Railway traffic management: simulation and heuristic optimization

• Ano de defesa: 2021
• Autor(a) principal: Silva, Fernando Augusto Constantino da
• Orientador(a): Corrêa, Fernanda Cristina
• Banca de defesa: Corrêa, Fernanda Cristina , Siqueira, Hugo Valadares , Eckert, Jony Javorski Eckert , Martins, Marcella Scoczynski Ribeiro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Tecnológica Federal do Paraná; Ponta Grossa
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• País: Brasil
• Palavras-chave em Português: Ferrovias; Transportes - Planejamento; Levantamentos de rotas; Simulação (Computadores); Heurística; Railroads; Transportation - Planning; Route surveying; Computer simulation; Heuristic
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: http://repositorio.utfpr.edu.br/jspui/handle/1/25058

As operações ferroviárias comumente requerem um planejamento das rotas dos trens de modo a cumprir com restrições físicas (como operações em linhas singelas) enquanto gerencia prioridades em cruzamentos e ultrapassagens, entre outros. De modo a facilitar o desenho das rotas, algumas ferramentas auxiliares foram construídas. Estre projeto visa criar uma ferramenta de simulação de código aberto para roteamento ferroviário, aplicando uma otimização baseada em duas meta-heurísticas bio-inspiradas (Algoritmo Genético e Otimização por Nuvem de Partículas) e um outro controlador baseado em ações aleatórias. Uma revisão de literatura sobre o contexto histórico das ferrovias ao redor do mundo e principalmente no Brasil é realizada, de onde as rotas utilizadas para comparação são baseadas. Os resultados dos controladores são depois comparados sobre o melhor custo de simulação, o número total de simulações bem-sucedidas, tempo total de execução e a evolução do custo por época. Um teste de Wilcoxon pareado é executado para cada possível par de controladores de modo a determinar a diferença estatística entre os conjuntos de dados. Os resultados obtidos sugerem que o controlador RND se sai melhor nos cenários avaliados, obtendo o tempo de execução mais curto em ambos os cenários e alcançando o melhor custo de simulação global no mais difícil. A ferramenta também exporta um vídeo apresentando o painel sinóptico com toda a execução da simulação, permitindo um fácil teste e depuração da solução. Ela foi construída utilizando Python em um contêiner Docker de modo a ser executada em diferentes plataformas e arquiteturas, sendo hospedado no GitHub e disponível publicamente para futuras contribuições.