کرد که خطر مرتبط با این قطارها ریشه در وابستگی های برنامه ریزی شده آنها دارد. تنها زمانی که یک اختلال رخ می دهد، ماهیت بحرانی این وابستگی ها آشکار می شود.

سهام نورد به عنوان علت اولیه آبشارهای تاخیری

محققان دریافتند که آبشارهای تأخیر در این مدل عمدتاً ناشی از اشتراک سهام نورد (لوکوموتیو و واگن) است، علیرغم وجود نقاط تماس کمتری بین انبارهای نورد نسبت به زیرساخت‌ها. دانیوتی توضیح می‌دهد: «آنچه می‌بینیم این است که موادی مانند وسایل نورد و پرسنل، نقش مهم‌تری در گسترش تاخیرها در شبکه ریلی نسبت به حرکت قطارها دارند.» به عنوان مثال، اگر قطاری که قرار است در ساعت 2 بعد از ظهر حرکت کند، متکی به قطاری باشد که در ساعت 8 صبح حرکت کرده است، هر گونه تأخیر در قطار قبلی می تواند به طور قابل توجهی قطار بعدی را مختل کند. این یک محدودیت سخت ایجاد می کند که می تواند بسیار مخرب باشد.

اگرچه مدل فعلی تغییرات پرسنل را به دلیل کمبود داده در نظر نمی‌گیرد، اما به گونه‌ای طراحی شده است که در هر زمان عوامل دیگری مانند کارکنان را در بر بگیرد. این انعطاف‌پذیری امکان تجزیه و تحلیل دقیق‌تر اثرات تاخیر را در زمانی که آن نقاط داده در دسترس هستند، فراهم می‌کند.

خدمات قطار اضافی

برای کشف راه‌حل‌های بالقوه، محققان یک تأخیر یک ساعته را برای 2 درصد از قطارهای خط راه‌آهن جنوبی اتریش از ایستگاه مرکزی وین تا وینر نوشتات شبیه‌سازی کردند. این قطارها بیشترین تأثیر را بر شبکه دارند. Servedio توضیح می دهد: “ما دریافتیم که اضافه کردن تنها سه سرویس قطار اضافی به این مدل می تواند تاخیر کلی در روزهای بحرانی را تقریباً 20٪ کاهش دهد.”

محققان می گویند که اعمال این رویکرد در کل سیستم راه آهن اتریش می تواند با اضافه شدن 37 قطار یا اتصال جدید، تاخیر در مدل را تا 40 درصد کاهش دهد. آنها همچنین مشاهده کردند که هر چه یک خط راه آهن ترافیک بیشتری داشته باشد، بهینه سازی آن چالش برانگیزتر است.

از آنجایی که مقرون‌به‌صرفه‌ترین خدمات قطار برای شرکت‌های راه‌آهن، قطارهای محلی با واحدهای کشش الکتریکی است، در حالی که جایگزینی قطارهای مسافت طولانی دشوارتر و پرهزینه‌تر است، محققان بررسی کردند که آیا تأثیرات مختلف بستگی به خدمات قطار اضافه‌شده دارد یا خیر. Servedio می‌گوید: «جالب است که ما دریافتیم که می‌توانیم با اضافه کردن سه مورد از مقرون‌به‌صرفه‌ترین خدمات قطار به خط راه‌آهن جنوبی، به کاهش مشابهی حدود 20 درصد در تأخیرهای کلی دست یابیم».

رویکرد پیشگام

Aad Robben-Baldauf مدیر برنامه ÖBB می گوید: “وقت شناسی یکی از اهداف اصلی ÖBB است. مدلی که CSH توسعه داده است، ابزار اضافی برای رسیدن به این هدف در سیستم ریلی پیچیده ما در اختیار ما قرار می دهد.”

CSH می گوید: “شبیه سازی یک سیستم راه آهن ملی پیچیده است، شامل تعداد زیادی قطار و نقاط عملیاتی است که میلیاردها سناریو ایجاد می کند. روش های سنتی اغلب در این مقیاس کوتاهی می کنند، اما تجزیه و تحلیل شبکه و علم پیچیدگی ابزارهای مدل سازی قوی برای شناسایی آسیب پذیری های سیستمی ارائه می دهند.” رئیس جمهور استفان ترنر این مطالعه مزایای قابل توجه پیوند دادن تحقیقات علمی با تخصص صنعت را نشان می‌دهد و نشان می‌دهد که چگونه نوآوری مشترک می‌تواند راه‌حل‌های موثری برای مسائل پیچیده عملیاتی ارائه دهد.

در مورد مطالعه

مطالعه “رویکرد ریسک سیستمی برای کاهش آبشار تاخیر در شبکه های راه آهن” توسط S. Daniotti، VDP Servedio، J. Kager، A. Robben-Baldauf و S. Thurner در منتشر شده است. npj تحرک و حمل و نقل پایدار.

این مطالعه به عنوان بخشی از پروژه “پیش بینی عملیات قطار”، یک ابتکار مشترک بین CSH و ÖBB، با هدف توسعه استراتژی های بهینه سازی برای حمل و نقل مسافر ÖBB به منظور کاهش تاخیرهای کلی سالانه در سیستم انجام شد.



منبع

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]