[論文レビュー] A short-term planning model for high-speed train assignment and maintenance scheduling

Boliang Lin|arXiv (Cornell University)|Sep 13, 2017

Railway Systems and Energy Efficiency参考文献 6被引用数 3

ひとこと要約

本稿では、運用制約および車両基地の収容能力を尊重しながら走行距離損失を最小化する短期的な高速列車の割り当ておよび2次メンテナンススケジューリングのためのバイナリ非線形プログラミングモデルを提案する。累積走行距離更新関数および状態関数を導入し、実運用要件を満たす効率的な計画を可能にする。

ABSTRACT

This paper considers the simultaneous high-speed train assignment and maintenance scheduling problem. For the maintenance scheduling module, our focus is the second-level maintenance, which is carried out once a month on average. We propose a binary non-linear programming model to mathematically describe the problem. The objective aims to minimize the mileage losses for all high-speed trains and the constraints cover various operational requirements and capacity restrictions. To model the difficult operational requirements, a novel cumulative mileage update function is developed; meanwhile, to describe the depot maintenance capacity restriction, we employ a state function that is able to identify whether a train is in the maintenance state or in the operation state.

研究の動機と目的

• 短期計画における高速列車の同時割り当ておよびメンテナンススケジューリングを解決すること。
• 計画期間中のすべての列車における走行距離損失の合計を最小化すること。
• メンテナンス頻度および車両基地の収容能力制限を含む現実的な運用制約を組み込むこと。
• 状態関数を用いて列車の動的状態（走行中かメンテナンス中か）をモデル化すること。
• 正確な走行距離損失計算を保証するための、新規の累積走行距離更新関数の開発

提案手法

• 列車の割り当ておよびメンテナンススケジューリング意思決定を表現するバイナリ非線形プログラミングモデルを構築する。
• 列車の使用状況を追跡し、正確な走行距離損失計算を保証するための累積走行距離更新関数を導入する。
• 任意の時点で列車が走行中かメンテナンス中かを特定するための状態関数を用いる。
• メンテナンス頻度（平均して1か月に1回）およびメンテナンス活動のための車両基地収容能力に制約を課す。
• 列車の割り当ておよびメンテナンススケジューリング意思決定を表すためにバイナリ変数を用いる。
• すべての列車における走行距離損失の合計を最小化する目的関数を最適化する。

実験結果

リサーチクエスチョン

• RQ1 短期計画期間における高速列車の割り当てと2次メンテナンススケジューリングをどのように統合的に最適化できるか？
• RQ2 メンテナンスインターバルを尊重しつつ、列車の累積走行距離を効果的にモデル化する方法は何か？
• RQ3 車両基地のメンテナンス収容能力制約をスケジューリングモデルで数学的に表現する方法は何か？
• RQ4 メンテナンススケジューリングの統合が、列車運用における走行距離損失の最小化に与える影響は何か？
• RQ5 混合整数プログラミングフレームワークにおいて、列車の動的状態（走行中対メンテナンス中）を正確に捉える方法は何か？

主な発見

• 提案されたモデルは、計画期間中のすべての高速列車における走行距離損失の合計を効果的に最小化した。
• 累積走行距離更新関数により、列車の使用状況の正確な追跡が可能となり、スケジューリングの正確性が向上した。
• 状態関数は、任意の時点で列車が走行中かメンテナンス中かを効果的にモデル化した。
• モデルは車両基地のメンテナンス収容能力制限を尊重しており、過剰なメンテナンス枠の割り当てを防止した。
• 割り当てプロセスへのメンテナンススケジューリングの統合により、より効率的かつ運用可能で現実的な計画が得られた。
• バイナリ非線形プログラミングの定式化は、統合的割り当てとメンテナンス問題を解く強固なフレームワークを提供した。