2014.TEL.7905 5
Summary
HTM Personenvervoer N.V. is a public transportation company that operates the tram and light rail network of The Hague. These networks are connected at The Hague Central Station, where light rail vehicles continue on the urban tram network, making it a mixed operation system. HTM frequently deals with planned changes regarding the timetable or infrastructure on these networks, for which they require a way to evaluate the consequences of the decisions that are about to be made. There-fore HTM together with the TU Delft started the development of a rail simulation model, LIBROS. It is an object-oriented discrete-event model that contains rail elements as components that can be cou-pled to form aggregated components, like crossings. However, this model does not yet contain the RandstadRail (light rail) network, which makes the model incomplete. Furthermore, few to no simula-tion models are found on the market that are able to simulate both operating principles simultaneous-ly. HTM wishes to include both networks in the LIBROS model to be able to perform network evalua-tions.
An analysis and description of the RandstadRail system is made using systems theory, in which the operational logic was described in a structure similar to the LIBROS model. System elements are iden-tified, processes are described in terms of functions and the component interactions for different con-trol scenarios are shown. This static model is translated to a simulation model, with the purpose to validate the chosen structure, to serve as a way to describe the system dynamics and to show that the model is capable of performing network evaluations for realistic cases. The simulation model is made using Delphi and TOMAS and is based on the created static model and the LIBROS structure. Input of the model consists of the infrastructure, a timetable and halting time distributions for each stop. The model then generates output in the form of pure running times between stops and stop times (halting times plus waiting times).
To validate the model, a HTM data set is used containing running times between stops from a pe-riod of two months of line 3 & 4 (Feb-Mar 2014). The normal timetable of November 2014 is used as input, with line 3 & 4 of HTM and line E of the public transportation company of Rotterdam (RET) operating on the network. Results contain average running times that show a similar pattern as the real data, but that are between 2% higher and 13% lower, with most values being slightly lower. Stops near crossings show some larger negative deviations, which are likely caused by a cumulative effect of two crossing lines that both have a lower running time. The model assumes ideal driving behaviour of drivers, which explains the lower values. Furthermore, the halting time distributions that are used are not exact fits of the real data, they have the same mean but lower positive deviations, and the real data also contains more extreme values due to the presence of external disturbances. The spread in average running time between stops that is found shows some higher spreads near
6 2014.TEL.7905
crossings, which is logically explained by vehicles having to wait for a red signal when crossing move-ments occur.
Two practical cases are used as a case study. The first case concerns a request from RET to in-crease the frequency of line E from six to eight vehicles per hour. By using a time-distance graph two more vehicles per hour are inserted in the normal timetable. The original timetable is left intact as much as possible to preserve trip alignments and keep the results as realistic as possible. Five simula-tion runs are performed using the model. The results show comparable average running times be-tween stops, except for the stops near the merging point of line E with line 3 and 4. The increased number of crossing movements likely causes an increased waiting time for some vehicles. No propa-gation of delays to other stops was found, so an extra two vehicles per hour on line E seems to be possible considering the vehicle capacity of the network.
A second case concerns the HSE project, where a part of the line E infrastructure is unavailable for a long period of time. Vehicles of line E switch direction at an earlier stage on an intermediate buffer track. To provide sufficient passenger capacity, line 3 of HTM operates on a frequency of twelve vehi-cles per hour instead of six vehivehi-cles per hour. Passengers are transferred at the first station after line E has entered the shared network. On this small part of the infrastructure a total of 30 vehicles per hour per direction are then operated. Model results show similar increases in average running times per stop as for the previous case, but now more stops are involved. Spreads show very large increas-es at crossings and the maximum total running time deviations are significantly larger. A propagation of delays is clearly shown.
The model shows results that could be expected for the used cases and it therefore suited for comparing scenarios. Results could be improved by using iterations between runs, where a timetable is optimised in between runs using optimisation software. The accuracy of results could be increased by including stochastic disturbances and calibrating the model through applying a different driver be-haviour. The applied structure seems suitable for further developing the LIBROS model. More functio-nalities could then also be added.
2014.TEL.7905 7
Samenvatting
HTM Personenvervoer N.V. is een openbaar vervoersbedrijf dat het tram en lightrail netwerk van Den Haag exploiteert. Deze netwerken zijn met elkaar verbonden ter hoogte van Den Haag Centraal Sta-tion, wat het een systeem maakt met een gemengd bedrijf. HTM heeft op dit netwerk op regelmatige basis te maken met geplande wijzigingen met betrekking tot de dienstregeling en de infrastructuur, waarvoor een methode nodig is om de gevolgen van beslissingen die genomen worden ten aanzien van deze wijzigingen te kunnen evalueren. Hiervoor is HTM een samenwerking met de TU Delft ge-start om het rail simulatiemodel LIBROS te ontwikkelen. Dit is een object-georiënteerd discrete-event model dat rail elementen als componenten bevat, welke gekoppeld kunnen worden om geaggregeer-de componenten zoals kruisingen te vormen. Echter is het RandstadRail (lightrail) netwerk nog niet opgenomen in dit model, waardoor het model incompleet is. Daarbij zijn er weinig tot geen simulatie-modellen op de markt te vinden welke in staat zijn om beide werkingsprincipes geïntegreerd te kun-nen simuleren. HTM wenst beide netwerken toe te voegen aan het LIBROS model om zo in staat te zijn om netwerk evaluaties uit te voeren.
Een analyse en beschrijving van het RandstadRail systeem is gemaakt met gebruik van systeem-theorie, waarin de operationele logica beschreven is in een structuur die overeenkomt met die van het LIBROS model. Systeemelementen zijn geïdentificeerd, processen zijn beschreven in termen van func-ties en de interacfunc-ties van de componenten bij verschillende beheersingsscenario’s zijn weergegeven. Dit statische model is vervolgens vertaald naar een simulatiemodel, met als doel om de gekozen struc-tuur te valideren, om als een manier te dienen om de systeemdynamica te beschrijven en om aan te tonen dat het model in staat is om netwerkevaluaties uit te voeren voor realistische scenario’s. Het simulatiemodel is gemaakt met gebruik van Delphi en TOMAS en is gebaseerd op het eerder gemaak-te statische model en de LIBROS structuur. Input van het model bestaat uit de infrastructuur, een dienstregeling en halteertijddistributies voor elke halte. Het model genereert vervolgens output in de vorm van pure rijtijden tussen haltes en stoptijden (halteertijden plus wachttijden).
Om het model te valideren is een HTM dataset gebruikt welke rijtijden tussen haltes bevat van lijn 3 en 4 over een periode van twee maanden (Feb-Mrt 2014). De reguliere dienstregeling van Novem-ber 2014 is gebruikt als input, met de operationele lijnen 3 & 4 van HTM en lijn E van het openbaar vervoersbedrijf van Rotterdam (RET). De resultaten bevatten gemiddelde rijtijden die een vergelijk-baar patroon laten zien als de werkelijke data, maar die tussen de 2% hoger en 13% lager liggen, waarbij de meeste waarden lager liggen. Haltes bij kruisingen laten een aantal grotere negatieve af-wijkingen zien, welke waarschijnlijk veroorzaakt worden door een cumulatief effect van twee kruisen-de lijnen die beikruisen-de een lagere rijtijd hebben. Het mokruisen-del gaat uit van ikruisen-deaal rijgedrag van bestuurkruisen-ders, waardoor de lagere rijtijden kunnen worden verklaard. Bovendien zijn de gebruikte
halteertijddistribu-8 2014.TEL.7905
ties geen exacte fit van de werkelijke data, ze bevatten een gelijke mean maar lagere positieve afwij-kingen, en de werkelijke data bevatten bovendien meer extreme waarden vanwege de aanwezigheid van externe verstoringen. De spreiding die gevonden is in gemiddelde rijtijden tussen haltes toont een aantal hogere waarden nabij kruisingen, wat logisch te verklaren is doordat voertuigen moeten wach-ten voor een rood sein wanneer er kruisende bewegingen plaatsvinden.
Twee praktische cases zijn gebruikt als casestudy. De eerste case betreft een verzoek van RET om de frequentie van lijn E te verhogen van zes naar acht voertuigen per uur. Door een tijd-afstand dia-gram te gebruiken zijn twee extra voertuigen per uur ingevoegd in de reguliere dienstregeling. De originele dienstregeling is hierbij zo veel als mogelijk intact gelaten om aanwezige ritafstemmingen te behouden en daardoor de resultaten zo realistisch als mogelijk te laten zijn. Vijf simulatieruns zijn uitgevoerd met het model. De resultaten tonen vergelijkbare gemiddelde rijtijden tussen haltes, be-halve voor de haltes nabij het punt van samenvoegen van lijn E met de lijnen 3 & 4. Het verhoogde aantal kruisende bewegingen veroorzaakt zeer waarschijnlijk een verhoogde wachttijd voor sommige voertuigen. Er is geen verspreiding van vertraging door het netwerk waargenomen, waardoor twee extra voertuigen per uur op lijn E mogelijk lijkt te zijn met betrekking tot de voertuigcapaciteit van het netwerk.
Een tweede case betreft het HSE project, waarbij een deel van de infrastructuur van lijn E buiten dienst genomen is gedurende een lange periode. Voertuigen van lijn E veranderen eerder van richting op een tussengelegen bufferspoor. Om toch voldoende passagierscapaciteit te bieden opereert lijn 3 van HTM met een verhoogde frequentie van twaalf voertuigen per uur in plaats van de reguliere zes voertuigen per uur. Passagiers stappen over op de eerste halte na het punt waar lijn E het gezamen-lijke netwerk binnen rijdt. Op dit kleine gedeelte van de infrastructuur wordt dan een totaal aantal van 30 voertuigen per uur per richting geëxploiteerd. Resultaten van het model tonen vergelijkbare verho-gingen van de gemiddelde rijtijd per halte als voor de voorgaande case, maar er zijn meer haltes bij betrokken. Spreidingen tonen zeer grote stijgingen nabij kruisingen en de afwijkingen van de maxima-le totamaxima-le rijtijd zijn significant groter. Een verspreiding van vertraging door het netwerk is duidelijk waar te nemen.
Het model genereert resultaten die zijn te verwachten op basis van de gebruikte cases en is daar-door geschikt voor het vergelijken van dergelijke scenario’s. De resultaten zouden verbeterd kunnen worden door gebruikt te maken van iteraties tussen runs, waarbij een dienstregeling geoptimaliseerd wordt in de tussenstappen met gebruik van optimalisatiesoftware. De nauwkeurigheid van de resulta-ten zou verhoogd kunnen worden door stochastische effecresulta-ten te includeren en door het model te kali-breren door verschillende gedragsprofielen van bestuurders toe te passen. De toegepaste structuur lijkt geschikt voor een verdere ontwikkeling van het LIBROS model. Tevens zouden meer functionali-teiten kunnen worden toegevoegd, zoals een functionaliteit voor de dynamische herverdeling van ritten of het includeren van gedrag van passagiers.
