Anschlusssicherung
Anschlusssicherung
Anschlusssicherung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Inhaltsverzeichnis<br />
<strong>Anschlusssicherung</strong><br />
Josef Becker<br />
21. September 2006<br />
1 Einleitung 2<br />
1.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2<br />
1.2 Optimierungsaufgabe . . . . . . . . . . . . . . . . . . . . . . . . . 3<br />
1.2.1 Nebenpfad: Event-Activity-Netzwerk . . . . . . . . . . . . 5<br />
1.2.2 Nebenpfad: Modellierung als Graph und LP-Formulierung 6<br />
1.2.3 Nebenpfad: Verspätungsproblem mit festen Verbindungen 8<br />
1.2.4 Nebenpfad: LP-Formulierung mit Never-Meet-Eigenschaft 9<br />
1.3 Optimierungsverfahren . . . . . . . . . . . . . . . . . . . . . . . . 11<br />
2 Branch and Bound 13<br />
2.1 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13<br />
2.1.1 Nebenpfad: . . . . . . . . . . . . . . . . . . . . . . . . . . 15<br />
2.2 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16<br />
2.3 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17<br />
2.4 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18<br />
2.5 Modellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20<br />
2.6 Lösung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22<br />
3 Literatur und Programme 25<br />
3.1 Literatur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25<br />
3.1 Programme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27<br />
1
Optimierung<br />
des Gesamtsystems<br />
Disposition<br />
von<br />
Anschlüssen<br />
1 Einleitung<br />
1.1 Einführung<br />
Ziel sowohl für die Planung als auch für den Betrieb von Systemen des öffentlichen<br />
Verkehrs ist die Gesamtoptimierung des ÖV-Systems, d. h. eine möglichst<br />
hohe Verkehrsqualität bei möglichst geringen Kosten.<br />
Da in der Regel eine Gesamtoptimierung des ÖV nicht möglich ist, müssen<br />
verschiedene Teilbereiche optimiert werden. Die wichtigsten sind nachfolgend<br />
dargestellt. Zwischen den Teilbereichen gibt es vielfältige Rückkopplungen.<br />
Ein wichtiger Aspekt der Betriebsdurchführung ist die <strong>Anschlusssicherung</strong>, d.h.<br />
die Frage, ob im Verspätungsfall Anschlussfahrzeuge warten sollten oder nicht.<br />
Das <strong>Anschlusssicherung</strong>sproblem wird in der Literatur häufig auch als Verspätungsmanagement<br />
(oder Delay Management) bezeichnet.<br />
Wann ein Anschluss gehalten werden sollte und wann nicht, wird in diesem<br />
Fallbeispiel näher erläutert.<br />
Hierbei wird die <strong>Anschlusssicherung</strong> mit Hilfe der Optimierung näher betrachtet,<br />
nicht jedoch die <strong>Anschlusssicherung</strong> mit Hilfe der Simulation, mit Hilfe<br />
von stochastischen Analysen von Verspätungen oder mit Hilfe von Warteregeln.<br />
Einen Überblick über die nicht näher dargestellten Themenfelder ist in<br />
[SCHÖBEL 2005b] und [SCHÖBEL 2002] zu finden.<br />
2
1.2 Optimierungsaufgabe<br />
Vorbemerkung Die <strong>Anschlusssicherung</strong> ist ein Teilbereich der Durchführung des ÖV-Betriebs<br />
und baut auf den Ergebnissen der Planung des ÖV-Betriebs auf.<br />
Eine besonders enge Verbindung besteht zumFahrplan. Die <strong>Anschlusssicherung</strong><br />
dient dazu, die im Fahrplan festgelegtenAnschlussverbindungen zu gewährleisten,<br />
wenn ein oder mehrere Fahrzeuge verspätet sind. Dazu ist es nötig, im<br />
Verspätungsfall einen neuen, zulässigen Fahrplan zu konstruieren.<br />
Die <strong>Anschlusssicherung</strong> kann Auswirkungen auf die Umläufe der Fahrzeuge<br />
und dieDienste des Fahrpersonals haben: Durch das Warten auf verspätete<br />
Fahrzeuge können sich Verspätungen fortpflanzen. Dies kann dazu führen, dass<br />
die geplanten Umläufe und Dienste nicht verwirklicht werden können.<br />
Aufgabe Es ist zu entscheiden, ob ÖV-Anschlussverbindungen gehalten werden oder<br />
nicht.<br />
Optimierungsziel<br />
und<br />
Optimierungskriterien<br />
Ziel ist es, die Auswirkung der Verspätungen von Fahrzeugen auf die Fahrgäste<br />
und das Verkehrssystem zu minimieren.<br />
Optimierungskriterien sind<br />
• die Abweichungen zum Fahrplan,<br />
• die Gesamtverspätung,<br />
• die Anzahl verpasster Anschlüsse (evtl. gewichtet nach Produkten),<br />
• die Anzahl von Kunden mit verpassten Anschlüssen,<br />
• die Anzahl verspäteter Fahrzeuge,<br />
• die Summe der Verspätungsminuten aller Reisenden,<br />
• die über alle Kunden gemittelte Verspätung,<br />
• die maximale Verspätung der betroffenen Reisenden oder<br />
3
Eingangsgrößen<br />
Entscheidungsvariablen<br />
Randbedingungen<br />
• die Kosten für die Umsetzung des Fahrplans.<br />
Häufig wird ein bikriterieller Ansatz verwendet, bei dem zwei der genannten Kriterien<br />
berücksichtigt werden, z. B. die Anzahl der nicht gehaltenen Verbindungen<br />
und die Summe der Verspätungen der Fahrzeuge oder der Fahrgäste. (Vgl.<br />
[WAGNER 2003], [MEGYERI 2004], [GINKEL, SCHÖBEL 2002], [SCHÖBEL 2005b]).<br />
Zur Bearbeitung der Aufgabe werden folgende Daten benötigt:<br />
• Verspätungen der Fahrzeuge,<br />
• Pufferzeiten (bei Fahrzeiten und Wendezeiten),<br />
• im Fahrplan vorgesehene Umsteigebeziehungen,<br />
• benötigte Umsteigezeiten für den jeweiligen Umsteigeweg,<br />
• Verkehrsströme (Anzahl und Anteil umsteigender Fahrgäste).<br />
Im Rahmen der Optimierung variabel ist die Entscheidung, welcher Anschluss<br />
gehalten werden soll und welcher nicht gehalten werden soll.<br />
Folgende Größen können in der Regel im Rahmen der Optimierung nicht verändert<br />
werden:<br />
• Fahrplan,<br />
• die technisch möglichen Fahrzeiten,<br />
• Mindestumsteigezeiten,<br />
• Verkehrsströme (Fahrgäste).<br />
4
Modellierung Das <strong>Anschlusssicherung</strong>sproblem wird als gerichteter Graph modelliert, der<br />
auch als Event-Activity-Graph oder Event-Activity Netzwerk bezeichnet wird.<br />
Darauf aufbauend lassen sich kubische, quadratische und lineare Modelle<br />
formulieren. Einen Überblick hierüber gibt [SCHOLL 2001]. Beispiele sind<br />
lineare Programme für das Verspätungsproblem mit festen Verbindungen oder<br />
mit Never-Meet-Eigenschaft.<br />
Die Never-Meet-Eigenschaft bedeutet, dass sich im Netz keine zwei verspäteten<br />
Aktivitäten an einem Ereignis treffen. Dies ist eine häufig verwendete<br />
Annahme, die nötig ist, damit die Probleme polynomial lösbar bleiben.<br />
Darüber hinaus gibt es auch nicht-lineare gemischt-ganzzahlige Programmierungsansätze<br />
(vgl. [SCHÖBEL 2005b], S. 109).<br />
Eine Modellierung unter den Randbedingungen der Bahn zeigt [MARTIN 1995].<br />
Event-<br />
Activity-<br />
Netzwerk<br />
1.2.1 Nebenpfad: Event-Activity-Netzwerk<br />
Zu einem Transportnetzwerk G = (V, K)(mit V gleich der Menge der Haltestellen<br />
und K gleich der Menge gerichteter, direkter Fahrstrecken), einer Menge<br />
Z von Zügen und einem Fahrplan Π besteht das zugehörige Event-Activity-<br />
Netzwerk N = (E, A) aus der Knotenmenge E bestehend aus den Ereignissen<br />
E = Earr ∪ Edep<br />
und den gerichteten Kantenmengen A bestehend aus den Aktivitäten<br />
A = Adrive ∪ Await ∪ Achange.<br />
Dabei bezeichnet<br />
Earr die Menge aller Ankunftsereignisse (z, v, arr), mit z ∈ Z und v ∈ V<br />
Edep die Menge aller Abfahrtsereignisse (z, v, dep),<br />
Adrive die Menge aller direkten Fahrten ((z, v, dep), (z, u, arr)) ∈ Edep ×<br />
Earr,<br />
Await die Menge aller Zughalte ((z, v, arr), (z, v, dep)) ∈ Earr × Edep und<br />
Achange die Menge aller Umstiege ((z, v, arr), (h, v, dep)) ∈ Earr × Edep.<br />
E = Earr ∪ Edep<br />
A = Adrive ∪ Await ∪ Achange<br />
Quelle: [SCHÖBEL 2002]<br />
Zu einem Event-Activity-Netzwerk N = (E, A), einem Fahrplan Π und den<br />
, i ∈ E heißt ein neuer Fahrplan X zulässig, falls<br />
gilt:<br />
für alle Ereignisse i ∈ E und<br />
Verspätungszeiten t delay<br />
i<br />
Xi ≥ Πi + t delay<br />
i<br />
5
Modellierungsansätze<br />
Xi − Xj ≥ Ta für alle a = (i, j) ∈ Await ∪ Adrive.<br />
Dabei bezeichnet Ta die minimale Zeit zwischen den Ereignisseni undj.<br />
1.2.2 Nebenpfad: Modellierung als Graph und LP-Formulierung<br />
In [SCHÖBEL, SCHRÖDER 2003] stellt Scholl Modelle mit kubischer, quadratischer<br />
und linearer Zielfunktion dar.<br />
Nachfolgend wird ein Modellierungsansatz gemäß [WAGNER 2003] beschrieben.<br />
Graph Sei G = (V, E) ein Transportnetzwerk, V die Menge der Bahnhöfe, E die Menge<br />
gerichteter, direkter Fahrstrecken und Z die Menge von Zügen. h entspricht<br />
einem Anschlusszug.<br />
Für einen Zug z ∈ Z bezeichne V z ⊆ V die Menge der Bahnhöfe, an denen<br />
z ∈ Z hält.<br />
E z ⊆ V z × V z ist die Menge direkter Fahrstrecken von z ∈ Z.<br />
Zu z, h und v ∈ V z ∩ V h heißt (z, h, v) Verbindung, falls der Umstieg vonz<br />
nach h an Bahnhof v möglich ist.<br />
C ⊆ Z × Z × V bezeichne die Menge aller Verbindungen.<br />
Fahrplan Ein Fahrplan Π sei gegeben durch<br />
die Ankunftszeiten Πv arrz vonz an v und<br />
die Abfahrtszeiten Πv von z anv<br />
depz<br />
für alle Züge z ∈ Z und Bahnhöfe v ∈ V z .<br />
Ein Fahrplan ist zulässig, wenn folgende Bedingungen erfüllt sind:<br />
Haltebedingungen<br />
Fahrbedingungen<br />
T v z sei die minimale Zeit, die es Passagieren ermöglicht, am Bahnhof v inz einbzw.<br />
aus z auszusteigen. Dann soll gelten<br />
Π v depz − Πv arrz ≥ T v z .<br />
Wir nennen die Zeitdifferenz<br />
s v z := Π v depz − Πv arrz − T v z<br />
die Slack Time von z an v.<br />
Für z ∈ Z und zwei aufeinanderfolgende Bahnhöfe v, u, an denen z hält, sei<br />
T vu<br />
z die minimale Fahrzeit, die z benötigt, um vonv nach u zu gelangen. Dann<br />
soll gelten<br />
Π u arrz − Πv depz<br />
≥ T vu<br />
z .<br />
Die zugehörige Slack Time ist<br />
s vu<br />
z := Π u arrz − Πv depz<br />
− T vu<br />
z .<br />
6
Umsteigebedingungen<br />
zulässiger<br />
Fahrplan<br />
eingehaltene<br />
und verpasste<br />
Verbindungen<br />
LP-<br />
Formulierung<br />
Für z, h ∈ Z, Bahnhof v und Verbindung (z, h, v) ∈ C bezeichne T v zh die<br />
minimale Umsteigezeit, die für einen Umstieg von z nachh an v benötigt wird.<br />
Dann soll gelten<br />
Π v deph − Πv arrz ≥ T v zh .<br />
Die zugehörige Slack Time ist<br />
s v zh := Πv deph − Πv arrz − T v zh .<br />
Es bezeichne die Verspätungszeit von z bei Ankunft an v und Edel = {(z, v) :<br />
t delay<br />
i<br />
v<br />
z > 0} die Menge aller Ausgangsverspätungen.<br />
Wir gehen davon aus, dass alle Zeiten natürliche Zahlen sind.<br />
Gegeben sei ein Fahrplan Π und eine Menge von Ausgangsverspätungen Edel.<br />
Ein neuer Fahrplan X heißt zulässig, falls gilt:<br />
1. X v arrz ≥ Πv arrz<br />
+ ddelay<br />
i<br />
v<br />
g für alle z ∈ Z, v ∈ V z ,<br />
2. X v depz ≥ Πv depz für alle z ∈ Z, v ∈ V z ,<br />
3. X v depz − Xv arrz ≥ T v z für alle z ∈ Z, v ∈ V z ,<br />
4. X u arrz − Xv depz<br />
≥ T vu<br />
z für alle z ∈ Z, (v, u) ∈ E z .<br />
Eine Verbindung (z, h, v) ∈ C heißteingehalten, falls<br />
X v deph − Xv arrz ≥ T v zh .<br />
Ansonsten heißt die Verbindungverpasst.<br />
Gegeben sei ein Fahrplan Π und eine Menge von Ausgangsverspätungen Edel =<br />
{(z, v) : t delay<br />
i<br />
v<br />
z > 0}.<br />
Führt man folgende Variablen ein:<br />
Abfahrtsverspätung von z an v,<br />
Y v<br />
depz<br />
Ankunftsverspätung<br />
�<br />
von z an v,<br />
0 falls Verbindung (z, h, v) eingehalten,<br />
Φzhv =<br />
1 falls Verbindung (z, h, v) verpasst.<br />
dann gilt<br />
Y v<br />
arrz<br />
Xv depz = Πv v + Y depz depz und<br />
Xv arrz = Πv v<br />
arrz + Yarrz .<br />
Sei M = maxz∈Z,v∈V t delay v<br />
i z die maximal auftretende Verspätungszeit, dann<br />
ist (Ydep, Yarr, Φ) zulässig, falls folgende Bedingungen erfüllt sind.<br />
1. Y v<br />
arrz<br />
≥ tdelay<br />
i<br />
v<br />
z für alle (z, v) ∈ Edel,<br />
7<br />
�<br />
,
Verspätungsproblem<br />
mit<br />
festen<br />
Verbindungen<br />
2. Y v<br />
arrz<br />
3. Y v<br />
depz<br />
− Y v<br />
depz ≤ sv z für alle z ∈ Z, v ∈ V z ,<br />
− Y u<br />
arrz<br />
4. −M · Φzhv + Y v<br />
arrz<br />
≤ svu<br />
z für alle v, u ∈ V z und z ∈ Z : (v, u) ∈ E z ,<br />
v − Ydeph ≤ sv zh für alle (z, h, v) ∈ C,<br />
5. Y v v<br />
arrz , Ydepz ∈ N für alle z ∈ Z, v ∈ V z ,<br />
6. Φzhv ∈ {0, 1} für alle (z, h, v) ∈ C.<br />
1.2.3 Nebenpfad: Verspätungsproblem mit festen Verbindungen<br />
Nachfolgend wird das Verspätungsproblem mit festen Verbindungen T T � C fix�<br />
beschrieben.<br />
Gegeben sei ein Transportnetzwerk G = (V, K), eine Menge Z von Zügen,<br />
die Verbindungen C ⊆ Z × Z × V , ein Fahrplan Π, minimale Zeiten für Halte,<br />
Fahrzeiten und Umstiege und eine Menge von Ausgangsverspätungen.<br />
Zusätzlich seien Gewichte w v z für alle z ∈ Z und v ∈ V gegeben, sowie eine<br />
Menge fester Verbindungen C fix ∈ C.<br />
Gesucht ist nun ein neuer Fahrplan X,<br />
• der zulässig ist,<br />
• alle Verbindungen aus C fix ∈ C einhält,<br />
• und für den die totale Verspätung T D<br />
T D =<br />
�<br />
w v � v<br />
z Xarrz − Π v �<br />
arrz<br />
minimal ist.<br />
z∈Z,v∈V z<br />
Folgend wird eine weitere Äquivalente Formulierung von T T � Cfix� dargestellt<br />
Gegeben sei ein Event-Activity Netzwerk N = (E, A), ein Fahrplan Π und<br />
Verspätungszeiten d delay<br />
i zu i ∈ E, sowie Gewichte wi und eine Menge fester<br />
Verbindungen Afix .<br />
Finde einen neuen Fahrplan X, mit<br />
• Xi ≥ Πi + d delay<br />
i<br />
für alle i ∈ E,<br />
• Xj − Xi ≥ Ta für alle<br />
�<br />
a = (i, j) ∈ Await Adrive<br />
� fix A und<br />
• T D = �<br />
i∈E wi · Xi minimal.<br />
8
LP-<br />
Formulierung<br />
mit<br />
Never-Meet-<br />
Eigenschaft<br />
1.2.4 Nebenpfad: LP-Formulierung mit Never-Meet-Eigenschaft<br />
Setze zu� p ∈ P<br />
�<br />
0 falls Verbindungen auf p eingehalten werden,<br />
Φp =<br />
1 sonst<br />
LP-Formulierung zu TDM (Totel Delay Management):<br />
min T D = �<br />
wp(Yi(p) (1 − Φp) + T Φp)<br />
p∈P<br />
wobei i(p) letztes Ereignis auf p ist. Dabei gelte<br />
1. Yi ≥ d delay<br />
i<br />
für alle i ∈ Edel,<br />
2. Yi − Yj ≤ sa für alle a = (i, j) ∈ Await ∪ Adrive,<br />
3. −MΦp + Yi − Yj ≤ sa für alle p ∈ P, a = (i, j) ∈ p ∩ Achange,<br />
4. Yi ∈ N für alle i ∈ E und<br />
5. Φp ∈ {0, 1} für alle p ∈ P .<br />
Seien die Gewichte wa fest für alle a ∈ A, und zwar<br />
wa = �<br />
p∈P :a∈p<br />
wp<br />
LP-Formulierung zu TDM ist dann<br />
min T D =<br />
�<br />
wa(Yi − Yj) + �<br />
Dabei gelte<br />
a=(i,j)∈A<br />
1. Yi ≥ d delay<br />
i<br />
für alle i ∈ Edel,<br />
a=(i,j)∈Achange<br />
2. Yi − Yj ≤ sa für alle a = (i, j) ∈ Await<br />
waΦa(T − Yj)<br />
� Adrive,<br />
3. −MΦa + Yi − Yj ≤ sa für alle a = (i, j) ∈ Achange,<br />
4. Yi ∈ N für alle i ∈ E,<br />
5. Φa ∈ {0, 1} für alle a ∈ A.<br />
Das TDM hat dieNever-Meet-Eigenschaft, falls zu jeder beliebigen Menge<br />
von Aktivitäten Afix ⊆ Achange die minimale Lösung Y für alle j ∈ E erfüllt:<br />
falls (i1, j), (i2, j) ∈ Afix � �<br />
Await Adrive und Yi2 ≥ 0 dann Yi1 = 0,<br />
bzw.<br />
falls (i1, j) ∈ A und d delay<br />
j > 0 dann Yi1 = 0.<br />
Die Never-Meet-Eigenschaft bedeutet, dass sich im Netz keine zwei verspäteten<br />
Aktivitäten an einem Ereignis treffen.<br />
9
TDM kann in Linearzeit gelöst werden, wenn die Never-Meet-Eigenschaft erfüllt<br />
ist.<br />
10
Optimierungsverfahren<br />
genetische<br />
Algorithmen<br />
Simulated<br />
Annealing<br />
weitere<br />
heuristische<br />
Verfahren<br />
1.3 Optimierungsverfahren<br />
Zur Optimierung der Umlaufpläne können folgende Optimierungsverfahren eingesetzt<br />
werden:<br />
1. Heuristische Verfahren<br />
• genetische Algorithmen<br />
• Simulated Annealing<br />
• weitere heuristische Verfahren<br />
2. Entscheidungsbaumverfahren<br />
• Branch-and-Bound<br />
• Branch-and-Cut<br />
3. graphentheoretische Verfahren<br />
4. Dynamische Programmierung<br />
5. Netzplantechniken<br />
6. Enumeration<br />
Bei der Optimierung der <strong>Anschlusssicherung</strong> wird die mathematische Optimierung<br />
häufig nur zur Entscheidungsunterstützung eingesetzt. Die Verspätungen<br />
der einzelnen Fahrzeuge und Auswirkungen auf Anschlussfahrten werden graphisch<br />
(z. B. GIS-gestützt) dargestellt. Die Entscheidung wird dann von einem<br />
Disponenten getroffen.<br />
Genetische Algorithmen werden verwendet, um neue zulässige Fahrpläne für die<br />
gegebene Verspätung zu finden. [SCHÖBEL, SCHRÖDER 2003]<br />
Ebenso wie mit genetischen Algorithmen können mit Hilfe von Simulated Annealing<br />
neue zulässige Fahrpläne gefunden werden. [SCHÖBEL, SCHRÖDER 2003]<br />
Aufgrund der Komplexität und Größe praktischer Anwendungen kommen verschiedene<br />
heuristische Verfahren zum Einsatz. Diese basieren auf der Beschreibung<br />
des Modells als gemischt-ganzzahligem Programm. [SCHÖBEL, SCHRÖDER 2003]<br />
11
Branch-and-<br />
Bound-<br />
Verfahren<br />
Branch-and-<br />
Cut-Verfahren<br />
graphentheoretische<br />
Verfahren<br />
dynamische<br />
Programmierung<br />
kritischer-<br />
Pfad-<br />
Methode<br />
Das gemischt-ganzzahlige Programm kann mit Hilfe von Branch-and-Bound<br />
in Teilprobleme aufgespalten werden. Zur Aufspaltung dienen Binärvariablen,<br />
die abbilden, ob ein Anschluss erreicht oder verpasst wird. (Vgl. außerdem<br />
[SCHOLL 2001], S. 53 und [SCHÖBEL 2005b], S. 170, S. 188)<br />
Zusätzlich zum Vorgehen bei Branch-and-Bound kann bei Branch-and-Cut durch<br />
die Einführung von Nebenbedingungen in Form von Schnittebenen der Lösungsraum<br />
verkleinert und die Lösungsfindung beschleunigt werden.<br />
Unter der Vereinfachung, dass keine Zwischenstopps vorgesehen sind, kann das<br />
Problem graphentheoretisch betrachtet werden. Minimiert werden kann so die<br />
Gesamtverspätung und die Anzahl der aufgelassenen Anschlüsse. [MEGYERI 2004]<br />
Mit Hilfe der dynamischen Programmierung kann in einem Event-Activity-<br />
Netzwerk eine optimale Lösung gefunden werden. In [MEGYERI 2004] ist dies<br />
für gleich gewichtete Anschlüsse unter der Voraussetzung der Never-Meet-<br />
Eigenschaft beschrieben.<br />
Wagner [WAGNER 2003] und Megyeri [MEGYERI 2004] schlagen eine Kritischer-<br />
Pfad-Methode vor, um eine optimale Lösung für das Verspätungsproblem zu<br />
finden, welches als Event-Activity-Netzwerk formuliert ist.<br />
Enumeration Schöbel [SCHÖBEL 2005b] (S. 175) schlägt auch eine Lösung des TDM mit<br />
Hilfe der Enumeration vor.<br />
12
Situationsbeschreibung<br />
2 Branch and Bound<br />
2.1 Beispiel<br />
Eine S-Bahn-Linie beginnt in Stadt A und endet in der Stadt B. Es gibt einen<br />
Anschlussbus, der weiter in die Nachbarstadt C fährt. Der Anschluss soll so<br />
optimiert werden, dass dieWartezeit aller Reisenden minimal ist.<br />
Der einfachste Fall der <strong>Anschlusssicherung</strong> lässt sich folgendermaßen darstellen:<br />
Die S-Bahn- und die Buslinie verkehren im 15 Minuten-Takt. Der Fahrplan<br />
sieht vor, dass die S-Bahn zur Minute 10 (dann alle 15 min) ankommt. Der<br />
Anschlussbus fährt zur Minute 15 (und danach alle 15 Minuten) ab.<br />
Die Situation lässt sich mit Hilfe eines gerichteten Graphen G = (V, K) beschreiben.<br />
Die Knoten sind die Städte V = {A, B, C}. Die Kanten stellen jeweils eine<br />
Verkehrslinie dar: Die S-Bahn-Linie wird mit (A, B) bezeichnet, die Bus-Linie<br />
mit (B, C).<br />
Ziel Ziel ist es, die Gesamtwartezeit aller Passagiere im betrachteten System zu minimieren.<br />
Die Gesamtwartezeit ergibt sich aus der Summe der Wartezeit pro Fahrgast für<br />
jede vorkommende Relation (wi,j), multipliziert mit der Anzahl der Reisenden<br />
auf der jeweiligen Relation (pi,j):<br />
min( pA,C ∗ wA,C + pB,C ∗ wB,C)<br />
Die Anzahl der Reisenden der verschiedenen Relationen sind einer Quelle-Ziel-<br />
Matrix zu entnehmen.<br />
Die Warte- bzw. Verspätungszeiten für die einzelnen Relationen werden als<br />
Nebenbedingungen berücksichtigt.<br />
13
Welche Verspätung hat ein Reisender von A nach C, wenn der Zug eine Verspätung<br />
von 7 Minuten hat und der Anschlussbus wartet?<br />
(Für das Beispiel wird vereinfachend angenommen, dass der Zeitbedarf für den<br />
Umsteigevorgang der Passagiere bei 0 Minuten liegt.) 2<br />
Rechenbeispiel Die Verspätung des S-Bahn-Zuges betrage 10 Minuten.<br />
Wie groß die Wartezeit für die Reisenden der beiden betroffenen Relationen ist,<br />
hängt von der Dispositionsentscheidung ab. Die Werte können nachfolgender<br />
Tabelle entnommen werden.<br />
Wartezeiten Dispositionsentscheidung Verspätung für jeden Rei- Verspätung für jeden Reisenden<br />
von A nach C senden von B nach C<br />
Bus wartet 5 min 5 min<br />
Bus wartet nicht 15 min 0 min<br />
Fahrgastzahlen Die Zahl der Reisenden betrage 40 Personen auf der Relation A - C und 20<br />
Personen auf der Relation B - C. Setzt man dies in die Zielfunktion ein, so<br />
ergeben sich folgende Werte:<br />
Dispositionsentscheidung<br />
Verspätung<br />
für Reisende<br />
A - C<br />
Anzahl der<br />
Reisenden A<br />
- C<br />
Verspätung<br />
für Reisende<br />
B - C<br />
Anzahl der<br />
Reisenden B<br />
- C<br />
Zielfunktionswert<br />
(= Gesamtwartezeit<br />
im Betrachtungsraum)<br />
Bus wartet 5 min 40 5 min 20 300 min<br />
Bus<br />
nicht<br />
wartet 15 min 40 0 min 20 600 min<br />
Entscheidung Die Wartezeit aller Reisenden ist geringer, wenn der Anschlussbus wartet.<br />
Branching Stellt man das Problem mit einem Entscheidungsbaum im Rahmen des Branchand-Bound-Verfahrens<br />
dar, ergibt sich das nachfolgende Bild. Die Verzweigung<br />
erfolgt anhand der Dispositionsentscheidung x, den Anschluss zu halten (x=1)<br />
oder den Anschluss nicht zu halten (x=0). Hierfür werden die Zielfunktionswerte<br />
bestimmt.<br />
14
Nebenbedingungen<br />
Welche Entscheidung wäre zu treffen, wenn 30 Reisende von B nach C fahren<br />
wollen und 20 von A nach C?<br />
true Der Bus wartet.<br />
false Der Bus wartet nicht.<br />
2.1.1 Nebenpfad:<br />
Nachfolgend sei vB die Verspätung des Zuges in B. Betrachtet werden nur Verspätungen,<br />
die kleiner sind als die Taktzeit.<br />
Die Dispositionsentscheidung in B wird durch die Binärvariable xB ausgedrückt,<br />
die den Wert 1 oder 0 annehmen kann. Eine 1 bedeutet, dass der Anschluss<br />
gehalten wird. Eine 0 bedeutet, dass der Anschluss nicht gehalten wird.<br />
Die Wartezeit bzw. Verspätungszeit für Reisende auf der Relation von B<br />
nach C beträgt bei einer Übergangszeit von 5 Minuten:<br />
wB,C ≥ (vB − 5) ∗ xB (mit wB,C ≥ 0)<br />
Bei der angestrebten Formulierung als lineares Programm ist es nicht möglich,<br />
dass die Variablen vB und xB miteinander multipliziert werden.<br />
Die Gleichung muss linearisiert werden:<br />
wB,C ≥ (vB − 5) − M ∗ (1 − xB) (mit wB,C ≥ 0)<br />
Dabei ist M eine große Zahl, durch die wB,C zu Null wird, wenn der Anschluss<br />
nicht gehalten wird.<br />
Das bedeutet, dass die in B zusteigenden Fahrgäste keine Verspätung haben,<br />
wenn der Bus in B nicht auf das verspätete Fahrzeug wartet.<br />
Für Reisende von A nach C, die in B umsteigen müssen, gilt:<br />
wA,C ≥ wB,C + 15 ∗ (1 − xB) (mit wA,C ≥ 0)<br />
Für den Fall, dass der Anschluss gehalten wird, ist die Verspätung gleich der<br />
Verspätung, die die Reisenden von B nach C erhalten.<br />
Für den Fall, dass der Anschluss nicht gehalten wird, müssen die Reisenden<br />
die nächste Fahrt der anschließenden Buslinie nutzen und erhalten somit eine<br />
zusätzliche Verspätung, so dass sie mindestens eine Verspätung um die Taktzeit<br />
(hier: 15 Minuten) erhalten. Dazu kommen evtl. weitere Verspätungen des<br />
genutzten Buses von B nach C.<br />
15
Situationsbeschreibung<br />
<strong>Anschlusssicherung</strong><br />
2.2 Beispiel<br />
Das gleiche Busunternehmen betreibt neben der Linie 1 von B nach C auch die<br />
Linie 2 von C nach D (Taktzeit ebenfalls 15 Minuten).<br />
Die beiden Bus-Linien treffen sich an der zentralen Umsteigehaltestelle von C.<br />
Die Busse der Linie 1 fahren fahrplanmäßig 5 Minuten nach dem Eintreffen der<br />
S-Bahn ab.<br />
Ebenso besteht zwischen den Buslinien 1 und 2 eine fahrplanmäßige Übergangszeit<br />
von 5 Minuten.<br />
In einem solchen Teilnetz sind an zwei Stellen Dispositionsentscheidungen zu<br />
treffen:<br />
In B und in C kann im Verspätungsfall der Anschluss gehalten werden oder<br />
nicht.<br />
Branching Da das System nicht einfach zu überblicken ist, wird es in Teilprobleme aufgespalten.<br />
Zunächst kann das Gesamtproblem P 0 an Knoten B anhand der möglichen<br />
Entscheidungen ” Bus wartet nicht“ (xB = 0 ) oder ” Bus wartet“ (xB = 1) in<br />
die Teilprobleme P 1 und P 2 aufgespalten werden.<br />
Diese wiederum können anhand der Dispositionsentscheidung in C (xC = 0 oder<br />
xC = 1) verzweigt werden, so dass die Teilprobleme P 3 bis P 6 entstehen.<br />
16
2.3 Beispiel<br />
Rechenbeispiel Die S-Bahn hat eine Verspätung von 11 Minuten.<br />
Quelle-Ziel-<br />
Matrix<br />
Ablauf<br />
Branch-and-<br />
Bound<br />
Mit Hilfe einer Verkehrszählung wurde die Quelle-Ziel-Matrix ermittelt:<br />
A B C D<br />
A 100 80 0<br />
B 20 30<br />
C 25<br />
D<br />
Die Berechnung wird schrittweise in der nachfolgenden Diashow dargestellt:<br />
Bounding Am dargestellten Rechenbeispiel sieht man, dass nicht unbedingt alle Teilprobleme<br />
vollständig untersucht werden müssen, um die optimale Lösung zu finden.<br />
Beim <strong>Anschlusssicherung</strong>sproblem nehmen die Zielfunktionswerte (also die Verspätungsminuten<br />
aller Reisenden) mit zunehmender Tiefe des Baums weiter zu.<br />
Die Teilprobleme P 3 und P 4 beispielsweise können nie eine geringere Summe<br />
der Verspätungszeit aufweisen als das Teilproblem P 1.<br />
Wenn also P 5 und P 6 einen niedrigeren Zielfunktionswert (d. h. eine geringere<br />
Gesamtverspätung) liefern als P 1, müssen P 3 und P 4 nicht weiter ausgelotet<br />
werden, da sie keine besseren Ergebnisse liefern können.<br />
Der Zweig des Baumes kann abgeschnitten werden.<br />
Was kann über die Gesamtwartezeiten der Teilprobleme allgemein gesagt werden.<br />
true Die Zielfunktionswerte für P 3 und P 4 sind immer gleich groß oder größer<br />
als bei P 1.<br />
false Die Zielfunktionswerte für P 3 und P 4 sind immer kleiner als bei P 1.<br />
true Ist der Zielfunktionswert von P 3 oder P 4 kleiner als der von P 2, so<br />
müssen die Zielfunktionswerte von P 5 und P 6 nicht berechnet werden.<br />
false Der optimale Zielfunktionswert ist erst sicher gefunden, wenn alle Teilprobleme<br />
ausgelotet sind.<br />
17
Situationsbeschreibung<br />
Liniennetz<br />
Vereinfachtes<br />
Liniennetz<br />
Randbedingungen<br />
2.4 Beispiel<br />
In dem Busnetz einer Kleinstadt, das im 30-Minuten-Takt befahren wird, gibt<br />
es verschiedene Anschlussbeziehungen.<br />
In der Betriebsleitzentrale entscheidet ein Disponent, ob die Anschlüsse gehalten<br />
werden sollen oder nicht.<br />
Um dies für die Fahrgäste optimal gestalten zu können, erhält er einen Dispositionsvorschlag,<br />
der die Wartezeiten aller Reisenden im Netz berücksichtigt.<br />
Aufgrund der speziellen verkehrlichen und betrieblichen Randbedingungen des<br />
Liniennetzes der Stadt können die zu betrachtenden Anschlussbeziehungen vereinfacht<br />
werden.<br />
Exemplarisch wird die Fahrtrichtung von A nach E betrachtet.<br />
Für das Busnetz gelten folgende Randbedingungen:<br />
• Die Busse fahren im 30-Minuten-Takt.<br />
• Die Ankunft und Abfahrt der Busse an den Haltestellen liegt in der gleichen<br />
Minute.<br />
• Die Fahrzeiten beinhalten keine Pufferzeiten, die zum Abbau von Verspätungen<br />
verwendet werden könnten.<br />
• Die Anschlüsse zwischen den Linien sind so gestaltet, dass die Umsteigezeiten<br />
minimal sind: Die Fahrzeuge kommen zur selben Minute an der<br />
Haltestelle an und fahren auch zur gleichen Minute wieder ab. Die Umsteigehaltestellen<br />
sind so aufgebaut, dass die Umsteigewege in kürzester<br />
Zeit zurückgelegt werden können.<br />
18
Quelle-Ziel-<br />
Matrix<br />
• In nennenswerter Größe kommen nur einmalige Umsteigevorgänge vor.<br />
Der Anteil der Fahrgäste, die mehrmals umsteigen, ist vernachlässigbar.<br />
• Es werden nur die Reisezeiten der Kunden zur Bewertung der Dispositionsentscheidung<br />
herangezogen. Die Folgen für das Verkehrsunternehmen,<br />
d. h. möglicherweise entstehende Probleme in der Fahrzeug- und Personaldisposition<br />
sowie zusätzliche Kosten, werden nicht beachtet.<br />
Bei einer Verkehrszählung wurden die relvanten Verkehrsströme ermittelt.<br />
nach A nach B nach C nach D nach E<br />
von A 60 50 0 0<br />
von B 40 75 0<br />
von C 60 40<br />
von D 30<br />
von E<br />
Der Bus von A nach B hat eine Verspätung von 10 Minuten.<br />
Soll der Bus von B nach C sowie der Anschlussbus von C nach D warten?<br />
false beide Busse warten<br />
false kein Bus warten<br />
true der erste Anschlussbus wartet, der zweite nicht<br />
Haben Sie die Antwort geraten oder es sicher gewusst?<br />
Die Begründung der Dispositionsentscheidung kennen Sie am Ende dieses Kapitels!<br />
19
Mathematisches<br />
Modell<br />
2.5 Modellierung<br />
Das mathematische Modell der <strong>Anschlusssicherung</strong> im beschriebenen Liniennetz<br />
lässt sich mit Hilfe einer Zielfunktion und mehrerer Nebenbedingungen<br />
beschreiben.<br />
Zielfunktion Ziel ist es, die Verspätungen aller Fahrgäste am Ende der jeweiligen Fahrt zu<br />
minimieren:<br />
min �<br />
Nebenbedingungen<br />
i,j<br />
pi,j ∗ wi,j<br />
Die Zielfunktion setzt sich aus der Warte- bzw. Verspätungszeit wi,j der Reisenden<br />
auf allen relevanten Relationen i,j zusammen, die mit der Anzahl der<br />
Reisenden der jeweiligen Relation pi,j gewichtet wird.<br />
Die Warte- bzw. Verspätungszeiten werden mit Hilfe der Nebenbedingungen<br />
berechnet.<br />
Die Verspätungs- bzw. Wartezeiten der Reisenden der einzelnen Relationen werden<br />
folgendermaßen berechnet:<br />
Jeder Fahrgast, der an einer Haltestelle in einen Bus einsteigen will, erhält<br />
folgende Verspätung:<br />
wB,C ≥ vB ∗ xB<br />
wC,D ≥ vC ∗ xC<br />
wD,E ≥ vD ∗ xD<br />
Die Verspätung am Ende der Reise beträgt also vi für den Fall, dass der Anschluss<br />
in i gehalten wird, d. h. xi = 1. Für den Fall, dass der Anschluss nicht<br />
gehalten wird (xi = 0), ist auch die Verspätung am Ende der Reise 0.<br />
Die Verspätung für jedenFahrgast, der umsteigen möchte, beträgt:<br />
wA,C ≥ vB ∗ xB + T ∗ (1 − xB) oder wA,C ≥ wB,C + T ∗ (1 − xB)<br />
wB,D ≥ vC ∗ xC + T ∗ (1 − xC) oder wB,D ≥ wC,D + T ∗ (1 − xC)<br />
wC,E ≥ vD ∗ xD + T ∗ (1 − xD) oder wC,E ≥ wD,E + T ∗ (1 − xD)<br />
Der erste Teil der Nebenbedingungen bedeutet, dass für den Fall, dass der Anschluss<br />
gehalten wird (d. h. xi = 1), sich die Verspätung bis zum Ende der Reise<br />
fortpflanzt.<br />
Der zweite Teil der Nebenbedingung wird wirksam, wenn der Anschluss nicht<br />
gehalten wird (d. h. xi = 0). Dann erhält der Fahrgast eine Verspätung um die<br />
Taktzeit T, also in diesem Beispiel 30 Minuten.<br />
Weitere Nebenbedingungen ergeben sich aus der Tatsache, dass die Verspätungen<br />
an den verschiedenen Haltestellen nicht unabhängig voneinander sind:<br />
vC ≥ vB ∗ xB<br />
vD ≥ vC ∗ xC<br />
20
linearisierte<br />
Nebenbedingungen<br />
vE ≥ vD ∗ xD<br />
Die Verspätungen jedes Fahrgasts, der einsteigen und am nächsten Umsteigepunkt<br />
wieder aussteigen möchte, entspricht der Verspätung des Fahrzeugs auf<br />
der jeweiligen Relation, so dass die Nebenbedingungen hierfür zusammengefasst<br />
werden können:<br />
wB,C = vC ≥ vB ∗ xB<br />
wC,D = vD ≥ vC ∗ xC<br />
wD,E = vE ≥ vD ∗ xD<br />
Für alle durch die Nebenbedingungen beschriebenen Größen gilt, dass sie nicht<br />
negativ sind (Nichtnegativitätsbedingung).<br />
Die angegebenen Nebenbedingungen sind teilweise nicht linear, da mehrere Variablen<br />
miteinander multipliziert werden.<br />
Damit die Nebenbedingungen im Rahmen eines linearen Programms verwendet<br />
werden können, müssen sie linearisiert werden.<br />
Dies geschieht mit Hilfe des ” big M“. Das M steht dabei für eine Zahl, die so<br />
groß ist, dass die Nebenbedingung 0 wird.<br />
Die linearisierten Nebenbedingungen lauten dann:<br />
wB,C = vC ≥ vB − M ∗ (1 − xB)<br />
wC,D = vD ≥ vC − M ∗ (1 − xC)<br />
wD,E = vE ≥ vD − M ∗ (1 − xD)<br />
Ein Bus ist um 7 Minuten verspätet. Der Anschlussbus wartet nicht.<br />
Wie groß muss M mindestens sein, damit die richtige Wartezeit des abfahrenden<br />
Busses berechnet wird?<br />
7<br />
21
Mathematisches<br />
Modell<br />
in Matrix-<br />
Schreibweise<br />
Branch-and-<br />
Bound<br />
Entscheidungsbaum<br />
Lösung der<br />
Teilprobleme<br />
2.6 Lösung<br />
Die Nebendingungen müssen zur weiteren Bearbeitung umgestellt und in einer<br />
Matrix zusammengefasst werden.<br />
Allgemein werden sie durch eine Matrix A und von zwei Vektoren x und b<br />
beschrieben:<br />
Ax ≤ b<br />
Für das Beispiel ergibt sich die folgende Matrix: ⎛ ⎞<br />
⎛<br />
⎜<br />
⎝<br />
−T 0 0 −1 1 0 0 0 0 0 0 0 0<br />
0 −T 0 0 0 −1 1 0 0 0 0 0 0<br />
0 0 −T 0 0 0 0 −1 1 0 0 0 0<br />
M 0 0 0 0 0 0 0 0 1 −1 0 0<br />
0 M 0 0 0 0 0 0 0 0 1 −1 0<br />
0 0 M 0 0 0 0 0 0 0 0 1 −1<br />
0 0 0 0 1 0 0 0 0 0 −1 0 0<br />
0 0 0 0 0 0 1 0 0 0 0 −1 0<br />
⎜<br />
⎞ ⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎟⎜<br />
⎠ ⎜<br />
⎝<br />
xB<br />
xC<br />
xD<br />
wAC<br />
wBC<br />
wBD<br />
wCD<br />
wCE<br />
wDE<br />
vB<br />
vC<br />
vD<br />
vE<br />
⎟ ⎛<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟<br />
⎟≤<br />
⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎜<br />
⎟ ⎝<br />
⎟<br />
⎠<br />
−T<br />
−T<br />
−T<br />
M<br />
M<br />
M<br />
0<br />
0<br />
Die Lösung des formulierten linearen Programms kann mit Hilfe von Branchand-Bound<br />
gefunden werden.<br />
Dabei entsteht ein Entscheidungsbaum, in dem analog zu den drei möglichen<br />
Dispositionsentscheidungen verzweigt wird.<br />
Im ” worst-case“, d. h. falls durch das Bounding nicht Teile des Baums von der<br />
Untersuchung ausgeschlossen werden können, entsteht der nachfolgende Entscheidungsbaum:<br />
Für die einzelnen Teilprobleme müssen die Zielfunktionswerte bestimmt werden.<br />
Es sind 14 Berechnungen durchzuführen, falls nicht Teile des Baums abgeschnitten<br />
werden können ( ” Bounding“).<br />
Wird der Baum zu umfangreich (z. B. ist ein vollständiger Baum bei einem<br />
Problem mit 1000 Binärvariablen 2 1000 Knoten groß), ist ein Abschneiden von<br />
Ästen, die keine bessere Lösung enthalten, mit Hilfe des Simplex-Algorithmus<br />
möglich.<br />
22<br />
⎞<br />
⎟<br />
⎠
Berechnung<br />
Branch-and-<br />
Bound<br />
17 Minuten<br />
Verspätung A<br />
- B<br />
10 Minuten<br />
Taktfrequenz<br />
Berechnung<br />
Branch-and-<br />
Bound<br />
10 Minuten<br />
Verspätung A<br />
- B<br />
Dazu werden entsprechend der jeweiligen Stelle im Entscheidungsbaum eine<br />
oder mehrere Entscheidungsvariablen festgelegt (d. h. mit 0 oder 1 belegt) und<br />
das LP dann gelöst.<br />
Hierfür ist eine LP-Relaxation nötig, d. h. die Ganzzahligkeitsbedingung der<br />
Entscheidungsvariablen wird durch die Bedingung ersetzt, dass die Variablen<br />
Werte zwischen 0 und 1 annehmen müssen.<br />
Die einzelnen Schritte für das oben dargestellte LP werden in der nachfolgenden<br />
Diashow vorgeführt.<br />
Betrachtet wird dabei der Fall, dass der Bus von A nach B bei der Ankunft in<br />
B eine Verspätung von 17 Minuten hat.<br />
Betrachtet man eine Verspätung von 10 Minuten erkennt man, dass es zu einer<br />
geänderten Entscheidung kommt. Dies wird in der folgenden Diashow deutlich.<br />
23
Beim beschriebenen Vorgehen mittels Branch-and-Bound können sehr große<br />
Entscheidungsbäume entstehen. Das bedeutet, dass auch viele Optimierungsprobleme<br />
gelöst werden müssen. Dies erfordert großen Rechen- und Speicheraufwand.<br />
Es besteht die Möglichkeit, das Branch-and-Bound-Verfahren mit dem Schnittebenenverfahren<br />
zu kombinieren. Das Vorgehen wird dann als Branch-and-Cut<br />
bezeichnet.<br />
Branch-and-Cut gehört heute zu den erfolgreichsten Verfahren zur Lösung von<br />
gemischt-ganzzahligen linearen Programmen.<br />
24
3 Literatur und Programme<br />
3.1 Literatur<br />
Literaturverzeichnis<br />
[FGSV 1982] FGSV<br />
Hinweise für die Anwendung von Entscheidungs- und Optimierungsmethoden<br />
im Verkehrswesen<br />
Köln 1982<br />
[GINKEL, SCHÖBEL 2002] Ginkel, A.; Schöbel, A.<br />
The bicriterial delay management problem<br />
Universität Kaiserslautern und Fraunhofer Institut für Techno- und<br />
Wirtschaftsmathematik<br />
Kaiserslautern 2002<br />
[GRÖTSCHEL, LÖBEL, VÖLKER 1996] Grötschel, M.; Löbel, A.; Völker M.<br />
Optimierung des Fahrzeugumlaufs im Öffentlichen Personennahverkehr<br />
Konrad-Zuse-Zentrum für Informationstechnik Berlin<br />
Preprint SC 96-8,<br />
Berlin 1996<br />
[HELLER, SCHAER 2004] Heller, S.; Schaer, T.<br />
DisKon - Disposition und Konfliktlösungsmanagement der DB AG<br />
in: Der Eisenbahningenieur<br />
Heft 9/2004<br />
[JACOBS 2003] Jacobs, J.<br />
Rechnerunterstützte Konfliktermittlung und Entscheidungsunterstützung<br />
bei der Disposition des Zuglaufs<br />
Veröffentlichungen des Verkehrswissenschaftlichen Instituts der RWTH<br />
Aachen<br />
Heft 61<br />
Aachen 2003<br />
[KRAFT 1981] Kraft, K.<br />
Zugverspätungen und Betriebssteuerung von Stadtschnellbahnen in<br />
systemtheoretischer Analyse<br />
Schriftenreihe Institut für Verkehr, Eisenbahnwesen und Verkehrssicherung,<br />
TH Braunschweig; Heft 23<br />
Braunschweig 1981<br />
25
[LEHRACH 1991] Lehrach, K.<br />
Rechnergestützte Disposition bei gestörten Betriebsabläufen im Straßenbahnverkehr<br />
Schriftenreihe Institut für Verkehr, Eisenbahnwesen und Verkehrssicherung,<br />
TH Braunschweig<br />
Heft 45<br />
Braunschweig 1991<br />
[MARTIN 1995] Martin, U.<br />
Verfahren zur Bewertung von Zug- und Rangierfahrten bei der Disposition<br />
Schriftenreihe Institut für Verkehr, Eisenbahnwesen und Verkehrssicherung,<br />
TH Braunschweig<br />
Heft 52<br />
Braunschweig 1995<br />
[MEGYERI 2004] Megyeri, C.<br />
Bicriterial Delay Management<br />
Universität Konstanz<br />
Konstanzer Schriften in Mathematik und Informatik, Nr. 198<br />
Konstanz 2004<br />
[SCHÖBEL 2002] Schöbel, A.<br />
Integer Programming Models for the Delay Management Problem<br />
AMORE Research Seminar<br />
Universität Kaiserslautern, Fraunhofer Institut für Techno- und Wirtschaftsmathematik<br />
Kaiserslautern 2002<br />
[SCHÖBEL, SCHRÖDER 2003] Schöbel, A., Schröder, M.<br />
AnSiM - GIS-gestützte Optimierung von <strong>Anschlusssicherung</strong>smaßnahmen<br />
AGIT proceedings 2003,<br />
2003<br />
[SCHÖBEL 2005a] Schöbel, A.<br />
Optimization Models in Public transportation<br />
Skript zur Vorlesung an der Universität Göttingen,<br />
http://www.num.math.uni-goettingen.de/schoebel/vorlesung/node1.html,<br />
Göttingen 2005<br />
[SCHÖBEL 2005b] Schöbel, A.<br />
Customer-Oriented Optimization in Public Transportation<br />
26
Stop location, delay management und tariff zone design in a public<br />
transportation network<br />
Habilitationsschrift<br />
Göttingen 2005<br />
[SCHOLL 2001] Scholl, S.<br />
Anschluss-Sicherung bei Verspätungen im ÖPNV<br />
Diplomarbeit am Fachbereich Mathematik der Universität Kaiserslautern<br />
Kaiserslautern 2001<br />
[WAGNER 2003] Wagner, D.<br />
Algorithmische Methoden und Modelle für die Optimierung der Eisenbahnen<br />
Materialien zur Vorlesung an der Universität Karlsruhe<br />
Karlsruhe 2003<br />
3.1 Programme<br />
Programme Zur Unterstützung der Dispositionsentscheidung gibt es verschiedene Softwareprodukte.<br />
Diese sind allerdings häufig in andere Systeme, z. B. in Betriebsleitzentralen,<br />
integriert und nicht als eigenständige Programme verfügbar. Nachfolgend<br />
werden einige Programme als Beispiele aufgeführt.<br />
AnSiM Die Software AnSiM (<strong>Anschlusssicherung</strong>s-Management) wurde vom Fraunhofer-<br />
Institut für Techno- und Wirtschaftsmathematik ITWM und der Universität<br />
Kaiserslautern mit Unterstützung der Stiftung Rheinland-Pfalz für Innovation<br />
entwickelt.<br />
Das Problem wird mit Hilfe eines Linearen Programms modelliert. Der Dispositionsvorschlag<br />
wird GIS-unterstützt dargestellt.<br />
Nähere Informationen: www.itwm.fhg.de<br />
DisKon Das Projekt DisKon der DB AG beschäfigt sich mit der Disposition und dem<br />
Konfliktlösungsmanagement in großen Netzen.<br />
Es handelt sich dabei um einen relativ weitgehenden Ansatz, der sich neben der<br />
kundenorientierten <strong>Anschlusssicherung</strong> auch mit der wartezeitoptimalen Reihenfolgensteuerung<br />
und dem Energiebedarf beschäftigt.<br />
Als Optimierungsverfahren werden unter anderem Ereignisbaumverfahren wie<br />
das Branch-and-Bound-Verfahren diskutiert.<br />
27
Das Projekt DisKon ist noch nicht abgeschlossen, so dass eine abschließende<br />
Bewertung nicht möglich ist.<br />
Nähere Informationen:<br />
[HELLER, SCHAER 2004] und http://www.num.math.uni-goettingen.de/schoebel/asll/DisKon.pdf<br />
RBL In rechnergestützen Betriebsleitsystemen erhält ein Disponent einen Überblick<br />
über die Betriebssituation im Netz und erhält entscheidungsunterstützende Vorschläge.<br />
Rechnerunterstützung wird bei der Erstellung neuer zulässiger Fahrpläne und<br />
bei der Bewertung möglicher Dispositionsentscheidungen gegeben.<br />
Detaillierte Angaben zu den angewendeten Optimierungsverfahren sind in den<br />
Hersteller-Informationen nicht zu finden.<br />
RUDY In Anknüpfung an Forschungsprojekte aus dem Programm FOPS des Bundesministeriums<br />
für Verkehr, Bau und Wohnungswesen (BMVBW) soll ein System<br />
zur unternehmensübergreifenden <strong>Anschlusssicherung</strong> zwischen Stadt- und Regionalbussen<br />
(RUDY) durch Kopplung rechnergesteuerter Betriebsleitzentralen<br />
(RBL) aufgebaut und getestet werden.<br />
Es ist aus den vorliegenden Daten nicht zu erkennen, welche Optimierungsverfahren<br />
eingesetzt werden.<br />
Nähere Informationen: www.rudyulm.de<br />
RegiDisp Die von Prof. Koch (Fachhochschule Ravensburg-Weingarten) entwickelte Software<br />
RegiDisp dient zur rechnergestützten <strong>Anschlusssicherung</strong>, Konfiktlösung<br />
und Streckendisposition für den (schienengebundenen) Regionalverkehr.<br />
Die entstehenden Konflikte werden mit Hilfe eines Algorithmus sukzessive untersucht<br />
bis alle Konflikte gelöst sind, so dass ein vollständiger Lösungsbaum<br />
entsteht. Dies entspricht einer synchronen Simulation ohne Fahrzeitrechnung<br />
(siehe [JACOBS 2003]).<br />
Nach Herstellerangaben wird zur Optimierung ein A*-Algorithmus verwendet.<br />
Welche Aufgabe der Algorithmus hat, bleibt aber unklar.<br />
Nähere Informationen: http://erde.fbe.fh-weingarten.de/koch/<br />
RESTDIS Lehrach [LEHRACH 1991] hat im Rahmen seiner Dissertation das ProgrammRESTDIS<br />
entwickelt.<br />
Es handelt sich dabei um ein Expertensystem zur rechnergestützen Störungsdisposition<br />
im öffentlichen Personennahverkehr.<br />
28
Das Programm unterstützt den Disponenten bei der Entscheidungsfindung. Die<br />
Empfehlungen für Maßnahem zur schnellstmöglichen Wiederherstellung des Regelbetriebsablaufs<br />
werden durch ein Expertensystem gegeben. Hierzu werden<br />
Regeln formuliert, die das System dann anwendet.<br />
Nähere Informationen: [LEHRACH 1991]<br />
29