CO 2 REOPT. Lukas Bach

Transkript

1 CO 2 REOPT Lukas Bach

2 Motivasjon og konklusjon I CO 2 ReOpt prosjektet ønsker vi å oppnå: Forbedret punktlighet Bedre utnyttelse av eksisterende infrastruktur Kan oppnås med matematisk optimering av trafikkstyring 2

3 Agenda CO 2 ReOpt prosjektet Trafikkstyring Fremtiden 3

4 CO 2 ReOpt prosjekt Samarbeid mellom forsknings- og industripartnere: LKAB (mineselskap, Sverige) Bane NOR Trafikverket (Sverige) SINTEF RISE SICS (Sverige) Øvrige internasjonale partnere 4

5 Malmbanen Omkring 170 km. Ensporet jernbane Koordineres mellom Norge og Sverige Primært anvendt til transport av jernmalm Begrenset kapasitet, høy og stigene etterspørsel 5

6 Malmbanen Trafikkstyring på tvers av grenser Svensk trafikkstyring i Boden Dekker en større del av Sverige LKAB Laster og losser tog i Kiruna og Narvik Operer tog mellom Kiruna og Narvik Norsk trafikkstyring i Narvik Mindre og dedikert til Ofotbanen 6

7 Hva er trafikkstyring? Trafikkstyring blir utført av personer (togledere) plassert på ulike trafikkstyringssentraler Togledere styrer jernbanetrafikken ved hjelp av togskifter, signalanlegg, over telefon, osv. Når toget avviker fra kjøreplanen må togledere ta beslutninger for at trafikken kan avvikles og returnere til normalen Målet er å redusere forsinkelse, avlede effekter og vende tilbake til kjøreplanen hurtigst mulig 7

8 Hvordan blir trafikkstyringen ofte utført? Hver trafikkstyringssentral er ansvarlig for trafikken i sin region Hver togleder har ansvaret for en linje eller del av en linje i regionen Trafikkstyringen følger ofte fastsatte regler for å løse konflikter En togleder kan avvike fra regler om han/hun mener det er hensiktsmessig 8

9 9 Ofotbanen - eksempel

10 10 Ofotbanen - eksempel

11 11 Ofotbanen - eksempel

12 12 Godstog skal vente på Straumsnes

13 13 Godstog venter på Straumsnes

14 14 Godstog kan fortsette

15 15 Men hva gjør vi nå?

16 16 Kan det gjøres bedre enn i dag?

17 Problem med regelbasert tilgang Løser en konflikt om gangen Tar ikke hensyn til overordnet løsning Dekker typisk mindre områder Gir ikke alltid en lovlig løsning, derfor må det improviseres Anvendelse varierer avhengig av person 17

18 Hvordan kan det gjøres bedre? Regelbasert -manuelt Automatisert -beslutningsstøtte Matematisk optimering -beslutningsstøtte 18

19 Krav til optimering Hente realtidsdata fra ulike systemer Løsning må beregnes på sekunder Løsningen skal presenteres for toglederen umiddelbart Ta imot input om beslutninger og endringer Returnere ny og optimalisert løsning 19

20 Modelleringstilgang For hvert tog må vi bestemme en rute, et tog på Narvik stasjon kan komme til Bjørnfjell på 72 (2*2*3*2*3) måter og til Kiruna på >15000 måter Hvert sporsegment er en resurs hvor det bare kan være et tog til en hver tid For ruten må det bestemmes til hvilken tid toget okkuperer resursene 20

21 21 Modelleringstilgang

22 Modelleringstilgang Linje trafikkstyring Stasjons trafikkstyring Vi trenger ikke lenger å bestemme en rute (det er bare en) Hvert sporsegment er en resurs hvor det bare kan være et tog til en hver tid Antar først at togene alltid kan passere hverandre på stasjonene, dette sjekkes etterpå for hver enkel stasjon 22

23 Samlet modell Løse linje trafikkstyrings problem Løse stasjons trafikkstyrings problem Tilføy ekstra føringer til trafikkstyrings problem Løsning? Nei Ja 23

24 Prototypeverktøy Basert på realtidsinformasjon fra jernbanen Finner den optimale løsning Finner løsninger innenfor 2 sekunder Dekker et større geografisk område Presenter løsningene for toglederne i et interface 24

25 25 Malmbanen trafikkstyring

26 26 Malmbanen trafikkstyring

27 Resultater i CO 2 ReOpt prosjektet Positive Installert prototype i Narvik Løsninger som dekker Malmbanen fra Narvik Kiruna Togledere er positive til beslutningsstøtten de får Utfordringer Varierende kvalitet på løsninger Utfordringer med tilgang til presise data 27

28 Suksesshistorier med matematisk optimering Vi hadde et tidligere prosjekt i Stavanger hvor et lignede system viste lovende resultater Vanskelig å bevise effekt før et system er i full drift To andre eksempler: Studie fra Holland Test fra Milanos metro 28

29 Holland case Regelbasert Optimeringsbasert Eksperimenter med data fra forsinkelser i nettverket Sammenligner automatisk regelbasert system med optimeringsbasert system Reduserer den maksimale sekundære forsinkelse fra 20 til 6 minutter Maksimal sekundær forsinkelse 29

30 Milano metro Installasjonen er testet i en reel operasjon P3 S3 En simpel metrostasjon med tre plattformer Testet over 8 dager i 2 perioder av en time hver dag Ex P2 S2 Resultatet var en 8% forbedring i punktlighet En P1 S1 30

31 31 Teknologi for et bedre samfunn