МОДЕЛЬ ОПЕРАТИВНОГО ПРОГНОЗА ОБРАЗОВАНИЯ ПОРОЖНИХ ВАГОНОВ НА СЕТИ ЖЕЛЕЗНЫХ ДОРОГ РОССИИ

 

В.Б. Положишников (к.т.н.), начальник отделения разработки управляющих систем (ОРУС)

А.В. Соболев, старший научный сотрудник ОРУС, отдел аналитических систем

О.М. Чивикова, инженер 1 категории ОРУС, отдел аналитических систем

Т.Н. Корюхина, инженер 2 категории ОРУС, отдел аналитических систем

 

Государственное унитарное предприятие Российский научно-исследовательский
и проектно-конструкторский институт информатизации, автоматизации и связи
(ВНИИАС МПС РОССИИ)

Россия, 109029, Москва, ул. Нижегородская, 27

E-mail: asobolev@ous.css-mps.ru

 

 

1. Введение

 

В настоящее время большинство моделей, применяемых в автоматизированных системах управления перевозочным процессом на железнодорожном транспорте, разработаны в предположении стационарности таких величин, как суточный объем выгрузки вагонов, суточный объем образования порожних вагонов, объемы передачи вагонов через дорожные стыковые пункты и пр. Однако, эти величины могут существенно изменяться во времени. В целях повышения качества управления, автоматизированные системы должны быть дополнены моделями оперативного прогноза, способными учитывать колебания этих величин во времени. Под оперативным прогнозированием здесь понимается прогнозирование в суточном режиме, когда прогноз вычисляется по информации о дислокации груженых и порожних вагонов по состоянию на некоторый час суток.

Стремительное развитие возможностей вычислительной техники, доступность устройств хранения больших объемов информации, высокий уровень развития систем сбора оперативных данных на железнодорожном транспорте - все это создает предпосылки к разработке моделей оперативного прогнозирования. Особенность таких прогнозных моделей состоит в привлечении детальных ретроспективных данных о движении вагонов, накопленных в информационном хранилище данных (ИХ), для исследования потоков вагонов и вычисления параметров модели.

В докладе рассматриваются проблемы создания модели оперативного прогноза образования порожних вагонов на сети железных дорог России.

 

 

2. Постановка задачи

 

По каждому вагону с уникальным номером  имеется информация о состоянии, станции дислокации , станции назначения , времени  последней в предыдущие отчетные сутки планирования операции с этим вагоном. Эти данные считываются ежесуточно из системы ДИСПАРК. Требуется построить модель прогноза образования порожних вагонов, состоящую из двух частей:

·        количественный прогноз образования порожних вагонов на отделениях сети , , где  – число отделений на рассматриваемой сети железных дорог, -глубина прогноза, . Максимальная глубина прогноза составляет 10 суток (T=10);

·        количественный прогноз суточной передачи порожних вагонов по дорожным стыковым пунктам , , где  – число дорожных стыков на рассматриваемой сети железных дорог, . Максимальная глубина прогноза также составляет 10 суток.

Прогнозирование образования порожних вагонов ведется отдельно по каждому роду подвижного состава. Вагоны, двигающиеся в кольцевых маршрутах, исключаются из рассмотрения.

Ниже описывается решение этой задачи отдельно для каждой части модели.

 

2.1. Прогноз образования порожних вагонов на отделениях сети

Прогноз образования порожних вагонов на отделениях сети вычисляется, как уже говорилось, по информации о дислокации груженых и порожних вагонов:

,

при этом прогноз строится сразу для всех отделений , и для всех глубин прогноза .

Обозначим  - прогнозное количество порожних вагонов, образующихся через  суток из вагонов, которые на момент запроса информации о дислокации находились в груженом состоянии,  - прогнозное количество порожних вагонов, образующихся через  суток из вагонов, которые на момент запроса информации о дислокации находились в порожнем состоянии. Тогда

.

2.1.1.Прогноз образования порожних вагонов из груженых. Рассмотрим прогноз образования порожних вагонов из груженых. В данной работе предпринята попытка построения модели прогноза, базирующейся на вычисленных по информации ИХ ВМД межстанционных временах задержек . Задержка  - это время с момента последней операции с груженым вагоном на станции дислокации γ до момента первой операции отправления этого вагона со станции выгрузки .

Так как многие вагоны успевают совершить несколько грузовых циклов «дислокация в груженом состоянии - освобождение» в течение периода выборки, введем уникальный идентификатор освобождения вагонов . Тогда прогнозный момент освобождения груженого вагона может быть вычислен по формуле:

.

Для вычисления  по информации ВМД формируется совокупность наблюдений:

,

где  - время - ой операции с груженым вагоном на станции дислокации  для освобождения ;

- количество операции на станции дислокации  для вагона освобождения ;

 - момент освобождения (времени первой операции отправления в порожнем состоянии) вагона освобождения  на станции выгрузки ;

-задержка, вычисленная для освобождения .

Были проведены вычисления времен задержек для полувагонов инвентарного парка МПС по данным ВМД. Итоговые межстанционные времена задержек были вычислены в четырех вариантах:

 - средние времена задержек от всей совокупности наблюдений ;

- в качестве задержек взяты значения медиан от всей совокупности наблюдений ;

- в качестве задержек взяты значения медиан, вычисленных на базе распределения, сведенного к «псевдо-нормальному» виду. Сведение проводилось путем специальной обработки совокупности наблюдений.

Метод сведения распределения множества наблюдений к «псевдо-нормальному» заключается в принудительном сближении величин медианы и среднего для усеченного множества наблюдений. С этой целью для тех пар станций , , для которых разность медианы распределения и среднего превышает 6 часов, отбрасываются наблюдения, для которых выполняется условие:

                 ,

где  - значение медианы,  - значение среднего.

Причина, по которой был разработан вариант вычисления , состоит в следующем. Анализ параметров распределений величины  выявил большие разбросы времен задержек, возникающих по причине неравномерности работы транспорта, особенно в местах выгрузки. Для некоторых станций массовой выгрузки (например, крупных портов) высокая дисперсия определения времен задержек может негативно сказаться на точности прогнозирования основной освобождаемой там части вагонов (Рис. 1).

 

 

Рис. 1. Количество прогнозируемых освобождений вагонов в зависимости от среднеквадратического отклонения соответствующих средних времен задержек. Станции освобождения принадлежат Краснодарскому отделению Северо-Кавказской ж.д.

 

На станциях, где освобождение вагонов производится оперативно, точность определения времен задержек значительно лучше (Рис. 2).

 

 

Рис. 2. Количество прогнозируемых освобождений вагонов в зависимости от среднеквадратического отклонения соответствующих средних времен задержек. Станции освобождения принадлежат Вологодскому отделению Северной ж.д.

 

     Для вычисления времени задержки была разработана программа на языке SAS/BASE по отбору из ВМД заданной последовательности операций с вагонами, описывающих движение груженых вагонов и образования порожних вагонов, готовых к регулировке.

Еще одной особенностью разработанной модели прогнозирования является учет максимальных выгрузочных способностей отделений. Для этого по данным оперативной и статистической отчетности ГВЦ были определены максимальные объемы выгрузки отделений для полувагонов инвентарного парка МПС, обозначим их , i=1…n. При вычислении прогноза для каждых суток глубины прогноза и каждого отделения обеспечивается условие

                 , ,

за счет переноса на следующие сутки «излишков», которые не могут быть освобождены.

 

2.1.2. Методика проверки прогноза образования порожних вагонов из груженых. Методика проверки основана на количественном сравнении реальных и прогнозных освобождений вагонов по информации ИХ ВМД. Проверка производится следующим образом. Из хранилища выбирается история движения тех грузовых вагонов, которые имели факт освобождения внутри анализируемого периода выборки. Пусть период выборки составляет  суток.

Для каждого факта освобождения  делается выборка следующих показателей:

 - время и дата последней к 18 часам суток  операции с груженым вагоном;

 - станция, на которой находился вагон в момент последней операции в сутки ;

 - соответствующая станция назначения;

 - время и дата фактического освобождения вагона.

Далее, с использованием , и  для всех  и суток дислокации  вычислялось по четыре прогнозных момента освобождения , , , , соответствующих временам задержек ,   и  соответственно. Итак, для каждого вагона в грузовом цикле ω и суток дислокации  имеется момент времени фактического освобождения  и четыре момента прогнозных. По этим данным для всех допустимых глубин прогноза , суток дислокации  и отделений  вычисляется:

 - количество фактических освобождений вагонов на отделении , для которых  принадлежит отчетным суткам ; 

- количество прогнозных освобождений вагонов на отделении , для которых  принадлежит отчетным суткам . Аналогично вычисляется  и  .

 

2.1.3. Результаты проверки прогноза. Для вычисления времен задержек была использована информация ИХ о движения полувагонов инвентарного парка МПС на территории России за январь 2004 г . Для проверки прогноза использовалась информация за февраль 2004 г .

На графиках ниже представлены результаты прогнозирования освобождения полувагонов на некоторых железных дорогах. На каждом графике помимо фактического освобождения изображены прогнозируемые количества освобожденных вагонов  и . Эти кривые подписаны «Прогноз A» и «Прогноз B» соответственно (Рис. 3-6).

 

 

Рис. 3. Фактическое и прогнозное освобождение полувагонов на Московской железной дороге при глубине прогноза 3 суток

 

 

Рис. 4. Фактическое и прогнозное освобождение полувагонов на Северо-Кавказской ж.д. при глубине прогноза 3 суток

 

 

 

Рис. 5. Фактическое и прогнозное освобождение полувагонов на Горьковской ж.д. при глубине прогноза 2 суток

 

 

Рис. 6. Фактическое и прогнозное освобождение полувагонов на Горьковской ж.д. при глубине прогноза 3 суток

 

2.2. Прогноз суточной передачи порожних вагонов по дорожным стыковым пунктам

Прогноз строится по информации о станциях дислокации , станциях назначения  и временах  последних операции с порожними вагонами . Требуется вычислить объемы суточной передачи порожних вагонов по дорожным стыковым пунктам , , где  – число дорожных стыков на рассматриваемой сети железных дорог, . Максимальная глубина прогноза также составляет 10 суток.

Модель прогноза базируется на временах хода порожних вагонов  с отделения образования  до станций дорожных стыков . Соответствующие времена вычислялись в зависимости от последовательности дорожных стыков , которые проходил поток порожних вагонов при движении с отделения образования  на отделение погрузки . Для этого было исследовано движение порожних полувагонов через дорожные стыки и определены доли потоков  каждого варианта от общего потока вагонов между отделениями образования и погрузки (Рис. 13).

 

Рис. 13. Схема потоков порожних вагонов через дорожные стыковые пункты

 

Прогноз передачи порожних вагонов через стык  может быть вычислен следующим образом. Выбираются вагоны, дислоцирующиеся на станциях  назначением на станции . В данном случае станции  приписаны отделению , а станции  отделению . Вычисляется  - количество порожних вагонов, дислоцирующихся на станциях отделения , имеющих отделение назначения , прогнозное время прибытия которых на стыковую станцию  попадает в сутки  при движении способом .

Тогда, общее количество порожних вагонов, переданное по стыку  в течение суток :  

.

 

3. Заключение

Разработана модель оперативного прогноза образования порожних вагонов по данным о текущей дислокации вагонов на начало отчетных суток планирования. Обеспечивается прогнозирование образования порожних вагонов на станциях и отделениях выгрузки, а также на дорожных стыковых пунктах.

Прогноз базируется на межстанционных временах задержек, вычисленных по данным информационного хранилища вагонной модели. Применяется несколько методов вычисления времен задержек: среднее по всей совокупности наблюдений, вычисление медианы, специальный метод сведения распределения к «псевдо-нормальному» виду.

Проведена проверка точности прогнозирования образования порожняка на отделениях дорог России на примере полувагонов инвентарного парка МПС. Проверка продемонстрировала способность модели к отслеживанию динамики изменения количества освобожденных вагонов.

Разработанная модель входит в состав автоматизированной управляющей системы оперативного регулирования парка порожних вагонов на базе динамических моделей [1].

Отметим, что одним из способов повышения точности прогнозирования может явиться более частый, чем ежемесячный пересчет времен задержек, необходимых для прогноза.

 

 

Список литературы

1.        Положишников В.Б., Соболев А.В. Автоматизированная управляющая система оперативного регулирования парка порожних вагонов на базе динамических моделей // Современные проблемы информатизации в технике и технологиях: Сб. трудов. Вып. 9/ Под ред. д.т.н., проф. О.Я.Кравца. Воронеж: Научная книга, 2004. С. 248-249.

2.        Тишкин Е.М. Автоматизация управления вагонным парком. М.: Интекст, 2000. 224 с.