Специфика управления грузовыми автомобильными перевозками в мегаполисе

• Автор: Луговенко, Владимир Владимирович
• Шифр специальности: 05.22.01
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Москва
• Количество страниц: 189 с. : ил

Введение

1 СОВРЕМЕННОЕ СОСТОЯНИЕ ВОПРОСА

1.1 Представление системы управления

1.1.1 Направления принятия управленческих решений

1.1.2 Анализ математических методов управления автомобильными перевозками

1.2 Информационные технологии при управлении грузовыми автомобильными перевозками

1.3 Анализ показателей, характеризующих мегаполис

1.4 Специфика управления технологическим процессом перевозки промышленных отходов автомобильным транспортом в мегаполисе Выводы по главе 1
2 ТЕОРЕТИЧЕСКОЕ ИССЛЕДОВАНИЕ ПРОЦЕССА УПРАВЛЕНИЯ ГРУЗОВЫМИ АВТОМОБИЛЬНЫМИ ПЕРЕВОЗКАМИ

2.1 Анализ и обоснование оценочных критериев процесса управления

2.1.1 Показатели эффективности транспортного комплекса

2.1.2 Критерии, формирующие разработку отдельного маршрута
2.2 Разработка функции и стратегии управления процессом грузовых пе
ревозок
2.3 Оптимальное планирование перевозок грузов на УДС мегаполиса
2.4 Обработка информационных параметров функционирования процесса ГАП
Выводы по главе 2
3 ИССЛЕДОВАНИЕ ТРАНСПОРТНОГО ПОТОКА НА УДС МЕГАПОЛИСА
3.1 Факторы, влияющие на режим движения автомобиля
3.2 Моделирование распределения транспортного потока
3.2.1 Закон распределения интервалов между автомобилями
3.2.2 Закон распределения скоростей автомобилей
3.3 Аналитическое описание транспортного потока
3.4 Энергетическое описание транспортного потока
3.5 Вероятностные состояния в вершинах графа
Выводы по главе 3
4 ИССЛЕДОВАНИЕ ПРОЦЕССА УПРАВЛЕНИЯ ГРУЗОВЫМИ
АВТОМОБИЛЬНЫМИ ПЕРЕВОЗКАМИ
4.1 Оптимальная и переходная стратегия работы системы управления
4.2 Оперативное управление процессом ГАП по выходным параметрам функционирования системы
4.3 Методика определения количества плавающих автомобилей
4.4 Методика восстановления функции управления
4.5 Экономическая эффективность применяемой стратегии управления 7 Выводы по главе 4
ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Итак, анализ существующих методик и моделей в области оперативного управления технологическим процессом ГАП показывает, что в них недостаточно точно учитывается влияние переменного характера внешней среды функционирования системы перевозок, в них существенно упрощаются процессы, протекающие в транспортных системах, они работают в узких диапазонах функционирования, по значимости они оригинальны и соответственно, в некоторых случаях, не эффективны при изменении границ применимости. Важной составной частью изучения организации работы транспортной системы стали математические модели и методики. В настоящее время математический аппарат, описывающий процесс перевозки грузов разработан достаточно хорошо [2, 9, ,, , , ,, , , , , , , , , , , 2, 1] и во многом опережает развитие технических средств, где он может быть реализован. Большая заслуга в разработке и внедрении математических методов на автомобильном транспорте принадлежит как отечественным, так и зарубежным ученым. При этом планово-экономические задачи автомобильного транспорта являются многофакторными, с большим количеством неизвестных, модели которых, как правило, представляют собой неопределенные системы. Разработанные методы планирования позволяют найти экстремум таких задач. Повышение эффективности автомобильных перевозок грузов связано с применением методов классической и современной математики для решения прикладных задач. Аналитическими методами расчетов [3, , ] могут решаться задачи по взаимодействию подвижного состава и погрузочно - разгрузочных механизмов, по определению рациональной грузоподъемности подвижного состава автомобильного транспорта, по определению рациональной партионности перевозимого груза и др. Однако этими методами можно решать задачи, когда известны оптимизирующие функции и имеется незначительное число оптимизирующих переменных. При большом числе переменных применение аналитических методов становится затруднительным. Для решения сложных задач, связанных с перевозкой грузов, когда непосредственное сравнение вариантов, с целью выбора оптимального, оказывается трудновыполнимым, применяется линейное программирование [7, , , , 4, 3, 9, 3]. В настоящее время известно несколько различных методов линейного программирования. Наиболее широкое применение при разработке технологических проектов перевозки грузов находят графический метод, метод потенциалов [, , 7], методы с разрешающими элементами и симплексный метод [2]. Каждый из них находит эффективное применение для решения прикладных задач и подробно изложен в опубликованных работах. Сетевое планирование и управление (СПУ) получило в настоящее время широкое распространение в экономических исследованиях, как в нашей стране, так и за рубежом [, 0]. Сетевые модели используются на автомобильном транспорте при планировании и организации сложных и трудоемких работ с большим числом исполнителей. В сравнении с традиционными методами они повышают эффективность управления посредством рациональной организации производственных процессов и мобилизации скрытых временных и материальных ресурсов. Маршрутизация перевозок [9, , ] - это составление маршрутов движения подвижного состава или его порядок следования между пунктами производства и потребления. В зависимости от использования математического аппарата при маршрутизации перевозок используются методы, основанные на моделях математического программирования [, ], и методы, основанные на алгоритмах задач теории расписаний [, , , , ]. К методам первого класса относят задачи, в которых определяют потоки движения подвижного состава без груза и задачи, рассматривающие маршруты движения как технологические способы использования ресурсов с определенными «ценами». Методы случайного поиска построены на использовании процедуры Монте-Карло [, 1, ИЗ, 5, 2]. Полученные этим методом решения обычно находятся на уровне решений, принимаемых опытным диспетчером. По этой причине они не нашли широкого применения. Модели методов теории ситуационного управления определенным образом формализуют реальные системы, которые работают в диалоговом режиме с ЭВМ и могут «обучаться» на опыте экспертов (диспетчеров). Так как модель перенимает опыт человека, то после «обучения» она решает задачи на уровне принимавших участие экспертов. Методы, основанные на эвристических процедурах сокращения размерности задачи, заключаются в частности, в применении функции предпочтения, использование которой позволяет сформировать план, близкий к оптимальному.