Forming of the regional core transport network taking into account the allocation of alternative energy sources based on artificial intelligence methods

• Autorzy: Zhuravskaya M. , Tarasyan V.

Warianty tytułu

RU

Формирование опорной транспортной сети региона с учетом размещения альтернативных источников энергии на основе методов искусственного интеллекта

• Języki publikacji: EN

Abstrakty

EN

In the modern world the alternative energy sources, which considerably depend on a region, play more and more significant role. However, the transition of regions to new energy sources lead to the change of transport and logistic network configuration. The formation of optimal core transport network today is a guarantee of the successful economic development of a region tomorrow. The present article studies the issue of advanced core transport network development in a region based on the experience of European and Asian countries and the opportunity to adapt the best foreign experience to Russian conditions. On the basis of artificial intelligence methods for forest industry complex of Sverdlovskaya Oblast the algorithm of problem solution of an optimal logistic infrastructure allocation is offered and some results of a regional transport network are presented. These methods allowed to solve the set task in the conditions of information uncertainty. There are suggestions on the improvement of transport and logistic network in the territory of Sverdlovskaya Oblast. Traditionally the logistics of mineral fuel plays main role in regions development. Actually it is required to develop logistic strategic plans to be able to provide different possibilities of power-supply, flexible enough to change with the population density, transport infrastructure and demographics of different regions. The problem of logistic centers allocation was studied by many authors. The approach, offered by the authors of this paper is to solve the set of tasks by applying artificial intelligence methods, such as fuzzy set theory and genetic algorithms.

RU

В современном мире альтернативные источники энергии, которые в значительной степени зависят от региона, играют все более значимую роль. Однако переход регионов к новым источникам энергии приведет к изменению транспортно- логистического конфигурации сети. Формирование оптимальной опорной транспортной сети сегодня является залогом успешного экономического развития региона завтра. Настоящая статья изучает вопрос опережающего развития опорной транспортной сети региона на основе опыта стран Европы и Азии, а также возможность адаптировать лучший зарубежный опыт к российским условиям. На основе методов искусственного интеллекта для лесопромышленного комплекса Свердловской области предлагается алгоритм решения задачи оптимального логистического распределения инфраструктуры и представлены некоторые результаты моделирования региональной транспортной сети. Эти методы позволили решить поставленную задачу в условиях информационной неопределенности. Дать предложения по совершенствованию транспортной и логистической сети на территории Свердловской области. Зависимость логистики от минерального топлива, является устойчивой тенденцией развития регионов, однако при составлении стратегических планов необходимо на ряду, с плотностью населения, особенностями транспортной инфраструктуры и прогнозом демографических изменений, также предусмотреть альтернативные возможности смены источников энергоресурсов. К проблеме размещения логистических центров обращались многие авторы. Особенностью подхода, предлагаемого авторами этой статьи является применение методов искусственного интеллекта, в частности, теории нечетких множеств и генетических алгоритмов.

Słowa kluczowe

EN

core transport network; logistic system; logistic center allocation; renewable energy; fuzzy set theory; genetic algorithm

PL

rdzeń sieci transportowej; system logistyczny; energia odnawialna; teoria zbiorów rozmytych; algorytm genetyczny

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Transport Problems
• Rocznik: 2014
• Tom: T. 9, z. 4
• Strony: 121--130
• Opis fizyczny: Bibliogr. 21 poz.

Twórcy

autor

Zhuravskaya M.

• Ural State University of Railway Transport 620034, Kolmogorova str., 66, Ekaterinburg, Russia

autor

Tarasyan V.

• Ural State University of Railway Transport 620034, Kolmogorova str., 66, Ekaterinburg, Russia

Bibliografia

• 1. IEA. Energy statistics. 22 May 2012. Available from: http://www.iea.org/stats/index.asp.
• 2. ГОСТ Р 52808-2007. Нетрадиционные технологии. Энергетика биоотходов. Термины и определения. [In Russian: Alternative methods. Energy of biowastes. Terms and definitions]. Available at: http://gost.ruscable.ru/cgi-bin/catalog/catalog.cgi?i=47605&l=.
• 3. Fichtner, W. & Frank, M. & Rentz, O. Inter-Firm Energy Supply Concepts: An Option for Cleaner Energy Production. Journal of Cleaner Production. 2004. Vol. 12. Nos. 8/9/10. 2004. P. 891-899. Available at: http://www.iip.kit.edu/english/86_94.php.
• 4. Энергия биомассы: использование местных видов топлива в Республике Беларусь и за рубежом – Устойчивое развитие на местном уровне. Минск: Общественное объединение «Экопроект». 2005. [In Russian: Energy of biomass: use of local kinds of fuel in Belorussia and abroad - Sustainable development on the local level. Minsk: Public unity «Ecoproject». 2005]. Available at: http://www.ecoproject.by.
• 5. Zhuravskaya, M. & Tarasyan, V. Application of artificial intelligence to solve the problem of regional logistic network allocation under conditions of transition to alternative energy sources. Conference proceedings “Transport Problems”. Silesian University of Technology. Faculty of Transport. 2013. P. 467-474.
• 6. Kang, J. & Seo, K. & Hong, H. A plan to produce global-minded railroad experts to lead the future railroad. The 4th International Symposium for Railroud Universities in Europe and Asia: Papers Collection. Nanjing, China. 2011. P. 3-23.
• 7. Журавская, М.А. IV Международный симпозиум Ассоциации железнодорожных университетов и организаций Европы и Азии „Инновационный транспорт”. 2011. No. 1. С. 43- 47. [In Russian: IV International Symposium of the Association of railway universities and organizations in Europe and Asia “Innotrans”. 2011. No. 1. P.43-47]. Available at: http://www.usurt.ru.
• 8. Transport and Regional Development. Goodbody Economic Consultants. Dublin. Available at: http://www.goodbody.ie.
• 9. Rodrigue, J. & Comtois, C. & Slack, B. The Geography of Transport Systems. USA: Routledge, Taylor & Francis Group. 2013.
• 10. No borders for European transport. Innotrans 2014 Report. 18th Annual Set. No. 1. February 2014. Available at: http://www.innotrans.com.
• 11. Инвестиционный портал Свердловской области. [In Russian: Investment portal of Sverdlovsk region]. Available at: http://invest.midural.ru.
• 12. Кайгородцев, A.A. & Рахмангулов, A.Н. Система методов выбора места размещения логистического распределительного центра. Современные проблемы транспортного комплекса России. 2012. T. 2. С. 23-37. [In Russian: The system of selection methods of logistics distribution center location. Modern problems of the Russian transport complex. 2012. T.2. P. 23-37].
• 13. Kayikci, Y. A conceptual model for intermodal freight logistics center location decisions. Procedia Social and Behavioral Sciences. 2010. Vol. 2. Issue 3. P. 6297-6311.
• 14. Gundogar, E. & Erkayman, B. A fuzzy TOPSIS approach for logistics center location selection. Journal of Business Case Studies. 2012. Vol. 7. No. 3. P. 49-55.
• 15. Петров, M.Б. & Тарасян, В.С. & Журавская, М.А. Моделирование оптимальной сети железных дорог с учетом развития транспортно-логистической системы региона. Экономика региона. 2013. No. 4. С. 181-189. [In Russian: Modeling of the optimal railway network taking into account the development of regional transport and logistic network. The economy of the region. 2013. No. 4. P. 181-189.] Available at: http://www.uiec.ru/zhurnal_yekonomika_regiona/.
• 16. Журавская, М.А. & Тарасян В.С. Обоснование оптимальной конфигурации региональной транспортной сети с учетом логистической инфраструктуры. Транспорт: наука, техника, управление. 2014. No. 2. С. 22-27. [In Russian: Justification of the optimal configuration of regional transport network taking into account logistic infrastructure. Transport: science, technology, management. 2014. No. 2. Р. 22-27].
• 17. Тарасян, В.С. & Тен, Д.О. Оптимизация транспортной инфраструктуры при помощи генетических алгоритмов. Инновационный транспорт. 2013. No. 3. C. 29-32. [In Russian: Optimization of transport infrastructure using genetic algorithms. Innotrans. 2013. No. 3. P. 29-32].
• 18. Stopka, O. & Kampf, R. & Kolář, J. & Kubasáková, I. Identification of appropriate methods for allocation tasks of logistics objects in a certain area. Naše more (Our see). 2014. Vol. 61. Nos. 1-2. P. 1-6.
• 19. Bezdek, J.C. Pattern Recognition with Fuzzy Objective Function Algorithms. Berlin: Springer. 1981.
• 20. Goldberg, D.E. Genetic Algorithms in Search, Optimization, and Machine Learning. USA: Addison-Wesley Professional. 1981.
• 21. Malmsheimer, R.W. & Bowyer, J.L. & Fried, J.S. & Gee, E. & Izlar, R.L. & Miner, R.A. &Munn I.A. & Oneil, E. & Stewart, W.C. Managing forests because carbon matters: integrating energy, products, and land management policy. Journal of Forestry. 2011. V. 109. No. 7. SUPPL. P. S7-S51.