Możliwości zastosowania obliczeń kwantowych w modelowaniu systemów i procesów transportowych

• Autorzy: Krawiec Krzysztof , Koniorczyk Mátyás , Domino Krzysztof

Warianty tytułu

EN

Application possibilities of quantum computing in modelling transport systems and processes

• Języki publikacji: PL

Abstrakty

PL

W dzisiejszym świecie konieczność podjęcia właściwych decyzji w możliwie jak najkrótszym czasie wydaje się być ważniejsza niż kiedykolwiek. Dotyczy to wielu procesów transportowych w różnych systemach transportowych. Jednocześnie, w środowisku badaczy operacyjnych, trwają prace nad nowymi, bardziej wydajnymi algorytmami wsparcia podejmowania decyzji co wraz z rozwojem technologii obliczeniowych pozwala na sprawne rozwiązywanie coraz większych problemów. Jedną z nich jest kwantowe wyżarzanie, które możliwe jest z m.in. z wykorzystaniem komputera D-Wave. W artykule zaprezentowano zarys możliwości jego wykorzystania do wsparcia decyzji dyspozytorskich związanych z przywróceniem funkcjonowania ruchu pociągów na odcinku sieci kolejowej w sytuacji, gdy na tej linii występują znaczne opóźnienia w ruchu kolejowym.

EN

Nowadays, the need to take proper decisions in the shortest possible time seems more important than ever. This is the case for many transportation processes in various transportation systems. At the same time, in the operations research community, new, more efficient algorithms for decision support are being developed, which, along with the development of computing technologies, makes it possible to solve more and more problems efficiently. One of them is quantum annealing, which is possible using, among other things, the D-Wave computer. The article presents an outline of the possibility of its use to support dispatching decisions related to efforts to restore the normal operation of train traffic on a section of the railway network in a situation where there are significant delays in rail traffic on the line.

Słowa kluczowe

PL

publiczny transport zbiorowy; obliczenia kwantowe; modelowanie systemów transportowych

EN

public transport; quantum computing; D-Wave

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
• Czasopismo: Transport Miejski i Regionalny
• Rocznik: 2022
• Tom: nr 9
• Strony: 31--34
• Opis fizyczny: Bibliogr. 20 poz., rys.

Twórcy

autor

Krawiec Krzysztof

• Politechnika Śląska, Wydział Transportu i Inżynierii Lotniczej, ul. Krasińskiego 8, 40-019 Katowice

autor

Koniorczyk Mátyás

• Wigner Research Centre for Physics, Department of Quantum Optics and Quantum Information; Konkoly-Thege Mikós út 29-33, H-1121 Budapest

autor

Domino Krzysztof

• Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk; ul. Bałtycka 5, 44-100 Gliwice

Bibliografia

• 1. Mattsson L.G., Jenelius E., Vulnerability and resilience of transport systems – A discussion of recent research, Transportation Research Part A Policy and Practice , 2017, vol. 81, DOI: 10.1016/J.TRA.2015.06.002.
• 2. Yap M., Cats O., Predicting disruptions and their passenger delay impacts for public transport stops, Transportation, 2021, vol. 48, nr 4, DOI: 10.1007/S11116-020-10109-9/FIGURES/14.
• 3. Azolin L.G., Rodrigues da Silva A.N., Pinto N., Incorporating public transport in a methodology for assessing resilience in urban mobility, Transportation Research Part D Transportation and Environment, 2020, vol. 85, nr 102386, DOI: 10.1016/J.TRD.2020.102386.
• 4. D’Ariano A., Pacciarelli D., Pranzo M., A branch and bound algorithm for scheduling trains in a railway network, European Journal of Operational Research, 2007, vol. 183, nr 2, DOI: 10.1016/J.EJOR.2006.10.034.
• 5. Lange J., Werner F., Approaches to modeling train scheduling problems as job-shop problems with blocking constraints, Journal of Scheduling, 2018, vol. 21, nr 2, DOI: 10.1007/S10951-017-0526-0/TABLES/4.
• 6. Tang X., Lin X., He F., Robust scheduling strategies of electric buses under stochastic traffic conditions, Transportation Research Part C Emerging Technologies, 2019, vol. 105, DOI: 10.1016/J.TRC.2019.05.032.
• 7. Krawiec K., Vehicle cycle hierarchization model to determine the order of battery electric bus deployment in public transport, Transport Problems, 2021, vol. 16, nr 1, DOI: 10.21307/tp-2021-009.
• 8. Olivera A.C., García-Nieto J.M., Alba E., Reducing vehicle emissions and fuel consumption in the city by using particle swarm optimization, Applied Intelligence, 2015, vol. 42, nr 3, DOI:10.1007/S10489-014-0604-3/FIGURES/10.
• 9. Stolfi D.H., Alba E., Generating realistic urban traffic flows with evolutionary techniques, Engineering Applications of Artificial Intelligence, 2018, vol. 75, DOI: 10.1016/J.ENGAPPAI.2018.07.009.
• 10. Inoue D., Okada A., Matsumori T., Aihara K., Yoshida H., Traffic signal optimization on a square lattice with quantum annealing, Scientific Reports, 2021, vol. 11, nr 1, DOI: 10.1038/s41598-021-82740-0.
• 11. Irie H., Wongpaisarnsin G., Terabe M., Miki A., Taguchi S., Quantum Annealing of Vehicle Routing Problem with Time, State and Capacity, Quantum Technology and Optimization Problems, 2019, vol. 11413 LNCS, DOI: 10.1007/978-3-030-14082-3_13/COVER.
• 12. Singh A., Lin C.Y., Huang C.I., Lin F.P., Quantum Annealing Approach for the Optimal Real-time Traffic Control using QUBO, 2021, IEEE/ACIS 22nd International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/Distributed Computing (SNPD), DOI: 10.1109/SNPD51163.2021.9704985.
• 13. Stollenwerk T., O’Gorman B., Venturelli D., Quantum Annealing Applied to De-Conflicting Optimal Trajectories for Air Traffic Management, IEEE Transactions on Intelligent Transport Systems, 2019, vol. 21, nr 1, DOI: 10.1109/TITS.2019.2891235.
• 14. Grozea C., Hans R., Koch M., Riehn C., Wolf A., Optimising Rolling Stock Planning including Maintenance with Constraint Programming and Quantum Annealing, 2021, Preprint dostępny w serwisie Arxiv o numerze 2109.07212, DOI: 10.48550/arxiv.2109.07212.
• 15. Domino K., Koniorczyk M., Krawiec K., Jałowiecki K., Deffner S., Gardas B., Quantum annealing in the NISQ era: railway conflict management, Preprint dostępny w serwisie Arxiv 2021, nr 2112.03674v2, DOI: https://doi.org/10.48550/arXiv.2112.03674.
• 16. Domino K., Kundu A., Salehi O., Krawiec K., Quadratic and Higher-Order Unconstrained Binary Optimization of Railway Rescheduling for Quantum Computing, Quantum Information Processing, 2022, nr 21:337, DOI: 10.1007/s11128-022-03670-y.
• 17. Steane A., Quantum computing, Reports on Progress in Physics, 1998, vol. 61, DOI: http://dx.doi.org/10.1088/0034-4885/61/2/002.
• 18. Ladd T.D., Jelezko F., Laflamme R., Nakamura Y., Monroe C., O’Brien J.L., Quantum computers, Nature, 2010, vol. 464, DOI: 10.1038/nature08812.
• 19. Co to jest kubit? Microsoft Azure, https://azure.microsoft.com/pl-pl/overview/what-is-a-qubit/#qubit-vs-bit [dostęp: 21.04.2022].
• 20. Getting Started with D-Wave Solvers – D-Wave System Documentation. https://docs.dwavesys.com/docs/latest/doc_getting_started.html [dostęp: 21.04.2022].21. Instrukcja o prowadzeniu ruchu pociągów Ir, PKP PLK, Warszawa 2011.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).