[论文解读] Disruption Management with Rescheduling of Trips and Vehicle Circulations

Sándor P. Fekete, Alexander Kroeller+2 more|arXiv (Cornell University)|Jan 11, 2011

Transportation Planning and Optimization参考文献 13被引用 5

一句话总结

本文提出了一种用于铁路系统实时中断管理的集成整数规划模型，同时重新调度列车运行和车辆循环，以最大化恢复的列车班次数量，同时确保无冲突的运行图。通过事件驱动建模和图收缩技术，该方法在真实世界维也纳地铁场景下，即使在长时间中断期间，也能在一分钟内获得高质量解。

ABSTRACT

This paper introduces a combined approach for the recovery of a timetable by rescheduling trips and vehicle circulations for a rail-based transportation system subject to disruptions. We propose a novel event-based integer programming (IP) model. Features include shifting and canceling of trips as well as modifying the vehicle schedules by changing or truncating the circulations. The objective maximizes the number of recovered trips, possibly with delay, while guaranteeing a conflict-free new timetable for the estimated time window of the disruption. We demonstrate the usefulness of our approach through experiments for real-life test instances of relevant size, arising from the subway system of Vienna. We focus on scenarios in which one direction of one track is blocked, and trains have to be scheduled through this bottleneck. Solving these instances is made possible by contracting parts of the underlying event-activity graph; this allows a significant size reduction of the IP. Usually, the solutions found within one minute are of good quality and can be used as good estimates of recovery plans in an online context.

研究动机与目标

• 通过联合重新调度铁路系统中的列车运行和车辆循环，填补集成中断管理方面的空白。
• 为高利用率地铁网络在中断后恢复运行图，开发一种实用的实时解决方案。
• 在保持无冲突运行图的前提下，最大化恢复的列车班次数量（可能包含延迟）。
• 通过惩罚过早折返和过早返回车辆段，减少乘客换乘，从而降低乘客不便。
• 通过确保快速求解时间，即使在问题复杂的情况下，也实现恢复计划在在线环境中的快速部署。

提出的方法

• 提出一种新颖的基于事件的整数规划（IP）模型，以捕捉列车重新调度、车辆循环调整及资源约束。
• 在IP框架中，将列车运行调整、取消以及车辆循环变化（如截短、提前折返）作为决策变量建模。
• 应用图收缩技术，显著减小底层事件-活动网络的规模，从而大幅提升计算效率。
• 采用双目标函数：第一项目标为最大化加权恢复列车班次，第二项目标为惩罚过早折返和过早返回车辆段，以减少乘客换乘。
• 集成约束以确保无冲突运行图，包括安全距离和瓶颈区段的线路使用限制。
• 利用线性规划松弛和分支定界技术，并考虑额外的不等式以改进上界。

实验结果

研究问题

• RQ1 是否能够证明，同时重新调度列车和车辆循环的集成模型在中断恢复中优于顺序方法？
• RQ2 基于事件的整数规划结合图收缩技术，在求解大规模地铁系统实时重新调度问题时效果如何？
• RQ3 通过在车辆运行图中惩罚过早折返和过早返回，能在多大程度上减少乘客换乘次数？
• RQ4 在典型在线中断管理的时间压力下，能否快速生成高质量解？
• RQ5 在最优恢复运行图中，会涌现出哪些结构性模式，例如列车班次的聚集模式或通勤列车的使用？

主要发现

• 所提出的IP模型结合图收缩技术，可在一分钟内为真实维也纳地铁实例生成可行解，即使在长时间中断期间亦然。
• 解的质量始终为最优或接近最优，多数实例可被精确求解，表明其具有强大的实际性能。
• 该方法通过调整车辆循环和重新调度列车，成功应对高频运行和瓶颈约束（如单线区段）。
• 对过早折返和过早返回车辆段的惩罚显著减少了乘客换乘，实验表明在几乎不增加取消班次成本的前提下，实现了换乘次数的显著降低。
• 计算得到的运行图通常表现出通过瓶颈区段的交替列车班次集群，且当仅靠延迟无法满足需求时，通勤列车成为有效的解决方案。
• 线性规划松弛的间隙较大，表明最优性间隙在求解过程后期才被关闭，提示可通过引入更多有效不等式进一步提升性能。