Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "organizacja przejazdów" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Organizacja przemieszczania wagonów na sieci kolejowej – wybrane zagadnienia
Organization of the cars movement on the railway network - selected aspects
Autorzy:
Jacyna, M.
Krześniak, M.
Powiązania:
https://bibliotekanauki.pl/articles/252782.pdf
Data publikacji:
2015
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
przemieszczanie wagonów
organizacja przejazdów
proces przewozowy
sieć kolejowa
cars movement
transport process
railway network
Opis:
W artykule omówione zostały zagadnienia związane z organizacją i realizacją przewozów. Proces główny to planowanie przewozów oraz wszystkie czynności związane z zestawianiem i przejazdem pociągów. Obejmuje on także procesy wspomagające takie jak: planowanie wykorzystania drużyn trakcyjnych i taboru trakcyjnego, przemieszczania wagonów próżnych – zarówno własnych jak i obcych (nie należących do przewoźnika) oraz ruch taboru luzem. Z punktu widzenia pracy stacji, składową procesu głównego, tj. organizacji i realizacji przejazdów jest planowanie pracy stacji oraz operacji wykonywanych w ramach obróbki pociągów w trakcie ich przejścia przez stacje. Elementem procesu jest również wykorzystanie w procesie przewozowym wagonów obcych, tj. wagonów które nie należą do przewoźnika. Z punktu widzenia realizacji procesu przewozowego jest to bardzo ważny problem decyzyjny. Co istotne, w obecnych uwarunkowaniach rynkowych to klienci są aktywnymi uczestnikami procesu przewozowego, zgłaszając potrzeby co do ilości i jakości wagonów, terminu nadania, miejsca nadania i odbioru. Niestety nie zawsze jest taka sytuacja, że wymagania klienta są adekwatne do możliwości operacyjnych przewoźnika. Odpowiadając na potrzeby kontrahentów przewoźnik musi bilansować zasoby, czy jest w stanie spełnić ich oczekiwania. Przewoźnik musi przygotowywać proces eksploatacyjny z pełną znajomością konsekwencji jakie płyną ze zmiennych oczekiwań klientów.
The article discusses the issues related to the organ-ization and realization of transport. The main process is the transport planning and all activities associated with compiling and driving of trains. It also includes supporting processes such as traction crew scheduling and rolling stock circulation, movement of empty cars - both own and foreign (not belonging to the railway under-taking) and the movement of other rolling stock. From the point of view of the stations work, the component of the main process – organization and realization of transport is planning of stations work and operations connected with service of trains during their passage through the stations. Part of the process is also using in the transport process the foreign cars – cars not belonging to the railway undertaking. From the point of view of transport process it is a very important decision problem. It is also important, that in the current market conditions customers are active participants of the transport process by submitting needs in the form of quantity and quality of wagons, date of origin, place of origin and reception. Unfortunately, it is not always such a situation that customer requirements are adequate for the operational capacity of the railway undertaking. Responding to the needs of contractors, the railway undertaking must balance its resources, if it is able to meet their expectations. The railway undertaking must prepare operational process with full awareness of the consequences which are connected with changing customer expectations.
Źródło:
TTS Technika Transportu Szynowego; 2015, 12; 656-663, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using Machine Learning to Enhance Vehicles Traffic in ATN (PRT) Systems
Zastosowanie Uczenia Maszynowego (Machine Learning) do poprawy jakości działania zautomatyzowanych sieci transportowych (Automatic Transit Network-PRT)
Autorzy:
Czejdo, B.
Daszczuk, W. B.
Baszun, M.
Powiązania:
https://bibliotekanauki.pl/articles/313805.pdf
Data publikacji:
2017
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
machine learning
transport system
optimization of transport systems
transport planning
uczenie maszynowe
system transportowy
optymalizacja systemu transportowego
planowanie przewozów
organizacja przejazdów
Opis:
This paper discusses new techniques to enhance Automated Transit Networks (ATN, previously called Personal Rapid Transit - PRT) based on Artificial Intelligence tools. The main direction is improvement of the cooperation of autonomous modules that use negotiation protocols, following the IoT paradigm. One of the goals is to increase ATN system throughput by tuning up autonomous vehicles cooperation. Machine learning (ML) was used to improve algorithms designed by human programmers. We used “existing controls” corresponding to near-optimal solutions and built refinement models to more accurately relate a system’s dynamics to its performance. A mechanism that mostly influences ATN performance is Empty Vehicle Management (EVM). The algorithms designed by human programmers was used: calls to empty vehicles for waiting passengers and balancing based on reallocation of empty vehicles to achieve better regularity of their settlement. In this paper we discuss how we can improve these algorithms (and tune them to current conditions) by using ML to tailor individual behavioral policies. Using ML techniques was possible because our algorithm is based on a set of parameters. A number of weights and thresholds could be tuned up to give better decisions on moving empty vehicles across the track.
W artykule omówiono nowe techniki usprawniania zautomatyzowanych sieci transportowych (ATN, wcześniej nazywanych Personal Rapid Transit - PRT), opartych na narzędziach sztucznej inteligencji. Głównym kierunkiem jest poprawa współpracy autonomicznych modułów, które używają protokołów negocjacyjnych w paradygmacie IoT. Jednym z celów jest zwiększenie przepustowości systemu transportowego poprzez dostrajanie współpracy autonomicznych pojazdów. Uczenie maszynowe (ML) jest wykorzystywane do poprawy algorytmów opracowanych przez programistów. Użyliśmy "istniejącego sterowania", odpowiadającego suboptymalnym rozwiązaniom, i skonstruowaliśmy modele dostrajania, aby dokładniej odnieść dynamikę systemu do jego wydajności. Mechanizm, który wpływa głównie na wydajność ATN to Zarządzanie Pustymi Pojazdami (Empty Vehicle Management - EVM). Wykorzystano algorytmy opracowane przez programistów: wzywanie pustych pojazdów dla oczekujących pasażerów i równoważenie w oparciu o realokację pustych pojazdów w celu osiągnięcia lepszej regularności ich rozmieszczenia. W tym artykule omówimy, jak można poprawić te algorytmy (i dostroić je do aktualnych warunków), używając ML do dostosowania indywidualnych zasad behawioralnych. Wykorzystanie technik ML było możliwe, ponieważ nasz algorytm oparty jest na zbiorze parametrów. Zestaw współczynników i progów może zostać dostrojony do podejmowania lepszych decyzji o planowaniu ruchu pustych pojazdów na torze.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 12; 1484-1489, CD
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies