دانلود مقاله طرح موثقی برای سیستم های حمل و نقل متروی زیرزمینی با وسایل نقلیه مدولار

چکیده
     تقاضاهای سفر نامتقارن خطوط مترو در کلانشهرها میتواند موجب افزایش زمان انتظار برای مسافران و بهره گیری اساساً اندکی از ظرفیت وسیله نقلیه گردد. بعلت عدم قطعیتهای جریان مسافر و تاخیرات تصادفی، حل این مساله دشوار است. ما یک سیستم حمل و نقل مدولار (MTS) پیشنهاد میکنیم که این امکان را فراهم می آورد که یک ناوگان مترو بتواند بطور پویا در ماژولهای (یا کوپه های) یکسانی در پایانه های مترو تجمیع و سرهم-بندی شده یا برچیده شود. فرمولاسیون قراردادی این مساله با یک مدل برنامه ریزی غیرخطی (NLP) ارائه میشود که نیروی پیشران، نشر گازهای گلخانه ای، مقاومت باد و هزینه اقتصادی عملیات را بررسی میکند. آنگاه خطی سازی مدل NLP، دستیابی به پاسخ سریع آنرا امکانپذیر میسازد. با بهره گیری از آزمایشات عددی بر مبنای داده های بدست آمده از متروی شهر شنژن چین، ما ماندگاری مدل ریاضی را شرح داده و سودمندی مدل را از نظر اقتصادی، کم کربن بودن و پیامدهای اکولوژیکی تایید و اثبات میکنیم. سپس اعتبار مدل پیشنهادی و آنالیز حساسیت با مقادیر پارامترهای گوناگون گزارش میشوند.

1- مقدمه
     سیستم حمل و نقل عمومی (مثل اتوبوسها، ترامواها، ترنهای سبک و متروها) بر خلاف سیستم حمل و نقل خصوصی، یک شیوه جابجایی مسافر است که از سیستم سفر گروهی در دسترس عموم استفاده میکند (Wu et.al, 2021). پُرکاربردترین خدمات حمل و نقل، خطوط از پیش تعیین شده ای را با نقاط از پیش تعیین شده برای پیاده و سوار شدن مسافرین دنبال میکنند. آنها با مسیرهای تنظیم شده و جداول زمانی از پیش تعیین شده، اغلب هزینه ثابتی را برای هر سفر تحمل میکنند (Guo et.al, 2017). ولی توزیع نامتقارن تقاضای سفر در طی دوره های مختلف، یک مشکل سرسخت و دیرپا در عملیات حمل و نقل کلانشهرها بشمار میرود که یا موجب هزینه های عمده ای بر حسب زمان انتظار مسافرین شده یا سبب اتلاف قابل توجهی در ظرفیت وسیله نقلیه میگردد (Shi et.al, 2020). بنابراین عدم قطعیت جریان مسافر و تاخیرات تصادفی، حل این مسائل را دشوارتر میسازند (Wang et.al, 2020).
     تعارض بین جابجایی مکانی و زمانی تقاضای مسافر و ظرفیت ثابت برای حمل و نقل، چالشی است که به مدت طولانی سیستم حمل و نقل مترو در کلانشهرها را درگیر خود ساخته است. این مسائل عملیاتی سخت و شدید مترو موجب هزینه انبوهی در زمان انتظار مسافر یا هدررفت عمده ای در ظرفیت وسایل نقلیه میشوند (Pel et.al, 2021). همانطور که شکل 1 نشان میدهد با در نظر گرفتن سیستم متروی شنژن بعنوان یک نمونه از این دست، نرخ تقاضای ورود مسافر در یک روز عملیاتی عادی برای یک سیستم حمل و نقل مترو، تغییرات زمانی عمده ای نشان میدهد.
     برخی متصدیان MT، تهیه جداول زمانی مبتنی بر زمان اوج و غیر اوج جابجایی مسافر را جهت تناسب با توزیع نامتقارن تقاضای مسافر در دوره های مختلف پیشنهاد میدهند. ولی گرچه این تکنیک، کیفیت خدمات سیستم  را تا حدی توسعه میدهد همچنان مسائل حل نشده ای بقوت خود باقی هستند (Niu and Zhou 2013). در طی ساعات اوج جابجایی مسافر، نرخ ورود مسافر بقدری زیاد است که لازمست مسافرین قبل از سوار شدن، منتظر ترنهای بعدی باشند. در طی ساعات غیر اوج، گهگاه تعداد مسافران ترن زیرزمینی اندک است. این بدان معنی است که برای کوپه هایی با ظرفیت ثابت، درصد بار و انرژی تلف شده، کمتر است (Chen et.al, 2019). این پژوهش یک استراتژی عملیاتی موثر برای حل مشکلات شناسایی شده ای پیشنهاد میدهد که بطور همزمان فاصله زمانی توزیع و ظرفیت کوپه ها را بهینه میکند. این مطالعه مبتنی بر داده های بدست آمده از پایانه مترو است و به راحتی به سایر سیستمهای حمل و نقل عمومی قابل تعمیم میباشد. 

۵- نتیجه گیری
     این مقاله بر توزیع نامتقارن و چالش برانگیز مسأله تقاضای سفر سیستمهای مترو متمرکز بوده و یک مدل برنامه ریزی غیرخطی مبتنی بر تکنولوژی حمل و نقل برای توزین مقدار انرژی برق قطار، نشر گازهای گلخانه ای، مقاومت باد و اقتصاد عملیاتی برای بهینه کردن هزینه کل سیستم پیشنهاد میدهد. در این مدل، سیستم MT این امکان را فراهم میکند که ناوگان مترو با کوپه های یکسانی بصورت دینامیکی در پایانه های مترو تجمیع و یا تجزیه شود که چشم اندازهای جدیدی برای این مسأله ایجاد میکند. از آنجا که برنامه ریزی غیرخطی نمیتواند پاسخ دقیقی ارائه دهد ما مسأله را بطور دقیق بر مبنای یکسری عملیات خطی سازی فرموله کردیم. 
     ما عملی بودن مدل ریاضی را از طریق مطالعات موردی شرح میدهیم و داده های دنیای واقعی را از متروی شنژن جمع آوری کرده و بازدهی مدل پیشنهادی را بر اساس اثرات اقتصادی، زیست محیطی و کم کربن بودن، راستی آزمایی میکنیم. نتیجه نشان میدهد که کل هزینه سیستم MT میتواند ۲۶.۰۸ درصد کمتر از کل هزینه سیستم فعلی باشد‌. تاب آوری مدل پیشنهادی تحت انواع پیکربندیهای پارامتری برای آزمایش روند تغییر مقدار یک پارامتر اضافه بررسی میشود. 
     سیستم مترو یک سیستم حمل و نقل عمومی کامل برای حمل و نقل مدولار است. راه اندازی، اتصال و جداسازی کوپه ها تحت ساماندهی مفهوم عملیات مدولار، آسانتر است. ولی این فرایند ساماندهی با چالشهای زیادی روبروست. از آنجا که طول سکوی مترو ثابت است، راهنمای سفر مسافر در سکو باید با تغییر کوپه های قطار مترو قابل تنظیم باشد که تحقیق بسیار جالبی در مدلسازی سیستم حمل و نقل مدولار در آینده خواهد بود که فرصتها و چالشهای جدیدی برای تحقیقات آتی فراهم میکند. همچنین میتوان پژوهش فعلی را در ابعاد دیگری در آینده توسعه داد. اولاً برقی کردن سیستم حمل و نقل، گزینه های بیشتری در سیستم حمل و نقل عمومی ارائه میدهد که چالشهای بیشتری مثل شارژ و پارکینگ وسیله نقلیه (Eliasson, 2021; Kopplin et.al, 2021; Yagcitekin and Uzunoghu, 2016), تخریب و تعویض باتری (Pelletier et.al, 2017; Yang et.al, 2018; Zhang et.al 2018) و شارژ موقعیتها و آپشن‌های تجهیزات (Agrawal et.al, 2016; Erdelic et.al 2019; Jang 2018) به همراه دارد. ثانیاً تکنولوژیهای متصل و مستقل در حمل و نقل، انقلاب صنعتی کاملی ایجاد خواهند کرد (Li et.al, 2022; Peng et.al, 2021; J. Zhu et.al, 2022) که میتواند فرصت خوبی برای بکارگیری وسایل نقلیه بر مبنای محیط زیست متصل و مستقل بوده و موجب بروز مشکلات بهینه سازی مشترک بیشتری گردد. 

Abstract

     The asymmetric demands of metro lines in megacities can cause high passenger wait times and substantial underutilization of vehicle capacity. The problem is difficult to address because of passenger flow uncertainties and random delays. We propose a modular transit system (MTS) that allows a metro fleet to be dynamically dissembled and assembled in identical modules (or carriages) on metro terminals. A formal formulation of this issue is provided with a nonlinear programming (NLP) model that considers train power, greenhouse gas emissions, wind resistance, and operational economics. Then, a linearization of the NLP further facilitates its fast solution. By utilizing numerical experiments based on Shenzhen Metro data, we illustrate the mathematical model’s viability and confirm the model's usefulness in terms of the economic, low-carbon, and ecological consequences. Then, the robustness of the proposed model and the sensitivity analysis with various parameter values are reported.

1. Introduction

     In contrast to private transport, public transport (such as buses, trams, light trains, and metros) is a mode of transportation for passengers employing group travel systems accessible to the general public (Wu et al., 2021). Most public transportation services follow predetermined routes with predetermined points of boarding and alighting. With set routes and predetermined timetables, they often charge a fixed cost for each trip (Guo et al., 2017). However, the asymmetric distribution of passenger demand across different periods is considered a tough and persistent transit operational problem in megacities, which causes either large passenger wait time costs or considerable vehicle capacity waste (Shi et al., 2020). Therefore, passenger flow uncertainty and random delays vie to make these problems harder to address (Wang et al., 2020).

     The conflict between spatially and temporally shifting passenger demand and fixed capacity to deliver transportation is a challenge that has persisted for a long time in metro transportation in megacities. These tough and persistent metro operational problems cause massive passenger wait time costs or considerable vehicle capacity waste (Pei et al., 2021). As shown in Fig. 1, taking the Shenzhen Metro system as an example, the passenger arrival demand rates on a typical day of operation for a metro transport system exhibit substantial temporal changes. Some MT operators suggest providing peak- and off-peak-based schedules to fit the asymmetric distribution of passenger demand across different periods. However, although this technique enhances MT system service quality to some level, there are still unresolved issues (Niu and Zhou, 2013). During peak hours, the passenger arrival rate is so high that passengers may be required to wait for many trains before boarding. During off-peak hours, the number of passengers on the subway is sometimes small. This means that there is a low load percentage and wasted energy for fixed-capacity carriages. (Chen et al., 2019). This research proposes an effective operational strategy to solve the identified problems that concurrently optimize dispatch headways and carriage capacities. The study is based on metro terminal data and can be easily extended to other urban public transit systems.

     NEXT Future Transport is attempting to revolutionize the method of transporting people and objects (Aleksandar et al., 2012; Ali-Eldin and Elmroth, 2021; Casado et al., 2020; Qu et al., 2022; K. Zhu et al., 2022 ´ ). This innovative smart transportation system is built on swarms of modular electric vehicles according to the modular vehicle concept advanced by the NEXT Future transport company (Next Future Transport, 2022). As seen in Fig. 2, each module may compose or decompose from other modules. Because of this adaptability, in-route transfers are possible, which improves the system capacity rate, reduces costs and traffic, and promotes passenger ubiquity while simultaneously improving passenger comfort.

5. Conclusion

     This paper focused on the challenging asymmetric distribution of the passenger demand problem of metro systems and proposed a modular transit technology-based nonlinear programming model to weight the value of train power energy, greenhouse gas emissions, wind resistance, and operational economics to optimize the total system cost. In the model, the MT system allows the metro fleet to be disassembled and assembled in identical carriages dynamically at metro terminals, bringing new perspectives to the problem. Since nonlinear programming fails to provide an exact solution, we rigorously formulated the problem based on a series of linearization operations.

     We illustrate the practicability of the mathematical model by study cases. We gather real world data from the Shenzhen Metro and validate the efficiency of the proposed model in terms of its economical, lowcarbon, and environmental effects. The result shows that the total cost of the MT system can be 26.08 % lower than that of the existing system. The resiliency of the proposed model under a variety of parameter configurations is examined to test an additional parameter value trend.

     The metro system is a perfect public transport system for modular transit. The carriages are easier to operate, composing and decomposing under the organization of the modular operation concept. However, this organization process will also encounter many challenges. Since the length of metro platform is fixed, the passenger travel guidance on the platform must be adjustable with the change of the metro train carriages, which will be very interesting research in future modular transportation system modeling, which will bring more new opportunities and challenges to the future research work. Moreover, this work can be extended in additional directions in the future. First, transportation electrification can provide more choices in public transit systems, which can bring additional challenges, e.g., vehicle charging and parking (Eliasson, 2021; Kopplin et al., 2021; Yagcitekin and Uzunoglu, 2016), battery degradation and replacement (Pelletier et al., 2017; Yang et al., 2018; Zhang et al., 2021), and charging facility options and locations (Agrawal et al., 2016; Erdelic et al., 2019; Jang, 2018). Second, connected and autonomous technologies in transportation will create a complete industrial revolution (Li et al., 2022; Peng et al., 2021; J. Zhu et al., 2022), which can be a good opportunity for modular vehicles to be used based on a connected and autonomous environment, leading to more joint optimization problems.

(جهت بزرگ نمایی روی عکس کلیک نمایید)

چکیده
1- مقدمه
2- فرمولاسیون مساله
3- متدولوژی
3.1- فرمولاسیون اصلی
3.1.1- قیود و محدودیتهای عملیات قطارها
3.1.2- قید تقاضای سفر
3.1.3- دامنه های متغیر
3.1.4- تابع هدف: 
3.2- فرمولاسیون بازبینی شده
3.3- توزیع احتمال تعداد مسافران
4- مطالعه موردی
4.1- پارامتری سازی و پیاده سازی
4.2- مقایسه هزینه
۴.۳- آنالیز مونت کارلو
۴.۴- آنالیز حساسیت
۵- نتیجه گیری
منابع

Abstract
1. Introduction
2. Problem formulation
3. Methodology
3.1. Original formulation
3.1.1. Constraints on train operation
3.1.2. Constraints on travel demands
3.1.3. Variable domains
3.1.4. Objective function
3.2. Revised formulation
3.3. Probability distribution of the number of passengers
4. Case study
4.1. Parameterization and implementation
4.2. Cost comparisons
4.3. Monte Carlo analysis
4.4. Sensitivity analysis
5. Conclusion
References

این محصول شامل پاورپوینت ترجمه نیز می باشد که پس از خرید قابل دانلود می باشد. پاورپوینت این مقاله حاوی 21  اسلاید و 5 فصل است. در صورت نیاز به ارائه مقاله در کنفرانس یا سمینار می توان از این فایل پاورپوینت استفاده کرد.

در این محصول، به همراه ترجمه کامل متن، یک فایل ورد ترجمه خلاصه نیز ارائه شده است. متن فارسی این مقاله در 9 صفحه (1800 کلمه) خلاصه شده و در داخل بسته قرار گرفته است.

علاوه بر ترجمه مقاله، یک فایل ورد نیز به این محصول اضافه شده است که در آن متن به صورت یک پاراگراف انگلیسی و یک پاراگراف فارسی درج شده است که باعث می شود به راحتی قادر به تشخیص ترجمه هر بخش از مقاله و مطالعه آن باشید. این فایل برای یادگیری و مطالعه همزمان متن انگلیسی و فارسی بسیار مفید می باشد.

بخش مهم دیگری از این محصول لغت نامه یا اصطلاحات تخصصی می باشد که در آن تعداد 45 عبارت و اصطلاح تخصصی استفاده شده در این مقاله در یک فایل اکسل جمع آوری شده است. در این فایل اصطلاحات انگلیسی (تک کلمه ای یا چند کلمه ای) در یک ستون و ترجمه آنها در ستون دیگر درج شده است که در صورت نیاز می توان به راحتی از این عبارات استفاده کرد.