Blixten II
Blixten II
Projektstatus
Pågående
Projektledare
Kategori/Område
Forskning inom datavetenskap
Behoven av och potentialen i att införa en större omfattning av beräkningsfunktionalitet som stöd för proaktiv tågtrafikledning har blivit allt tydligare de senaste åren. Det finns ett fåtal system på marknaden som utlovar beräkningsfunktionalitet för att stödja optimerande, proaktiv styrning och planering i realtid vid olika typer av störningar. En sammanställning av aktuellt kunskapsläge visar dock dels att dessa system är utformade efter specifika kontexter, dels är erfarenheter av hur dessa fungerar i praktiken sällan publicerade.
I detta projekt vidareutvecklar vi de beräkningsmetoder som utvecklats i TRANSFORM-projektet TRANSFORM och systematiskt utvärdera dessa experimentellt i ett antal fallstudier, som ska belysa mer praktiska aspekter kring framtida tillämpning av optimerande beräkningsstöd i den operativa driften av (svensk) tågtrafik. Fokus är på i huvudsak tre aspekter:
- Kvalitetsmått på föreslagna omplaneringsåtgärder
- Beräkningseffektivitet
- Stabilitet
Med kvalitetsmått avser vi definierade indikatorer som gemensamt illustrerar och kortfattat beskriver en lösnings förutsättningar och förväntade effekter. Med beräkningseffektivitet avser vi algoritmens prestanda över tid och med stabilitet avser vi hur algoritmens prestanda varierar beroende på typ och omfattning av störning.
För att bättre förstå dels vilken typ av beslutstödjande funktionalitet och beräkningsmetoder som krävs för att hantera olika typer av störningsscenarier, dels hur olika metoder presterar, så har vi utvecklat ett ramverk för att klassificera, utvärdera och jämföra olika typer av algoritmer på ett systematiskt sätt. Detta ramverk består av två delar. Den första delen syftar till att klassificera och beskriva respektive algoritms egenskaper och funktionalitet på ett konceptuellt sätt, medan den andra delen syftar till att systematiskt analysera respektive algoritms prestanda utifrån ett antal kriterier och mått. Detta ramverk har sedan tillämpats i projektets första fallstudie där vi utvärderar två alternativa beräkningsmetoder som utvecklats inom projektet. Den ena metoden utgörs av formell explicit matematisk optimeringsmodell som lösas med den kommersiella optimeringsmjukvaran Gurobi medan den andra är en skräddarsydd algoritm av typen ”girighetsalgoritm”. Girighetsalgoritmen arbetar enligt sökstrategin djupet-först (Depth-First Search, DFS). Detta innebär att först ska girighetsalgoritmen snabbt hitta en första bra tillåten omplaneringslösning och om det sedan finns tid kvar så försöker den hitta förbättrade alternativ till denna första lösning genom att söka vidare i sökträdet. Ramverket, beräkningsmetoderna samt utvärderingsstudien återfinns i sin helhet i artikeln ”An Evaluation Framework and Algorithms for Train Rescheduling” av Josyula et al. (2020).
Fakta
Längd
Januari 2020 - April 2022
Kontaktperson
Johanna Törnqvist Krasemann
johanna.tornquist.krasemann@bth.sePartner och Finansiärer
Trafikverkets kontaktperson för projektet är Jerry Onmalm. Associerad till projektet är även Lars Lundberg, i rollen som biträdande handledare till Sai. Projektets genomförs i samarbete med Shift2Rail-projektet FR8RailII.
Deltagare
Johanna Törnqvist Krasemann
Universitetslektor/docent