Порівняльний аналіз оптимізаційних алгоритмів для побудови оптимізованих траєкторій руху рейкового транспорту

Автор(и)

  • Вадим Михайлович Ляшенко Український державний університет залізничного транспорту, Україна https://orcid.org/0009-0005-1139-3537

DOI:

https://doi.org/10.18664/ikszt.v31i1.357888

Ключові слова:

оптимізація траєкторії руху поїздів, міський залізничний транспорт, траєкторії руху, енергоефективність, динамічне програмування, «жадібні» алгоритми

Анотація

У цьому дослідженні наведено порівняльний аналіз алгоритмів оптимізації, що застосовують для побудови  енергоефективних траєкторій руху поїздів. У рамках дослідження порівняли результати роботи евристичного «жадібного»  алгоритму та метод динамічного програмування (DP), заснований на принципі оптимальності Беллмана. Дослідження  присвячене фундаментальній проблемі визначення оптимальних траєкторій швидкості як функції часу відстані, які  мінімізують споживання енергії за чіткого дотримання графіка руху. Така оптимізація є особливо складною в умовах  залізничного транспорту через значні варіації поздовжніх профілів колій, характеристик рухомого складу та необхідність  ухвалення рішень у режимі реального часу. Хоча динамічне програмування гарантує глобально оптимальне рішення,  воно потребує значних обчислювальних ресурсів. І навпаки, «жадібні» евристичні алгоритми мають практичні переваги в  обчислювальній ефективності та простоті реалізації, проте покладаються на локальні оптимуми. Це дослідження оцінює  такі компроміси через моделювання різних операційних сценаріїв. Аналіз показує, що хоча «жадібний» алгоритм досягає  швидкості обчислення, яка приблизно в 30 разів перевищує швидкість підходу динамічного програмування, він  спричиняє збільшення енергоспоживання до 10 % на складних профілях колії через відсутність попереднього  прогнозування. Однак на рівній місцевості різниця в ефективності значно зменшується. Ці результати кількісно оцінюють  практичні наслідки вибору алгоритму, слугуючи основою для розроблення гібридних стратегій енергоменеджменту, що  враховують вимоги щодо часу обробки даних у системах автоведення поїздів та економічні вигоди від мінімізації  енергоспоживання.

Біографія автора

Вадим Михайлович Ляшенко, Український державний університет залізничного транспорту

аспірант кафедри електроенергетики, електротехніки та  електромеханіки

Посилання

Patrick Bochmann, Birgit Jaekel. Measures and Methods for the Evaluation of ATO Algorithms. Applied Sciences. 2022. Vol. 12 (9). P. 4570. DOI: 10.3390/app12094570.

Jiateng Yin. Research and development of automatic train operation for railway transportation systems: A survey. Transportation Research Part C: Emerging Technologies. 2017. Vol. 85. P. 548-572. DOI: 10.1016/j.trc.2017.09.009.

Single-Train Trajectory Optimization / Shaofeng Lu, Stuart Hillmansen, Mark Ho, Clive Roberts. IEEE Transactions on Intelligent Transportation Systems. 2013. Vol. 14, No. 2. P. 743–750. DOI: 10.1109/TITS.2012.2234118.

Energy-efficient train control in urban rail transit systems / Shuai Su, Tao Tang, Bo Liu. Proceedings of the Institution of Mechanical Engineers Part F Journal of Rail and Rapid Transit. 2014. Vol. 229, № 4. DOI: 10.1177/0954409713515648.

Train speed profile optimization with on-board energy storage devices: a dynamic programming based approach / Yerang Huang, Lixing Yang, Tao Tang, Ziyou Gao, Fang Cao, Keping Li. Computers & Industrial Engineering. 2018. Vol. 126. P. 149–164. DOI: 10.1016/j.cie.2018.09.024.

A Novel Dynamic Programming Approach for Optimizing Driving Strategy of Subway Trains / Hao Gao, Yadong Zhang, Jin Guo. MATEC Web of Conferences. 2020. Vol. 325. DOI: 10.1051/matecconf/202032501002.

Yeun Sub Byun, Rao Gyo Jeong. Optimization of Driving Speed of Electric Train Using Dynamic Programming Based on Multi-Weighted Cost Function. Applied Sciences. 2022. Vol. 12, № 24. P. 12857. DOI: 10.3390/app122412857.

Train trajectory optimization for improved ontime arrival under parametric uncertainty / Pengling Wang, Alessio Trivella, Rob M. P. Goverde, Francesco Corman. Transportation Research Part C Emerging Technologies. 2020. Vol. 119. DOI: 10.1016/j.trc.2020.102680.

Eugene Khmelnitskiy. On an Optimal Control Problem of Train Operation. IEEE Transactions on Automatic Control. 2000. Vol. 45, No. 7. P. 1257–1266. DOI: 10.1109/9.867018.

Wolfram Heineken. Energy-Efficient Train Driving Based on Optimal Control Theory. Energies. 2023. Vol.16 (18). P. 6712. DOI: 10.3390/en16186712.

Comparative Performance Analysis of Speed Trajectory Optimization Algorithms for Metro and High-speed Railways / Xiao Liu, Yang Peng, Zhongbei Tian, Shaofeng Lu, Lin Jiang, Minwu Chen. IEEE Transactions on Transportation Electrification. 2025. Vol. 11 (4). P. 9000-9010. DOI: 10.1109/TTE.2025.3544112.

Scheepmaker. Review of energy-efficient train control and timetabling / Gerben M. Scheepmaker, Rob M. P. Goverde, Leo G. Kroon. European Journal of Operational Research. Vol. 257 (2). P. 355-376. DOI: 10.1016/j.ejor.2016.09.044.

Ляшенко В. М., Устенко О. В., Яцько С. І. Дослідження витрат електроенергії за повторно-короткочасного режиму роботи електрорухомого складу на ділянках різного профілю. Зб. наук. праць Укр. держ. ун-ту залізнич. трансп. 2025. Вип. 211. С. 181-195. DOI: 10.18664/1994-7852.211.2025.327149.

##submission.downloads##

Опубліковано

2026-04-27