شبکه های ریلی با سرعت بالا (HSR) سفر متقابل را انقلابی کرده اند، یک جایگزین پایدار برای حمل و نقل هوایی و جاده ای ارائه می دهند، زیرا کشورها برای گسترش راهروهای HSR خود، طراحان با چالش عظیم طراحی شبکه هایی مواجه هستند که هزینه تعادل، پوشش و بهره وری عملیاتی را مورد بحث قرار می دهند، این جایی است که برنامه نویسی صحیح - شاخه ای از بهینه سازی ریاضی - با تصمیم گیری های گسسته به عنوان متغیرهای برنامه نویسی، برنامه ریزی صحیح، توضیح می دهد که چگونه از طریق بهینه سازی منابع و بهینه سازی منابع دقیق و دقیق و دقیق و دقیق، این روند منابع دقیق و بهره وری منابع دقیق، این موضوع، و دقیق، و دقیق، این موضوع را بررسی می کند.

درک برنامه نویسی Integer

برنامه نویسی Integer (IP) یک زیرمجموعه از برنامه نویسی خطی است که در آن برخی یا همه متغیرهای تصمیم گیری به مقادیر صحیح محدود می شوند.در برنامه ریزی زیرساختی، این بسیار مهم است زیرا تصمیمات اغلب باینری هستند: ساخت یک ایستگاه یا نه، یک مسیر در امتداد یک راهرو در مقابل یک راهرو قرار می گیرند، یا یک قطار را در یک اسلات زمانی خاص برنامه کلی یک برنامه صحیح تنظیم می کنند (به عنوان مثال، فقط پوشش دقیق)، زمانی که همه چیز به حداقل می رسد.

قدرت IP در توانایی خود برای مدل سازی شرایط منطقی است که بهینه سازی مداوم نمی تواند ثبت کند.به عنوان مثال، انتخاب یک سایت ایستگاه شامل هزینه های ساخت و ساز ثابت است که تنها در صورت ساخت ایستگاه، متحمل شده اند - یک مشکل کلاسیک "اصلاح" برنامه نویسی Integer به طور ظریف چنین "یا" و "در صورت آن" محدودیت ها را از طریق متغیرهای باینری و نابرابری خطی.

حل کنندگان مدرن مانند گوروبی، CPLEX و ابزارهای منبع باز مانند SCIP اهرم شاخه و الگوریتم های برش و خروجی برای پیدا کردن راه حل های بهینه اثبات شده یا ابزارهای نزدیک به بهینه سازی با کیفیت بالا در زمان معقول.

استفاده از برنامه نویسی Integer به طراحی شبکه HSR

طراحی یک شبکه ریلی با سرعت بالا شامل تعدادی از تصمیمات وابسته به هم می باشد. برنامه نویسی Integer یک چارچوب یکپارچه برای مدل سازی و حل این موارد به طور همزمان است.

انتخاب مکان ایستگاه

انتخاب جایی که ایستگاه ها را قرار دهید یکی از تصمیم های مهم است.هر سایت بالقوه دارای هزینه ساخت و ساز، انتظار می رود تقاضای مسافر و تاثیر بر زمان سفر است.برنامه ریزان باید تصمیم بگیرند که کدام زیرمجموعه از مکان های کاندید برای باز کردن، اغلب به محدودیت هایی مانند حداقل فاصله بین ایستگاه ها یا پوشش مراکز جمعیت، برنامه معمولی "مکان انعطاف پذیری" استفاده از متغیرهای باینری (1اگر ایستگاه پیشرفته) و پوشش کل (به حداقل نیاز به حداقل رساندن زمان محدود کردن) و محدودیت های مجازات + مجازات +

مسیر و مسیر Alignment

خطوط HSR در سراسر یک چشم انداز شامل انتخاب های گسسته است: کدام بخش ها برای ساخت، چه ترازهایی را باید دنبال کنید (به عنوان مثال، از طریق کوه ها در مقابل بزرگراه های موجود)، و اینکه آیا به اشتراک گذاری آهنگ با ریل معمولی، مدل های برنامه نویسی Integer می تواند این را به عنوان مشکلات جریان شبکه با متغیرهای انتخاب دودویی نشان دهد. Constraint شامل حداکثر شیب، حداقل منحنی، مناطق زیست محیطی، و اتصال به طور معمول، به حداقل هزینه های عملیاتی، و زمان عملیات.

برنامه ریزی ظرفیت و برنامه ریزی

هنگامی که طرح شبکه تنظیم می شود، برنامه نویسی صحیح از برنامه ریزی با تعیین تعداد بهینه قطارها، زمان خروج آنها و تکالیف پلت فرم پشتیبانی می کند. فرمول های ترکیبی شامل پنجره های زمان، پنجره های تعمیر و نگهداری و محدودیت های انتقال مسافر است، این به ویژه برای گسترش که خطوط جدید با خطوط موجود ادغام می شوند مهم است - اطمینان حاصل می کند که ظرفیت زیرساخت ها بیش از مدل های IP نیست که به سرمایه گذاری اضافی یا پیش بینی سیگنال ها کمک می کنند.

منبع Allocation

منابع ساختمانی - کار، مواد، تجهیزات - محدود هستند و باید در طول زمان اختصاص داده شوند.برنامه نویسی Integer با متغیرهای زمان سنجی می تواند برنامه ریزی پروژه را برای به حداقل رساندن تاخیرها مدل کند.این اغلب با محدودیت های بودجه و برنامه های اجرای فاز، یک رویکرد مشترک در پروژه های بزرگ زیرساخت مانند گسترش HSR چین یکپارچه شده است.

مزایای استفاده از Integer Programming در HSR Expansion

کاربرد برنامه نویسی صحیح مزایای ملموسی را به دست می آورد که هزینه محاسباتی آن را توجیه می کند.

  • ضمانت عملیاتی: [FLT 1] بر خلاف روش های اکتشافی، IP راه حل های بهینه یا شکاف قابل اندازه گیری از بهینه سازی را فراهم می کند، این مهم است که تصمیمات شامل میلیاردها دلار سرمایه گذاری می شود.
  • بهره وری Cost: با بهینه سازی تصمیمات متعدد، IP اجتناب از برنامه ریزی متوالی زیر بهینه سازی. مطالعات موردی نشان می دهد پس انداز 10 تا 15٪ در هزینه های ساخت و ساز در مقایسه با روش های دستی یا اکتشافی.
  • پشتیبانی برنامه ریزی: مدل های IP اجازه می دهد "اگر" تجزیه و تحلیل در مورد سناریوهای تقاضا، نوسانات بودجه، و یا تغییرات سیاست.برنامه ریزان می توانند طرح های شبکه تست استرس قبل از انجام منابع.
  • Integration از اهداف متعدد: IP مدرن می تواند شامل اهداف وزن - هزینه، زمان سفر، تاثیر زیست محیطی، عدالت - قادر به تجزیه و تحلیل تجاری مانند epsilon-constraint یا برنامه ریزی هدف معمولا استفاده می شود.
  • انتقال و بازتولید؛ [FLT 1] فرضیات و محدودیت های مدل IP صریح هستند، و درک و چالش در مورد منطق پشت برنامه های توسعه آسان تر است.

برای مثال در دنیای واقعی، طرح کارشناسی ارشد راه آهن با سرعت بالا اروپا (TEN-T) از مدل های بهینه سازی استفاده کرده است که به شدت بر روی برنامه نویسی صحیح برای ارزیابی گزینه های راهروی استفاده می کند. A گزارش کمیسیون اروپا [FLT 1] نقش مدل سازی در انتخاب راهرو را برجسته می کند.

چالش ها و ملاحظات

علی رغم قدرت، برنامه ریزی صحیح یک برنامه ریزه نقره ای نیست که باید موانع متعددی را برای اطمینان از مدل های عملی و قابل اعتماد داشته باشد.

پیچیدگی محاسباتی

مشکلات شبکه HSR در مقیاس بزرگ به راحتی شامل ده ها هزار متغیر و محدودیت های صحیح است. حل آنها به بهینه سازی می تواند ساعت ها یا حتی روزها را در رایانه های با کارایی بالا ببرد. تکنیک های Decomposition – مانند Benders decomposition یا Lagrangian آرومات – اغلب برای حل مشکلات قابل پردازش موازی و سخت افزار تخصصی (به عنوان مثال، GPU) به تدریج حل این مسئله ضروری است.

دقت داده ها و دسترسی

مدل های IP تنها به اندازه داده های ورودی خود خوب هستند. پیش بینی های تقاضا، برآورد هزینه ها یا محدودیت های جغرافیایی منجر به راه حل های زیر بهینه یا غیر قابل درک می شود. جمع آوری داده های قابل اعتماد برای خطوط هنوز به ساخت هنوز به سیستم نیاز به برآورد دقیق و تجزیه و تحلیل حساسیت است.

چند ویژگی تجاری

تعادل هزینه، تاثیر زیست محیطی، عدالت اجتماعی و امکان سنجی سیاسی ذاتاً ذهنی است، در حالی که IP می تواند اهداف وزن را مدیریت کند، انتخاب وزنه ها به شدت بر شبکه نتیجه تأثیر می گذارد. درگیر کردن ذینفعان برای تعریف معاملات قابل قبول ضروری است.

[[ویرایش] [۱] [۱۰]

حتی راه حل IP مطلوب ممکن است به دلیل واقعیت های سیاسی یا اجتماعی بدون مدل سازی، قابل اجرا نباشد.برنامه ریزان باید نتایج را در برابر قضاوت کارشناسان و دانش محلی تأیید کنند. اعتماد به نفس در خروجی های مدل نیاز به ارتباط شفاف از مفروضات و محدودیت ها دارد.

مطالعه موردی: برنامه ریزی توسعه شینکانسن ژاپن

شبکه شینکانسن ژاپن، یکی از قدیمی ترین سیستم های HSR جهان، گسترش مداوم را دیده است.در برنامه ریزی گسترش Hokuriku Shinkansen، محققان یک مدل برنامه نویسی ترکیبی را برای تصمیم گیری مکان های ایستگاه و ترازها در حالی که به حداقل رساندن هزینه ها و به حداکثر رساندن دسترسی منطقه ای محدودیت های زیست محیطی (به عنوان مثال پارک های ملی) و انتقال آخرین ابزار در سال 2015 باز کرد.

مسیر های آینده

نقش برنامه نویسی صحیح در طراحی HSR افزایش قدرت محاسباتی و پارادایم های مدل سازی جدید ظهور می کند.ماشین یادگیری الگوریتم های شاخه و ورودی زمان حل را کاهش می دهد. تکنیک های بهینه سازی قوی برای رسیدگی به عدم اطمینان تقاضا بدون تکیه بر سناریوهای ساده استفاده می شود، علاوه بر این، ادغام با سیستم های اطلاعات جغرافیایی (GIS) اجازه می دهد تا نسل خودکار محدودیت از داده های دستی، کاهش زیرساخت های اولویت بندی پایدار، به عنوان یک شواهد تصمیم گیری مبتنی بر IP پایدار باقی می ماند.

نتیجه گیری

برنامه نویسی Integer یک رویکرد دقیق و سیستماتیک برای طراحی شبکه های ریلی با سرعت بالا فراهم می کند که کارآمد، مقرون به صرفه و پاسخگو به نیازهای آینده هستند.از انتخاب مکان های ایستگاه برای بهینه سازی برنامه ها، توانایی آن برای مدل سازی تصمیمات گسسته و رسیدگی به محدودیت های پیچیده ارائه می دهد یک ابزار قدرتمند است، در حالی که چالش هایی مانند مقیاس محاسباتی و کیفیت داده ها باقی مانده، پیشرفت های مداوم در الگوریتم ها و محاسبات به طور فزاینده ای در دسترس هستند.