Kent içi raylı sistemlerde gerçek aktarma süreleriyle zaman çizelgesinin senkronizasyonu

Synchronization of the timetable with real transfer times in urban rail systems

PDF İndir

Tez No: 885752
Yazar: TAHA YÜKSEL
Danışmanlar: PROF. ZÜBEYDE ÖZTÜRK
Tez Türü: Doktora
Konular: Ulaşım, Transportation
Anahtar Kelimeler: Belirtilmemiş.
Yıl: 2024
Dil: Türkçe
Üniversite: İstanbul Teknik Üniversitesi
Enstitü: Lisansüstü Eğitim Enstitüsü
Ana Bilim Dalı: İnşaat Mühendisliği Ana Bilim Dalı
Bilim Dalı: Ulaştırma Mühendisliği Bilim Dalı
Sayfa Sayısı: 139

Özet

Kent içi toplu taşımalarda ve raylı sistemlerde entegrasyonun artmasıyla birlikte, kent içi raylı sistemi kullanan yolcuların aktarma sayıları artmıştır. Kent içi raylı sistemleri tercih eden yolcuların en önemli beklentileri arasında hız, dakiklik ve erişilebilirlik yer almaktadır. Bu nedenle, kent içi raylı sistem ağlarında farklı hatların zaman çizelgelerinin senkronize olması, transfer yolcularının bekleme ve seyahat süreleri açısından önemlidir. Bu tez çalışmasında; kent içi raylı sistemlerde sefer çizelgelerinin senkronizasyonunu iyileştirme konusunda araştırma yapılmıştır. Tez kapsamında; kent içi raylı sistem ağları arasında transfer olmak isteyen yolcuların, transfer bekleme sürelerini azaltmak ve başarılı transfer yolcu sayısını artırmak amacıyla, sefer çizelgeleri arasında senkronizasyonu sağlayacak modeller geliştirilmiştir. Kent içi raylı sistemler genellikle 24 saat işletilmediği için, günün ilk ve son saatindeki sefer çizelgelerinin senkronizasyonu ayrı bir öneme sahiptir. Bu yüzden, sefer çizelgelerinin senkronizasyonu probleminin çözümüne; günlük sefer çizelgesinin yanında, günün ilk ve son seferleri için de çalışma yapılmıştır. Sefer çizelgeleri arasında senkronizasyonu artıracak modeller sezgisel algoritmalar yardımıyla geliştirilmiştir. Geliştirilen modellerde; genetik algoritma (GA), benzetimli tavlama (BT), parçacık sürü optimizasyonu (PSO) ve yusufçuk algoritmaları kullanılmıştır. Ayrıca, son tren sefer çizelgelerinin senkronizasyonunda matematiksel programlama kullanılarak, son tren başarılı transfer yolcu sayısını artırmak amacıyla sefer çizelgelerinde düzenleme yapılmıştır. Sefer çizelgelerinin senkronizasyonunda, transfer olacak yolcunun bekleme süresini etkileyecek karar değişkenleri, trenlerin istasyona geliş, istasyondan kalkış ve yolcunun transfer süresidir. Transfer süresi, yolcuların fiziksel özellikleri ve yolcuların vagon içindeki, platformdaki ve aktarma sürecindeki davranış ve tercihleri gibi birçok koşuldan etkilenen ve her yolcu için farklılık gösterebilen bir zaman aralığıdır. Bu yüzden, transfer olan her yolcu için ortalama bir transfer süresi değeri alarak ve istasyon yoğunluğunu düşünmeden her zaman dilimi için aynı transfer süresini kabul ederek geliştirilen model ile bulunan sefer çizelgelerinin, pratikte istediği karşılığı alamayacağı görülmektedir. Bu kapsamda, geliştirilen sefer çizelgeleri modelini test etmek ve model için gerekli transfer sürelerini toplamak için, Marmaray ve Marmaray ile entegre olan Metro İstanbul hatlarından, M1A Yenikapı – Atatürk Havalimanı ve M1B Yenikapı – Kirazlı hafif metro hatları ile M2 Yenikapı – Hacıosman, M4 Kadıköy – Sabiha Gökçen Havalimanı ve M5 Üsküadar - Samandıra metro hatları seçilmiştir. Farklı işletmeler tarafından çalıştırılan Marmaray ve Metro İstanbul hatları, İstanbul toplu taşımasının önemli aktarma merkezlerinden olan Yenikapı, Üsküdar ve Ayrılıkçeşme istasyonlarında birbiriyle entegre olmaktadır. Marmaray ile entegre olan metro hatları yolcu sayısının ve transfer yolcu sayısının en fazla olduğu hatların başında gelmektedir. Hatların sefer çizelgelerinin senkronizasyonuna baktığımızda ise; özellikle sefer aralıklarının fazla olduğu saatlerde, yolcuların transfer için bekleme sürelerinin fazla olduğu ve günün ilk ve son saatlerinde hatların sefer çizelgeleri arasında uyum olmadığı tespit edilmiştir. Yolcuların transfer sürelerinin hesaplanabilmesi için, Ocak – Haziran 2022 tarihleri arasında, örnek hatlar arasında transfer olan yolcuların, transfer süreçleri kamera kaydı ile incelenmiştir. Yolcuların ortalama transfer süreleri hesaplanmış, transfer sürelerinin dağılımı ve diğer istatistiki bilgiler ortaya konulmuştur. Son trene yetişmek isteyen yolcuların normalden daha hızlı hareket ettikleri ve birbirlerinden etkilenerek sürü psikolojisi ile davrandıkları kanaati, yolcuların transfer gözlemlerinde elde edilen önemli tespitlerden olmuştur. Bu tespiti doğrulamak için yapılan ölçümlerde, son trene yetişmek isteyen yolcuların ortalama transfer sürelerinin normal zamanlardan daha düşük olduğu ölçülmüştür. Her transfer istasyonunda bu ölçümü yapmamak ve normal transfer sürelerinden son tren transfer süresini elde edebilmek amacıyla, yolcuların normal zamanlardaki ortalama transfer sürelerinden son tren transfer süreleri tahmin edilmeye çalışılmıştır. Bu tahmin sürecinin oluşmasında, yolcuların son trene yetişmek için sürü psikolojisi ile hareketleri ve birbirlerine benzemek istemeleri gözlemleri de etkili olmuştur. Son trene transfer olmak isteyen yolcuların transfer süreleri PSO, BT ve yusufçuk algoritmaları ile, normal zamanlardaki transfer sürelerinden tahmin edilmeye çalışılmıştır. Son trene transfer olmak isteyen her yolcu, algoritmadaki bir bireyi temsil etmiş ve her üç algoritma 50 kez çalıştırılarak, sonuçlar elde edilmiştir. Sonuçlara göre; %96 ile %99 arasında değişen yakınlık ile, en iyi tahminler PSO ile geliştirilen model ile elde edilmiştir. Elde edilen transfer süreleri ile, günün ilk saati, son seferler ve günlük sefer çizelgeleri olmak üzere üç farklı çalışma yapılmıştır. Günün ilk saatlerinde transfer olan yolcuların bekleme sürelerini düşürmek amacıyla oluşturulan model, GA ve BT algoritması kullanılarak geliştirilmiştir. Geliştirilen modeller, örnek olarak incelenen hatlar üzerinde test edilmiştir. Günün ilk seferleri için, toplam 33 transferde, transfer olan 450 yolcunun toplam ortalama bekleme süreleri GA ile geliştirilen model ile %33, BT ile geliştirilen model ile %6 azalmıştır. Ayrıca, GA ile geliştirilen modelde yolcuların transfer sürelerinin dağılımlarının dikkate alınmadan, her yolcu için aynı transfer süresi kullanılması halinde, yolcu başına düşen ortalama bekleme süresi 14 saniye, yolcuların toplam bekleme süresi ise 76 dakika daha fazla olmaktadır. Günün son seferlerini düşünerek, başarılı transfer yolcularının sayısını artırmak için, PSO algoritması ile tahmin edilen transfer zamanını kullanarak, transfer olmak isteyen bütün yolcuların transfer olmasını sağlayacak şekilde, yolcuların bekleme süresinin en az olacağı son tren zaman çizelgesi senkronizasyonu yapılmıştır. Mevcut sefer çizelgesine göre, 33 transferde, 1250 son tren transfer yolcusunun 772 tanesi transfer olabilmektedir. PSO ile tahmin edilen son tren transfer süresine göre düzenlenen sefer çizelgeleri sayesinde, başarılı transfer sayısı %38 artmış ve transfer olan yolcuların ortalama bekleme süreleri ise %73 azalmıştır. Ayrıca, tahmin edilen son tren transfer süreleri yerine ortalama transfer süreleri kullanılarak, bütün yolcuların transfer olacağı şekilde sefer çizelgeleri düzenlenmiş olması halinde, transfer olan yolcuların ortalama bekleme sürelerinin 124 saniye daha fazla olacağı tespiti yapılmıştır. Bu sonuç da, sefer çizelgelerinin senkronizasyonu çalışmalarında, ortalama transfer süreleri yerine gerçek transfer verilerinin kullanılmasının önemini bir kez daha ortaya koymuştur. Günün ilk saati ve son seferleri özelinde yapılan çalışmalardan sonra, kent içi raylı sistemlerin işletildiği 06:00-24:00 saatleri arasında örnek hatlar arasında transfer olan yolcuların bekleme sürelerini azaltmak amacıyla, oluşturulan model sezgisel algoritmardan GA ile geliştirilerek sefer çizelgeleri düzenlenmiştir. Oluşturulan yeni sefer çizelgesi ile, transfer olan yolcuların ortalama bekleme sürelerinde %41 ile %61 oranında azalma meydana gelmiştir. Kent içi raylı sistemlerde sefer çizelgelerinin senkronizasyonu çalışmasıyla, sefer çizelgelerinin senkronizasyonlarında, gerçek transfer sürelerinin kullanılması ve günün değişen zamanlarına göre transfer süreçlerindeki değişimin, senkronizasyon çalışmasına yansıtılmasının gereklilikleri vurgulanmaya çalışılmıştır. Ayrıca, son tren transfer sürelerinin normal zamanlardaki transfer sürelerinden farklı olduğunun tespiti ve son tren sefer çizelgelerinde kullanılan transfer sürelerinin sezgisel algoritmalar ile tahmin edilmesinin, tezin diğer önemli sonuçları olduğu, değerlendirilmektedir. Sonuç olarak, transfer süreçlerini dahil ederek, gerçek transfer verileri ile, sezgisel algoritmalar ile geliştirdiğimiz modeller sayesinde, kent içi raylı sistemlerin sefer çizelgelerinin senkronizasyonunda başarılı sonuçlar elde edilmiştir.

Özet (Çeviri)

Urban rail systems have an important place in public transport with their speed, capacity, comfort and integration. Metro networks, which are becoming more widespread especially in big cities, are integrated with both urban rail systems and other urban transport modes. With the integration, the number of transfers of passengers using urban rail systems has increased. Speed, punctuality and accessibility are among the most important expectations of passengers who prefer urban rail systems. Therefore, synchronization of the timetables of different lines in urban rail networks is important in terms of waiting and travel times of transfer passengers. In this thesis, the synchronization of timetables in urban rail systems is investigated. Within the scope of the thesis; models that will ensure synchronization between timetables have been developed in order to reduce the transfer waiting times of passengers who want to transfer between urban rail system networks and to increase the number of successful transfer passengers. Since urban rail systems are generally not operated 24 hours a day, the synchronization of the timetables at the first and last hours of the day is of particular importance. Therefore, in addition to the daily timetable, the first and last timetables of the day were also studied to solve the synchronization problem. Models to increase the synchronization between timetables have been developed with the help of heuristic algorithms. Genetic algorithm (GA), simulated annealing (SA), particle swarm optimisation (PSO) and dragonfly algorithms were used in the developed models. Within the scope of the thesis, firstly, the sample lines where the developed models will be tested were investigated in detail. In these investigations; daily journey times, journey time intervals, timetables of the lines and their compatibility with each other were analysed. The number of passengers carried by the lines (daily/hourly) and the information of the passengers transferring at the transfer stations were evaluated. Following these studies, the transfer time calculation, which is one of the important parameters in the synchronization of timetables, was studied. In the synchronization of timetables, the decision variables that will affect the waiting time of the passenger to be transferred are the arrival and departure of the trains to and from the station and the transfer time of the passenger. The transfer time is affected by many conditions such as the physical characteristics of the passengers and the behaviour and preferences of the passengers in the carriage, on the platform and in the transfer process and may vary for each passenger. Therefore, it is seen that the timetables found with the model developed by taking an average transfer time value for each transfer passenger and assuming the same transfer time for each time period without considering the station density cannot get the desired response in practice. In this context, M1A Yenikapı - Atatürk Airport and M1B Yenikapı - Kirazlı light metro lines, M2 Yenikapı - Hacıosman, M4 Kadıköy - Sabiha Gökçen Airport and M5 Üsküadar - Samandıra metro lines were selected from Marmaray and Metro Istanbul lines integrated with Marmaray to test the developed timetable model and to collect the transfer times required for the model. Marmaray and Metro Istanbul lines, which are operated by different companies, are integrated with each other at Yenikapı, Üsküdar and Ayrılıkçeşme stations, which are important transfer centres of Istanbul public transport. The metro lines integrated with Marmaray are among the lines with the highest number of passengers and transfer passengers. When we look at the synchronization of the timetables of the lines; it is determined that the waiting time of the passengers for transfer is high, especially in the hours when the intervals are high and there is no coordination between the timetables of the lines in the first and last hours of the day. In order to calculate the transfer times of the passengers, the transfer processes of the passengers who transferred between the sample lines between January - June 2022 were examined by camera recording. As a result of the observations made for the calculation of the transfer times of the passengers, the transfer processes of the passengers were divided into three parts. These are: time spent on the platform, time spent on the escalator and time spent in the turnstile area. Since it is important in the calculation of the time spent on the platform which wagon the passengers get off and which wagon they get on, this situation was observed in Marmaray-M2 line. Transfer times were calculated by determining the occupancy rates of the wagons, determining the passengers standing and moving on the escalators, and determining the speed of the passengers in the turnstile area. The transfer times of all sample lines in our study were given with normal distribution graphs and average transfer times were calculated. In addition, the distributions of transfer times were shown with normal distribution graphs and average, maximum and minimum speeds and other statistical information were presented. The belief that passengers who want to catch the last train move faster than normal and behave with herd psychology by being influenced by each other has been one of the important findings obtained from the transfer observations of the passengers. In the measurements made to verify this finding, it was measured that the average transfer times of the passengers who wanted to catch the last train were lower than normal times. In order not to make this measurement at every transfer station and to obtain the last train transfer time from the normal transfer times, the last train transfer times were tried to be estimated from the average transfer times of the passengers at normal times. This estimation process was also influenced by the observations that passengers behaved with herd psychology and wanted to be similar to each other in order to catch the last train. The transfer times of the passengers who want to transfer to the last train were estimated from the transfer times in normal times with PSO, SA and dragonfly algorithms. Each passenger who wanted to transfer to the last train represented an individual in the algorithm and the results were obtained by running all three algorithms 50 times. According to the results, the best predictions were obtained with the model developed with PSO, with an accuracy ranging between 96% and 99%. With the transfer times obtained, three different studies were carried out: first time of the day, last trips and daily timetables. In order to reduce the waiting times of passengers transferring at the first hours of the day, the model was developed using GA and BT algorithm. Transfer times of passengers were calculated from the data obtained as a result of observations. Passenger numbers and timetables were obtained from Metro Istanbul between January 2022 and April 2024. The developed models were tested on our sample lines. For the first trips of the day, the total waiting time of 450 transfer passengers was found to be 2134 minutes in 33 transfers, 21 at Yenikapı Station, 7 at Ayrılıkçeşme Station and 5 at Üsküdar Station. The total waiting time of the passengers decreased to 1250 minutes according to the timetable generated with the model developed with GA and 1882 minutes with the model developed with SA. For the 450 transfer passengers, the total waiting time decreased by 41% with GA and 12% with BT. While the average waiting time of the transfer passengers was normally 268 seconds, it was found to be 178 seconds with a 33% decrease with the model developed with GA and 252 seconds with a 6% decrease with the model developed with SA. In addition, if the distribution of the transfer times of the passengers is not taken into account in the model developed with GA, the average waiting time per passenger is 14 seconds more and the total waiting time of the passengers is 76 minutes more. In the rest of the study, the last train timetables are synchronized by considering the transfer times. Considering that urban rail systems are generally operated until 24:00, passengers who cannot catch the last train have little or no public transport alternatives. Therefore, to increase the number of passengers travelling by transferring between rail systems, especially in the last hours of the day, it is important to arrange timetables between lines in integrated urban rail systems in order to increase the number of successful transfer passengers. In this study, to increase the number of successful transfer passengers considering the last departures of the day, using the transfer time obtained with the PSO algorithm, the waiting time of the passengers is minimised by synchronizing the last train time timetable so that all passengers who want to transfer are transferred. According to the current timetable, 772 of 1250 last train transfer passengers can transfer in 33 transfers at Yenikapı, Üsküdar and Ayrılıkçeşmesi stations. With the synchronization of the timetables according to the last train transfer time estimated by PSO, the number of successful transfers increased by 38% and the average waiting time of the transfer passengers decreased by 73%. In addition, if the timetables had been organised in such a way that all passengers would be transferred by using the average transfer times instead of the estimated last train transfer times, the average waiting time of the transferred passengers would have been 124 seconds. This result once again shows the importance of using actual transfer data instead of average transfer times in the synchronization of timetables. Following the studies on the first and last timetables of the day, a model has been developed to synchronize the daily timetables in urban rail systems. In order to reduce the waiting time of transfer passengers, the model developed with GA, one of the heuristic algorithms, was used to optimise the timetables and synchronization between the timetables was tried to be achieved. The reason for choosing GA from heuristic algorithms is that it has given successful results in previous studies conducted within the scope of the thesis. Urban rail systems are generally operated between 06:00 and 24:00. The developed model was tested on our sample lines Marmaray-M1A and M1B, Marmaray-M2, Marmaray-M4 and Marmaray-M5 between 06:00-24:00. The new timetable reduced the average waiting time of transfer passengers by 41% to 61% compared to the existing timetable. With the study of synchronization of timetables in urban rail systems, it was tried to emphasise the necessity of using real transfer times in the synchronization of timetables and reflecting the changes in transfer processes according to the changing times of the day in the synchronization study. Considering that all passengers transfer at the same speed prevented finding realistic results since the transfer process was a passenger specific situation. Furthermore, the fact that the last train transfer times were different from the normal transfer times and that the transfer times used in the last train timetables were estimated by heuristic algorithms contribute to the studies on this subject. As a result, successful results were been obtained in the synchronization of the timetables of urban rail systems thanks to the models developed with heuristic algorithms by including transfer processes.

Benzer Tezler

Tez No
744980
Kent içi raylı sistemlerde talep odaklı tren sefer çizelgeleme
Demand-oriented train timetabling for urban rail transit systems
SERKAN BUCAK
Doktora
Türkçe
2022
Ulaşım Yıldız Teknik Üniversitesi
Endüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN DEMİREL
Tez No
676801
Evaluating the impact of carbon footprint in electric rail transit system - by potential recuperative regenerative braking energy
Elektrikli kent içi raylı ulaşım sisteminde karbon ayak izinin etkisinin değerlendirilmesi - potansiyel rejeneratif frenleme enerjisi kullanımı
YASAMAN FARZAMBEHBOUDI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliği İstanbul Teknik Üniversitesi
Raylı Sistemler Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZCAN KALENDERLİ
Tez No
822115
Travel time reliability analysis of urban transportation network in city of Baghdad using probe vehicle
Başlık çevirisi yok
MUSTAFA MIMOON HABEEB AL-FATYAN
Yüksek Lisans
İngilizce
2023
İnşaat Mühendisliği Sakarya Üniversitesi
İnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAKAN ASLAN
Tez No
667483
Kent içi raylı sistemlere yeni hat entegrasyonunda farklı koşulların işletme sürekliliğine etkisinin incelenmesi
Analysis of the effect for different conditions on operational continuity in the new line integration for urban rail systems
MEHMET CAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik Mühendisliği Kocaeli Üniversitesi
Elektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. NURAN YÖRÜKEREN
Tez No
455433
Monoray sistemleri, Türkiye'deki yatırım süreçleri ve yerel yönetimlerin monoraya yaklaşımı
Monorail systems, investment processes in Turkey and approach of local governments to monorail
EMRE MEMİŞ
Yüksek Lisans
Türkçe
2016
Ulaşım İstanbul Teknik Üniversitesi
İnşaat Ana Bilim Dalı
YRD. DOÇ. DR. PELİN ALPKÖKİN

Geri Dön