Математический эксперимент в логистических исследованиях мультимодальных грузоперевозок с временными и стоимостными показателями

Обложка

Цитировать

Полный текст

Аннотация

Цель: Разработка нового подхода к оптимизации процесса распределения грузопотоков на транспортном полигоне. Построение математической модели процесса грузоперевозок, учитывающей в равной степени интересы различных участников перевозочного процесса.

Материалы и методы: Строится математическая модель процесса грузоперевозок, которая опирается на инфраструктурные показатели рассматриваемой части железнодорожного полигона и представляет собой многокритериальную оптимизационную задачу целочисленного программирования. Алгоритм решения задачи является общим для наземного транспорта и реализован в среде системы компьютерной алгебры. В качестве проекта, представляющего собой пример приложения разработанного транспортно-логистического метода, рассматривается часть Северо-Кавказской железной дороги, примыкающая к основным грузовым портам Азово-Черноморского бассейна. Рассматриваемый железнодорожный полигон является транзитной составляющей, активно эксплуатируемой при российском экспорте, в частности, зерновых грузов.

Результаты: Изучаются вопросы организации железнодорожных грузоперевозок в мультимодальных транспортно-технологических системах на основе эгалитарного и утилитарного подходов в теории благосостояния. Указанные подходы рассматриваются в отношении участников перевозочного процесса (агентов) в рамках временных и стоимостного показателей этого процесса. Вычислительные процедуры нахождения оптимальных распределений грузопотоков доведены до конкретных результатов.

Заключение: Математический эксперимент, используемый как инструмент имитационного моделирования, позволяет разносторонне и целенаправленно манипулировать показателями перевозочного процесса и ограничениями, накладываемыми на планы перевозок. Полученные в результате оптимизации по Парето распределения грузопотоков в адрес припортовых станций выгрузки, анализируются с точки зрения их рациональности и полезности в отношении агентов.

Об авторах

Виктор Алексеевич Богачев

Ростовский государственный университет путей сообщения

Email: bogachev-va@yandex.ru
ORCID iD: 0000-0003-1202-7318
SPIN-код: 2125-5198

к.ф.-м.н. доцент

Россия, Ростов-на-Дону

Александра Сергеевна Кравец

Ростовский государственный университет путей сообщения

Email: kravec_as@mail.ru
ORCID iD: 0000-0001-7371-7158
SPIN-код: 9591-3729

к.т.н.

Россия, Ростов-на-Дону

Тарас Викторович Богачев

Ростовский государственный экономический университет

Автор, ответственный за переписку.
Email: bogachev73@yandex.ru
ORCID iD: 0000-0001-9641-0116
SPIN-код: 2262-0080

к.ф.-м.н., доцент

Россия, Ростов-на-Дону

Список литературы

  1. Aulin V, Lyashuk O, Pavlenko O, et al. Realization of the Logistic Approach in the International Cargo Delivery System. Communications - Scientific letters of the University of Zilina. 2019;21(2):3-12. doi: 10.26552/com.C.2019.2.3-12
  2. Krajcovic M, Grznar P, Fusko M, et al. Intelligent Logistics for Intelligent Production Systems. Communications - Scientific Letters of the University of Zilina. 2018;20(4):16–23. doi: 10.26552/com.C.2018.4.16-23
  3. Shramenko NY, Shramenko VO. Mathematical model of the logistics chain for the delivery of bulk cargo by rail transport. Scientific Bulletin of National Mining University. 2018;5(167):136¬–141. doi: 10.29202/nvngu/2018-5/15
  4. Prachi A, Talari G. Multi-choice stochastic transportation problem involving logistic distribution. Advances and Applications in Mathematical Sciences. 2018;18(1):45-58. Доступно по: https://www.proquest.com/docview/2195081117 Ссылка активна на: 08.03.2023.
  5. Pronello C, Camusso C and Valentina R. Last mile freight distribution and transport operators’ needs: which targets and challenges? Transportation Research Procedia. 2017;25(0):888-899. doi: 10.1016/j.trpro.2017.05.464
  6. Elbert R, Müller JP, Rentschler J. Tactical network planning and design in multimodal transportation – A systematic literature review. Research in Transportation Business & Management, 2020;35:100462. doi: 10.1016/j.rtbm.2020.100462
  7. Kopytov E, Abramov D. Multiple-criteria analysis and choice of transportation alternatives in multimodal freight transport system. Transport and Telecommunication Journal. 2012;13(2):148-158.doi: 10.2478/v10244-012-0012-x
  8. Yannis G, Kopsacheili A, Dragomanovits A, et al. State-of-the-art review on multi-criteria decision-making in the transport sector. Journal of Traffic and Transportation Engineering. 2020;7:413–431. doi: 10.1016/j.jtte.2020.05.005
  9. Kabashkin I. Heuristic Based Decision Support System for Choice of Alternative Routes in the Large-Scale Transportation Transit System on the Base of Petri Net Model. Procedia Engineering. 2016;134:359-364. doi: 10.1016/j.proeng.2016.01.020
  10. Чеченова Л.М. Обоснование решений в области цифровизации контейнерных сервисов Октябрьской железной дороги // Инновационные транспортные системы и технологии. – 2022. – Т. 8. – № 4. – С. 126–139. [Chechenova LM. Substantiation of solutions in the field of digitalization of container services of the Оktyabrskaya railway. Modern Transportation Systems and Technologies. 2022;8(4):126-139. (In Russ.). doi: 10.17816/transsyst202284126-139
  11. Yee H, Gijsbrechts J, Boute R. Synchromodal transportation planning using travel time information. Computers in Industry. 2021;125:103367. doi: 10.1016/j.compind.2020.103367.
  12. Jarašūnienė A, Batarlienė N, Vaičiūtė K. Application and Management of Information Technologies in Multimodal Transportation. Procedia Engineering. 2016;134:309-315. doi: 10.1016/j.proeng.2016.01.012
  13. Guimarães AG, Gonçalves AD. Maia Challenges and Innovation Opportunities in Load Multimodal Transport - LMT in Brazil: cluster technique application as a support tool for Decision Making. Transportation Research Procedia. 2017;25:870–887. doi: 10.1016/j.trpro.2017.05.463
  14. Koohathongsumrit N, Meethom W. An integrated approach of fuzzy risk assessment model and data envelopment analysis for route selection in multimodal transportation networks. Expert Systems with Applications. 2021;171:114342. doi: 10.1016/j.eswa.2020.114342
  15. Bogachev VA, Kravets AS, Bogachev TV. Mathematical experiment as a tool for modeling the freight transportation process. Journal of Physics: Conference series. 2021;2131(2):022094. doi: 10.1088/1742-6596/2131/2/022094

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Богачев В.А., Кравец А.С., Богачев Т.В., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».