Resumen

Mediante algoritmos evolutivos inspirados en la naturaleza se optimiza el funcionamiento de un tren minimizando su energía de tracción con sujeción a diversas restricciones. El proceso de optimización da lugar a puntos de conmutación que inician las fases de crucero y cabotaje de la conducción. Debido a la formulación de optimización no lineal del problema, en este estudio se emplearon métodos de búsqueda evolutiva inspirados en la naturaleza, como los algoritmos Genetic Simulated Annealing, Firefly y Big Bang-Big Crunch. Como caso de estudio se modelaron un tren real y una vía de prueba de una parte de la red de metro ligero de Eskisehir. Se tuvieron en cuenta las limitaciones de velocidad, las distintas alineaciones de las vías, el tiempo máximo de viaje permitido y los cambios en la masa del tren, y la puntualidad se incluyó en la función objetivo como factor de penalización. Los resultados han demostrado que los tres métodos evolutivos generaron soluciones eficaces y coherentes. Sin embargo, también se ha demostrado que cada uno de ellos tiene diferentes características de precisión y convergencia.

• Materias:Transporte urbano Señales de control de tráfico Accidentes de transito Planificación de ruta Capacidad de tráfico
• Subjects:Urban transport Traffic control signs Traffic accidents Path planning Traffic capacity
• Palabras claves:tiempo máximo de viaje admisible, algoritmos big crunch, recocido simulado genético, métodos de búsqueda evolutiva, red de ferrocarril ligero, formulación de optimización no lineal, resultados del proceso de optimización, tema de la energía de tracción, optimización de la explotación de trenes, diversas alineaciones de vías
• Keywords:maximum allowable trip time, big crunch algorithms, genetic simulated annealing, evolutionary search methods, light rail network, nonlinear optimization formulation, optimization process results, traction energy subject, train operation optimization, various track alignments