JPS61237162A - Event simulating system - Google Patents
Event simulating systemInfo
- Publication number
- JPS61237162A JPS61237162A JP60079511A JP7951185A JPS61237162A JP S61237162 A JPS61237162 A JP S61237162A JP 60079511 A JP60079511 A JP 60079511A JP 7951185 A JP7951185 A JP 7951185A JP S61237162 A JPS61237162 A JP S61237162A
- Authority
- JP
- Japan
- Prior art keywords
- graph
- simulation
- train
- point
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004088 simulation Methods 0.000 claims abstract description 54
- 230000008859 change Effects 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 abstract description 78
- 238000004364 calculation method Methods 0.000 abstract description 33
- 230000008569 process Effects 0.000 abstract description 14
- 238000012937 correction Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 abstract description 8
- 238000012545 processing Methods 0.000 description 13
- 230000001364 causal effect Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 230000008094 contradictory effect Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000001934 delay Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
【発明の詳細な説明】
[産業上の利用分野]
この発明は、対象システムを離散的モデルとして扱うイ
ベントシミュレーション方式に関し、特にシステムの部
分的条件変更に対して繰返しシミュレーションを行う場
合に、その計算効率を大幅に向上させるためのイベント
シミュレーション方式に関するものである。[Detailed Description of the Invention] [Industrial Application Field] The present invention relates to an event simulation method that treats a target system as a discrete model, and particularly relates to an event simulation method that treats a target system as a discrete model. The present invention relates to an event simulation method to significantly improve efficiency.
[従来の技術]
従来から一般に用いられているイベントシミュレーショ
ン方式は、例えば第7図に示す処理概要になっている。[Prior Art] An event simulation method that has been generally used has a processing outline shown in FIG. 7, for example.
すなわち、イベントシミュレーションは、システム状態
をイベントという離散的な事象により決定して行くもの
であるが、まず現在のシステム状態において処理可能と
思われるイベントをステップ371において発生させ、
次いでそのイベントに対するイベント時刻(処理可能時
刻)をステップS72において計算し、これらのイベン
トとイベント時刻をステップS73においてイベントテ
ーブルに登録しておく。That is, in event simulation, the system state is determined by discrete phenomena called events, but first, an event that is considered to be processable in the current system state is generated in step 371,
Next, the event time (processable time) for that event is calculated in step S72, and these events and event times are registered in the event table in step S73.
次にステップ373において、既に登録したイベントの
中から、イベント時刻が最も早いイベントをステップ3
74において処理イベントとし゛て選択する。次にステ
ップ375において、この処環イベントに対して、シス
テム条件で規定される因果関係をチェックし、因果関係
を満たしていない場合は、ステップS72に戻ることに
よりその条件を付は加えてイベント時刻計算を行う処理
を繰返す。因果関係を満たしている場合は、イベントテ
ーブルの更新システム状態の更新等のイベント処理をス
テップS76において行い、新たなシステム状態に対し
てはステップ377を介してステップS71に戻る処理
が繰返される。Next, in step 373, from among the already registered events, the event with the earliest event time is selected in step 3.
At 74, the event is selected as a processing event. Next, in step 375, the causal relationship defined by the system conditions is checked for this processing event, and if the causal relationship is not satisfied, the process returns to step S72 to add or add the condition to the event time. Repeat the calculation process. If the causal relationship is satisfied, event processing such as updating the event table and updating the system state is performed in step S76, and the process of returning to step S71 via step 377 is repeated for a new system state.
[発明が解決しようとする問題点]
ところが、上述した従来のイベントシミュレーション方
式では、イベント間の因果関係が不明確であるために、
実際の時間的進行に沿ってイベント処理を行なわなけれ
ばならず、シミュレーション過程において、イベント時
刻、因果関係のチェックをその都度行う必要であり、計
算効率が悪いという問題点がある。また、システムの部
分的変更に対しシミュレーションをやり直す場合には、
その都度全ての処理を再び行なわなければならない問題
点がある。[Problems to be solved by the invention] However, in the conventional event simulation method described above, the causal relationships between events are unclear, so
Event processing must be performed in accordance with the actual temporal progression, and event times and causal relationships must be checked each time during the simulation process, resulting in a problem of low computational efficiency. In addition, when redoing the simulation due to partial changes to the system,
There is a problem in that all the processing must be performed again each time.
本発明は上記のような問題点を解消するためになされた
もので、シミュレーション過程およびシステムの部分的
条件の変更に対する計算効率を向上させることができる
イベントシミュレーション方式を提供することを目的と
する。The present invention has been made to solve the above-mentioned problems, and it is an object of the present invention to provide an event simulation method that can improve the calculation efficiency for changing the simulation process and partial conditions of the system.
[問題点を解決するための手段]
この発明によるイベントシミュレーション方式は、シス
テムに関する情報をすべてグラフを用いてモデル化する
第1の手段と、この第1の手段によってモデル化された
グラフの1点から各点までの長経路を求めてシミュレー
ションを実行する第2の手段と、システム条件の部分的
変更に対してシミュレーションを繰返す場合にグラフの
各点のトポロジカルオーダーを用いて変更影響の波及す
る部分のみを効率的に求めて最長経路を更新することに
よりシミュレ−ションを実行する第3の手段と、第2の
手段または第3の手段によるシミュレーションを選択す
る第4の手段とを設けたものである。[Means for Solving the Problems] The event simulation method according to the present invention includes a first means for modeling all information regarding a system using a graph, and a point on the graph modeled by this first means. A second method is to perform a simulation by finding a long path from and a fourth means for selecting the simulation by the second means or the third means. be.
[作用コ
第1の手段において各イベントがグラフの点によって表
わされ、ざらにシステム条件が有向枝で表わされること
によってシステムの状態を規定する情報がすべてグラフ
化によって表現される。そして、第2の手段においては
、グラフの各点に対するシミュレーションの実行が時間
的進行に拘束されずにイベント時刻計算および因果関係
のチェック処理等が最長経路探索アルゴリズムにより効
率的に行なわれる。ざらに第3の手段においては、シス
テム条件の部分的変更に対し、グラフの各点のトポロジ
カルオーダーを用いて、変更影響の波及する部分のみを
効率的に求めることによりシミュレーションが実行され
る。そして、第4の手段では条件変更の影響の大きさに
応じて、第2の手段と第3の手段のうち計算時間が少な
くて済む方が選択され、これにより最も効率的なシミュ
レーションが行なわれる。[Operations] In the first means, each event is represented by a point on a graph, and the system conditions are roughly represented by directed edges, so that all the information defining the state of the system is represented by a graph. In the second means, the execution of the simulation for each point on the graph is not restricted by the temporal progression, and event time calculation, causal relationship checking processing, etc. are efficiently performed by the longest path search algorithm. Roughly speaking, in the third method, a simulation is executed for a partial change in system conditions by using the topological order of each point of the graph to efficiently determine only the part where the influence of the change will spread. Then, in the fourth method, the one that requires less calculation time is selected between the second and third methods depending on the magnitude of the influence of the condition change, thereby performing the most efficient simulation. .
[発明の実施例]
第1図はこの発明によるシミュレーション方式の一実施
例における処理概要図であって、好適な一例として列車
運行シミュレーションに適用した場合を示すものである
。[Embodiment of the Invention] FIG. 1 is a processing outline diagram in an embodiment of the simulation method according to the present invention, and shows a case where the simulation method is applied to a train operation simulation as a preferred example.
まず、ステップ$1において列車ダイヤ、運転条件、設
備条件等のデータを入力し、次にこれらのデータを用い
てステップS2において列車運行を表現するグラフを作
成する。このグラフに対し、ステップS3で最長経路方
式によるシミュレーションを行い、ステップS4におい
てデッドロック状態か否かを調べ、デッドロック発生の
場合は、ステップS5でそのデッドロック情報を出力し
、正常終了の場合はステップS6でシミュレーションに
よる列車運行の予測結果を出力する。その予測結果にざ
らに修正が必要であるかどうかをステップS7で判定し
、必要ならばステップS8で変更データを入力し、必要
ないと判定した場合には処理終了となる。First, in step $1, data such as train schedules, operating conditions, equipment conditions, etc. are input, and then, using these data, a graph representing train operation is created in step S2. A simulation using the longest path method is performed on this graph in step S3, and it is checked in step S4 whether or not there is a deadlock state. If a deadlock has occurred, the deadlock information is output in step S5. In step S6, the train operation prediction result based on the simulation is output. It is determined in step S7 whether or not the prediction result requires a rough modification, and if necessary, change data is input in step S8, and if it is determined that it is not necessary, the process ends.
一方、ステップS5でデッドロック情報を出力した場合
には、そのデッドロックを解消すべきダイヤ変更が必要
であり、ステップS8でその変更データの入力が行なわ
れる。ステップS8の変更にはダイヤ乱れによるものと
、それを復旧させるためのダイヤ変更とがめる。これら
の変更データに対し、ステップS9でグラフの修正を行
い、再びシミュレーションを行う。On the other hand, if deadlock information is output in step S5, it is necessary to change the timetable to eliminate the deadlock, and the change data is input in step S8. It is assumed that the change in step S8 is due to a disruption in the timetable, and that it is a timetable change to recover from the disruption. With respect to these changed data, the graph is corrected in step S9, and the simulation is performed again.
2回目以降のシミュレーションでは、1回目と同様にグ
ラフの全点の最長経路を求める最長経路方式と、グラフ
の修正により変更される部分のみを求めるパラメトリッ
ク方式とがある。ステップS10でグラフの修正の影響
の大きざに応じて、これら2方式のうち計算時間が少な
くて済む方を選択し、ステップS3の最長経路方式か、
ステップS11のパラメトリック方式によるシミュレー
ションが行なわれ、ステップS4に移って同様の処理が
繰返される。In the second and subsequent simulations, as in the first simulation, there is a longest path method that finds the longest path of all points on the graph, and a parametric method that finds only the portion that is changed by modifying the graph. In step S10, depending on the degree of influence of the graph correction, the one that requires less calculation time is selected, and the longest path method in step S3 is selected.
A parametric simulation is performed in step S11, and the process moves to step S4 to repeat the same process.
以下、この発明によるイベントシミュレーション方式の
動作をさらに詳細に説明する。The operation of the event simulation method according to the present invention will be explained in more detail below.
まず、このイベントシミュレーション方式では、対象シ
ステムをグラフによって表現し、シミュレーションをグ
ラフ上の最長経路探索として行う。First, in this event simulation method, the target system is represented by a graph, and the simulation is performed as a search for the longest path on the graph.
ここでは、列車運行システムを対象とし、列車運行のグ
ラフ表現方法について説明し、次にグラフ上の最長経路
探索としてシミュレーションを行う最長経路方式と、グ
ラフの修正に対し、最長経路を更新することによりシミ
ュレーションを行うパラメトリック方式を説明し、両者
の効率的な使い分けについて述べる。This article focuses on train operation systems, and explains how to express train operation in a graph. Next, we introduce the longest route method, which performs simulations by searching for the longest route on a graph, and the longest route method, which performs simulations by searching for the longest route on a graph. We will explain parametric methods for performing simulations and discuss how to use them efficiently.
1、列車運行条件のグラフ表現 1.1 列車運行の定式化 列車運行の制約条件は次のようになる。1. Graphical representation of train operating conditions 1.1 Formulation of train operation The constraint conditions for train operation are as follows.
く個々の列車の走行条件〉
(1)駅間最小走行時間
(2)各駅最小停車時間
(3)各駅着発時刻、使用番線
く列車間の運行条件〉
(4)各駅最小進入・進出時隔
(5)駅間許容列車数
(6)最小折返し時間
(7)各駅出発順序、番線使用順序
(8)車両運用
このうち、最小走行時間、最小停車時間は基本的に列車
種別毎に定められており、
a(i、j):i駅での3列車の到着時刻d(i、j)
:i駅での3列車の出発時刻A<i、 j> :列車ダ
イヤ上でのi駅j列車到着時刻
D(i、j):列車ダイヤ上でのi駅j列車出発時刻
R(i、e): i−i+1駅間のe種列車の最小走行
時間
S(i、e):i駅でのe種列車の最小停車時間
e(j):3列車の種別
とすると、個々の列車走行条件は
a(i+1.j)−d(i、j)≧f?(i、e(j)
)d(i、j)−a(i、j)≧S(i、el))d(
i、j)≧D(i、j)
a(i、j)≧A(i、j)
・・・(1)
と表わされる。(1) Minimum running time between stations (2) Minimum stopping time at each station (3) Arrival/departure time at each station, operating conditions between trains using number tracks (4) Minimum entry/exit time interval at each station (5) Allowable number of trains between stations (6) Minimum turnaround time (7) Departure order from each station and number track usage order (8) Vehicle operation Of these, the minimum running time and minimum stopping time are basically determined for each train type. a(i, j): Arrival time of the three trains at station i d(i, j)
: Departure time of the 3 trains at station i A<i, j> : Arrival time of train j at station i on the train schedule D(i, j): Departure time of train j at station i on the train diagram R(i, e): Minimum running time of an e class train between i-i+1 stations S(i, e): Minimum stopping time of an e class train at i station e(j): Assuming 3 train types, individual train running time The condition is a(i+1.j)-d(i,j)≧f? (i, e(j)
)d(i,j)-a(i,j)≧S(i,el))d(
i, j)≧D(i, j) a(i, j)≧A(i, j) (1).
また、駅進入・進出時の列車間の時隔は、実際には駅構
内のポイント群の動きにより決まるが、一般には対象と
なる2列車の状態・関係によりいくつかのパターンを定
め、そのパターン毎に各駅での最小時隔が決められる。In addition, the time interval between trains when entering or exiting a station is actually determined by the movement of a group of points within the station, but in general, several patterns are determined depending on the state and relationship of the two target trains, and the The minimum time interval at each station is determined.
時隔パターンは、駅構造、モデルの詳細度に応じている
いろ考えられるが、ここでは次のものを考える。Various time interval patterns can be considered depending on the station structure and the level of detail of the model, but here we will consider the following.
ha(el、e2) :種別e1列車に続いて種別e
22列車到着する場合の時隔パターン
hd(el、e2) :種別e1列車に続いて種別e
22列車出発する場合の時隔パターン
hb(el、e2) :種別e1列車に続いて種別0
22列車同一番線を使用する場合の時
隔パターン
この時、
H(i、h) : i駅での時隔パターンhの時の最小
時隔
ja(i、j) : 3列車の直前にi駅に到着する
列車jd(i、j) : 3列車の直前にi駅を出発
する列車jb(i、j) : 3列車の直前に3列車
の1駅別着番線を使用した列車
とすると、時隔による制約条件は、
a(i、j)≧a(i 、 ja(i、 m +H(i
、 ha(e(ja(i、 j))。ha (el, e2): Type e1 train followed by type e
Time interval pattern hd (el, e2) when 22 trains arrive: Type e1 train followed by type e
Time interval pattern hb (el, e2) when 22 trains depart: Type e1 train followed by type 0 train
Time interval pattern when 22 trains use the same number one line In this case, H (i, h): Minimum time interval at time interval pattern h at i station ja (i, j): i station immediately before 3 trains Train jd (i, j) that arrives at station i: Train jb (i, j) that departs from station i immediately before train 3: Assuming that the train uses the numbered track for each station of 3 trains immediately before train 3, then The constraint condition based on the distance is a(i, j)≧a(i, ja(i, m +H(i
, ha(e(ja(i, j)).
e(j)))
a(i、j)≧d(i、jb(i、m+H(i、hb(
e(jb(i、j))。e(j))) a(i,j)≧d(i,jb(i,m+H(i,hb(
e(jb(i,j)).
e(m)
d(i、j)≧d(i、jd(i 、 j))+H(i
、hd(e(jd(i、 j))。e(m) d(i, j)≧d(i, jd(i, j))+H(i
, hd(e(jd(i, j)).
e(j))) ・・・(2) と表わされる。e(j))) ...(2) It is expressed as
また実際の列車走行は駅間の閉そく区間による制約もう
けるが、ここでは駅単位のモデル化のため、これに代わ
るものとして、駅間許容列車数を定める。In addition, actual train running is constrained by the block sections between stations, but in order to model each station here, the allowable number of trains between stations is determined as an alternative.
K(i) : i−i+1駅間許容列車数jk(i、j
、k) : j列車のに木簡にi駅を出発した列車
とすると、駅間許容列車数による制約は、d(i、j)
≧a(i+1.jk(i、j、k(i))) −・−
(3)となる。K(i): Allowable number of trains between i-i+1 stations jk(i, j
, k) : If train j departs from station i on the wooden board, the constraint on the number of trains allowed between stations is d(i, j)
≧a(i+1.jk(i, j, k(i))) −・−
(3) becomes.
また、最小折返し時間も、駅構造、列車種別、編成両数
等により異なるため、次のようなパターンを考える。In addition, the minimum turnaround time also varies depending on the station structure, train type, number of cars in the train, etc., so consider the following pattern.
u(el、e2.口1.n2) : n 1両のe1種
別列車がn2両のe2種別列車につながる
時の折返しパターン
この時、
n(j>:j列車の編成両数
ju (j):j列車の前運用列車
U(i、j>:i駅でのパターンUの最小折返し時間
とすると、
d(i、j)≧a(i、ju(m+U(i、Ll(e(
jLI(j))、e(j)。u(el, e2.guchi1.n2): n Turnaround pattern when a 1-car e1 type train connects to an n2-car e2 type train At this time, n(j>:j Number of cars in the train formationju (j) :J train's previous operating train U(i, j>:If the minimum turnaround time of pattern U at i station is d(i, j)≧a(i,ju(m+U(i,Ll(e(
jLI(j)), e(j).
n(ju(j))、 n(j))) ・・・(4)
となる。n(ju(j)), n(j)))...(4)
becomes.
なお、出発順序、番線使用順序、列車運用は(2>、(
4)式で表わされており、列車運行の制約条件は、(1
)〜(4)式で表現される。この時、列車運行は(1)
〜(4)式より次式で求められる着発時刻により表現さ
れる。In addition, the departure order, number track use order, and train operation are (2>, (
4), and the constraint condition for train operation is (1
) to (4). At this time, train operation is (1)
It is expressed by the arrival/departure time determined by the following equation from equation (4).
く列車着発時刻〉
a(i、j)=max(A(i、j)、d(i−1,j
)+H(i−1,e(j))。train arrival/departure time> a(i, j)=max(A(i, j), d(i-1, j
)+H(i-1,e(j)).
a(r、 ja(i、 j))+H(i、 ha(e(
ja(i 、 j))、 e(j)))。a(r, ja(i, j))+H(i, ha(e(
ja(i, j)), e(j))).
d(i、jb(i、j))+H(i、hb(e(jb(
i、j))、e(j))))d(i、j)=max(D
(i、j)、a(i、j)+S(i、e(j))。d(i, jb(i, j))+H(i, hb(e(jb(
i, j)), e(j)))) d(i, j)=max(D
(i, j), a(i, j)+S(i, e(j)).
d(i、jd(i、j))+H(i、hd(e(jd(
i、j))、e(m)。d(i, jd(i, j))+H(i, hd(e(jd(
i, j)), e(m).
a(i+1.jk(i、j、k(i)))。a(i+1.jk(i,j,k(i))).
a(i、ju(j))+U(i、u(e(ju(j))
、e(j)、n(ju(j))。a(i,ju(j))+U(i,u(e(ju(j))
, e(j), n(ju(j)).
nu)))
・・・ (5)
但し、(5)式は一般的な表現であり、先行列車が存在
しない時、折返し駅でない時等はそれらに対応する項は
除外される。なお、ここで述べた定式化はあくまで1例
であり、より簡略化あるいは詳細化しても以下の内容は
成立する。nu))) ... (5) However, equation (5) is a general expression, and when there is no preceding train or when it is not a turning station, the corresponding terms are excluded. Note that the formulation described here is just one example, and the following content holds true even if it is simplified or detailed.
1.2 グラフ表現
上記、列車運行モデルにおいて、列車の駅別着、出発と
いう各イベントを点で表わし、制約条件により規定され
るイベント間の関係を枝で表現することにより、列車運
行を有向グラフで表現する。1.2 Graph Representation In the train operation model mentioned above, train operation can be expressed as a directed graph by representing each event such as train arrival and departure at a station as a point, and by representing the relationship between events specified by constraints as an edge. express.
グラフの点を、
va(i、j):j列車が1駅に到着するというイベン
ト
vd (i、j):j列車がi駅を出発するというイベ
ント
とすると、制約条件は次のように有向枝で表現すること
かできる。Let the points on the graph be the event that va (i, j): j train arrives at one station vd (i, j): event that j train departs from i station, then the constraint condition is as follows. It can be expressed as a branch.
(1)式の走行時間、停車時間に関する条件は、列車ダ
イヤで規定される列車の走行ルートを表ねす次の走行ル
ート枝で表現される。The conditions regarding the running time and stopping time in equation (1) are expressed by the following running route branch representing the train running route specified in the train diagram.
枝(vd(i、j)、va(i+1.j)) 、重みR
(i、e(j))枝(va(i、j)、vd(i、j)
) 、重みS(i、e(j))また、ダイヤ上の着発時
刻による制約は、ダミーの基準点VQを設定することに
より次の基準時刻枝
枝(vO,vd(i、m、重みD(i、j)枝(vO,
va(i、j))、重みA(i、j)で表わされる。Edge (vd(i,j), va(i+1.j)), weight R
(i, e(j)) branch (va(i, j), vd(i, j)
), weights S(i, e(j)) Furthermore, the constraints due to the arrival and departure times on the timetable can be solved by setting a dummy reference point VQ to set the next reference time branch (vO, vd(i, m, weights) D(i,j) branch (vO,
va(i, j)) and weight A(i, j).
ざらに(2)式の時隔による制約は出発(到着)順序枝
枝(vd(i、jd(i、m、vd(i、m、重みH(
i、hd(e(jd(i、j))、eN)))枝(va
(i、ja(i、j))、va(i、j))、重み旧i
、ha(e(ja(i、j))、e(j)))と番線使
用順序枝
枝(vd(i、jb(i、j))、va(i、j))、
重みH(i、hb(e(jb(i、j))、e(j))
)で表わされる。Roughly speaking, the time interval constraint in equation (2) is the departure (arrival) order branch (vd(i, jd(i, m, vd(i, m, weight H(
i, hd (e (jd (i, j)), eN))) branch (va
(i, ja (i, j)), va (i, j)), weight old i
, ha (e (ja (i, j)), e (j))) and the line usage order branches (vd (i, jb (i, j)), va (i, j)),
Weight H(i, hb(e(jb(i,j)), e(j))
).
また、(3)式の駅間許容列車数による制約は次の駅間
列車数校
枝(va(i+1. jk(i 、 j、 k(1))
)、vd(i、 j))、重みOで表わされ、(4)式
の折返し時間に関する制約は、次の列車運用枝
枝(va(i、ju(m、vd(i、m。In addition, the constraint based on the allowable number of trains between stations in equation (3) is expressed as the following number of trains between stations (va(i+1.jk(i, j, k(1))
), vd(i, j)), weight O, and the constraint on the turnaround time in equation (4) is expressed by the following train operation branch (va(i, ju(m, vd(i, m)).
重みtl(i、u(e(ju(m、e(j)、n(ju
l))、n(m)で表わされる。Weight tl(i, u(e(ju(m, e(j), n(ju
l)), n(m).
このようにして、第2図に示すようなグラフが作成され
る。これは一般的な形であり、折返し駅では車両運用枝
が付加される等、状況に応じて接続関係は若干具なる。In this way, a graph as shown in FIG. 2 is created. This is a general form, and the connection relationship changes slightly depending on the situation, such as adding a vehicle operation branch at turnaround stations.
2、最長経路方式
シミュレーションは各列車の各駅での着発時刻を求める
ことであり、これは、グラフの点で表わされるイベント
の発生する時刻(イベント時刻)として与えられる。各
列車が極力、計画ダイヤへの復帰を図るという列車走行
の考え方は、PERTにおける最早開始時刻に対応して
おり、前記第(5)式で与えられる各点のイベント時刻
は、基準点から各点までの最長経路長として求められる
。このようなシミュレーション方式を最長経路方式と呼
ぶことにする。2. The longest route simulation involves determining the arrival and departure times of each train at each station, and this is given as the time at which an event occurs (event time) represented by a point on the graph. The idea of train running that each train tries to return to the planned timetable as much as possible corresponds to the earliest start time in PERT, and the event time at each point given by equation (5) above is calculated from the reference point to each point. It is determined as the longest path length to the point. This kind of simulation method will be referred to as the longest path method.
最長経路を求める際にはまずグラフのトポロジカルソー
にが行なわれる。グラフにサイクルが存在する場合は、
トポロジカルソートの際に検出され、サイクルを構成す
る枝により、デッドロックの原因であるダイヤ上の矛盾
箇所も検出される。When finding the longest path, a topological saw of the graph is first performed. If there are cycles in the graph,
Inconsistent points on the diagram that are the cause of deadlocks are also detected by the branches that are detected during topological sorting and make up the cycle.
この時一旦処理を中止し、まず矛盾箇所を修正し、その
結果アサイクリックグラフとなり、トポロジカルソート
が終了したならば、次に各点の最長経路長を求める。こ
れはトポロジカルオーダーを用いることにより容易に求
められる。At this time, the process is temporarily stopped and the inconsistent parts are corrected. As a result, an acyclic graph is obtained. Once the topological sorting is completed, the longest path length of each point is then determined. This can be easily determined using topological order.
最長経路を求める計算量は、トポロジカルソートも含メ
チ、0(lVl+1EI)rある(V:点の集合、E:
枝の集合)。最長経路方式の基本的処理部分は、第3図
に示すようなループとなる。The amount of calculation required to find the longest path, including topological sorting, is 0(lVl+1EI)r (V: set of points, E:
collection of branches). The basic processing part of the longest path method is a loop as shown in FIG.
3、パラメトリック方式
運転整理では、一度に全体的な最良案を作成することは
難しく、対話形式でシミュレーションを繰返しながら徐
々に改善されていく。特に、きめ細かい運転整理を行う
ためには、細かい修正に対するシミュレーションが頻繁
に繰返されることが望ましい。このような部分的修正に
対するシミュレーションでは、全体の処理をやり直すよ
りは、前回の結果を基にして、変更される部分のみを求
めた方が効率的である場合が多い。そこで、グラフの一
部分が修正された場合に、その影響波及探索により、最
長経路長の値が変化する部分のみを求めるアルゴリズム
、ならびにそれを用いてシミュレーションを行うパラメ
トリック方式を用いる。3. With parametric traffic rescheduling, it is difficult to create the best overall plan at once, and improvements are made gradually through repeated interactive simulations. In particular, in order to perform detailed traffic rescheduling, it is desirable that simulations for detailed corrections be repeated frequently. In simulations for such partial corrections, it is often more efficient to calculate only the parts to be changed based on the previous results, rather than redoing the entire process. Therefore, when a part of the graph is modified, an algorithm is used to find only the part where the value of the longest path length changes through an influence ripple search, and a parametric method is used to perform a simulation using this algorithm.
グラフの修正には次の3種類がある。There are three types of graph corrections:
(I>枝の重み修正 (II)枝の付加・除去(I[
I)点(および枝)の付加・除去列車遅延、臨時速度制
限等の乱れ情報は(I>項に、ダイヤ変更のうち、順序
変更、運用変更、番線変更等は(II>項、運休、増発
等は(In>項に対応している。(I>Edge weight correction (II) Addition/removal of edges (I[
I) Addition/removal of points (and branches) Disturbance information such as train delays, temporary speed restrictions, etc. is in (I> section).Among timetable changes, order changes, operation changes, track changes, etc. are in (II> section, suspensions, Increased number of shots, etc. corresponds to the (In> term).
さて、E:重み修正枝の集合、E(E):付加(除去)
枝の集合、V(V):付加(除去)点の集合とし、元の
グラフをG= (V、E)、修正グラフをG′= (V
”、E”)とする。Now, E: set of weight modification edges, E(E): addition (removal)
Set of edges, V (V): Set of addition (removal) points, the original graph is G = (V, E), the modified graph is G' = (V
", E").
まず、最長経路方式と同様に、乱れ情報、ダイヤ変更等
の変更入力に対しグラフを修正する。処理の流れは、最
長経路方式とほぼ同様であるが、トポロジカルオーダー
、最長経路長の値を、変更される部分に関してのみ修正
するという点が異なっている。第4図にパラメトリック
方式の基本的な処理の流れを示す。First, similar to the longest route method, the graph is corrected in response to change inputs such as disturbance information and timetable changes. The processing flow is almost the same as the longest path method, but the difference is that the topological order and longest path length values are modified only for the portion that is changed. FIG. 4 shows the basic processing flow of the parametric method.
P’(V)(L’(V)) :修正グラフG−における
点Vの先行(後続)隣接点
とした時、修正グラフG−において、
nun(v) >max[num(u)]Uεp’(v
) ・・・ (6)が成立している点Vをトポロ
ジカルオーダーに関する整合点、成立しない点を矛盾点
と呼び、Length(v) =max[Length
(u)+(uv)]Uεp’ (v) ・・・(
7)が成立している点■を最長経路長に関する整合点、
成立しない点を矛盾点と呼ぶことにする。グラフを修正
する際に修正部分に関して矛盾点を検出し、それを初期
矛盾点として設定しておく。ここで、5o(ro) :
最長経路長(トポロジカルオーダー)の初期矛盾点の集
合
とする。初期矛盾点の設定に要する計算量は、グラフの
修正部分も含めて(IEI)+lE l+IE−1+
lV l+lV’−1>である。P'(V) (L'(V)): When the preceding (successful) adjacent point of point V in the modified graph G- is taken, in the modified graph G-, nun(v) > max[num(u)]Uεp '(v
) ... The point V where (6) holds is called a consistent point regarding topological order, and the point where it does not hold is called a contradictory point, Length (v) = max [Length
(u)+(uv)]Uεp' (v)...(
The point ■ where 7) holds is the consistency point regarding the longest path length,
Points that do not hold are called contradictory points. When correcting a graph, a contradiction is detected in the corrected part and set as an initial contradiction. Here, 5o (ro):
Let it be a set of initial contradiction points of the longest path length (topological order). The amount of calculation required to set the initial contradictory points, including the correction part of the graph, is (IEI) + lE l + IE-1 +
lV l+lV'-1>.
次に初期修正の影響波及を探索し、修正グラフの最長経
路長、トポロジカルオーダーを修正する。Next, we search for the influence of the initial modification and modify the longest path length and topological order of the modified graph.
以下にトポロジカルオーダーの修正アルゴリズムを示す
。The topological order correction algorithm is shown below.
くトポロジカルオーダーの修正アルゴリズム〉5TEP
1 、 i +−min[num(v)l−1;
VεTO;
T ←丁O;
(u、v)εE + 、 vε刊である点■に対してF
(v)←(V)とする。Modification algorithm for topological order〉5TEP
1, i +-min[num(v)l-1;
VεTO; T ← ding O; (u, v) εE + , F for a point ■ in vε publication
(v)←(V).
5TEP2.T=φならば終了。5TEP2. If T=φ, end.
5TEP3. i 4− i + 1゜5TEP4.
num(u)= iである矛盾点u(uεT)があれ
ば、num(u)←max[num(z)]+1 ;
25P = (u)
T+−T−(u)
として、点Uを整合点にする。そうで
なければ、8TEP2へ戻る。5TEP3. i 4- i + 1゜5TEP4.
If there is a contradiction u(uεT) where num(u) = i, num(u)←max[num(z)]+1;
25P = (u) T+-T-(u), and set point U as a matching point. Otherwise, return to 8TEP2.
5TEP5.点Uの後続隣接点w (wεL ′(u)
)に対して、WεF(U)であれば、枝(u。5TEP5. Subsequent adjacent point w of point U (wεL ′(u)
), if WεF(U), then the edge (u.
W)を含むサイクルが存在し、終了す る。そうでなければ、 F(w) ←F(w)UF(u) とする。W) exists and ends Ru. Otherwise, F(w) ←F(w) UF(u) shall be.
5TEP6.5TEP4の結果、これまで整合点であっ
た点Uの後続qi点w(wεL’(U)、W εT)に
おいて、
num(w)≦num(u)
となれば、
T+−T+ (W)
として点Wを矛盾点とする。この後、
5TEP4へ戻る。As a result of 5TEP6.5TEP4, if num(w)≦num(u) at the qi point w (wεL'(U), WεT) subsequent to point U, which was the matching point, then T+-T+ (W ), let point W be a contradictory point. After this, return to 5TEP4.
ここで、T:トポロジカルオーダーの矛盾点の集合
F(V) :点Vの先祖(点V自身も含むものとする
)のうち、付加枝の
終点かつ初期矛盾点である点の
集合を表わしている。Here, T: a set of contradictory points of topological order F(V): represents a set of points that are the end points of additional branches and initial contradictory points among the ancestors of point V (including point V itself).
トポロジカルオーダーの修正の結果、修正グラフG−に
サイクルが存在しなければ、次に最長経路長の修正を行
う。なお、アイクルが存在する場合は、最長経路方式と
同様に、デッドロック情報を提示し、修正入力を行う。If no cycle exists in the modified graph G- as a result of the topological order modification, then the longest path length is modified. Note that if an idle exists, deadlock information is presented and correction input is performed, similar to the longest path method.
以下に最長経路長の修正アルゴリズムを示す。The algorithm for correcting the longest path length is shown below.
く最長経路長の修正アルゴリズム〉
5TEP1. 14−m1n[num(v)]−1;E
SO
34−3O:
5TEP2. S=φならば終了。Correction algorithm for the longest path length> 5TEP1. 14-m1n[num(v)]-1;E
SO 34-3O: 5TEP2. If S=φ, end.
5TEP3.i 4− i + 1
STEP4.num(u)= iである矛盾点u(uε
s)が必れば、
Length(u) ←max[Lenath(z)+
(zu)] :2εP−(u)
S+−3−(u)
として、点Uを整合点にする。そうで
なければ、5TEP2へ戻る。5TEP3. i 4- i + 1 STEP 4. The contradiction point u(uε
If s) is necessary, Length(u) ←max[Lenath(z)+
(zu)] :2εP-(u) S+-3-(u), and the point U is set as a matching point. Otherwise, return to 5TEP2.
5TEP5.5TEP4の結果、これまで整合点であっ
た点Uの後続隣接点w(wεL’ (Ll)、WS3)
において、
Length(w)≠max[Lenc+th(z)+
(zw) ]Zεp’(w)
となれば、
S+S+ (W)
として点Wを矛盾点とする。この後、
ここで、S:最長経路長の矛盾点の集合を表わしている
。As a result of 5TEP5.5TEP4, the subsequent adjacent point w(wεL' (Ll), WS3) of point U, which was a matching point so far
In, Length(w)≠max[Lenc+th(z)+
(zw) ]Zεp'(w), then S+S+ (W) and point W is a contradictory point. After this, here, S represents a set of contradictions of the longest path length.
なお、トポロジカルオーダーおよび最長経路長とも、修
正に要する計算量は、修正過程において生じた矛盾点の
集合をUとすると0(IUI>である。Note that for both the topological order and the longest path length, the amount of calculation required for correction is 0 (IUI>), where U is the set of contradictions that occur in the correction process.
4、最長経路方式とパラメトリック方式の効率的使用法
について、
グラフ全体に対し最長経路を求める最長経路方式と、グ
ラフの修正影響の波及部分のみを求めるパラメトリック
方式とでは、状況に応じていずれが効率的であるかが常
に異なる。すなわち、最長経路方式では、修正の如何に
よらず計算時間はほぼ一定であるのに対し、パラメトリ
ック方式では修正影響が少ない程計算時間が少なくて済
む。このような両者の特性を考慮して使い分けることが
重要である。以下にその例を示す。4. Regarding the efficient use of the longest path method and the parametric method, which one is more efficient depending on the situation is the longest path method, which calculates the longest path for the entire graph, or the parametric method, which calculates only the ripple effect of the modification of the graph. The difference is always in what is true. That is, in the longest path method, the calculation time is almost constant regardless of the modification, whereas in the parametric method, the less the influence of modification, the less the calculation time. It is important to consider these characteristics of both and use them properly. An example is shown below.
実際の線区データを用いて、数値実験により両者の計算
効率を比較検討した。第5図にグラフ作成(修正)後の
各方式のシミュレーションに要する計算時間を示す(参
考までに従来方式を改良した因果グラフ方式も示す)。We compared and examined the computational efficiency of both methods through numerical experiments using actual line section data. Figure 5 shows the calculation time required for simulation of each method after graph creation (correction) (for reference, the causal graph method, which is an improved version of the conventional method, is also shown).
これは初期遅延に対する運行予測を行った場合である。This is the case when the initial delay is predicted.
第5図から明らかなように、因果グラフ方式、最長経路
方式の計算時間は対象規模に応じて一定であり、従来方
式を改良した因果グラフ方式に対し、最長経路方式では
さらに効率化され、約175の計算時間で済んでいる。As is clear from Fig. 5, the calculation time of the causal graph method and the longest path method is constant depending on the target scale. The calculation time is 175.
一方、パラメトリック方式では変更影響の大きさにより
計算時間が異なる。第5図の例では、初期遅延20分位
までは、パラメトリック方式の計算時間は対象規模に影
響されていない。これは乱れの影響が3時間の範囲内に
収束しているからである。しかし、ざらに乱れが大きく
なると、対象規模により波及範囲が異なってくる。第5
図の例では、対象規模3時間の場合で、初期遅延12.
5分、5時間の場合で初期遅延17.5分までは、パラ
メトリック方式の方が効率的であり、以降は最長経路方
式の方が良いことが分る。これはパラメトリック方式の
方が1点の処理に要する計算量が多いためである。また
、パラメトリック方式でもある程度乱れが大きくなると
、計算時間は一定に収束し、この時の両方式の計算時間
の比が、はぼ1点当りの計算量の比に相当している。On the other hand, in the parametric method, the calculation time varies depending on the magnitude of the change effect. In the example of FIG. 5, the calculation time of the parametric method is not affected by the target scale until the initial delay of about 20 minutes. This is because the influence of the disturbance converges within a 3 hour period. However, as the disturbance becomes larger, the scope of the impact will differ depending on the scale of the problem. Fifth
In the example shown in the figure, the target scale is 3 hours, and the initial delay is 12.
It can be seen that in the case of 5 minutes and 5 hours, the parametric method is more efficient up to an initial delay of 17.5 minutes, and thereafter the longest path method is better. This is because the parametric method requires a larger amount of calculation to process one point. Further, even in the parametric method, when the disturbance becomes large to a certain extent, the calculation time converges to a constant value, and the ratio of the calculation times of both methods at this time corresponds to the ratio of the amount of calculation per point.
第5図で示したように、パラメトリック方式の計算時間
は変更影響の大きざにより変動し、最長経路方式との一
般的な比較は難しい。ここでは運転整理における実用的
観点から両方式の計算効率を比較する。As shown in FIG. 5, the computation time of the parametric method varies depending on the magnitude of the change, making it difficult to make a general comparison with the longest path method. Here, we compare the computational efficiency of both methods from a practical perspective in traffic rescheduling.
第6図に一連の運転整理における両方式の計算時間を示
す。これはダイヤ変更の内容として、順序変更と運用変
更を行った場合のものである。Figure 6 shows the calculation time for both methods in a series of timetable rescheduling. This is a case where the schedule change includes a change in order and a change in operation.
最長経路方式では、初期遅延、ダイヤ変更の種類によら
ず、対象範囲の大きさにより計算時間は一定(初期遅延
に対してはトポロジカルオーダーの計算が不要なので計
算時間が約半分で済む)であるが、パラメトリック方式
では初期遅延の大きざ、ダイヤ変更の種類により計算時
間が大きく変動する。In the longest path method, the calculation time is constant depending on the size of the target range, regardless of the initial delay or the type of timetable change (for initial delays, calculation time is reduced by about half because topological order calculation is not required). However, in the parametric method, the calculation time varies greatly depending on the size of the initial delay and the type of timetable change.
初期遅延10分の場合は7個のダイヤ変更を行つたが、
対象範囲3時間と5時間で計算時間は一致している。こ
れは変更の影響が3時間の範囲内に収束しているためで
ある。これに対し初期遅延20分の場合には計算時間が
増加し、対象範囲により相違も見られる。しかし、いず
れにしてもパラメトリック方式の方が最長経路方式より
も計算時間が少なく、また、いくつかのダイヤ変更をま
とめて行う場合には、計算時間が若干増加し、最長経路
方式とのトータルとしての計算時間の差もあまり大きく
ない。しかし、実際には少しづつ試行錯誤的にダイヤ変
更を行う場合が多く、そのような場合には大きな時間節
約となり、実用上パラメトリック方式の有効性は高い。When the initial delay was 10 minutes, seven schedule changes were made,
The calculation times are the same for the target ranges of 3 hours and 5 hours. This is because the effects of the changes converge within a three-hour period. On the other hand, when the initial delay is 20 minutes, the calculation time increases, and differences can be seen depending on the target range. However, in any case, the parametric method takes less calculation time than the longest route method, and when several timetable changes are made at once, the calculation time increases slightly. The difference in calculation time is also not very large. However, in reality, it is often the case that schedule changes are made little by little by trial and error, and in such cases, the parametric method is highly effective in practice, as it saves a lot of time.
以上のような両方式の特性を経験的に理解しておくこと
により、状況に応じて効率的な方を選択して使用するこ
とができる。By understanding the above-mentioned characteristics of both methods empirically, it is possible to select and use the more efficient method depending on the situation.
なお、上記実施例ではマンマシンで対話形式で使用する
場合について述べたが、エキスパートシステム等の計算
機プログラムの一部として組込んで使用してもよい。ま
たシステムのモデル化において、番線単位で行ったが、
より粗く駅単位あるいはより細かく閉そく単位で行って
もよい。In the above embodiment, the case where the system is used in a man-machine interactive manner is described, but it may also be used by being incorporated as part of a computer program such as an expert system. In addition, when modeling the system, it was done on a line-by-wire basis, but
This may be done more roughly on a station-by-station basis or more finely on a block-by-block basis.
また上記実施例では列車運行システムについて説明した
が、FA等の生産システムにおけるスケジューリング、
計算機システムにおけるスケジューリング等に用いても
よい。また上記モデルにおける移動体、設備という言葉
にとられれる必要はなく、いろいろなアナロジ−が可能
であり、システム状態を規定する条件をすべて、予めグ
ラフ表現しておくことが可能なシステム全般に対して適
用可能である。In addition, although the train operation system was explained in the above embodiment, scheduling in a production system such as FA, etc.
It may also be used for scheduling in a computer system. In addition, it is not necessary to refer to the terms moving objects and equipment in the above model, but it is applicable to all systems in which various analogies are possible and all the conditions that define the system state can be expressed graphically in advance. applicable.
[発明の効果]
以上のように、この発明はシステムに関する情報をすべ
てグラフを用いてモデル化する第1の手段と、この第1
の手段によってモデル化されたグラフの1点から各点ま
での長径路を求めてシミュレーションを実行する第2の
手段と、システム条件の部分的変更に対してシミュレー
ションを繰返す場合にグラフの各点のトポロジカルオー
ダーを用いて変更影響の波及する部分のみを効率的に求
めて最長経路を更新することによりシミュレ−ションを
実行する第3の手段と、第2の手段または第3の手段に
よるシミュレーションを選択する第4の手段とを設け、
対象システムをグラフ表現し、シミュレーションをグラ
フにおける最長経路探索として行うようにしたため、計
算効率が向上し、またグラフ表現可能な対象に広く適用
可能な汎用性が得られる。さらにシステムの部分的変更
に対しては、変更影響の波及箇所のみ処理する方法を選
択可能であるため、計算効率の一層の向上を図ることが
できるという効果がある。[Effects of the Invention] As described above, the present invention provides a first means of modeling all information regarding a system using a graph, and
A second means for performing a simulation by finding a long path from one point to each point on the graph modeled by means of Select the third method of performing simulation by updating the longest path by efficiently determining only the part affected by the change using topological order, and the simulation using the second or third method. and a fourth means to
Since the target system is expressed as a graph and the simulation is performed as a search for the longest path in the graph, computational efficiency is improved and the system is versatile enough to be widely applicable to objects that can be expressed in graphs. Furthermore, for partial changes in the system, it is possible to select a method that processes only the areas where the influence of the change has an effect, which has the effect of further improving calculation efficiency.
第1図はこの発明の一実施例による列車運行シミュレー
ションの処理概略図、第2図はグラフ表現の説明図、第
3図および第4図は本発明による処理フローチャート図
、第5図および第6図は本発明の計算効率の説明図、第
7図は従来のイベントシミュレーション方式のフローチ
ャートである。
代理人 弁理士 大音増雄(外2名)第1図
愉2図
臂イベシト 1イベント
O:蔓2P熱、s:lイダント、 0:発イベントe1
:蟇子叫刻枝、e2:走行ルート技e3:出突に夛J珊
0順序掖、 e4:僑滌残囲噴序夜e5:J!XJ列車
数技
第3図
第4図
第5図
2.9計s、5Ax−+ 1/7&) ””
””ノ第6図FIG. 1 is a processing schematic diagram of a train operation simulation according to an embodiment of the present invention, FIG. 2 is an explanatory diagram of a graph representation, FIGS. 3 and 4 are processing flowcharts according to the present invention, and FIGS. 5 and 6 The figure is an explanatory diagram of the calculation efficiency of the present invention, and FIG. 7 is a flowchart of the conventional event simulation method. Agent: Patent attorney: Masuo Ono (2 others) Figure 1: Pleasure 2: Arm event 1 Event O: Vines 2P fever, s: l idant, 0: Event e1
: Toshikoi Tokie, e2: Running route technique e3: Debutting Jsan 0 order, e4: Yukou remaining encirclement injection night e5: J! XJ Train Mathematics Figure 3 Figure 4 Figure 5 2.9 total s, 5Ax-+ 1/7&) ””
Figure 6 of “”
Claims (1)
1の手段と、この第1手段によつてモデル化されたグラ
フの1点から各点までの長経路を求めてシミュレーショ
ンを実行する第2の手段と、システム条件の部分的変更
に対する繰返しシミュレーションにおいてグラフの各点
のトポロジカルオーダーを用いて変更影響の波及する部
分のみを求めて最長経路を更新することによりシミュレ
ーションを実行する第3の手段と、前記第2の手段また
は第3の手段によるシミュレーションを選択する第4の
手段とを備えたイベントシミュレーション方式。A first means for modeling information about the system using a graph, and a second means for performing a simulation by finding a long path from one point to each point on the graph modeled by the first means. and a third means for executing the simulation by updating the longest path by determining only the part where the influence of the change spreads by using the topological order of each point of the graph in repeated simulation for a partial change in the system conditions; and a fourth means for selecting simulation by the second means or the third means.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP60079511A JPS61237162A (en) | 1985-04-15 | 1985-04-15 | Event simulating system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP60079511A JPS61237162A (en) | 1985-04-15 | 1985-04-15 | Event simulating system |
Publications (1)
Publication Number | Publication Date |
---|---|
JPS61237162A true JPS61237162A (en) | 1986-10-22 |
Family
ID=13691982
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP60079511A Pending JPS61237162A (en) | 1985-04-15 | 1985-04-15 | Event simulating system |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPS61237162A (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63300353A (en) * | 1987-05-30 | 1988-12-07 | Fuji Electric Co Ltd | Simulating method for event driving type system |
JPH01155462A (en) * | 1987-10-28 | 1989-06-19 | American Teleph & Telegr Co <Att> | Method and system for simulation |
JPH01270164A (en) * | 1988-04-22 | 1989-10-27 | Hitachi Ltd | Simulation system |
JP2010044089A (en) * | 2000-02-14 | 2010-02-25 | Fujitsu Ltd | Guide structure information modifying device and method thereof |
-
1985
- 1985-04-15 JP JP60079511A patent/JPS61237162A/en active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63300353A (en) * | 1987-05-30 | 1988-12-07 | Fuji Electric Co Ltd | Simulating method for event driving type system |
JPH01155462A (en) * | 1987-10-28 | 1989-06-19 | American Teleph & Telegr Co <Att> | Method and system for simulation |
JPH01270164A (en) * | 1988-04-22 | 1989-10-27 | Hitachi Ltd | Simulation system |
US4967386A (en) * | 1988-04-22 | 1990-10-30 | Hitachi, Ltd. | Simulation method for modifiable simulation model |
JP2010044089A (en) * | 2000-02-14 | 2010-02-25 | Fujitsu Ltd | Guide structure information modifying device and method thereof |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kraay et al. | Optimal pacing of trains in freight railroads: model formulation and solution | |
CN110197027B (en) | Automatic driving test method and device, intelligent equipment and server | |
WO2016147212A1 (en) | Train operation diagram correction device and train operation diagram correction program | |
CN109697512B (en) | Personal data analysis method based on Bayesian network and computer storage medium | |
CN114139637B (en) | Multi-agent information fusion method and device, electronic equipment and readable storage medium | |
Soloway et al. | Neural generalized predictive control: a Newton-Raphson implementation | |
CN113255088B (en) | Data completion method and system for bayonet vehicle-passing record | |
Cellier et al. | SAPS-II: a new implementation of the systems approach problem solver | |
Lv et al. | The search-based mutation testing of the chinese train control system level 3 on board a train control system | |
CN114611663A (en) | Customized pedestrian trajectory prediction method based on online updating strategy | |
CN113312874A (en) | Overall wiring method based on improved deep reinforcement learning | |
Li et al. | Integrating preventive maintenance planning and production scheduling under reentrant job shop | |
JPS61237162A (en) | Event simulating system | |
Teodorović et al. | Dynamic programming—neural network real-time traffic adaptive signal control algorithm | |
US4965758A (en) | Aiding the design of an operation having timing interactions by operating a computer system | |
CN112906253B (en) | Railway signal dynamic simulation detection method and system | |
Queiroz et al. | A driver-vehicle model for ADS scenario-based testing | |
JPS61138343A (en) | Event simulation system | |
Fukumori | Fundamental scheme for train scheduling | |
Fu et al. | Dynamic OD travel time estimation using an artificial neural network | |
Jia et al. | Joint Optimization of Time-of-Day Intervals and Robust Signal Timing for Isolated Intersection | |
Timur et al. | A3C and A2C performance comparison in intelligent traffic signal controller using Indonesian traffic rules simulation | |
KR102224066B1 (en) | Analysis method for controller using artificial intelligence-based reverse engineering | |
Bu et al. | Long-term performance of bridge elements using integrated deterioration method incorporating Elman neural network | |
Groppen | Experimental verification of efficiency of some composite algorithms |