Analisi comparativa ed ottimizzazione dei consumi energetici di metropolitane mediante algoritmi genetici = Comparative analysis and optimization of the energy consumption of undergrounds through genetic algorithms

Lo studio svolto in questa tesi ha l’obiettivo di programmare un sistema di trasporto metropolitano e di valutarne i relativi impatti energetici allo scopo di poter individuare un modello di gestione dell’infrastruttura che possa garantire un servizio rapido, puntuale e confortevole ma che allo stesso tempo possa utilizzare in maniera efficiente l’energia necessaria al suo funzionamento. Il lavoro è stato svolto in collaborazione con la società d’ingegneria Geodata Engineering S.p.A., che ha fornito tutte le informazioni inerenti all’infrastruttura oggetto di studio: la nuova linea metropolitana di Istanbul M11 Gaytterepe – Havalimani, attualmente in costruzione proprio ad opera di Geodata, che prevede di ultimarla nel 2020. La tesi dapprima introduce, nel capitolo due, al mondo dei trasporti spiegandone l’evoluzione storica e tecnologica, dai primi mezzi di trasporto a vapore alle più moderne metropolitane ad automazione integrale, per poi proseguire verso la recente consapevolezza della limitatezza delle risorse disponibili, motivo per cui gli aspetti energetici e ambientali assumono sempre più rilevanza e non possono essere trascurati. Si procede con un focus sui sistemi di trasporto tipici del contesto urbano, dai bus alle moderne metropolitane, cui appartiene la linea oggetto di studio. Si concentra quindi l’attenzione proprio sulle linee metropolitane, esponendo l’evoluzione tecnologica che questi impianti hanno subito. Chiude il secondo capitolo l’analisi dettagliata della linea oggetto di studio. Il capitolo tre introduce ai metodi di ottimizzazione, in particolare alla tipologia adottata in questo lavoro: le ottimizzazioni multi-obiettivo. Una volta definite le ottimizzazioni multi-obiettivo, viene posta l’attenzione su una particolare tipologia di metodi di tipo euristico che fanno riferimento alla ricerca operativa: gli algoritmi evolutivi e in particolare gli algoritmi genetici. Questi ultimi si adattano perfettamente a quelle classi di problemi nelle quali occorre ampliare il più possibile lo spazio di ricerca delle soluzioni. Ciò viene fatto considerando una popolazione di soluzioni, anziché considerare una soluzione alla volta, e successivamente facendo evolvere gli individui di tale popolazione attraverso procedure che li stimolano ad assumere le caratteristiche che noi reputiamo positive. In seguito vengono riepilogate le ricerche scientifiche in ambito trasporti che hanno adottato algoritmi evolutivi, studiandone sia la struttura che i risultati. Nel capitolo 4 viene esposto l’algoritmo sviluppato in questo lavoro, analizzandone ogni componente e spiegando le motivazioni di ogni scelta. Nel capitolo 5 sono esposti i risultati della simulazione.