На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Подход к выбору оптимального маршрута  при перевозке крупногабаритных грузов  на основе нейросетевых технологий

Статья опубликована в выпуске журнала № 2 за 2004 год.
Аннотация:
Abstract:
Авторы: Семенов Н.А. (dmitrievtstu@mail.ru) - Тверской государственный технический университет (профессор кафедры «Информационные системы»), г. Тверь, Россия, доктор технических наук, Борисов А.Л. (delije-cz@yandex.ru) - Тверской государственный технический университет, Тверь, Россия, кандидат технических наук, Рожков А.А. () -
Ключевое слово:
Ключевое слово:
Количество просмотров: 18690
Версия для печати
Выпуск в формате PDF (1.54Мб)

Размер шрифта:       Шрифт:

В большинстве стран мира прослеживается тенденция повышения эффективности работы отраслей промышленности благодаря применению широкой номенклатуры оборудования полной заводской готовности, габаритно-весовые характеристики которой превосходят нормативы, установленные по условиям безопасности движения на транспортных сетях всех видов транспорта. Кроме этого, существует ряд продуктов машиностроения, который также не может быть транспортирован от производителей к местам потребления по транспортным сетям общего пользования без превышения основных габаритно-весовых параметров. В системе международных перевозок транспортировка таких грузов усложняется различием правил дорожного движения и допустимых габаритных и весовых параметров в странах, по территории которых пролегает маршрут движения, сложной системой тарификации при получении специальных разрешений на провоз грузов по дорогам и при оплате паромов и по многими другими факторами. Все эти условия в первую очередь влияют на себестоимость перевозки и в результате – на выбор оптимального маршрута транспортировки.

В силу технических особенностей, сфер применения и регламентированных правил перевозки различных грузов на каждом виде транспорта с учетом условий безопасности движения установлены минимальные и максимальные ограничения, по которым транспортное средство (ТС) с грузом или без него относят к особой категории, а именно к крупногабаритным или тяжеловесным. Согласно конвенции МДП от 14.11.1975 г. термин крупногабаритные и тяжеловесные грузы (КТГ) означает любой тяжелый или крупногабаритный предмет, который из-за своего веса, размеров или характера обычно не перевозится в закрытом дорожном транспортном средстве или в закрытом контейнере. В системе международных перевозок особую важность представляет отсутствие разницы между ограничениями, превышение которых относит груз к разряду крупногабаритных и тяжеловесных. В таблице 1 представлены основные габаритные и весовые параметры в странах-импортерах КТГ в Россию и транзитных государствах.

Таблица 1

Допустимые габаритные и весовые параметры транспортных средств в странах Европы

Страна

Длина

Ширина

Высота

Полная масса

Тягач-полуприцеп

Автомобиль-прицеп

Беларусь

20,0

20,0

2,5

4,0

44,0

Германия

16,5

18,75

2,5

4,0

40,0

Дания

16,5

18,75

2,5

4,0

48,0

Латвия

20,0

20,0

2,5

4,0

40,0

Литва

16,5

18,75

2,5

4,0

40,0

Польша

16,5

18,75

2,5

4,0

42,0

Финляндия

16,5

18,75

2,5

Нет ограничений

42,0

Франция

16,5

18,75

2,5

4,0

40,0

Швеция

24,0

24,0

2,6

Нет ограничений

44,0

Эстония

16,5

18,75

2,5

4,0

40,0

Таким образом, видно, что в основных европейских государствах к крупногабаритным можно отнести транспортные средстваТС, длина которых превышает 18,75 метров (для автомобиля с полуприцепом – 16,5 метров), ширина – 2,5 метра, высота – 4,0 метра, а к тяжеловесным – транспортные средстваТС, полная масса которых с грузом превышает 40,0 тонн. Исследование объемов перевозок КТГ позволило выявить, что их основу составляют грузы полной массой до 30 тонн, длиной до 24 м, шириной до 3,5 метров и высотой до   4,5 м. Это грузы, перевозка которых не требует трансформации дорожно-транспортной сети и может быть осуществлена в дневное время суток без специального сопровождения. К таким грузам в основном относится продукция машиностроения (автомобили, сельскохозяйственная и дорожная техника, катера и лодки, станки, трубы и т.п.).

Предполагается, что основные поставки КТГ идут из Финляндии. Однако такие выводы ошибочны, так как исследование рынка КТГ позволяет утверждать, что основным производителем этого рода грузов является Германия, а Финляндия –лишь промежуточный пункт при смешанной транспортировке груза из Германии в Россию. Россия давно является страной импорта немецкой техники. Многие германские производители просто формируют на финских терминалах крупные партии товара, который потом ввозится в Россию. Однако заметна тенденция к использованию при перевозках КТГ услуг одного перевозчика на всем протяжении маршрута, без формирования партий груза на территории Финляндии. Это позволяпозволя-  ет сэкономить на услугах складского хранения   и перевалке груза с одного вида транспорта на другой.

Обычный принцип формирования маршрута для перевозки практически всей номенклатуры грузов состоит в поиске на данной транспортной сети оптимального пути следования. Однако при перевозке КТГ построение маршрута оговаривается специальными документами, в которых регламентируются основные показатели транспортных средствТС, значения которых важны для поддержания в нормальном состоянии дорожно-транспорт­ной сети и инженерных сооружений на ней, а также самого груза в процессе транспортировки. Общая транспортная сеть не всегда пригодна для провоза КТГ, поэтому маршрут формируется по физической возможности проезда, причем влияние отдельных факторов может оказаться лимитирующим, и в некоторых случаях провоз окажется невозможным. Основными факторами, влияющими на формирование маршрута, является груз и специализированный подвижной состав, от правильности выбора которого во многом зависит возможность построения рационального маршрута на данной сети. Однако рассматриваемый класс грузов позволяет использовать обычные прицепы и полуприцепы без тента и провозить грузы по реальной транспортной сети одновременно с другими перевозками в общем транспортном потоке. Поэтому выбор маршрута будет осуществляться исходя из минимального значения себестоимости перевозки. В системе международных перевозок широко используется смешанное паромное сообщение, что позволяет водителям более рационально соблюдать режим труда и отдыха, а также в большинстве случаев экономить топливо. Поэтому при выборе маршрута необходимо учитывать возможность провоза ТС с КТГ на пароме, с учетом существующих тарифов паромной компании на транспортировку КТГ. На себестоимость также большое влияние оказывает стоимость оформления специальных разрешений на провоз КТГ по дорогам того или иного государства. Влияние основных затрат на себестоимость при перевозке КТГ можно выразить следующей формулой:

Себестоимость = топливо + стоимость специальных разрешений + стоимость парома + другие расходы.

Подпись: Исходные данные для расчетов
Стоимость специальных разрешений и тарифы паромных компаний напрямую зависят от габаритных и весовых параметров груза, а также типа подвижного состава. Поэтому себестоимость можно выразить следующим образом:

Себестоимость = F(длина, ширина, высота, масса, тип ТС).

Так как рассматриваемый класс груза отличается невысокими значениями массы, не превышающими допустимые значения, себестоимость имеет следующий вид:

Себестоимость = F(длина, ширина, высота, тип ТС).

Таким образом, оптимальным будет маршрут с минимальной для данного типа ТС и габаритных параметров себестоимостью.

Однако расчет себестоимости по всем возможным маршрутам транспортировки с целью выбора минимального значения, а соответственно оптимального маршрута, не всегда является возможным или занимает много времени. Это связано с отсутствием некоторых исходных данных, таких как тарифы паромных компаний, стоимости специальных разрешений, или с длительностью обработки запросов по этим данным. Поэтому перевозчики при выборе маршрута транспортировки КТГ руководствуются собственным опытом работы и профессиональной интуицией, а не математическими расчетами, и зачастую перевозят груз не по оптимальному маршруту.

Важной задачей является выявление закономерности между себестоимостью перевозки по тому или иному маршруту и габаритными параметрами транспортного средства. Мощным инструментом для выявления такой закономерности на основе статистических данных является нейронная сеть [1].

Какие функции могут быть аппроксимированы с помощью нейронной сети? Ответ дается обобщенной теоремой Стоуна. Не вдаваясь в математические тонкости, ее можно интерпретировать как утверждение об универсальных аппроксимационных возможностях произвольной нелинейности: с помощью линейных операций и каскадного соединения можно из произвольного нелинейного элемента получить устройство, вычисляющее любую непрерывную функцию с любой наперед заданной точностью. Нейронная сеть с  произвольной функцией активации может аппроксимировать произвольную непрерывную функцию. При этом достаточно трехслойной сети с одним скрытым слоем. Точность решения можно повысить путем увеличения числа нейронов в скрытом слое.

Выбор оптимального маршрута осуществляется с помощью модуля Neural Analyzer, входящего в состав пакета Deductor Professional [2]. Он представляет собой систему анализа данных на основе нейронных сетей.

Исходными данными для расчетов является матрица Z:dim Z=60´5, отражающая статистические данные о выполненных перевозках КТГ за несколько лет (см. рис.).унок).

При активации модуля Neural Analyzer открывается мастер обучения сети. Осуществляется настройка полей. Поля длина, ширина, высота и сцепка задаются как входные переменные, а поле себестоимость как выходная переменная. Далее устанавливаются параметры сети, где можно выбрать алгоритм построения сети и активационную функцию, параметры обучения, условия остановки. После этого проходит обучение сети и расчет тестовых примеров. После этого, а также отображается график выходов сети (заданная точка и расчетная) и представляется информация о построенной нейронной сети.

Полученные результаты нашли практическое применение в компании по международным перевозкам КТГ г. Твери.

Список литературы

1.Романов В.П. Интеллектуальные информационные системы в экономике. - М.: Экзамен, 2003. – 496 с.

2.BaseGroup Labs, Web: http://www.basegroup.ru


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=596&lang=&like=1
Версия для печати
Выпуск в формате PDF (1.54Мб)
Статья опубликована в выпуске журнала № 2 за 2004 год.

Возможно, Вас заинтересуют следующие статьи схожих тематик: