автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методы повышения эффективности управления технологическим комплексом метрополитена в нештатных ситуациях

На правах рукописи СИМАКОВ ЕВГЕНИЙ ВЛАДИМИРОВИЧ

МЕТОДЫ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ КОМПЛЕКСОМ МЕТРОПОЛИТЕНА В НЕШТАТНЫХ СИТУАЦИЯХ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (транспорт)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2003

Работа выполнена в государственном образовательном учреждении

высшего профессионального образования «Петербургский государственный университет путей сообщения Министерства путей сообщения Российской федерации».

Научный руководитель -кандидат технических наук, профессор Борисенко Леонид Иванович

Официальные оппоненты: Ерофеев Евгений Васильевич - доктор технических наук, профессор Грошев Геннадий Максимович - кандидат технических наук, доцент

Ведущее предприятие - АО «ЛЕНГИПРОТРАНС».

Защита состоится 18 декабря 2003 г. в 13 час. 30 мин. на заседании диссертационного совета Д 218.008.02 при Петербургском государственном университете путей сообщения МПС РФ (ПГУПС МПС

РФ) по адресу : 190031, Санкт-Петербург, Московский пр., 9, ауд. 7-320.

С диссертацией можно ознакомиться в библиотеке Петербургского государственного университета путей сообщения МПС РФ.

Автореферат разослан {? ноября 2003 г.

Ученый секретарь диссертационного совета к. т. н., доцент

В. Б. Культин

о

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Метрополитен является основным видом внемагистрального пассажирского транспорта крупных городов. Высокая интенсивность движения поездов требует точного выполнения планового графика движения, а при возникновении различных нештатных ситуаций - эффективных действий оперативного персонала по их разрешению. При этом необходимо обеспечить безусловное соблюдение безопасности пассажиров, а также по возможности минимальные затраты времени и электроэнергии на восстановление нормального режима работы.

В настоящее время на метрополитенах Российской Федерации достигнут достаточно высокий уровень автоматизации процесса управления движением поездов, широко внедряются современные системы диспетчерского управления (КАС ДУ, АСУ «Движение»),

Для контроля оплаты проезда используются специализированные автоматизированные системы (АСКОП), позволяющие в реальном масштабе времени получать данные о входных пассажиропотоках на станциях.

В связи с длительным отсутствием достаточного финансирования, комплекс технических средств метрополитена находится в изношенном состоянии, что определяет возросшее количество отказов и, как следствие, сбоев в движении поездов и работе станций. В период сбоев нагрузка на диспетчерский персонал значительно повышается, а его действия часто бывают недостаточно эффективными.

Одним из направлений повышения качества решений, принимаемых в процессе оперативного управления метрополитеном, а, следовательно, эффективности работы его технологического комплекса в

РОС. НАЦИОНАЛ ЬНАЯ ] 1 БИБЛИОТЕКА I С.Петербургу., , • 09 I

целом, является создание систем поддержки принятия решений (СППР), вырабатывающих оптимальные варианты действий по организации движения поездов и работе станций на основании оперативной информации о поездной ситуации и данных о пассажиропотоке, получаемых от систем диспетчерского управления и АСКОП.

В области теории построения систем автоматизированного управления работой метрополитена известны работы Л. А. Баранова, Е. В. Ерофеева, В. И. Астрахана, В. П. Быкова, В. П. Козлова, Е. В. Шмелевой. Анализу закономерностей распределения пассажиропотоков посвящены работы И. М. Якушкина, А. К. Межоха, В. Н. Барсукова.

В области теории построения систем поддержки принятия решений в процессе управления движением поездов известны работы Л. А. Баранова, В. В. Сапожникова, Вл. В. Сапожникова, М. Н. Василенко, Г. М. Грошева, А. В Гриненко, В. П. Быкова, М. С. Лукьянова и других.

В большинстве СППР для выработки оптимальных решений использовались различные модели объекта управления, а в качестве входных данных предварительно рассчитанные или вероятностные значения параметров, часто недостаточно адекватно отражающие их реальное изменение во времени, что приводило к существенным отличиям в работе модели относительно реального объекта, особенно при моделировании нештатных сшуаций.

В то же время развитие комплекса технических средств метрополитена с использованием современных информационных технологий позволяет использовать в СППР статистические данные высокой степени достоверности, а также получать в масштабе реального времени значения таких существенных для выработки решений параметров, как интенсивность входных пассажиропотоков на станциях и

положение поездов на линии, содержащихся в динамически обновляемых базах данных соответствующих автоматизированных систем.

Разработка методов построения и алгоритмов работы СППР, вырабатывающей оптимальные (по выбранным критериям) варианты организации движения поездов метрополитена с учетом действующих значений существенных параметров, является актуальной научной задачей. Решение данной задачи имеет большую практическую ценность для совершенствования информационного обеспечения центральных диспетчерских постов, повышения объективности принятия решений в процессе ретроспективной оценки эффективности действий оперативного персонала ревизорским аппаратом и руководством метрополитена.

Диссертационная работа выполнялась в соответствии с программой НИОКР АО «Ленгипротранс», Петербургского метрополитена и ОАО НИПИИ «Ленметрогипротранс».

Цель и задачи исследования. Основной целью диссертационного исследования является разработка методов построения базовых алгоритмов функционирования и структуры СППР для диспетчерского и ревизорского персонала и их практическое внедрение на метрополитене для повышения эффективности его функционирования при нештатных ситуациях.

Для достижения поставленной цели необходимо решить следующие задачи:

- сбор и анализ статистики по нештатным ситуациям на метрополитене и классификация данных ситуаций;

- анализ существующей технологии организации движения поездов на метрополитене в нештатных ситуациях;

- синтез метода выработки эффективных способов организации движения поездов и работы станций при нештатных

ситуациях, разработка его формализованной схемы;

- синтез метода определения интенсивности пассажиропотоков, на основании информации АСКОП о количестве пассажиров, прошедших на станции;

- разработка структуры систем СППР дня диспетчерского и ревизорского аппарата, а также базовых алгоритмов их функционирования;

- разработка требований к составу входной информации от существующих автоматизированных систем диспетчерского управления и системы контроля пассажиропотоков метрополитена АСКОП;

- оценка повышения эффективности работы технологического комплекса метрополитена в нештатных ситуациях при использовании разработанных методов;

- оценка повышения объективности оценки действий оперативного персонала в нештатных ситуациях при использовании разработанных методов.

Объектом исследования является процесс организации движения поездов и перевозки пассажиров на метрополитене.

Предметом исследования является механизм выработки эффективных вариантов организации функционирования технологического комплекса метрополитена при разрешении нештатных ситуаций по критериям минимальных затрат времени и электроэнергии для восстановления заданных размеров движения и порядка следования номеров маршрутов поездов при соблюдении нормативов плотности пассажиров на платформах станций.

Теоретическими основами исследования являются системный

анализ, методы исследования операций, регрессионный статистический

анализ и методы построения систем поддержки принятия решений.

Научная новизна работы:

■ на основании анализа собранных статистических данных предложена классификация нештатных ситуаций, возникающих на метрополитене, основанная на степени их влияния на технологический процесс (безотносительно к причинам их возникновения);

■ предложен алгоритм восстановления нарушенного графика движения для случаев несоответствия порядка следования номеров маршрутов требуемому. Особенностью алгоритма является возможность пошагового восстановления графика с оптимизацией перемещений поездов по топологии лини метрополитена на каждом шаге;

■ разработана модель входного пассажиропотока станции. Высокая адекватность модели достигнута за счет использования в качестве исходных данных информации о количестве пассажиров, прошедших через турникеты АСКОП;

■ предложен метод определения заполняемое™ пассажирами платформ станций на основании данных, получаемых из модели входного пассажиропотока и динамической матрицы корреспонденции, позволяющий определять уровень заполняемое™ платформ с минимальной погрешностью без дополнительных дорогостоящих натурных обследований;

■ синтезирован алгоритм выработки ограничений на возможные варианты организации движения поездов при восстановлении планового графика, позволяющий избежать превышения норм плотности пассажиров на платформах станций.

Практическая ценность диссертации заключается в разработке и внедрении методики построения, структуры, базовых алгоритмов функционирования и специализированного ПО СППР для диспетчерского и ревизорского аппарата метрополитена, позволяющих повысить эффективность разрешения нештатных ситуаций и объективность оценки действий оперативного персонала в таких ситуациях.

Разработанный математический и алгоритмический аппарат может быть использован также при решении таких актуальных задач, как дополнение информационного обеспечения центральных диспетчерских постов метрополитена и разработка средств обучения оперативного персонала эффективным действиям в нештатных ситуациях.

Реализация результатов исследования. Основные практические результаты работы внедрены на Петербургском метрополитене и при разработке концепции информационного обеспечения центрального диспетчерского поста Казанского метрополитена. Результаты проведенных в диссертации исследований легли в основу рекомендаций по решению ряда практических задач:

■ разработка методики улучшения информационного обеспечения центрального поста поездных диспетчеров Петербургского метрополитена утвержденной Начальником службы Движения Петербургского метрополитена в 2001 г;

■ разработка Исходных требований и Технического задания на Автоматизированную систему учета нарушений работы оборудования метрополитена и действий персонала при нештатных ситуациях (АС-РБ), утвержденных Начальником Петербургского метрополитена в 2002 г;

■ разработка Концепции построения единой информационной сети автоматики, сигнализации и связи Казанского метрополитена, утвержденной в 2002 г. • оценка эффективности действий диспетчерского персонала при разрешении ряда нештатных ситуаций на Петербургском метрополитене;

Апробация работы. Основные результаты, полученные в диссертационной работе, докладывались и обсуждались на: Научно-технических конференциях «Неделя науки» (С-ПБ 2001, 2002, 2003 гг.); X С-Петербургской международной конференции «Региональная информатика 2003» (С-Пб, 8-10 апреля), научно-техническом совете Петербургского метрополитена (С-ПБ, 3 марта 2003 г.).

Публикации. По материалам диссертации опубликовано 6 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырех разделов, заключения, списка использованных источников и приложений. Работа содержит 124 страницы основного текста, 22 рисунка, 12 таблиц, перечня использованных источников из 75 наименований и 3 приложений на 14 стр.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы актуальность выбранной темы, определена цель и задачи исследования.

В первом разделе диссертации произведен анализ известных работ в области планирования и организации работы технологического комплекса метрополитена. Определено, что до настоящего времени основным документом, регламентирующим совместную работу всех

подразделений, связанных с организацией перевозок пассажиров, является плановый график движения поездов (ПГД).

При разработке ПГД используются следующие исходные данные:

- потребность города в пассажирских перевозках на данном направлении;

- заданные размеры движения;

- перегонное время следования поездов;

- нормы времени стоянок на станциях;

- время оборота составов на конечных или промежуточных станциях;

- нормативы пробега подвижного состава.

Данные о потребности города в перевозках представляют собой статистику пассажиропотоков за некоторый прошедший период, не учитывающую случайные всплески интенсивности пассажиропотоков, связанные с массовыми мероприятиями или нештатными ситуациями.

В связи с различными нештатными ситуациями реально достижимые размеры движения поездов, времена стоянок и следования по перегонам могут существенно отличаться от плановых (вплоть до временного прекращения движения на отдельных участках). Введение при закрытии участков нештатных оборотов поездов на промежуточных станциях приводит к нарушению порядка следования номеров маршрутов относительно ПГД и необходимости его восстановления.

Таким образом, становится актуальным решение ряда задач автоматизации выработки эффективных решений по организации движения поездов и режимов работы станций при возникновении нештатных ситуаций и в процессе восстановления нарушенного графика, а также повышения объективности оценки действий оперативного персонала в таких ситуациях.

Проведенный анализ научных работ в области повышения эффективности процесса перевозок на железнодорожном транспорте

показал, что одним из способов повышения эффективности управления данным процессом является введение в состав информационного обеспечения персонала систем поддержки принятия решений (СППР). Однако разработка методов выработки эффективных решений и структуры аналогичных по функциональности СППР для метрополитена с учетом современного уровня автоматизации его технологического комплекса в последнее время не проводилась.

В настоящей работе рассмотрен комплекс задач, решаемых метрополитеном (2), определенный как множество, включающее в себя три основные составляющие:

2=(2б,2п,2р), (1)

где 26 - комплекс задач обеспечения безопасности процесса перевозок пассажиров; 2п - комплекс задач обеспечения необходимого объема перевозок пассажиров; 2р~ комплекс задач распределения необходимых ресурсов.

Анализ работы технологического комплекса метрополитена показывает, что в настоящее время повысить эффективность решения задач Z в процессе разрешения НС без значительных капиталовложений в обновление дорогостоящих технических средств возможно при помощи повышения эффективности решений, принимаемых в процессе управления технологическим комплексом метрополитена.

В диссертационной работе произведен синтез формализованной модели метрополитена, необходимой для определения множества элементов данной системы, повышение эффективности алгоритмов работы которых позволит повысить эффективность решения задач 2.

Для формализации структуры метрополитена как сложной системы предложен функционал вида:

Ем = (Ем, См«, Смен, Ам, Рм, Ут, Уо, Ув, Ум, Ус), (2)

где:

Ем - множество элементов, составляющих систему;

Смв - структура связей элементов системы с внешней средой;

Смен - структура внутренних связей элементов системы;

Ам - множество алгоритмов функционирования элементов;

Рм - множество существенных параметров элементов;

Ут - вектор технологической нагрузки системы;

Уо — вектор потока отказов элементов системы;

Ув - вектор потока восстановлений элементов системы;

Ум - вектор входных воздействий на систему со стороны внешней среды;

Ус - вектор выходных воздействий системы на внешнюю среду.

Выражение (2) определяет структуру системы и показывает ее взаимодействие с окружающей средой.

Структурное представление формализованной модели (2) изображено на рис. 1.

Ум(0

N V

Смвн!

ем1 ам1 рм1 Уо1(0 Ув1(0

См1,2

и н

См1,п

Смвн2

ем2 ам2 рм2

Уогед Ув2(4)

См2,3 <-^

См2,п

Внешняя среда

Смвнп

емп амл рмп Уоп(1) Увп(0

Метрополитен Ут(1)

Ус(1)

Рис. 1

Из множества элементов Ем по результатам обследования работы Петербургского метрополитена выделено подмножество существенных по отношению к задачам исследования элементов ЕмсеЕм. Список данных элементов приведен в таблице 1.

Подмножество множества Бмс Описание элемента подмножества

Элементы, формирующие пространственную структуру Емс'"' - вестибюль станции - наклонный ход - платформа (открытого типа) - платформа (закрытого типа) - станционный путь - оборотный тупик - перегонный путь

Элементы, перемещающие пассажиров в пределах пространственной структуры Бмс" - эскалатор - поезд

Элементы, определяющие и контролирующие выполнение алгоритмов функционирования для Емс4", Емс* Емс31 - дежурный по станции - машинист - диспетчер - ревизор - система диспетчерского управления - система АСКОП

Нештатной ситуацией (НС) будем называть событие, временно

изменяющее алгоритм Ам1 работы одного или нескольких элементов Ем1 системы (2) под действием вектора потока отказов Ум.

Совокупность параметров, характеризующих состояние системы (2) в НС образует множество существенных параметров.

Во втором разделе диссертации по результатам обследования работы центрального диспетчерского поста Петербургского метрополитена определена структура связей существенных элементов, показывающая их взаимодействие в процессе функционирования технологического комплекса метрополитена.

Основным существенным элементом является поездной диспетчер, задающий или корректирующий (при возникновении сбоев) алгоритмы работы остальных элементов. Повышение эффективности его работы опосредованно повышает эффективность работы всех выделенных существенных элементов с точки зрения решения задач множества 2.

Обследование показало, что важным существенным элементом системы является ревизорский аппарат, отвечающий за определение

11

причин нарушений нормальной работы метрополитена и участвующий в выработке мероприятий, направленных на повышение эффективности его работы.

Анализ статистических данных о сбоях графика движения на Петербургском метрополитене в 2000-2002 г. г позволил определить наиболее часто возникающие нештатные ситуации (НС). Данные о количестве сбоев приведены в таблице 2.

Таблица 2

Тип сбоя графика движения Год проведения обследования

2000 г. 2001 г. 2002 г.

Опоздание поезда 420 232 272

Отмена поезда на участке 1021 679 877

Полная отмена поезда 259 106 101

Определены причины опозданий и отмен поездов в 2001 г.

Причины опозданий и отмен для 168 случаев приведены в таблице 3.

Таблица 3

Тип Причины опозданий и отмен поездов Количество

неисправности случаев

1 Неисправность подвижного состава 136

2 Неисправность устройств СЦБ 17

3 Работа вагонов-дефектоскопов и лабораторий 3

4 Просадка напряжений на внешних вводах СТО 1

5 Нарушение в работе дренажных систем 1

6 Противоправные действия пассажиров 9

Определено, что наиболее существенными являются следующие

типы неисправностей:

- подвижного состава;

- устройств СЦБ;

- неисправности и сбои, вызванные противоправными действиями пассажиров.

Осуществлен переход от классификации НС по причинам их возникновения к классификации по способу разрешения, что позволило

определить принципы эффективности действий оперативного персонала при различных НС.

Введено множество НС с общими стратегиями разрешения:

£ = (3)

где 5/ - подмножество НС, не влияющие непосредственно на процесс перевозки пассажиров; $2 - подмножество НС, вызывающие кратковременные сбои в движении поездов (до величины межпоездного интервала, заданной плановым графиком движения поездов); $3 подмножество НС, вызывающие сбои движения свыше межпоездного интервала; - подмножество НС, вызывающие необходимость изменения порядка следования поездов (нештатный оборот, зонное движение и т. д).

Определено, что в настоящее время наименее эффективными являются действия персонала по разрешению НС подмножества Такие действия приводят к дополнительному расходу электроэнергии на режим «нагон» и неграфиковые передвижения поездов, а также к перенакоплению пассажиров на платформах станций при увеличении межпоездных интервалов.

Сформированный общий алгоритм действий поездного диспетчера по разрешению НС полмножества позволил определить, что в процессе их разрешения существует ряд повторяющихся циклов действий, увеличивающих время восстановления ПГД. Сокращение количества данных циклов возможно посредством предоставления пользователю оптимальных вариантов действий СППР.

В качестве математического аппарата для поиска решений в процессе восстановления ПГД рассматривались теория расписаний, теория нечетко-лингвистических систем, методика построения ассоциативных сетей. Показано, что вышеперечисленные методы имеют ряд недостатков и являются либо избыточно сложными для рассматриваемой задачи, либо

имеют проблему строгого доказательства оптимальности формируемых вариантов решения. В результате выбран аппарат многокритериальной (векторной) оптимизации, наиболее полно отвечающий специфике рассматриваемой задачи.

Задача принятия оптимального решения Р характеризуется двумя основными параметрами:

Р = [С,®\ (4)

где С - множество возможных вариантов решения; в - принцип оптимальности принимаемого решения.

В работе показано, что в настоящее время при решении рассматриваемой задачи происходит ее сведение к однокритериальной (критерием оптимальности решения является либо минимальное время восстановления ПГД, либо минимальный расход электроэнергии на дополнительные обороты поездов на промежуточных станциях с путевым развитием). При этом практически не учитывается ограничение по перенакоплению пассажиров на платформах станций, возникающее из-за увеличения межпоездного интервала при введении неграфиковых оборотов поездов.

В диссертационной работе предложено решать задачу с учетом двух критериев (временного и энергетического) и ограничения по уровню плотности пассажиров на платформах. Общий вид задачи: " /(Х) = (/1(Л0,...,/„(Х))Г =

л ео

] Х = {хх,хг.....х„) (5)

где X - множество критериев эффективности решений задачи; £,(ЛГ) - множество ограничений на допустимые решения задачи.

Решением задачи является стратегия, состоящая из управляющих

воздействий, задающих неграфиковые перемещения поездов Ир и режимы

14

работы вестибюлей станций и пересадочных узлов № (закрытие, открытие или ограничение пассажиропотока).

При решении задачи линия метрополитена представляется как граф с узлами, соответствующими возможным позициям положения поездов, и ребрами, соответствующими расстояниям между этими позициями.

Вершинам графа поставлена в соответствие матрица!) размерностью [и, и], в которой размещены числа пшш/(1 , уА соответствующие числу минимальных шагов управления, необходимых для перемещения поезда из узла I в узел у при применении оптимальной стратегии по выбранному критерию. При этом под шагом управления понимается выдача общей (всем поездам) или частной (одному поезду) команды управления. Оптимальная стратегия определяется топологией линии (связями в графе). Таким образом, матрица О может быть записана в виде

'шаг 1,1

таг 2,1

1 шаг 1,2

шаг2,2

'шаг 1,п

Пшаг 2,п

(6)

_^шагп,1 ^ шаг п,2 ••• ^шагп,п_

С матрицей Ь связана матрица ОрЩг элементами которой являются оптимальные векторы управления для перемещения некоторого поезда из узла / в узел у, причем размерность этих векторов равна числу пшаг(1, у). В указанных векторах хранятся числа, соответствующие кодам (номерам) частных матриц управления С/}.

~°Ри ОРи ... Ор1п" ОР2,1 Ор„ ... Ор^

Ори =

Ород 0Рм ... Ор

Ори =

и,

и,

и,

Орп,п =

"у

(8)

птаг1,\

и,.,

При управлении движением поездов возможны различные управляющие воздействия

(Щ,1 = 1,2,.., т. (9)

Число управляющих воздействий т определяется структурой связей графа.

Для решения задачи задаются два вектора: вектор Тек[п\ текущего положения поездов на узлах, и вектор ТгеЬ[п\ требуемого положения поездов на узлах. Указанным векторам соответствует матрица 5/г[2,л] стратегии управления, размерность которой по столбцам равна числу несоответствий в содержании векторов Тек[ и] и ТгеЬ[п] (то есть числу циклов перемещений всех поездов, которые стоят не в требуемых позициях), а размерность по строкам равна 2, причем в первой строке хранятся номер узла из которого необходимо убрать поезд, а во второй -соответственно номер узла, в который необходимо поставить поезд.

О, если Те^ = ТгеЦ для всех /,}, &г=- ТгеЬ/,естТе^ *ТгеЦ для 1=0, и соотв./, (щ

ТеЦ,если Тек} * ТгеЦ для ¿ = 1, и соотв./

Решение поставленной выше задачи состоит в поиске такого управления поездами (выборе последовательности управляющих воздействий или произведений частных матриц управления),

П1

и = ПЦ'=1,2,..,»,

(И)

применение которого расположит поезда в нужной последовательности (очередности) друг за другом при минимальном числе шагов управления, то есть при котором:

U-Тек = Treb. (12)

Фактически требуется найти последовательность минимальных путей в данном графе на каждом шаге управления, которые позволяют при использовании всех не занятых узлов оборота, пройти по ребрам за минимальное время.

Общая постановка такой задачи соответствует задаче динамического программирования с выбором оптимального управления на каждом шаге управления к.

Целевая функция управления представляет собой сумму всех шагов, которые необходимо совершить, начиная с текущего к - того шага управления, чтобы получить требуемое положение поездов на линии

п

BCexStr*°). (13)

м

На каждом шаге выбирается такая частная матрица управления Ui, являющаяся первым элементом во всех векторах Орц, требуемых для исполнения в соответствии с текущим содержанием матрицы Sir, применение которой дает наибольшую разницу:

Д = /(к +1) — f(k) то есть А -» max. (14)

При вводе дополнительного оборота поезда на станции за данной станцией образуется увеличенный межпоездной интервал, следовательно на платформах произойдет накопление пассажиров пропорционально текущей интенсивности входного пассажиропотока. В зависимости от величины межпоездного интервала, возможно превышение норм плотности пассажиров на платформах пт1Ш.

Для платформы станции С, площадью 5 м2 при интенсивности

входного пассажиропотока в данном направлении р1 чел/мин при любом увеличении межпоездного интервала должно выполняться неравенство:

",(') = kp,(t)S-1 > пнорм (15)

где к - эмпирический коэффициент, характеризующий неравномерность распределения пассажиров по длине платформы.

Таким образом, целевую функцию для рассматриваемой задачи оптимизации можно записать в виде системы:

Д =f(k +1)-f(k), А —> max nAt) = kp,(t)S-\>nmpyi (16)

Границы множества Парето для двух критериев эффективности рассматриваемой оптимизационной задачи задаются системой неравенств:

t ■ <t <t rain * V

en <, e £ e ■ ,

0 — w min'

где ^nun ~ минимально возможное время восстановления ПГД с использованием оборотов на промежуточных станциях при отсутствии ограничений по безопасности пассажиров; tT — время от момента начала восстановления ПГД до окончания движения поездов; е0 - расход энергии при использовании стратегии задержек поездов в тупиках; етт— расход энергии, соответствующий минимально возможному времени восстановления ПГД (при максимальном количестве дополнительных оборотов).

В работе предложен алгоритм решения поставленной задачи, формирующий для заданных векторов планового и текущего положения поездов оптимальную стратегию Sir восстановления ПГД.

На рис. 2 показан пример рекомендуемой стратегии &г восстановления ПГД для векторов Тл и ТпЬ.

Для определения уровня плотности пассажиров на платформах станций в работе предложена модель входного пассажиропотока. Модель определена в виде функции:

Л*)=аЬ +цЩх)+аг%(х)+...+аыЧ'ы(х), (18)

где *Р/х) - известные функции; щ- неизвестные параметры, оценки которых получены методом наименьших квадратов. В качестве оценок

параметров «/ использованы значения минимизирующие

функцию:

е(ао,а„...,а4Ч) = £о;,-/(*),)2, (19)

№

где У] - данные регистрации АСКОП.

Результаты исследований пассажиропотоков, проведенные ранее на метрополитене, показывают, что интенсивность пассажиропотоков на станциях носит периодический характер. Поэтому целесообразно строить

модели на системе тригонометрических функций 1, соэ х, эт х, сое 2х, эт 2х,..., ссм тх, эт тх, ортогональных на множестве значений

х, =—,где < = 0,1,...,«-1;и>2»»+1. п

Таким образом, модель пассажиропотока примет вид:

/(х) = а0 +а, соэх+уЗ, 8тх+...+а„ со зтх+Ря вш тх (20)

Данная модель представляет собой частичную сумму ряда Фурье порядка т. Возникает важная задача определения наилучшего (оптимального) порядка модели. Для ее решения предлагается сравнивать остаточную дисперсию ошибок для двух последовательных значений 2(т -1)+1 и (2т+1). Если 52 (2т -1) > (2т+1) и, кроме того,

5,2(2и-1)/52(2Я+1) > р1-а(п-(2т+Ц,п-(2т+1)) (21)

где 8\2т +1) = =

п - (2т + 1)

значение функции Фишера с п - (2т +1), и - (2т -1) степенями свободы и уровнем значимости а.

Таким образом, различие оценок дисперсий Б1 (2т -1) и 52 (2т+1) значимо и порядок модели необходимо увеличить на единицу. Если же различие указанных дисперсий незначимо, то следует остановиться на модели порядка 2т -1.

В работе определен порядок модели т с уровнем достоверности границ доверительных интервалов 0.95 для ряда станций Петербургского метрополитена. Показано, что для заданного уровня достоверности минимальный порядок модели равен 5, а максимальный 7.

С помощью данной модели по выборкам, содержащим количество пассажиров, прошедших через турникеты за определенные периоды времени (с дискретностью до 5 мин.), восстанавливается непрерывная

кривая графика пассажиропотока и доверительные интервалы. Исходные данные и результаты моделирования приведены на рис. 3.

Рис.3

Для учета распределения пассажиропотока в направлении каждой платформы в работе предложено использовать динамическую матрицу корреспонденции. Такой подход позволил обеспечить достоверность данных по распределению пассажиропотоков с погрешностью не более 35 % без проведения дополнительных натурных обследований.

Использование модели пассажиропотока и матрицы корреспонденции позволяет рассчитывать плотность пассажиров на платформах для различных межпоездных интервалов и формировать ограничения на возможные стратегии Str восстановления ПГД.

Впервые произведен анализ исполненного графика движения на основании данных о плотности пассажиров на платформах. Показано, что в ряде НС действия оперативного персонала привели к сверхнормативному накоплению пассажиров на платформах.

Внешний вид графика изменения плотности пассажиров на

платформе при различных межпоездных интервалах, приведен на рис. 4.

21

П, Че>/|1

Рис.4

Для проверки адекватности модели проведен ряд экспериментов по сравнению расчетной плотности пассажиров на платформах с фактической для различных межпоездных интервалов. Фактическая плотность пассажиров определялась посредством фотосъемки с последующим определением количества пассажиров на 1 м2 контрольного участка платформы станции.

Результаты сравнения для станции «Литовский проспект» Петербургского метрополитена приведены в таблице 4.

Таблица 4

Межпоездной интервал, мин Плотность пассажиров расчетная, чел/м Плотность пассажиров фактическая, чел/м2

2 1.84 1.95

3 2.20 2.30

5 2.91 2.83

6 3.51 3.42

Эксперименты показали, что расчетные значения отличаются от

фактических не более чем на 5.7 %.

В третьем разделе диссертационной работы определено множество

функций Ф повышения эффективности работы технологического

22

комплекса метрополитена, которые возможно реализовать с использованием разработанных методов:

где Фи - подмножество функций предоставления информации о значениях существенных параметров работы линии; Фк - подмножество функций автоматического контроля соответствия значений существенных параметров технологического процесса нормативным значениям; Фппр -подмножество функций по поддержке принятия решений (способам организации движения поездов и работы станций в НС); Фм -подмножество функций мониторинга (оценки эффективности работы) оперативного персонала; Фо - подмножество функций по обучению оперативного персонала оптимальным действиям в нештатных ситуациях.

В работе предложена методика расчета ряда дополнительных параметров, характеризующих НС и являющихся основой для выработки эффективных решений.

Параметр г( характеризует расхождение текущего поездного положения и ПГД по отношению к текущему плановому межпоездному интервалу:

При г, <1 отклонение от ПГД не превышают межпоездного интервала и в качестве диспетчерской стратегии может быть рекомендовано использование стратегий типа

При г, >1 отклонение от ПГД существенно, НС требует организации нештатных перемещений поездов с использованием стратегий

Параметр «дефицит пропускной способности участка» п(1) (пар поездов в час), рассчитываемый по формуле:

Ф = (Фи, Фк, Фппр, Фм, Фо),

(22)

(23)

и(0 = и„(0-«Д0,

(24)

где п„(0 - нормативная пропускная способность участка, учтенная в плановом графике движения поездов; пф(0 - фактическая пропускная способность участка, достижимая с учетом ограничений, накладываемых НС.

пфт = 60Имл, (25)

где {«л - фактически достижимый безопасный межпоездной интервал с учетом действующих на участке ограничений.

В работе произведен расчет значений параметра Пф@) для типичных НС, возникающих на метрополитене. Показано, что ввод данного параметра в состав информационного обеспечения поездного диспетчера позволит заранее определить количество поездов, которые необходимо убрать с линии на время действия ограничения пропускной способности, вызванного НС.

Пример рассчитанных значений приведен в таблице 5.

Таблица 5

Нештатная ситуация Ограничение скорости, км/ч пар п-в в час птах пар п-в В час

1. Перегонка неисправного состава 35 15 20

2. Следование сцепленных составов 35-20 10 10

3. Проследование платформы станции без остановки 35 норма норма

4. Затопление тоннеля до подошвы рельса 35 15 18

5. Движение на перегоне с отказавшей АБ 35 15 20

6. Сигнальное показание «0», «НЧ» 20 12 15

7. Следование поезда с неисправными устройствами АРС 20 15 20

8. Движение состава с заклиненной колесной парой 10 10 10

9. Оборот состава с при неисправных устройствах ЭЦ на станции 20-10 10 10

Для реализации функции Фм в СППР ревизорского аппарата в

работе предложена методика формирования ряда оценочных параметров,

позволяющих классифицировать НС по признакам (3) и более объективно оценить эффективность действий оперативного персонала по ее разрешению.

В работе произведена оценка ряда НС, относящихся к множеству 54, произошедших на Петербургском метрополитене и зафиксированных в Журнале нарушений нормальной работы. С помощью разработанного метода определены недостатки в действиях оперативного персонала (допущен ряд нарушений критического межпоездного интервала и необоснованно затянуто время разрешения НС), а также разработаны рекомендации по способам их устранения.

Пример оценки ряда НС множества приведен в таблице б.

Таблица 6

Показатели НС Значение показателя при стратегии управления, выбранной диспетчером Значение показателя при использовании оптимального алгоритма

1. Количество нарушений взаимного расположения номеров маршрутов поездов 4 4

2. Время восстановления заданного интервала попутного следования, мин 26 26

3. Количество дополнительных оборотов для восстановления нарушенного ПГД 4 3

4. Время восстановления ПГД, мин 210 180

5. Количество нарушений критического межпоездного интервала 14

По результатам оценки определено, что использование

оптимальных алгоритмов восстановления ПГД позволяет сократить количество дополнительных оборотов поездов на 25 %, а время

восстановления нарушенного ПГД на 14.3 % без перенакопления пассажиров на платформах станций.

В четвертом разделе диссертационной работы рассмотрено внедрение разработанных методов.

Решен ряд практических задач при разработке информационного обеспечения единого центра диспетчерского управления (ЦЦУ) Казанского метрополитена:

В результате использования методов, разработанных в диссертации, достигнуты следующие практические результаты:

- определен набор и методика расчета дополнительных параметров, выводимых на АРМ нормативно-справочной информации и табло коллективного пользования;

- определены требования к составу и структуре баз данных СППР;

- предъявлены требования к составу и формату входной информации от системы диспетчерского управления и АСКОП.

Структура СППР ЦЦУ Казанского метрополитена изображена на

рис. 5.

Уровень сопряжения

| С«р5«р приложений

Рис. 5

Предложенные в работе методы легли в основу решения ряда практических задач на Петербургском метрополитене:

- произведен анализ действий диспетчерского персонала при разрешении ряда НС и разработаны рекомендации по повышению их эффективности;

- разработаны новые формы отчетных документов;

- произведена оценка интервальной характеристики разрабатываемых ПГД с точки зрения уровня населенности платформ станций;

- разработаны исходные требования на доработку ПО системы построения ПГД ГРИС для создания базы данных прогнозных графиков движения поездов при различных НС.

Для машинной реализации генератора оптимальных траекторий восстановления ПГД и модели пассажиропотока разработано прикладное ПО с использованием пакета программ МаЙ1САГ)2000.

ЗАКЛЮЧЕНИЕ

В диссертации разработаны методы повышения эффективности функционирования технологического комплекса метрополитена при нештатных ситуациях.

Основные научные и практические результаты диссертации, выносимые на защиту, состоят в следующем:

1. Анализ методов повышения эффективности функционирования метрополитена в НС позволил определить перспективность разработки СГТГТР для диспетчерского и ревизорского аппарата в качестве средства решения поставленной научной проблемы.

2. Синтезирована формализованная системная модель метрополитена и определены управляющие (ДИСПЕТЧЕР, РЕВИЗОР) и управляемые

(ПОЕЗД, ВЕСТИБЮЛЬ) элементы, эффективность функционирования которых в НС повышается при использовании СПГТР.

3. На основании анализа статистических данных о нарушениях нормальной работы Петербургского метрополитена произведена классификация НС по принципу общности стратегий их разрешения. Определены 4 классификационные группы. Показано, что в настоящее время наименее эффективно разрешаются НС, связанные с нарушением порядка следования маршрутов поездов относительно заданного плановым графиком движения (ПГД), относящиеся к 4-й классификационной группе.

4. Задача повышения эффективности разрешения НС 4-й группы решается посредством предоставления диспетчеру стратегии управления движением поездов и работой вестибюлей станций. Стратегия формируется с учетом двух критериев эффективности (время восстановления порядка следования номеров маршрутов и затраты электроэнергии на дополнительные обороты поездов), а также ограничения по плотности пассажиров на платформах станций, получаемого на основании данных АСКОП и динамической матрицы корреспонденций. Разработано специализированное ПО для машинной реализации алгоритма решения задачи, не требующее значительных вычислительных ресурсов.

5. Достоверность значений плотности пассажиров на платформах доказана в результате сравнения расчетных данных с данными контрольных наблюдений на станциях Петербургского метрополитена. Расхождение расчетной и фактической плотности не превышает 5. 7 %.

6. На основании сравнения стратегий восстановления ПГД в реальных НС и стратегий, формируемых разработанным алгоритмом, показано, что при использовании последних, время восстановления ПГД снижается на 14.3 % при минимальном количестве оборотов подвижного состава и отсутствует перенакопление пассажиров на платформах станций.

7. Разработана методика расчета ряда дополнительных параметров для ввода в состав информации, предоставляемой поездному диспетчеру в НС. Помимо существующего параметра отклонения поезда от ПГД (А^, введены параметры т,ф (критический межпоездной интервал) и п (дефицит пропускной способности участка).

8. Разработана методика, повышающая объективность оценки действий оперативного персонала в НС за счет использованием ряда дополнительных параметров: «количество нарушений критического межпоездного интервала», «время восстановления нарушенного порядка маршрутов поездов», «количество дополнительных оборотов», а также разработаны новые формы отчетных документов.

9. Разработанные методы повышения эффективности управления технологическим комплексом метрополитена в НС использованы при создании СППР для центра диспетчерского управления Казанского метрополитена и ревизорского аппарата Петербургского метрополитена.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1) Василенко М.Н, Марков Д.С., Симаков Е. В. Система динамического ведения графика движения поездов на метрополитене (СДВГД)./ В сб. трудов студентов, молодых специалистов и ученых, СГУПС, 2001.

2) Василенко М.Н, Марков Д.С., Симаков Е. В. Динамическое ведение графика движения поездов на метрополитене./ В сб. тезисов 62-ой научно-технической конференции с участием студентов, молодых специалистов и ученых, ПГУПС, 2002.

3) Симаков Е. В. Марков Д.С., Перспективные направления развития технологии организации движения поездов на метрополитене. /В сб. тезисов X С-Петербургской международной

конференции «Региональная информатика 2003» (РИ-2003) (С-ПБ 2003), Часть 1,ПГУПС.

4) Симаков Е. В. Марков Д.С., Принципы построения и структура системы динамического ведения графика движения поездов на метрополитене. /В сб. научных трудов "Конструирование, сертификация и техническая эксплуатация устройств и систем железнодорожной автоматики и телемеханики", ПГУПС, 2003.

5) Симаков Е. В., Михалев Н. К. Система поддержки принятия решений дня поездного диспетчера метрополитена. /В жур. «Метро и тоннели» N5,2002 г.

6) Борисенко Л. И., Симаков Е. В. Динамическое ведение графика движения поездов. /В жур. «Автоматика, связь, информатика» N6, 2003 г.

Подписано к печати 14.11.03г. Печ.л. - 1.8

Печать - ризография. Бумага для множит, апп. Формат 60x84 1\16

Тираж 100 экз. Заказ № и56. • ■_

Тип. ПГУПС 190031, С-Петербург, Московский пр. 9

*

»

м*

f

»

«

*

*

- - 1 9 5 2 3

-fi

ВВЕДЕНИЕ

1. Проблемы и задачи повышения эффективности б работы технологического комплекса метрополитена

1.1. Повышение эффективности процесса оперативного 6 управления метрополитеном

1.2. Комплекс задач функционирования метрополитена

1.3. Синтез формализованной структурной схемы 18 метрополитена

1. 4. Постановка задач диссертации

2. Способы повышения эффективности 29 функционирования технологического комплекса метрополитена в нештатных ситуациях

2. 1. Анализ перспектив внедрения систем поддержки принятия 29 решений на метрополитене

2. 2. Анализ технологии организации движения поездов при возникновении нештатных ситуаций

2.2.1. Классификация нештатных ситуаций, возникающих 34 на метрополитене и стратегий их разрешения 2.2.2 Периоды развития нештатных ситуаций

2. 3. Постановка задачи оптимизации управления движением 48 поездов в периоды разрешения нештатных ситуаций 2. 4. Методика нахождения решения задачи выбора оптимальной траектории движения поезда при восстановлении планового графика движения

2. 5. Методика построения модели входного пассажиропотока станции метрополитена д Выводы по разделу

3. Функции систем поддержки принятия решений для 83 повышения эффективности управления технологическим комплексом метрополитена при нештатных ситуациях

3.1. Описание множества функций, реализуемых на основании 83 разработанных методов

3.2. Методика реализации функций поддержки принятия решений при управлении технологическим комплексом метрополитена в нештатных ситуациях

3.3. Методика реализации функций поддержки принятия решений при оценке действий оперативного персонала метрополитена в нештатных ситуациях

Выводы по разделу

4. Использование и перспективы развития юз разработанных методов

4. 1. Система поддержки принятия решений поездного 103 диспетчера метрополитена

4.2. Система поддержки принятия решений в процессе 106 планирования и организации работы метрополитена

4. 3. Перспективы использования разработанных методов для 113 повышения эффективности функционирования технологического комплекса метрополитена

Выводы по разделу

Метрополитены крупных городов являются важнейшим звеном в цепи системы пассажирских перевозок. Как показывает статистика [3], объем перевозок постоянно растет, что заставляет увеличивать интенсивность движения поездов. На загруженных участках линий пассажиропоток превышает 70 тыс. чел. в час при расчетной порядка 54.4 тыс. чел [4]. При такой загрузке движение поездов организуется с минимальным расчетным интервалом, соответствующим пропуску 40-44 пар поездов в час при существующих системах управления движением поездов и до 48 при внедрении систем нового поколения, разработка которых ведется в настоящее время в России (АСУ «Движение»). Чтобы обеспечить указанные размеры, плановый график должен выдерживаться с точностью до 2.5 сек. Задержка поезда более чем на 2-3 мин. в часы «пик» и на 5 мин. в остальное время является нештатной ситуацией и нарушает нормальную работу линии. Также негативно отражаются ситуации, связанные с отказами эскалаторов и других устройств, различные ошибки эксплуатационного персонала, в особенности диспетчеров. Данные события нарушают ритмичность перевозочного процесса, приводят к неоправданным задержкам движения поездов, сбою планового графика и, как следствие, снижению пропускной способности линии в целом.

Как показывает опыт разработки систем управления движением поездов метрополитена, даже при идеальной работе всех подсистем и отсутствии ошибок со стороны персонала, максимальная пропускная способность составит менее 50-ти пар поездов в час [5]. Таким образом, для максимального использования пропускной способности с одной стороны и оптимальном использовании энергетических и людских ресурсов метрополитена с другой, необходимо обеспечить четкую работу всех подсистем управления работой линии, а в случае вынужденного снижения пропускной способности свести к минимуму последствия, выработав оптимальный режим работы по критериям минимального времени восстановления исходных размеров движения, с минимальными затратами электроэнергии на дополнительные передвижения поездов, а также с обеспечением заданного уровня комфорта и безопасности пассажиров, определяемого соблюдением норм плотности пассажиров в вестибюлях, платформах и эскалаторах.

В настоящее время в системах управления основными устройствами комплекса технических средств метрополитена достигнут достаточно высокий уровень автоматизации, оперативный и диспетчерский персонал получает в реальном масштабе времени информацию о состоянии устройств и систем, поездном положении. Однако организационно-технологическая составляющая процесса управления движением поездов по-прежнему основывается на плановых значениях параметров перевозочного процесса, не учитывающих динамики изменения ситуации метрополитене в течение дня, особенно при возникновении разного рода нештатных ситуаций, что резко снижает эффективность функционирования метрополитена.

В процессе оперативного управления до сих пор не используются данные о реальных входных пассажиропотоках, формируемые автоматизированной системой контроля оплаты проезда (АСКОП) [63].

В настоящей работе разработана методика построения и основные алгоритмы функционирования систем поддержки принятия решений (СППР) для диспетчерского и ревизорского аппаратов метрополитена, повышающих эффективность оперативного управления при нештатных режимах за счет более полного учета действующих значений существенных параметров, влияющих на работу метрополитена (время суток, поездная ситуация, интенсивность пассажиропотоков). Учет этих параметров позволит повысить эффективность выхода из нештатных ситуаций, а также объективность ретроспективной оценки действий оперативного персонала.

Также в данной работе решены задачи дополнения информационного поля центров диспетчерского управления (ЦДУ) метрополитена посредством расчета и визуализации существенных параметров перевозочного процесса, необходимых для принятия адекватных решений при возникновении нештатных ситуаций.

Решенные задачи имеют большую практическую важность как при переоборудовании диспетчерских центров на действующих метрополитенах, так и при проектировании новых.

Выводы

В данном разделе на основании разработанной методики предложена структура и описаны основные функции систем поддержки принятия решений для диспетчерского и ревизорского аппаратов метрополитена.

Методика построения СППР диспетчерского аппарата использована при проектировании единого центра диспетчерского управления (ЦЦУ) метрополитена г. Казани: определен состав данных, вводимой в состав информационного обеспечения ЦЦУ и способы их предоставления пользователям; определена структура баз данных СППР и механизмы их увязки с базами данных автоматизированной системы диспетчерского управления и системы контроля оплаты проезда.

Методика построения СППР ревизорского аппарата использована при решении ряда практических задач на Петербургском метрополитене: оценка эффективности действий оперативного персонала при разрешении НС, связанных с изменением порядка следования маршрутов поездов относительно планового графика движения; разработка новых форм отчетных документов с использованием ряда дополнительных параметров.

Также определен ряд перспективных направлений дальнейшей автоматизации функционирования технологического комплекса метрополитена. Одним из наиболее перспективных является информационная увязка существующих автоматизированных систем для создания комплексной системы управления пассажиропотоками.

Заключение

В диссертационной работе предложена методика повышения эффективности функционирования технологического комплекса метрополитена в нештатных ситуациях.

Основные научные и практические результаты диссертации, заключаются в следующем:

1) В синтезированной системной модели метрополитена выделены существенные элементы, эффективность функционирования которых определяет качество сохранения выполнения задач метрополитена при нештатных ситуациях. Определена актуальность и наличие технических предпосылок для создания систем поддержки принятия решения (СППР) для работников диспетчерского и ревизорского аппарата.

2) На основании анализа статистических данных о нарушениях нормальной работы Петербургского метрополитена произведена классификация нештатных ситуаций (НС). Определены 4 группы стратегий их разрешения. Показано, что в настоящее время наименее эффективно разрешаются серьезные НС, связанные с нарушением порядка следования поездов относительно заданного плановым графиком движения (ПГД), относящиеся к 4-й классификационной группе.

3) Произведена постановка оптимизационной задачи выбора стратегии восстановления нарушенного порядка поездов. При решении задачи введен дополнительный энергетический критерий эффективности возможных решений, а также ограничение по населенности платформ станций.

4) Синтезирован алгоритм решения поставленной задачи методом динамического программирования. Для формирования ограничений по пассажиропотоку предложена регрессивная модель, осуществляющая формирование ограничений на уровне достоверности 95%.

5) Синтезирована структура СППР для центра диспетчерского управления (ЦДУ) Казанского метрополитена. Определена методика расчета 4 дополнительных параметров для ввода в состав информационного поля ЦДУ. Показано, что использование предлагаемой методики оптимизации позволяет повысить эффективность разрешения НС 4-й группы по временному критерию до 15%, по энергетическому критерию до 25%.

6) Синтезирована структура СППР для ревизорского аппарата Петербургского метрополитена. Разработана методика комплексной оценки эффективности действий оперативного персонала при разрешении НС с учетом ряда дополнительных параметров, а также разработаны формы отчетных документов.

1. Правила технической эксплуатации метрополитенов Российской Федерации. 2003 г.

2. Инструкция по движению поездов и маневровой работе на метрополитенах Российской федерации. 2003 г.

3. Баранов JI. А. Структура автоматизированной системы управления движением поездов метрополитена. Автоматизация управления поездами магистральных железных дорог и метрополитенов. Межвузовский сб. науч. тр. — М., МИИТ, 1989.

4. Баранов JI. А. и др. "Концепция создания интегрированной автоматизированной системы управления метрополитеном (ИАСУМ)". М: МИИТ. 1993г.

5. Астрахан В. И., Барышев Ю. А. Системы автоматики для управления поездами метрополитена. М.:Транспорт, 1989 - 87с.

6. Жербина А. И. Методы построения на ЭВМ графиков движения поездов для системы управления перевозками на метрополитене: Автореферат диссертации на соискание ученой степени канд. тех. наук (05.22.08).-М., 1982.-23С.

7. Феофилов А. Н. Разработка и применение математической модели составления графиков движения поездов метрополитена: Автореферат диссертации на соискание ученой степени канд. тех. наук (05.13.06).-ВНИИ ж.д трансп., 1989.-24с.

8. Боровой К. Н. Исследование динамики движения поездов метрополитена для оперативного управления с помощью ЭВМ: Автореферат диссертации на соискание ученой степени канд. тех. наук (05.13.07).МГУПС., 1990.-24с.

9. Козлов В. П. Оперативное управление движением поездов метрополитена в системе автоведения метрополитенов в периоды сбояграфика движения: Автореферат диссертации на соискание ученой степени канд. тех. наук (05.13.07).М., 1981.-23с.

10. Межох А. К. Исследование влияния пассажиропотоков на динамику централизованных систем автоматического управления движением поездов метрополитена: Автореферат диссертации на соискание ученой степени канд. тех. наук (05.13.07).М., 1981.

11. Василенко М. Н. Теория и методы анализа качества функционирования автоматизированных технологических комплексов на железнодорожном транспорте. Автореферат диссертации на соискание ученой степени доктора тех. наук. JI., 1993.-49с.

12. Василенко М. Н. Теория и методы анализа качества функционирования автоматизированных технологических комплексов на железнодорожном транспорте. Диссертация на соискание ученой степени доктора тех. наук. JI., 1993.-420с.

13. Лисенков В. М. Теория автоматических систем интервального регулирования. М.:Транспорт, 1987. — 149с.

14. Быков В. П. Теоретические и методологические основы построения систем поддержки принятия решений по управлению движением поездов на участках железных дорог. Диссертация на соискание ученой степени доктора тех. наук. ПГУПС, 1996.-356с.

15. Баранов JI. А., Ерофеев Е. В., Сапожников В. В., Василенко М. Н., Быков В. П. Система поддержки принятия решений. Железнодорожный транспорт. -1994., N12.

16. Баранов JI. А., Ерофеев Е. В., Сапожников В. В., Василенко М. Н., Быков В. П. Комплексная система поддержки принятия эффективных решений по управлению движением. Автоматика, телемеханика и связь. -1995., N8.

17. Василенко М. Н., Марков Д. С., Соколов В. Б., Погребняк А. Б. Принципы построения имитационной модели метрополитена.

18. Автоматика и телемеханика на железных дорогах. Техническая эксплуатация и сертификация:сб. науч. трудов под ред. Вл. В. Сапожникова.-СПб., 1998.

19. Быков В. П, Лукьянов М. С. Система поддержки принятия решений на железнодорожном транспорте. Новые информационные технологии-3. Сб. семинара.-М:МГИЭМ. 2000.

20. Кузьминский Г. В. и др. "Обоснование единой системы оперативного управления работой линии метрополитена". Л: МПС. Отчет о НИР. 1990г.

21. Е. Л. Кулида, В. Г. Лебедев, А. М. Чесноков. «Проектирование интеллектуальных систем поддержки операторов сложных объектов». М: Автоматизация №1/99.

22. Гриненко А. В. Методы исследования надежности и эффективности автоматизированных технологических комплексов на сортировочных горках. Автореферат диссертации на соискание ученой степени доктора тех. наук. Л., 1986.-29с.

23. Марков Д. С. Методы построения имитационных моделей и исследования операционных характеристик систем управления технологическими процессами на железнодорожном транспорте. -Диссертация на соискание ученой степени канд. тех. наук. Л., 1985.-309с.

24. Вентцель Е. С. Исследование операций: Задачи, принципы, иетодология. М.:Наука, 1980. 208с.

25. Сербер Дж. Линейный регрессионный анализ. М.:Мир, 1980. 456с.

26. Якушкин И. М. Рациональная организация пассажирских перевозок метрополитена. М.:Стройиздат, 1965. 99с.

27. Якушкин И. М. Пассажирские перевозки на метрополитенах. М.:Транспорт, 1982. 175с.

28. Баранов JI. А., Ройзнер А. Г., Зеликман Б. JI «Тренажеры для машинистов локомотивов и пути их развития». Транспорт, наука, техника, управление. М.-.ВНИИТИ, 1998. N12.

29. Андерсон Т. «Статистический анализ временных рядов». М.:Мир, 1976, 90с.

30. Уиммельбакер Д. «Анализ процессов статистическими методами». М.:Мир, 1973. 85с.

31. Делооз Ф. «Применение тренажеров на железнодорожном транспорте» Железные дороги мира. 1999. N9.

32. Доенин В. В., Ким Хи Те «Проблемы построения тренажеров поездных диспетчеров». Тезисы доклада на Всесоюзной конференции «Моделирование систем и процессов управления на транспорте». М.-.МИИТ. 1991. С. 195.

33. Баранов Л. А. «Тренажер поездного диспетчера линии метрополитена». Метро и тоннели. 2002. N1. С. 66-67.

34. Василенко М. Н., Дегтярев Д. П. Проблемы автоматического управления движением поездов на метрополитене. VII Санкт Петербургская международная конференция «Региональная информатика-2000». Сб. трудов конференции, Спб, 2000.

35. Василенко М.Н, Марков Д.С., Симаков Е. В. Динамическое ведение графика движения поездов на метрополитене./ 62-я научно-техническая конференция с участием студентов, молодых специалистов и ученых, ПГУПС, 2002.

36. Борисенко JI. И., Симаков Е. В. Динамическое ведение графика движения поездов. /В жур. «Автоматика, связь, информатика» N6, 2003.

37. Микони С. В., Петров И. В. Объектно ориентированная модель линии метрополитена. Региональная информатика-1998. VI международная конференция. Тезисы докладов. ПГУПС. 1998.

38. Успенский В. А., Семенов A. JI. Теория алгоритмов: основные открытия и применения. М.:Наука, 1987.-248 с.

39. Алексеев О. Г. Комплексное применение методов дискретной оптимизации. М.:Наука, 1987.-248с.

40. Карманов В. Г. Математическое программирование. — М.:ФИЗМАТЛИТ, 2000.-264с.

41. Васильев Ф. П., Иваницкий А. Ю. Линейное программирование. — М.:Факториал, 1998.-176с.

42. Цветков В. Я. Методы и системы п одд ержки принятия решений в управлении: Аналит.обзор/ В. Я. Цветков; М-во пром-ти, науки и технологии РФ, Всеросс. Научно-техн. Инф. Центр. М:ВНТЦ, 2001.138 с.

43. Акимов О. Е. Дискретная математика: логика, группы, графы/О. Е. Акимов.-М.: Лаб. Базовых знаний, 2001.-Б.П.

44. Барский А. Б. Параллельные технологии решения оптимизационных задач/ А. Б. Барский, д.т.н, профессор.-М.: Машиностроение, 2001.-24с.

45. Моделирование, декомпозиция и оптимизация сложных динамических процессов: Сб.ст./Рос. Акад. Наук. Вычисл. Центр;-М.:ВЦ РАН, 1999.95, [2]с.

46. Оптимизация и моделирование в автоматизированных системах : Межвуз.сб.науч.трудов/М-во общего и проф. Образования РФ, Воронеж. Гос. Ун-т; Воронеж: изд-во ВГТУ, 1998.-Б.П; 20 см.

47. Курбацкий А. Н., Чешуев В. А. Информационный метод анализа и оптимизации в системах поддержки принятия решений/А.Н. Курбацкий, В.А. Чешуев;Нац.акад. наук Беларуси, Ин-т техн. кибернетики. -Минск:Ин-т. тех. кибернетики, 1999.-199с.

48. Губанов В. С. Обобщенный метод наименьших квадратов: Теория и применение в астрометрии/В. С. Губанов; Рос. Акад. Наук, Ин-т прикладной астрономии. -М.:Наука, 1997.-318с.

49. Исследование операций: в 2-х т./Под ред. Дж. Моудера, С. Элмаграби; Перевод с англ. Под ред. И. М. Макарова, И. М. Бескровного.-М.:Мир, 1981.-712с.

50. Журбин О. В. Численные методы анализа в инженерных работах: Учеб. пособие/ О. В. Журбин; М-во общ. И проф. Образования РФ, Комсомольск-на -Амуре гос. Тех. унив-т Комсомольска-на-Амуре :Комсомольск-на-Амуре гос. Тех. ун-т, 1998.-73с.

51. Антонов В. М. Обучаемые системы управления/ В. М. Антонов-Липецк: Липецк. Гос. Техн. Ун-т, 1998.-414с.

52. Вопросы автоматизации процессов управления движением поездов: Сборник статей/ Под общ. Ред. Д.т.н, проф. Л. А. Баранова.-М.:МИИТ, 1980.-245с.

53. СП 102-08 «Свод правил по проектированию метрополитенов». Госстрой РФ. 2003г.

54. СНиП 32-08 «Метрополитены». Госстрой РФ. 2003г.

55. Статистические методы в инженерных исследованиях. Под ред. Круга П.К. М.: Высшая школа, 1983.214 с.

56. Математическая модель пассажиропотоков метрополитена / В.А. Елсуков, Г.В., Костылева, В.Г., Кучумов и др. Вестник ВНИИЖТ, 1984, №4, с. 21-23.

57. Астрахан В.И., Малинов В.М. Алгоритмы расчета и прогнозирования пассажиропотоков метрополитена. В сб.: Проблемы развития метрополитенов СССР. Труды ЦНИИ МПС, вып. 543. М., Транспорт, 1978, с.82-87.

58. Бусленко Н. П. Моделирование сложных систем. М.:Наука, 1978.-312с.

59. Малинов В. М. Математическая модель для расчета и анализа показателей пассажиропотоков метрополитена. Вестник ВНИИЖТ, N2,1979 г.

60. Автоматизированная система контроля оплаты проезда на метрополитене (АСКОП). Техническое описание, С-Пб., ЗАО «Электронные системы», 1998.-25с.

61. Уильям Дж. Основы систем баз данных. М.:Мир, 1993.

62. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. С-Пб, изд. Дом «Питер», 2000. 384с.

63. Александров Е. А. Основы теории эвристических решений. М.:Наука, 1975.

64. Борисов А. Н., Федоров И. П, Архипов И. Ф. Приобретение знаний для интеллектуальных систем. Рижский тех. ун-т. Рига.: Рижский тех. ун-т. 1991.

65. Гаврилова Т. А. От поля знаний к базе знаний через формализацию. Ст в сб. «Представление знаний в экспертных системах». Л.:ЛИИАН. 1989.

66. Епифанов М. Е. Индуктивное обобщение в ассоциативных сетях. Известия АН СССР. Техническая кибернетика. N5, 1984.

67. Иберла К. Факторный анализ. Пер. с нем. М.:Статистика. 1980.

68. Моисеев Н. Н. Математические задачи системного анализа. М.:Наука, 1981.

69. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука. 1981.

70. Поспелов Д. А. Многоагентные системы — настоящее и будущее. М.: Ст. в жур. «Информационные технологии и вычислительные системы». N1,1998.

71. Тиори Т., Фрай Дж. Проектирование структур баз данных. Пер. с англ. В 2-х кн. М.:Мир. 1985.

72. Форсайт Ф. Экспертные системы. Принципы работы и примеры. М.: Радио и связь. 1987.