کاربرد GIS در پیش‌بینی ظرفیت شبکة ریلی ازطریق رگرسیون خطی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، دانشکدة منابع طبیعی و محیط‌زیست، گروه سنجش از دور و GIS، تهران

2 دانشیار دانشکدة مهندسی عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران

3 استادیار دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، دانشکدة منابع طبیعی و محیط‌زیست، گروه سنجش از دور و GIS، تهران

4 استاد دانشکدة نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

چکیده

سیستم حمل‌ونقل ریلی از تعامل مجموعه‌ای از تجهیزات و عملیات تشکیل‌ شده است که توانایی و ظرفیت یک سیستم ریلی در حمل‌ونقل بار و مسافر را تعیین می‌کند. بدین‌منظور، محاسبة ظرفیت و پیش‌بینی نحوة تغییرات آن مهم است و شناخت آن‌ کمک شایانی به ارتقای سطح بهره‌برداری شبکة ریلی می‌کند. روش‌های گوناگونی برای محاسبة ظرفیت وجود دارد که با توجه به نوع شبکه و شیوة استفاده از این روش‌ها، می‌توان از آنها بهره گرفت. برای محاسبة ظرفیت، از توانمندی‌های سیستم‌های اطلاعات مکانی استفاده می‌شود و با کمک یک سیستم اطلاعات مکانی تحت وب، وضعیت ظرفیتی عملیاتی شبکة ریلی به‌صورتی نوین و با کارآیی بیشتر از ‌روش‌های متداول تعیین می‌شود. برای این کار، از محیطی GISمبنا استفاده شده که به پایگاه داده‌های گوناگون شرکت راه‌آهن جمهوری اسلامی ایران، ازجمله پایگاه سیر و حرکت، متصل شده است و ضمن مشاهدة وضعیت فعلی ظرفیتی شبکه، ازطریق رگرسیون خطی چندمتغیره، ظرفیت شبکة ریلی را در آینده تعیین می‌کند. تحقیق حاضر با استفاده از رگرسیون خطی، ظرفیت راه‌آهن را طی مطالعه‌ای موردی در ایران، برای سه مسیر انتخاب‌شده پیش‌بینی می‌کند و بلاک‌های مهم را برای بررسی تأثیر پارامترهای مکانی در تعیین ظرفیت شبکة راه‌آهن، مشخص می‌کند. با استفاده از داده‌های سال 96 (استخراج‌شده از وب سرویس مکانی راه‌آهن)، پیش‌بینی ظرفیت در سال 97 در محیط GIS انجام شد. نتایج نشان داد که استفاده از ظرفیت مسیرهای انتخابی برای مسیر قطارهای باری 82%، مسیرهای مسافری 56% رفت و 62% بازگشت و برای مسیرهای ترکیبی نیز 79% بود. همچنین، دقت پیش‌بینی مدل برای قطارهای باری 35% بهتر از قطارهای مسافری است که این به‌دلیل تفاوت در تغییر سرعت و حداکثر سرعت مجاز درمورد این دو نوع قطار است. دقت مدل‌سازی با نوع قطعه ارتباط مستقیم دارد؛ بنابراین، در مسیر مسافری، ظرفیت مدل‌سازی قطارهای مسافری تقریباً 45% دقیق‌تر بوده است. به همین ترتیب، در مسیر باری، دقت تخمین ظرفیت این قطارها بیشتر از قطارهای مسافری و تقریباً 45% بوده است.

کلیدواژه‌ها


عنوان مقاله [English]

Application of GIS in Predicting Rail Network Capacity through Linear Regression

نویسندگان [English]

  • Bahram Moradi Solooshi 1
  • Alireza Vafaeinejad 2
  • Hossein Aghamohammadi Zanjirabad 3
  • ali asghar ale sheikh 4
1 Ph.D. Candidate, Dep. of GIS/RS, Faculty of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran
2 Associate Prof., Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran
3 Assistant Prof., Dep. of GIS/RS, Faculty of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran
4 Prof. of Dep. of Geospatial Information Systems, Faculty of Geodesy and Geomatics Engineering, K.N. Toosi University of Technology, Tehran
چکیده [English]

The rail transport system consists of the interaction of a set of equipment and operations that determine the capability and capacity of a rail system in freight and passenger transport. For this purpose, it is important to calculate the capacity and predict how it will change, and knowing it will be of great help in improving the level of operation of the railway network. There are several methods for calculating capacity that can be used depending on the type of network and how it is used. To calculate the capacity, the capabilities of spatial information systems are used and with the help of a web-based spatial information system, the operational capacity of the rail network is determined in a new way and with more efficiency than conventional methods. For this purpose, a GIS-based environment that is connected to various databases of the Railway Company of the Islamic Republic of Iran, including the travel database, is used and while observing the current capacity of the network, through multivariate linear regression, the capacity of the rail network in It determines the future. The present study, through linear regression, predicts railway capacity in a case study in Iran for the three selected routes and identifies important blocks for investigating the effect of spatial parameters in determining the capacity of the railway network. Slowly Based on the available data of 1996 (extracted from the Railway Spatial Web Service), capacity forecasting was performed in 1997 in the GIS environment. The results showed that the capacity utilization of the selected routes for freight trains was 82%, passenger routes 56%, 62% return and 79% combined routes. Also, the accuracy of model prediction for freight trains is 35% better than passenger trains, which is due to the difference in speed change and maximum speed allowed for these two types of trains, and modeling accuracy is directly related to the type of part. Route (passenger, freight and combined), so in the passenger route, the modeling capacity of passenger trains was approximately 45% more accurate. Similarly, on the freight route, the estimation of the capacity of freight trains was associated with approximately 45% higher accuracy than that of passenger trains.
 

کلیدواژه‌ها [English]

  • Railway
  • Network capacity
  • Linear regression
  • GIS
بهرام مرادی سلوشی؛ علیرضا وفایی نژاد؛ حسین آقامحمدی زنجیرآباد؛ علی اصغر آل شیخ،  مدیریت ظرفیت شبکه ریلی بر مبنای پارامترهای تأثیرگذار مکانی و عملیاتی با رویکرد سرویس گرا، دوره 11، شماره 3 ، پاییز 1398، صفحه 97-112.
http://dx.doi.org/10.52547/gisj.11.3.97
جعفری، مجید و دین پژوه، یعقوب و اسدی، اسماعیل،1394، آشنایی با رگرسیون خطی چندگانه و استفاده از آن در شبیه سازی مقادیر تبخیر روزانه تشت، دوفصلنامه آب و توسعه پایدار، دوره ۲، شماره۲.
خداشناس، س.ر.، قهرمان، ب.، داوری، ک.، ناظریان، ح.، 1387، ارائة مدل‌های رگرسیونی چندمتغیرة برآورد رسوب درحوضه‌های شمال اسـتان خراسان، مجلة آب و خاک، دورة بیست‌ودوم، شمارة 2، صص. 164-150.
عراقی، م.، 1391، بررسی مقایسه‌ای روشهای تعیین ظرفیت خط در سیستم حمل‌ونقل ریلی و ارائة روش تلفیقی، چهاردهمین همایش بین‌المللی حمل‌ونقل ریلی، آبان 1391.
نوری، ر.ا.، ارشفی، خ.، اژدرپور، ا.، 1387، مقایسة کاربرد روش‌های شبکة عصبی مصنوعی و رگرسیون خطی چندمتغیره بر اساس تحلیل مؤلفه‌های اصلی برای پیش‌بینی غلظت میانگین روزانة کربن مونوکسید: بررسی موردی شهر تهران، مجلة فیزیک زمین و فضا، دورة سی‌وچهارم، شمارة 1، صص 152-135.
یقینی، م.، لسان، ج.، 1391، برنامه‌ریزی عملیات حمل‌ونقل ریلی، انتشارات دانشگاه علم و صنعت ایران.
یقینی، م.، مفاخری، ز.، نیکو، ن.، 1391، محاسبة ظرفیت استفاده‌شده در راه‌آهن ایران بر اساس روش UIC406 . مطالعة موردی: مسیر تهران‌ـ‌ مشهد، پژوهشنامة حمل‌ونقل، دورة نهم، شمارة 4 (پیاپی 33)، صص. 435-419.
 
Abril, M.F., Barber, L., Ingolotti, M., Salido, P.T. & Lova, A., 2008, An Assessment of Railway Capacity,Transportation Research Part E: Logistics and Transportation Review, 44(5), PP. 774-806.
Armstrong, J. & Preston, J., 2017, Capacity Utilisation and Performance at Railway Stations, Journal of Rail Transport Planning & Management, 7(3), PP. 187-205.
Balan, B., Mohaghegh, S. & Ameri, S., 1995, State of Art in Permeability Determination from Well Log Data: Part 1- a Comparative Study, Model Development SPE, 30978-17 P. 25.
Bolouri, S., Vafaeinejad, A., Alesheikh, A. & Aghamohammadi, H., 2018, The Ordered Capacitated Multi Objective Location-Allocation Problem for Fire Stations, ISPRS International Journal of Geo-Information, 7(2), P. 44.
Burdett, R.L., 2015, Multi-Objective Models and Techniques for Analysing the Absolute Capacity of Railway Networks, European Journal of Operational Research, 245(2), PP. 489-505.
Burdett, R.L., 2016, Optimisation Models for Expanding a Railway's Theoretical Capacity, European Journal of Operational Research, 251(3), PP. 783-797.
Burdett, R.L. & Kozan, E., 2006, Techniques for Absolute Capacity Determination in Railways, Transportation Research Part B: Methodological, 40(8), PP. 616-632.
Dicembre, A. & Ricci, S., 2011, Railway Traffic on High Density Urban Corridors: Capacity, Signalling and Timetable, Journal of Rail Transport Planning & Management, 1(2), PP. 59-68.
Harrod, S., 2009, Capacity Factors of a Mixed Speed Railway Network, Transportation Research Part E: Logistics and Transportation Review, 45(5), PP. 830-841.
Jamili, A., 2018, Computation of Practical Capacity in Single-Track Railway Lines Based on Computing the Minimum Buffer Times, Journal of Rail Transport Planning & Management, 8(2), PP. 91-102.
Jensen, L.W., Landex, A., Nielsen, O.A., Kroon, L.G. & Schmidt, M., 2017, Strategic Assessment of Capacity Consumption in Railway Networks: Framework and Model, Transportation Research Part C: Emerging Technologies, 74. PP. 126-149.
Kaleybar, H.J., Kojabadi, H.M., Fazel, S.S. & Foiadelli, F., 2018, An Intelligent Control Method for Capacity Reduction of Power Flow Controller in Electrical Railway Grids, Electric Power Systems Research, 165, PP. 157-166.
Krueger, H., 1999, Parametric Modeling in Rail Capacity Planning, Paper Presented At The WSC'99. 1999 Winter Simulation Conference Proceedings, Simulation-A Bridge To The Future (Cat. No. 99CH37038).
Landex, A., 2007, Capacity Statement for Railways, Paper presented at the 2007 Annual Transport Conference at Aalborg University.
Landex, A., Kaas, A.H. & Nielsen, O.A., 2008, Methods to Estimate Railway Capacity and Passenger Delays, Technical University of Denmark (DTU).
Landex, A., Kaas, A.H., Schittenhelm, B. & Schneider-Tilli, J., 2006, Practical Use of the UIC 406 Capacity Leaflet by Including Timetable Tools in the Investigations, WIT Transactions on The Built Environment, Vol. 88.
Li, F., Gao, Z., Wang, D.Z., Liu, R., Tang, T., Wu, J., & Yang, L., 2017, A Subjective Capacity Evaluation Model for Single-Track Railway System with δ-Balanced Traffic and λ-Tolerance Level, Transportation Research Part B: Methodological, 105, PP. 43-66.
Lindner, T., 2011, Applicability of the Analytical UIC Code 406 Compression Method for Evaluating Line and Station Capacity, Journal of Rail Transport Planning & Management, 1(1). PP. 49-57.
Mussone, L. & Calvo, R.W., 2013, An Analytical Approach to Calculate the Capacity of a Railway System, European Journal of Operational Research, 228(1), PP. 11-23.
Odolinski, K. & Boysen, H.E., 2019, Railway Line Capacity Utilisation and Its Impact on Maintenance Costs, Journal Of Rail Transport Planning and Management, 9, PP. 22-33.
Riejos, F.A.O., Barrena, E., Ortiz, J.D.C. & Laporte, G., 2016, Analyzing the Theoretical Capacity of Railway Networks with a Radial-Backbone Topology, Transportation Research Part A: Policy and Practice, 84, PP. 83-92.
Sameni, M.K., Landex, A. & Preston, J., 2011, Developing the uic 406 Method for Capacity Analysis, Paper Presented At The 4th International Seminar On Railway Operations Research.
Suyabatmaz, A.Ç. & Şahin, G., 2015, Railway Crew Capacity Planning Problem with Connectivity of Schedules, Transportation Research Part E: Logistics And Transportation Review, 84, PP. 88-100.
UIC Leaflet 406, Capacity, 2004, International Union of Railways.
Vafaeinejad, A., 2017, Dynamic Guidance of an Autonomous Vehicle with Spatio-Temporal GIS, Lecture Notes in Computer Science, PP. 502-511.
Vafaeinejad, A., 2018, Design and Implementation of a Dynamic GIS with Emphasis on Navigation Purpose in Urban Area, Computational Science and Its Applications- ICCSA, PP. 667-675.
Vafaeinezhad, A.R., Alesheikh, A. & Nouri, J., 2010, Developing a Spatio-Temporal Model of Risk Management for Earthquake Life Detection Rescue Team, International Journal of Environmental Science and Technology, 7(2), PP. 243-250.
Yi, S., 2018, Strengthening of the Railway Transport Capacity, In S. Yi (Ed.), Principles Of Railway Location And Design (PP. 473-534), Academic Press.
Zhao, L., Zhao, Y., Hu, Q., Li, H. & Stoeter, J., 2018, Evaluation of Consolidation Center Cargo Capacity and Locations for China Railway Express, Transportation Research Part E: Logistics and Transportation Review, 117, PP. 58-81.
Zheng, Y., Zhang, X., Bin, X. & Linli, W., 2011, Carrying Capacity Reliability of Railway Networks, Journal of Transportation Systems Engineering and Information Technology, 11(4), PP. 16-21.