Обоснование развития железнодорожной инфраструктуры путей необщего пользования с применением метода имитационного моделирования

Обложка

Цитировать

Полный текст

Аннотация

Цель: предложить определение методом имитационного моделирования технического оснащения и технологического обеспечения путей необщего пользования.

Методы: для достижения поставленной цели использованы методы теории вероятностей и математической статистики.

Результаты: в результате обработки эмпирических данных с использованием пакета прикладной программы Статистика (Statistica) получены выборочное среднее, среднеквадратическое отклонение и коэффициент вариации. В ходе различных экспериментов с моделью функционирования транспортной системы определены потребные для освоения перспективных объёмов работы: путевое развитие и количество маневровых локомотивов.

Заключение: определение потребного развития железнодорожной инфраструктуры других путей необщего пользования можно вести предложенным порядком.

Об авторах

Артем Васильевич Сугоровский

Петербургский государственный университет путей сообщения Императора Александра I

Автор, ответственный за переписку.
Email: c123945@yandex.ru
ORCID iD: 0000-0001-6955-814X
SPIN-код: 5575-3221
https://www.pgups.ru/sveden/employees/sugorovskiy-artem-vasilevich

к.т.н.

Россия, Санкт-Петербург

Список литературы

  1. Benin A, Guzijan-Dilber M, Diachenko L, Semenov A. Finite element simulation of a motorway bridge collapse using the concrete damage plasticity model. E3S Web of Conferences. 2020;157:06018. doi: 10.1051/e3sconf/202015706018
  2. Maznev AS, Kiselev IG, Ivanov IA, Kiselev AA. A Simulation Model of a Servo System of a Regenerative-Resistor Braking of a DC Electric Train. Russian Electrical Engineering. 2018;89(10):592-597. doi: 10.3103/S1068371218100061
  3. Nikitin VV, Sychugov AN, Rolle IA, Vikulov IP. Calculations of the Parameters and Simulation of the Operation of Nonlinear Surge Arresters for AC Rolling Stock. Russian Electrical Engineering. 2020;91(2):87-92. doi: 10.3103/S1068371220020078
  4. Perminov N, Perminov A. Simulation of strain-stress behavior of a tunnel collector in the combined anthropogenic effects conditions. IOP Conference Series: Materials Science and Engineering. 2018;456(1):012083. doi: 10.1088/1757-899X/456/1/012083
  5. Zhuravleva N, Guliy I, Shavshukov V. Simulation modeling of changes in demand for rail transportation. IOP Conference Series: Earth and Environmental Science. 2018;403(1):012230. doi: 10.1088/1755-1315/403/1/012230
  6. Perminov, N. Unsteady interaction simulation of a large RC shell with heterogeneous soil milieu for a gradually increasing caisson structure. IOP Conference Series: Materials Science and Engineering, 2018;456(1):012059. doi: 10.1088/1757-899X/456/1/012059
  7. Zaitsev AA, Rolle IA., Evstaf’eva MV, et al. Determination of the Energy Indices of Alternating Current Electric Rolling Stock Using Computer Simulation. Russian Electrical Engineering, 2018;89(10):612-616. doi: 10.3103/S1068371218100115
  8. Грошев Г.М., Котенко А.Г., Сугоровский А.В., Сугоровский А.В. Регулирование подвода транзитных и разборочных грузовых поездов к техническим станциям // Транспортные системы и технологии. – 2018. – Т. 4. – № 1. – С. 094–104. [Groshev GM, Kotenko AG, Sugorovsky AV, Sugorovsky AV. Regulation of the supply of transit and de-construction of freight trains to the technical stations. Transportation Systems and Technology. 2018;4(1):094-104. (Russ., Engl.)]. doi: 10.17816/transsyst2018041094-104
  9. Fan Q, Jin Y, Wang W, Yan X. A performance-driven multi-algorithm selection strategy for energy consumption optimization of sea-rail intermodal transportation. Swarm and Evolutionary Computation. 2019;(44):1-17. ISSN 2210-6502. doi: 10.1016/S2210650218300701
  10. Caterina C, Cristian G, Giovanni L, et al. Integration of BPMN Modeling and Multi-actor AHP-aided Evaluation to Improve Port Rail Operations. Transportation Research Procedia. 2021;(52):139-146. doi: 10.1016/S2352146521000296
  11. Zhang Q, Wang W, Peng Y, Guo Z. Impact of rail transport services on port competition based on a spatial duopoly model. Ocean & Coastal Management. 2017;(148):113-130, ISSN 0964-5691. doi: 10.1016/S0964569116304148
  12. Ferrari P. Some necessary conditions for the success of innovations in rail freight transport, Transportation Research Part A: Policy and Practice. 2018;(118):747-758. ISSN 0965-8564. doi: 10.1016/S0965856418307286
  13. Kurtuluş E, Çetin İB. Analysis of modal shift potential towards intermodal transportation in short-distance inland container transport. Transport Policy. 2020;(89):24-37. doi: 10.1016/S0967070X19300022
  14. Jose Prata, Elisabete Arsenio, Assessing intermodal freight transport scenarios bringing the perspective of key stakeholders, Transportation Research Procedia, Volume 25, 2017, Pages 900-915, ISSN 2352-1465. doi: 10.1016/S235214651730772X
  15. Adler N, Brudner A, Proost S. A review of transport market modeling using game-theoretic principles, European Journal of Operational Research. 2021;291(3):808-829, ISSN 0377-2217. doi: 10.1016/S0377221720309668
  16. Pokrovskaya O, Reshetko N, Kirpicheva M, et al. The study of logistics risks in optimizing the company's transportation process (2019) IOP Conference Series: Materials Science and Engineering, 698(6)066060. doi: 10.1088/1757-899X/698/6/066060
  17. Вентцель Е.С. Теория вероятностей: Учебник для студентов высших технических учебных заведений / Е.С. Вентцель. – двенадцатое издание, стереотипное. – М.: Юстиция, 2018. – 658 с. – ISBN 9785436519272. [Ventcel' ES. Teoriya veroyatnostej: Uchebnik dlya studentov vysshih tekhnicheskih uchebnyh zavedenij. Moscow: Yusticiya; 2018. 658 p. (In Russ.)].
  18. Рублева Г.В. Математическая статистика: статистические критерии проверки гипотез: учеб.-метод. пособие для студентов очной формы обучения технических и инженерных специальностей. – Тюмень: ТюмГУ, 2014. – 50 с. [Rubleva GV. Matematicheskaya statistika: statisticheskie kriterii proverki gipotez: ucheb.-metod. posobie dlya studentov ochnoj formy obucheniya tekhnicheskih i inzhenernyh special'nostej. Tyumen': TyumGU; 2014. 50 р. (In Russ.)].

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. Результаты экспериментов по моделированию работы транспортной системы станции «М»

Скачать (102KB)
Метаданные

© Сугоровский А.В., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».