אופטימיזציה רב-אובייקטיבית לתכנון רשת הרכבות המהירה

המורכבות הגוברת של תכנון רשת הרכבת המהירה

רשתות רכבת מהירה (HSR) יש בצורת תחבורה אזורית ולאומית על ידי מתן ניידות מהירה, אמינה ונמוכת פחמן.מ-שינקנסן של יפן ל- TGV ורשת הרחבה של סין, מערכות HSR הוכיחו את יכולתם לעורר צמיחה כלכלית, להפחית את עומסי הכביש, ולהקטין את פליטות גזי החממה.

שיטות אופטימיזציה חד-משמעיות מסורתיות, שמטרתן למזער את העלות או למקסם את הכיסוי בבידוד, אינן מספיקות לבעיה רב-תכליתית זו. EnterFLT:0multi-objective Optimizive אופטימיזציה (MOO)FLT:1, מסגרת מתמטית המאפשרת למתכננים להעריך סדרי עדיפויות מסחר בין מספר מטרות מתחרות בו-זמנית.

במאמר זה, אנו חוקרים את מושגי הליבה של אופטימיזציה רב-אובייקטיביים, האלגוריתמים הנפוצים ביותר בתכנון HSR, מחקרי מקרה אמיתיים בעולם האמיתי, ואת הפוטנציאל העתידי של MOO ביצירת רשתות רכבת בר-קיימא, יעילה, וניתוק מחדש במהירות גבוהה.

הבנה של Multi-Objective Optimization

אופטימיזציה רב-אובייקטיבית היא ענף של מחקר תפעולי העוסק בבעיות הכרוכות בשני פונקציות אובייקטיביות או יותר שיש להתאים בו-זמנית.בניגוד לבעיות חד-משמעיות שבהן קיים אופטימלי ברור, MOO מודה כי אין פתרון אחד יכול לשפר באופן מושלם את כל המטרות כי הם לעתים קרובות בקונפליקט. לדוגמה, צמצום עלויות הבנייה כמעט ללא ספק יפחית את הכיסוי או את מהירות הכוח באופן איטי יותר.

פשטו אופטימיות: המושג Core

הרעיון המרכזי ב-MOO הוא זה של FLT:0 (Pareto אופטימליות) של ®MOOFLT:1, בשם הכלכלן האיטלקי וילפו פארוטו (A פתרון הוא Pareto-optimal אם לא ניתן לשפר שום מטרה ללא דה-מדרג לפחות מטרה אחת אחרת.אוסף של כל הפתרונות הללו מהווה את ה-FLT:2Pareto-Falaltal-F-3-A) יכול אז לבדוק את נקודת המבטלבין את נקודת העדיפות הטובה ביותר.

שקול דוגמא פשוטה HSR עם שני יעדים: מזער את העלות (C) ולהפחית זמן נסיעה (T) חזית פאטו עשוי להראות כי הפחתת זמן הנסיעה ב 10% דורש עלייה של 15% בעלויות, בעוד ירידה של 20% דורשת עלייה של 40% עלות.המדרון של בעלי העניין הקדמי מודיע אם ההוצאות הנוספות מוצדקות.אם מספר רב של סוכנויות ממשל, משקיעים פרטיים, קבוצות סביבתיות) מעורבים, פיר מספק בסיס משותף למשא ומתן שקוף.

פונקציות אובייקטיביות וקונסטרינטים

ניסוח בעיית MOO עבור תכנון HSR כרוך בהגדרת פונקציות אובייקטיביות (עלות, כיסוי, השפעה סביבתית, זמן נסיעה, בטיחות וכו ') ומגבלות (מגבלות של היצע, תנאי שטח, סף צפיפות האוכלוסייה, מקסימום ⁇ , מינימום תחנת ספיגה) קונסטרינטים להפחית את מרחב הפתרון האפשרי, ביצוע אופטימיזציה יותר חישובית, כל מעצורים הוא בדרך כלל ביטוי כמו אי שוויון (למשל, עלות של 50 ק"מ) או מהירות מינימלית (pH) או 250 ק"מ"מ) או 250 ק"מ.

הבחירה של מטרות היא קריטית.יותר מדי מטרות יכולות להציף את אלגוריתם האופטימיזציה ואת יצרנית ההחלטות, בעוד שרק מעטים מדי עשויים להתעלם היבטים חיוניים. בפועל, ה-HSR מתכנן לעתים קרובות להתחיל עם שלושה עד חמישה מטרות עיקריות ולאחר מכן לחדד אותם בהתבסס על תוצאות ראשוניות.

אתגרים בתכנון הרכבת המהיר המהיר כי MOO מטפל

לפני צלילה לאלגוריתמים, כדאי לבדוק מדוע תכנון HSR מתאים באופן ייחודי לאופטימיזציה רב-אובייקטיבית.

• (ב) ⁇ :0) פיזור ומגבלות גיאולוגיות.פלר:1 [שטח הררי] נהרות, ספירה עירונית ואזורים טבעיים מוגנים, נתיבי כוח נתיב סטיות ומנהרות יקרות או מתפתלות.
• (FLT:0) אי הוודאות של רכישת הקרקע, קווי זמן לאישור רגולטוריים ותנודות מחירים חומריות מציגות סיכון משמעותי לאמדנים עלות.
• (FLT:0) אחריות של ההרחבה: FLT1 גידול באוכלוסייה, שינויים כלכליים, שינויים בהתנהגות הנסיעות משפיעים על תחזיות ההפטרה, אשר בתורם משפיעות על מודלים של הכנסות ותדירות שירות.
• תקנות ההרחבה (FLT:0) של תקנות סביבתיות (Environmentalתקנות) 1 (FLT:1 רעש, רטט ואינפלציה דורשים מתכננים לאזן מהירות נגד השפעה אקולוגית.
• (FLT:0) בעלי המניות הרב-תחומיים (FLT) ממשלות לאומיות, רשויות אזוריות, משקיעים פרטיים, קבוצות סביבתיות וקהילות מקומיות יש כל העדפות שונות וסמכויות וטו.

MOO מספקת דרך מובנית לשלב את כל הגורמים הללו במסגרת החלטה מאוחדת, לייצר מערך רשתות מועמדים המציגות במפורש את העלות של כל עדיפות.

Algorithms for Multi-Objective Optimization in HSR תכנון

שיטות מטא-הירוסטיות והמדוייקות שונות הוחלו על עיצוב רשת HSR. Metaheuristics פופולריים במיוחד משום שהן יכולות להתמודד עם חללי חיפוש גדולים, לא ליניאריים, וארוכים ללא צורך במידע ⁇ כאן, אנו בודקים את הקטגוריות היעילות ביותר.

Multi-Objective Evolutionary Algorithms (MOEAs)

אלגוריתמים גנטיים הם משפחה של שיטות חיפוש מבוססות אוכלוסייה בהשראת הברירה הטבעית. בהקשר רב-אובייקטיבי, (FLT:0MOEAsveFLT:1), כגון NSGA-II (לא-דוויד ממיין גנטיקה אלגואטר השני) ו- SPEA2 (הנגת' פארוטו אבולוציוני אלגות 2) משמשים באופן נרחב.

(FLT:0MOEA/DigFLT:1) (Multi-Objective Evolutionary Algorithm מבוסס על Decomposition) מציין את הבעיה הרב-אובייקטיבית לתוך קבוצה של תת-בעיות חד-משמעיות באמצעות משקולות וקטורים. גישה זו לעתים קרובות מתאחדת מהר יותר מאשר NSGA-II על בעיות עם נופים חלקיים עבור HSR, MOEA / קידוד, שימוש בפרופיל קידוד, ו-D.

סימפו את אנליזת ה- Particle Swarm Optimization

סימלוט annealing (SA) מחקה את תהליך ה-Anealing ב- Metallurgy: האלגוריתם מסובב באופן אקראי פתרון ומקבל פתרונות גרועים יותר עם הסתברות שמפחיתה לאורך זמן. גירסאות מרובות-אובייקטיביות של SA, כגון Pareto Simulated Annealing (PSA) אלגוריתם יעילות לבעיות עם הרבה בוחרים מקומיים, כגון HSR תכנון על פני שטח מורכב במיוחד כאשר הוא דורש פחות תפקוד יעיל של האוכלוסייה.

(FLT:0)Particle הנחיל אופטימיזציה (PSO)BuildFLT:1) מודלים של חתך של חלקיקים נעים דרך חלל הפתרון, עדכון עמדותיהם בהתבסס על עמדות אישיות וגלובליות ביותר. Multi-objective PSO (MOPSO) משתמש בארכיון חיצוני לאחסון פתרונות שאינם מחוסנים ומנגנון בחירה מוביל אשר מאזן חיפוש וניצול.

גישות היברידיות ומותאמת

חלק מהחוקרים משלבים את החוזקות של אלגוריתמים מרובים. A היברידית המשתמשת NSGA-II כדי לחקור את המבנה הגלובלי ולאחר מכן ליישם חיפוש מקומי (למשל, אופטימיזציה ללא תשלום) כדי לחדד אזורים מבטיחים הראו תוצאות מצוינות על בעיות של HSR Network Topology. אחרים משלבים FLT:0game TheoryFLT:1 כדי לעצב את האינטרסים של בעלי עניין שונים כמו משחק שיתופי או לא פעיל, עם אסטרטגיה מוטבעת של MOO.

שיטות למידת מכונות, כולל מודלים חלופיים, מתעוררים גם הם כי הערכת שילובים רבים של מגזרי נתיב, כיתות מהירות, מיקום התחנה יכול להיות זמן-consuming, aFLT:0surrogateFLT:1 (מודל פשוט של המטרות האמיתיות) יכול להאיץ אופטימיזציה.

מחקר מקרה: אופטימיזציה של בייג'ינג-שנג'י HSR Corridor

כדי לקרקע דיון זה במציאות, לשקול את התכנון של הרכבת בבייג'ינג-שנגאי, אחד קווי HSR העמוסים בעולם הוצע במקור בשנות ה-90, הקו נתקל בוויכוח אינטנסיבי על הסחר בין זמן נסיעה ועלות בנייה. האפשרות המועדפת הייתה מסלול של כ-1,300 ק"מ עם מהירות מקסימלית של 350 קמ"ש, תוך קיצוץ זמן מ-12 שעות (בהמשך) ועד לכיסוי נוסף, אך נחשב ל-4.5 שעות נוספות.

החוקרים באקדמיה הסינית למדעים הגישו מאוחר יותר מסגרת אופטימיזציה רב-אובייקטיבית כדי להעריך מחדש את תצורות הרשת החלופות למסדרון גדול שכלל סניפים ל Nanjing, ג'ין וערים אחרות.הם השתמשו ב-NSGA-II עם מטרות: מזער עלויות בנייה הכוללות, מצמצם את זמן הנסיעה הכולל בכל זוגות המקור, וממקסים את מספר הערים שהושגו בתוך 3 שעות בלבד, הסף השני, אשר סייע כעת להגדיל את מבנה הגדלה של מספר ה-זמנית של ערים.

מחקרים כאלה מראים כי MOO אינה רק כלי אקדמי אלא גם כלי מעשי שיכול להבהיר החלטות השקעה ציבורית מורכבות.

היתרונות של אופטימיזציה רב-Objective עבור HSR Networks

יישום MOO בתהליך התכנון מניב יתרונות קונקרטיים המשתרעים מעבר לתחומים הטכניים.

• ניתוח הסחר בין הורים ל-FLT:1 החזית של Pareto מספק ייצוג חזותי וכמותי של הקורבנות הדרושים כדי להשיג כל מטרה.זה עוזר לפוליטיקאים, מהנדסים ואזרחים להבין כי בחירת רשת זולה יותר פירושה זמני נסיעה ארוכים יותר או כיסוי נמוך יותר.
• קבוצות שונות יכולות לראות כיצד מובילי היעד המועדפים שלהם כלפי האחרים.
• (FLT:0) רובוטות לשינוי סדרי עדיפויות.FIRLT:1 , שינויים פוליטיים, או מדיניות סביבתית חדשה עשויים לשנות את החשיבות היחסית של עלות, מהירות וקיימות. MOO מספקת תיק פתרונות, המאפשר הערכה מהירה מחדש מבלי להתחיל מאפס.
• (FLT:0) שיפור קיימות.FLT:1hil על ידי מודל מפורש של פליטות CO2, אדמה לקחת, וזיהום רעש לצד מדדים כלכליים, מתכננים יכולים לבחור במודע פתרונות הממזערים את טביעת הרגל האקולוגית הכוללת - דרישה חיונית לפגישת מטרות פחמן אפס.
• (FLT:0) חיסכון מצטבר.FLT 1 למרות שמחקר תרחישים רבים דורש מאמץ חישובי מראש, חיסכון לטווח ארוך להימנע מהשקעות תת-אופטימיות יכול להיות עצום. קו HSR נמוך, הדורש מנהרה מופרזת או רכישת קרקע עשוי לעלות מיליארדים יותר מאשר חלופה מעט יותר ארוכה אך גיאוגרפית ידידותי יותר.

יתר על כן, השימוש ב-MOO מעודד גישה עיצובית שיטתית ולא שינויים אדים. במקום לשנות עיצוב בסיס יחיד כדי לפייס קבוצות עניין שונות, מתכננים ליצור קבוצה מגוונת של עיצובים מבטיחים מההתחלה.

אתגרים ומגבלות של MOO בפרקטיקה

למרות היתרונות שלה, החלת MOO ל- HSR Network תכנון אינה פשוטה.יש לטפל באתגרים מרובים ליישום מוצלח.

נתונים בלתי בטוחים ורגישות

הפונקציה האובייקטיבית (למשל, עלות הבנייה לקילומטר, הביקוש של הנוסעים בתחנה) אינם ידועים בדיוק.הקלטים הלא נכונים יכולים לשנות את חזית Pareto, פוטנציאל מוביל מקבלי ההחלטות לבחור פתרון שהוא למעשה תת-אופטימי.FLT:0S רגישות ניתוח FLT:1 הוא חיוני: מתכננים צריכים לבדוק כיצד שינויים הקדמיים כאשר פרמטרים שונים בתוך טווח מתקדם של תכנות או מורכבות, אך שילוב של מורכבות מתקדמת באמצעות תכנות.

עלויות פיצוי

תכנון רשת HSR כולל פיזור של שטח גיאוגרפי מתמשך לתוך מגזרי נתיב פוטנציאליים, כל אחד עם עלות ותכונות ביצועים.רשת בקנה מידה לאומי עשוי להיות מיליוני תצורה אפשרית. הערכת כל אחד דורש סימולציה של זמני נסיעה, עלויות בנייה, ואפקטים סביבתיים, אשר יכול להיות כבד חישובי חישוב, בעוד מטא-האיראנים להפחית באופן דרסטי את מספר ההערכות, אפילו אלפי סימולציה יכול להיות זמן-conumgates.

בעל מניות אל-השמצה על מטרות וקונסטרינטים

ניסוח הבעיה דורש קונצנזוס לגבי מטרות לכלול וכיצד למדוד אותם.לדוגמה, "השפעה סביבתית" יכול להיות נמדד כמו CO2 הנפלט מעל 30 שנים, או כפי שאמצעי של בית גידול מופרעים.בעלי עניין שונים עשויים מעדיפים מדדים שונים, מה שמוביל למחלוקות מלכתחילה.מתכננים חייבים להקל על הדיונים להגדיר מערכת אובייקטיבית משותפת - אתגר פוליטי כפי שהוא טכני.

כיוונים עתידיים ב Multi-Objective Optimization for HSR

ככל שכוח מחשוב גדל וזמינות הנתונים משתפרת, ה-MO עבור תכנון HSR צפוי להיות מתוחכם יותר ומשלב את קבלת ההחלטות היומיומיות.

(FLT:0) אינטגרציה עם מערכות מידע גיאוגרפיות (GISIRLT) 1:1 פלטפורמות GIS מודרנית כבר לתמוך בניתוח מרחבי, ניתוק, ו- Multicriteria קבלת החלטות אלגוריתמים MOO ישירות לתוך תוכנת GIS יאפשרו מתכננים לחקור באופן אינטראקטיבי חזיתות Pareto על מפות דיגיטליות, לראות בדיוק היכן מתרחשות התנגשויות מסחר בחלל הפיזי.

(FLT:0) אופטימיזציה בזמן אמת לניהול רשת דינמי.IBA1, בעוד תכנון רשת הוא בדרך כלל תרגיל חד פעמי, אופטימיזציה דינמי יכול להתאים פעולות (למשל, תזמון רכבת, חלונות תחזוקה) בתגובה לביקוש בזמן אמת או הפרעות. MOO עשוי להיות מיושם על שעה או יום rescheduling, איזון צריכת אנרגיה, putuality, ונוחות.

(FLT:0) שילוב של חוסן ואינטנסיונות.FLT ( 1:1:1 רשתות HSR עתידיים חייב לעמוד בהשפעות שינויי האקלים (ריצוף, גלי חום) כמו גם איומים סיסמיים ואבטחת סייבר.הוספת עמידות כאובייקטיבי - לדוגמה, יכולת הרשת לשמור על שירות לאחר אירוע קיצוני - תדחוף אלגוריתמים מ"מ לטפל אפילו במבנים מורכבים יותר.

(FLT:0 Human-in-the-loop Optimization Optimization.cioFLT:1 למערכות MOO אינטראקטיביות מאפשרות למקבלי ההחלטות להנחות את החיפוש על ידי הבעת העדפות במהלך האופטימיזציה, ולא רק בסוף.זה יכול להאיץ את ההתכנסות לקראת פתרונות שהם גם פארטו-אופטימיים ופוליטיים.

מסקנה

אופטימיזציה רב-אובייקטיבית כבר אינה טכניקה ניסיונית המוגבלת לכתבים אקדמיים.זה הוכיח את הערך שלה בתחום התובעני של תכנון רשת רכבות במהירות גבוהה, שבו מיליארדי דולרים והובלת מיליונים נמצאים בסכנה. על ידי יצירת חזית של פתרונות אשר איזון עלות, כיסוי, פגיעה סביבתית וזמן נסיעה, MOO מספקת בסיס שקוף, שיטתי עבור אלגוריתמים ובחירה - החל אסטרטגיות לחימה, כבר זמין בעולם לחימה, פרויקטים מתקדמים, כבר זמין, פרויקטים של אינטליגנציה, כבר זמין.

(הרשתות HSR ממשיכות להתרחב ברחבי העולם, במיוחד בכלכלות מתפתחות ובמסגרת אסטרטגיות תחבורה ירוקות, התפקיד של MOO יגדל רק.הדור הבא של מתכננים, חמושים עם כלים חישוביים חזקים והבנה עמוקה של עסקאות: 3 מעלות צלזיוס) יהיה מצויד טוב יותר לבנות רשתות רכבת כי הם לא רק מהיר ויעיל, אלא גם הוגן, בר קיימא, וחדשני.