Удосконалення інтелектуальних технологій виконання поїзної роботи на сортувальних станціях
Loading...
Date
2016
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Дніпропетровський національний університет залізничного транспорту імені академіка В. Лазаряна, Днепропетровск
Abstract
UK: Мета. Метою даної роботи являється удосконалення нейромережевої моделі вибору колії приймання поїзда на сортувальну станцію за рахунок врахування прогнозу розвитку поїзної ситуації та вибору раціональних параметрів архітектури нейронної мережі. Методика. В якості моделі вибору колії приймання поїзда обрано штучну нейронну мережу. Формування вектора вхідних параметрів пропонується виконувати на основі даних АСК ВП УЗ-Є. З метою врахування прогноз розвитку поїзної ситуації на станції та на підходах до станції пропонується виконати декомпозицію нейронної мережі із виділенням блоку прогнозування руху та блоку безпосереднього вибору колії приймання. Результати. Представлена комплексна нейромережева модель дозволяє враховуючи прогноз прибуття поїздів та прогноз розвитку ситуації в парку приймання, ви-значати раціональні колії для приймання поїздів. При цьому прогноз прибуття поїздів представляється в явному вигляді, а прогноз розвитку ситуації в парку – в неявному вигляді (шляхом врахування моментів та послідовності прибуття поїздів в парк). Наукова новизна. Наукова новизна роботи полягає в удосконаленні нейромережевої моделі вибору колії приймання поїзда на сортувальну станцію, що досягається за рахунок формування комплексної нейронної мережі, яка враховує прогноз прибуття поїздів на станцію та прогноз розвитку поїзної ситуації в парку, а також за рахунок встановлення раціональних параметрів архітектури, кількості нейронів у вихідному шарі нейронної мережі та способу представлення результатів моделі. Практична значимість. Практична значимість отриманих результатів полягає в тому, що представлена модель може бути використана при створенні системи підтримки прийняття рішень ДСП парку приймання при виконанні поїзної та маневрової роботи.
RU: Цель. Целью данной работы является усовершенствование нейросетевой модели выбора пути приема поезда на сортировочную станцию за счет учета прогноза развития поездной ситуации и выбора рациональных параметров архитектуры нейронной сети. Методика. В качестве модели выбора пути приема поезда выбрана искусственная нейронная сеть. Формирование вектора входных параметров предлагается выполнять на основе данных АСК ВП УЗ-Є. С целью учета прогноза развития поездной ситуации на станции и на подходах к станции предлагается выполнить декомпозицию нейронной сети с выделением блока прогнозирования движения и блока непосредственного выбора пути приема. Результаты. Представленная комплексная нейросетевая модель позволяет учитывая прогноз прибытия поездов и прогноз развития поездной ситуации в парке приема, определять рациональные пути для приема поездов. При этом прогноз прибытия поездов представляется в явном виде, а прогноз развития ситуации в парке – в неявном виде (путем учета моментов и последовательности прибытия поездов в парк). Научная новизна. Научная новизна работы заключается в усовершенствовании нейросетевой модели выбора пути приема поезда на сортировочную станцию, которое достигается за счет формирования комплексной нейронной сети, учитывающей прогноз прибытия поездов на станцию и прогноз развития поездной ситуации в парке, а также за счет определения рациональных параметров архитектуры, количества нейронов в выходном слое нейронной сети и способа представления результатов модели. Практическая значимость. Практическая значимость полученных результатов заключается в том, что представленная модель может быть использована при создании системы поддержки принятия решений ДСП парка приема при выполнении поездной и маневровой работы.
EN: Purpose. The purpose of this article is to improve the neural network model of selection the receive path of the train to the rail yard by taking into account the forecast of the development of the train situation and a choice of rational parameters of the neural network architecture. Methodology. As a model of selection the receive path of the train selected artificial neural network. Formation of the vector of the input parameters is proposed to carry out on the basis of data of automated rail traffic management systems. To account for the forecast of the situation at the train station and on the approaches to the station proposed to decompose the neural network with the release of a block motion prediction and the block directly select the reception path. Findings. Representations of complex neural network model allows taking into account the forecast arrival of trains and train forecast of the situation in the arrival park, to determine efficient ways to receive trains. At the same time train arrivals forecast is presented in explicit form, and the forecast of development of the situation in the park – implicitly (by taking into account the moments and the sequence of trains arriving at the park) Originality. The scientific novelty of this work lies in improving the neural network model of selection of the receive path of the train at the rail yard, which is achieved due to the formation of a complex neural network that takes into account the forecast of trains arriving at the station and the outlook for the train situation in the park, as well as by the definition of rational parameters of the architecture, the number of neurons in the output layer of the neural network and a method for reporting the results of the model. Practical value. The practical significance of the results is that the presented model can be used when creating a decision support system chipboard reception at arrival park for supporting train and shunting work.
RU: Цель. Целью данной работы является усовершенствование нейросетевой модели выбора пути приема поезда на сортировочную станцию за счет учета прогноза развития поездной ситуации и выбора рациональных параметров архитектуры нейронной сети. Методика. В качестве модели выбора пути приема поезда выбрана искусственная нейронная сеть. Формирование вектора входных параметров предлагается выполнять на основе данных АСК ВП УЗ-Є. С целью учета прогноза развития поездной ситуации на станции и на подходах к станции предлагается выполнить декомпозицию нейронной сети с выделением блока прогнозирования движения и блока непосредственного выбора пути приема. Результаты. Представленная комплексная нейросетевая модель позволяет учитывая прогноз прибытия поездов и прогноз развития поездной ситуации в парке приема, определять рациональные пути для приема поездов. При этом прогноз прибытия поездов представляется в явном виде, а прогноз развития ситуации в парке – в неявном виде (путем учета моментов и последовательности прибытия поездов в парк). Научная новизна. Научная новизна работы заключается в усовершенствовании нейросетевой модели выбора пути приема поезда на сортировочную станцию, которое достигается за счет формирования комплексной нейронной сети, учитывающей прогноз прибытия поездов на станцию и прогноз развития поездной ситуации в парке, а также за счет определения рациональных параметров архитектуры, количества нейронов в выходном слое нейронной сети и способа представления результатов модели. Практическая значимость. Практическая значимость полученных результатов заключается в том, что представленная модель может быть использована при создании системы поддержки принятия решений ДСП парка приема при выполнении поездной и маневровой работы.
EN: Purpose. The purpose of this article is to improve the neural network model of selection the receive path of the train to the rail yard by taking into account the forecast of the development of the train situation and a choice of rational parameters of the neural network architecture. Methodology. As a model of selection the receive path of the train selected artificial neural network. Formation of the vector of the input parameters is proposed to carry out on the basis of data of automated rail traffic management systems. To account for the forecast of the situation at the train station and on the approaches to the station proposed to decompose the neural network with the release of a block motion prediction and the block directly select the reception path. Findings. Representations of complex neural network model allows taking into account the forecast arrival of trains and train forecast of the situation in the arrival park, to determine efficient ways to receive trains. At the same time train arrivals forecast is presented in explicit form, and the forecast of development of the situation in the park – implicitly (by taking into account the moments and the sequence of trains arriving at the park) Originality. The scientific novelty of this work lies in improving the neural network model of selection of the receive path of the train at the rail yard, which is achieved due to the formation of a complex neural network that takes into account the forecast of trains arriving at the station and the outlook for the train situation in the park, as well as by the definition of rational parameters of the architecture, the number of neurons in the output layer of the neural network and a method for reporting the results of the model. Practical value. The practical significance of the results is that the presented model can be used when creating a decision support system chipboard reception at arrival park for supporting train and shunting work.
Description
О. Бардась: ORCID 0000-0001-8772-9328
Keywords
штучна нейронна мережа, черговий по станції, прогноз прибуття поїздів, система підтримки прийняття рішень, искусственная нейронная сеть, дежурный по станции, прогноз прибытия поездов, система поддержки принятия решений, artificial neural network, railway station’s dispatcher, forecast of train’s arrival, decision support system, КСВ
Citation
Бардась, О. О. Удосконалення інтелектуальних технологій виконання поїзної роботи на сортувальних станціях / О. О. Бардась // Транспортні системи та технології перевезень : зб. наук. пр. Дніпропетр. нац. ун-ту залізн. трансп. ім. акад. Лазаряна. – Дніпропетровськ, 2016. – Вип. 11. – С. 9–15. – DOI: 10.15802/tstt2016/76818.