Design of collaborative eco-drive control algorithms for train networks

In today's age, green transportation remains one of the most important topics of research. The main goal is to promote vehicle technologies and driving styles which are energy efficient and environment friendly. In this thesis, the main focus is on the Energy Efficient Train Control (EETC) or eco-driving strategies of railways. For this purpose, two main research paths have been explored. The first research direction is associated with a single train control problem, where the control problem is to find the best driving strategy for the train to go from one stop to another, given an optimal timetable. EETC strategies can be either fully automated (ATO) or serve as an advisory system to the driver (DAS) for the purpose of assisting drivers in following an energy efficient driving style. For this purpose, three control strategies using Model Predictive Control (MPC) have been presented. In the first two strategies, shrinking horizon techniques have been combined with input parametrization approaches to reduce the computational burden of the control problem and to realize the nonlinear integer programming control problem which arises in the DAS scenario, while the third strategy is based on switching MPC with receding horizon. All the strategies have been tested on the official simulation tool CITHEL of our industrial partner Alstom, and the obtained results in comparison with the existing techniques have proven to be more energy efficient. The second research direction falls under the paradigm of collaborative eco-drive control strategies, involving multiple trains belonging to a substation network. The main aim is to use the energy regenerated by the braking trains through collaboration among the trains connected and active in the network. In this case, three strategies to decide the collaborative law have been presented along with the extensions from the single train control strategies presented in the first part of the thesis. For the design of collaborative laws, techniques such as manual supervision, substation modeling and dissension based adaptive laws with concept similar to Markov chains have been used. The strategies have been validated with simulation examples. Finally, comparisons of energy efficiency with and without collaboration have been presented, which show the advantage of using the developed collaborated laws as compared to no collaboration.

Oggigiorno, il trasporto sostenibile rimane uno dei temi di ricerca più importanti. Il principale obiettivo è promuovere nuove tecnologie per veicoli e stili di guida che risultino efficienti dal punto di vista energetico e ambientale. In questa tesi, l’obiettivo principale è il Controllo Energetico Efficiente dei Treni (EETC) con lo sviluppo di strategie di guida sostenibile. Per questo motivo, sono stati esplorati due percorsi di ricerca. La prima direzione di ricerca è associata al controllo del singolo treno, per il quale il problema è trovare il miglior stile di guida per muoversi da una fermata ad un’altra, data una tabella di marcia ottima. Le strategie EETC possono essere sia completamente automatizzate (ATO) o può trattarsi di sistemi di ausilio al guidatore (DAS) per assisterlo in uno stile di guida energeticamente efficiente. Con questo obiettivo, sono state presentate tre strategie di controllo basate su tecniche di tipo predittivo (MPC). Nelle prime due strategie, tecniche con restringimento dell’orizzonte di predizione sono state combinate con approcci di parametrizzazione per ridurre il carico computazionale del problema di controllo e realizzare un problema di programmazione nonlineare intero per il DAS, mentre la terza strategia è basata su un approccio switching MPC con receding horizon. Tutte le strategie sono state verificate sul simulatore ufficiale CITHEL del nostro partner industriale Alstom, e i risultati ottenuti a confronto con le tecniche esistenti hanno mostrato una maggiore efficienza energetica. La seconda direzione di ricerca riguarda invece il paradigma delle strategie di controllo eco-sostenibile di tipo collaborativo, che coinvolge più treni appartenenti a una sottostazione. L’obiettivo principale è usare l’energia rigenerata dai treni che frenano attraverso la collaborazione dei treni connessi e attivi nella rete. In questo caso sono state presentate tre strategie per decidere le leggi collaborative, estendendo quelle del singolo treno presentate nella prima parte della tesi. Per la progettazione delle leggi collaborative, sono state usate tecniche con supervisione manuale, modellazione delle sottostazioni e leggi adattative di dissenso, concettualmente simili a catene di Markov. Le strategie sono state valutate in simulazione e, per concludere, è stato realizzato un confronto in termini di efficienza energetica tra metodi collaborativi e non, mostrando i vantaggi dei primi sui secondi.