Kentiçi demiryolunda trafik yükünün ray aşınmaları üzerindeki etkisinin araştırılması

Abstract

Ray aşınmalarının; demiryolu taşıtlarının hareket dengesinde bozulma, yolculuk konforunda azalma, trenin raydan çıkması ile meydana gelebilecek tren kazaları riskinde artış, rayın hizmet ömründe azalma ve ray bakımı maliyetlerinde artış gibi önemli etkileri bulunmaktadır. Bu tez çalışmasının amacı; kentiçi demiryolunda trafik yükü başta olmak üzere, hat eğriliği, tren hızı ve dever parametrelerinin, rayın düşey aşınması ve yanal aşınması üzerindeki etkilerinin araştırılması ve ray aşınma modellerinin geliştirilmesidir. Tez kapsamında; trafik yükü, hat eğriliği, tren hızı ve deverin, düşey ve yanal ray aşınması üzerindeki etkisinin incelenmesi ve ray aşınma modellerinin geliştirilmesi için yapay sinir ağları (YSA), korelasyon matrisleri ve çoklu doğrusal regresyon analizi yöntemleri kullanılmıştır. Geliştirilen ray aşınma modellerinin performansının değerlendirilmesi amacıyla çoklu bağlantı testleri ve çapraz doğrulama analizleri yapılmıştır. İstanbul'un en eski ve en yoğun kullanılan raylı sistem hatlarından biri olan Yenikapı-Atatürk Havalimanı Hafif Metro Hattı, örnek hat olarak seçilerek; hat üzerinde yıllara uzanan kapsamlı ray aşınma ölçümleri, yolcu sayımları ve veri toplama çalışmaları gerçekleştirilmiştir. Yenikapı-Atatürk Havalimanı Hafif Metro Hattı'nda, rayın düşey ve yanal aşınma miktarları, "Robel" adı verilen ray mantarı aşınma ölçüm aleti ile ölçülmüştür. 30 Ekim 2013 ile 10 Mayıs 2016 tarihleri arasında, hattın demiryolu işletimine kapalı olduğu 01:00 ile 05:00 arasındaki zaman diliminde, Yenikapı-Atatürk Havalimanı Hafif Metro Hattı üzerinde bulunan 476 noktada düşey ray aşınması ve 451 noktada yanal ray aşınması ölçümü yapılmıştır. Ray aşınma ölçümü yapılan kilometrelerde raya etkiyen trafik yükünün doğru bir şekilde hesaplanması amacıyla, hatta gerçekleştirilen ray değişimi çalışmaları ile ilgili veriler toplanmıştır. Hattaki ray aşınma ölçümlerinin başlangıç tarihi olan 30 Ekim 2013 ve bitiş tarihi olan 10 Mayıs 2016 tarihleri göz önüne alınarak, ray değişimi verilerinin toplanacağı zaman periyotunun başlangıcı olarak 1 Ocak 2012 tarihi esas alınmış ve zaman periyotunun sonu 31 Aralık 2016 olarak belirlenmiştir. Bu bağlamda, hattın işletimini yapan kurum olan Metro İstanbul A.Ş'den, 1 Ocak 2012 ile 31 Aralık 2016 tarihleri arasında hazırlanan günlük raporlar temin edilerek, hatta yapılan ray değişimi çalışmaları tespit edilmiş ve ray değişimi yapılan tarihler ile değiştirilen rayların kilometresi listelenmiştir. Ardından, ray aşınma ölçümü sonuçları ile ray değişimi verilerinin birlikte yer aldığı kapsamlı bir tablo hazırlanmıştır. Yenikapı-Atatürk Havalimanı Hafif Metro Hattı'nda, düşey ray aşınması ölçümünün gerçekleştirildiği 476 nokta ve yanal ray aşınması ölçümünün yapıldığı 451 nokta için trafik yükü, hat eğriliği, tren hızı ve dever değerleri belirlenmiştir. Ray aşınma ölçümü yapılan noktalarda raya etkiyen trafik yükleri, istasyonlar arasındaki hat kesimlerinde tren içinde taşınan yolcu sayısına bağlı olarak hesaplanmıştır. İstasyonlar arasındaki hat kesimlerinde taşınan yolcu sayılarını belirlemek için, hattaki istasyonlarda basılan günlük İstanbul-kart (toplu taşıma araçlarında kullanılan ulaşım kartı) verileri ve hat üzerinde gerçekleştirilen taşıt-içi yolcu sayımlarından elde edilen veriler kullanılmıştır. 1 Ocak 2012 ile 31 Aralık 2016 tarihleri arasında, hattın istasyonlarında basılan İstanbul-kart sayıları kullanılarak, her bir istasyonda trene binen günlük yolcu sayıları elde edilmiştir. Fakat; trenden inen yolcular İstanbul-kart basmadığı için, istasyonlarda trenden inen yolcu sayılarını belirlemek amacıyla Yenikapı-Atatürk Havalimanı Hafif Metro Hattı'nda her iki yönde 60'ar adet olmak üzere toplam 120 adet taşıt-içi yolcu sayımı çalışması gerçekleştirilmiştir. Yolcu sayımları; haftaiçi ve haftasonu günlerde, hattın işletmeye açık olduğu tüm saatleri kapsayacak ve hattaki tüm istasyonları içerecek şekilde yapılmıştır. Yolcu sayımı sonuçlarına göre, hattaki her istasyon için "günlük ortalama inen yolcu oranı" hesaplanmıştır. İstasyonlarda basılan günlük İstanbul-kart verileri ve "günlük ortalama inen yolcu oranları" kullanılarak, istasyonlar arasındaki hat kesimlerinde taşınan yolcu sayıları belirlenmiş ve buna bağlı olarak trafik yükleri hesaplanmıştır. Yenikapı-Atatürk Havalimanı Hafif Metro Hattı'nda gerçekleştirilen yolcu sayımları, çeşitli parametrelere göre analiz edilmiştir. Yenikapı-Havalimanı ve Havalimanı-Yenikapı yönleri için ayrı ayrı yapılan bu analizler: (1) istasyonlar arasındaki hat kesimlerinde, tren içinde taşınan ortalama yolcu sayılarının belirlenmesi, (2) haftaiçi günlerde sabah zirve saatte, akşam zirve saatte ve zirve saat dışındaki zaman dilimlerinde, hat kesimlerinde taşınan ortalama yolcu sayılarının incelenmesi, (3) haftasonu günlerde, zirve saate göre belirlenen 4 farklı zaman diliminde, hat kesimlerinde taşınan ortalama yolcu sayılarının analizi, (4) haftaiçi ve haftasonu günler için istasyonlar arasındaki hat kesimlerinde, tren içinde taşınan ortalama yolcu sayılarının karşılaştırılmasıdır. Tez kapsamında, rayın düşey ve yanal aşınması; trafik yükü, hat eğriliği, dever ve tren hızı parametreleri kullanılarak, yapay sinir ağları yöntemiyle modellenmiştir. Düşey aşınma YSA modeli, yanal aşınma YSA modeli, düşey ve yanal aşınmanın birlikte incelendiği YSA modeli olmak üzere 3 temel YSA modeli geliştirilmiştir. Çok katmanlı ileri beslemeli geri yayılım ağı olarak geliştirilen YSA modellerinin performansı, ortalama karesel hata (MSE) ve korelasyon katsayısı (R) değerleri dikkate alınarak ölçülmüştür. Her 3 YSA modelinde, gizli katmandaki nöron sayısı 5-15 değerleri arasında değiştirilerek ve ağların yeniden eğitimi yapılarak, YSA'ların performansı incelenmiştir. Her 3 YSA modeli için en iyi performansa sahip olan ilk 10 YSA mimarisi belirlenmiştir. Düşey aşınma YSA, yanal aşınma YSA ve düşey ile yanal aşınmanın birlikte incelendiği YSA modellerinde; hatta ölçülen aşınmalar ile YSA modeli tarafından tahmin edilen aşınmalar arasındaki R değerleri, 1'e oldukça yakın değerler olarak elde edilmiştir. Bu durum, ölçülen ve YSA tarafından tahmin edilen değerler arasında güçlü bir doğrusal ilişki olduğunu göstermektedir. Her üç YSA modelinde, doğrulama seti için MSE değerleri sıfıra oldukça yakın olarak elde edilmiş olup; YSA modeli tarafından tahmin edilen aşınmaların, hatta ölçülen aşınmalara çok yakın olduğunu ortaya koymaktadır. Geliştirilen düşey aşınma YSA, yanal aşınma YSA ve düşey ile yanal aşınmanın birlikte incelendiği YSA modelleri; girdi ve çıktı parametreleri arasında güçlü ilişkiler ortaya koyarak, rayın düşey ve yanal aşınmasını yüksek bir doğruluk seviyesi ile tahmin etmiş ve ray aşınmalarını başarıyla modellemiştir. Tez kapsamında; trafik yükü, hat eğriliği, dever ve tren hızı parametrelerinin, düşey ve yanal ray aşınması üzerindeki etkilerini incelemek ve ray aşınmalarını modellemek için korelasyon matrisleri ve çoklu doğrusal regresyon analizi yöntemi kullanılmıştır. Düşey aşınma ve yanal aşınma için iki ayrı çoklu doğrusal regresyon modeli geliştirilmiş ve iki ayrı korelasyon matrisi oluşturulmuştur. Düşey ve yanal aşınma için oluşturulan korelasyon matrislerinde, her bir bağımsız değişken çifti arasındaki korelasyon katsayıları, sıfıra yakın değerler olarak elde edildiği için, bağımsız değişkenler arasında zayıf bir doğrusal ilişki olduğu sonucuna varılmıştır. Her iki korelasyon matrisinde, bağımlı değişken ile güçlü bir doğrusal ilişki içinde olan tek bağımsız değişkenin, trafik yükü olduğu belirlenmiştir. Düşey ve yanal aşınma için geliştirilen çoklu doğrusal regresyon modellerinde, Çoklu R katsayıları 1'e yakın olarak elde edilmiş olup, bağımlı değişken ile bağımsız değişkenler arasında güçlü bir doğrusal ilişki olduğunu göstermektedir. Düşey aşınma regresyon modelinde, bağımlı değişkende meydana gelen değişimlerin %84,14'ü bağımsız değişkenler tarafından açıklanabilirken; yanal aşınma regresyon modelinde, bağımlı değişkende meydana gelen değişimlerin %76,26'sı bağımsız değişkenler tarafından açıklanabilmektedir. Her iki regresyon analizinde, F-testi sonucunda elde edilen F-değerine karşılık gelen p-değeri dikkate alınarak, geliştirilen çoklu doğrusal regresyon modellerinin, α=0,05 anlamlılık düzeyinde bir bütün olarak anlamlı olduğu sonucuna varılmıştır. Her bir bağımsız değişkenin, regresyon modeline olan katkısını incelemek için yapılan t-testinin sonuçlarına göre, α=0,05 anlamlılık düzeyinde, trafik yükünün, düşey aşınma miktarı üzerinde istatistiksel olarak anlamlı bir etkiye sahip olduğu belirlenirken; hat eğriliği, dever ve tren hızı parametrelerinin, düşey aşınma miktarı üzerinde istatistiksel olarak anlamlı bir etkiye sahip olmadığı sonucuna varılmıştır. Benzer şekilde, α=0,05 anlamlılık düzeyinde, trafik yükü, yanal aşınma miktarı üzerinde istatistiksel olarak anlamlı bir etkiye sahip iken; hat eğriliği, dever ve tren hızının, yanal aşınma miktarı üzerinde istatistiksel olarak anlamlı bir etkiye sahip olmadığı belirlenmiştir. Bağımsız değişkenlerden tren hızı ve hat eğriliği, tren hızının karesi ve hat eğriliğinin karesi olarak değiştirilerek, düşey ve yanal aşınma için iki tane daha çoklu doğrusal regresyon modeli geliştirilmiş ve iki korelasyon matrisi daha oluşturulmuştur. Bağımsız değişkenlerde bazı değişiklikler yapılarak oluşturulan düşey ve yanal aşınma korelasyon matrisleri ve regresyon modellerinin, önceki korelasyon matrisleri ve regresyon modellerine benzer sonuçlar verdiği tespit edilmiştir. Düşey ve yanal aşınma için geliştirilen çoklu doğrusal regresyon modellerinde, çoklu bağlantı probleminin var olup olmadığını tespit etmek amacıyla çoklu bağlantı testleri yapılmıştır. Bu bağlamda, regresyon modellerinin bağımsız değişkenleri arasındaki korelasyonu ölçen "varyans büyütme faktörü" (VBF) değerleri hesaplanmıştır. Düşey ve yanal aşınma regresyon modelleri için yapılan çoklu bağlantı testlerinde, tüm bağımsız değişkenlere ait VBF değerleri, 5'den daha düşük olarak elde edilmiştir. Buna bağlı olarak; bağımsız değişkenler arasında düşük korelasyon olduğu tespit edilmiş olup, düşey ve yanal aşınma regresyon modellerinde çoklu bağlantı probleminin var olmadığı sonucuna varılmıştır. Düşey ve yanal aşınma regresyon modellerinin tahmin etme performansını değerlendirmek için 5-katlı çapraz doğrulama analizleri yapılmıştır. Düşey ve yanal aşınma için yapılan çapraz doğrulama analizleri sonucunda, bağımlı değişkenin gerçek değerleri ile tahmin edilen değerleri arasındaki R katsayıları 1'e oldukça yakın olarak ve MSE değerleri sıfıra yakın olarak belirlenmiştir. Bu durum; bağımlı değişkenin gerçek değerleri ile tahmin edilen değerleri arasında güçlü bir doğrusal ilişki olduğunu ve tahmin edilen değerlerin gerçek değerlere yakın olduğunu göstermektedir. Sonuç olarak, çapraz doğrulama analizleri, düşey ve yanal aşınma regresyon modellerinin tahmin performansının başarılı olduğunu ortaya koymaktadır.

Rail wear has important effects such as deterioration in the movement balance of railway vehicles, decrease in ride comfort, increase in the risk of train accidents occurring due to derailment, decrease in the service life of the rail, and increase in the rail maintenance costs. The aim of this thesis is to investigate the effects of traffic load, track curvature, train speed and superelevation on the vertical and lateral wear of the rail, and to develop rail wear models. Within the scope of the thesis, artificial neural networks (ANN), correlation matrices and multiple linear regression analysis method were used to examine the effects of traffic load, track curvature, train speed and superelevation on vertical and lateral rail wear, and to develop rail wear models. In order to evaluate the performance of the rail wear models, multicollinearity tests and cross-validation analyzes were conducted. Yenikapı-Atatürk Airport Light Rail Transit (LRT) Line, one of the oldest and most heavily used railway lines in Istanbul, was selected as the case study for this research. Comprehensive rail wear measurements, passenger counts and data collection studies were carried out on the LRT line for many years. Vertical and lateral wear amounts of the rail on Yenikapı-Atatürk Airport LRT Line were measured by using a rail head wear measuring device named as Robel. Vertical rail wear at 476 points and lateral rail wear at 451 points located on the LRT line were measured between 30 October 2013 and 10 May 2016. Rail wear measurements were performed in the time period between 01:00 and 05:00 a.m., when the LRT line was closed for operation. In order to calculate traffic loads at the rail wear measurement points, data related to the rail replacement activities carried out on the LRT line were collected. Considering the starting date (30 October 2013) and end date (10 May 2016) of rail wear measurements on the track, the date of 1 January 2012 was taken as the beginning of the time period for the collection of rail replacement data, and the end of the time period was determined as 31 December 2016. In this context, daily reports prepared between 1 January 2012 and 31 December 2016 were obtained from Metro Istanbul Inc., which operates YenikapıAtatürk Airport LRT Line. Rail replacements on the LRT line were determined by analyzing daily reports, and information about the date and location of the rail replacements on the track was listed. Then, a comprehensive table including rail wear measurement data together with rail replacement data was prepared. Values of traffic load, track curvature, train speed and superelevation were determined for 476 points where vertical rail wear measurements were performed and 451 points where lateral rail wear measurements were conducted on YenikapıAtatürk Airport LRT Line. Traffic loads affecting the rail at the rail wear measurement points were calculated depending on the number of passengers carried inside the train in the track sections between stations. In order to determine the number of passengers carried on the track sections between stations, the daily Istanbul-card (smart card used for public transportation fare payment) data recorded at the stations of the LRT line, and the data obtained from the passenger counts performed on the LRT line were used. The number of daily passengers getting on the train at each station was obtained by using the daily number of Istanbul-cards recorded at the stations of the track between 1 January 2012 and 31 December 2016. However, the passengers did not use their Istanbul-card while getting off the train. In order to determine the number of passengers getting off the train at the stations, a total of 120 passenger-counting studies, 60 in each direction, were carried out on the LRT line. Passenger counts were performed on both weekdays and weekends to cover all stations of the track, and all working hours when the LRT line was open for operation. Average daily ratio of passengers getting off the train for each station was calculated by considering the results of the passenger counts. Using the daily Istanbul-card data recorded at the stations and the average daily ratio of passengers getting off the train, the number of passengers carried inside the train in the track sections between stations was determined. Finally, traffic loads were calculated by taking into account the number of passengers carried inside the train in the track sections. Passenger counts performed on Yenikapı-Atatürk Airport LRT Line were analyzed according to various parameters. Analyzes conducted separately for YenikapıAirport and Airport-Yenikapı directions include: (1) determining the average number of passengers carried inside the train in the track sections between stations, (2) examination of the average number of passengers carried in the track sections on weekdays at the peak hour in the morning, at the peak hour in the evening and at the time zones other than the peak hours, (3) analysis of the average number of passengers carried in the track sections on weekends in four different time zones determined according to the peak hour, (4) comparison of the average number of passengers carried inside the train in the track sections for weekdays and weekends. Within the scope of the thesis, vertical and lateral wear of the rail was modeled by artificial neural network method using the parameters of traffic load, track curvature, superelevation and train speed. Three basic ANN models including vertical wear ANN model, lateral wear ANN model, and the ANN model in which lateral and vertical wear examined together were developed. Performance of the ANN models developed as the multilayer feed-forward neural network with back-propagation algorithm was evaluated by considering the mean square error (MSE) and correlation coefficient (R) values. For all three ANN models, the performance of ANNs was analyzed by changing the number of neurons in the hidden layer between 5 and 15, and retraining the networks. The top 10 ANN architectures with the best performance were determined for each type of the ANN models. According to the results of the ANN models, correlation coefficients between the wear values measured on the LRT line and the wear values predicted by the ANNs were obtained as very close to 1. Obtained R values indicate that there is a strong linear relationship between the measured wear values and the wear values estimated by the ANNs. In all three types of the ANN models, MSE values for the validation sets were acquired as very close to zero, implying that the measured wear values are very close to the wear values estimated by the ANNs. ANN models predicted vertical and lateral rail wear with a high level of accuracy by revealing strong relationships between the input and output parameters, and successfully modeled the rail wear. In the scope of the thesis, correlation matrices and multiple linear regression analysis method were used to examine the effects of traffic load, track curvature, superelevation and train speed on vertical and lateral rail wear, and to model rail wear. Two separate multiple linear regression models and two separate correlation matrices were developed for vertical and lateral rail wear. Since the correlation coefficients between each pair of independent variables were obtained as close to zero in the correlation matrices for vertical and lateral wear, it is concluded that there is a weak linear relationship between the independent variables. In both correlation matrices, it is determined that traffic load is the only independent variable strongly related to the dependent variable. Multiple correlation coefficients were acquired as close to 1 in the multiple linear regression models developed for vertical and lateral wear, indicating that there is a strong linear relationship between the dependent and independent variables. 84,14% of the variance of the dependent variable can be explained by the independent variables in the vertical wear regression model, while 76,26% of the change in the dependent variable can be explained by the independent variables in the lateral wear regression model. Considering the p-value corresponding to the F-value obtained from the F-test, it is concluded that the multiple linear regression models developed for vertical and lateral wear are overall significant at the significance level of α=0,05. According to the results of the t-test performed to examine the contribution of each independent variable to the regression model, it is determined that traffic load has a statistically significant effect on the amount of vertical rail wear. However, it is concluded that track curvature, superelevation and train speed do not have a statistically significant effect on the amount of vertical rail wear. Considering the results of the t-test, it is determined that traffic load has a statistically significant effect on the amount of lateral rail wear. On the other hand, it is concluded that superelevation, track curvature and train speed do not have a statistically significant effect on the amount of lateral rail wear. Two more correlation matrices and two multiple linear regression models for vertical and lateral wear were generated by changing train speed and track curvature to be the square of train speed and square of track curvature. Correlation matrices and regression models for vertical and lateral wear established by making some changes in the independent variables yield similar results as the previous correlation matrices and regression models. Multicollinearity tests were performed to determine whether the multicollinearity problem exists in the multiple linear regression models developed for vertical and lateral rail wear. In this context, "variance inflation factor" (VIF) values which measure the correlation between the independent variables of the regression models were calculated. According to the results of the multicollinearity tests conducted for vertical and lateral wear regression models, VIF values of all independent variables were obtained as lower than 5. Consequently, it is determined that there is a low correlation between the independent variables, indicating that multicollinearity is not a problem for the vertical and lateral rail wear regression models. A 5-fold cross-validation technique was used to evaluate the predictive performance of the vertical and lateral rail wear regression models. Results of the cross-validation analyzes for vertical and lateral wear reveal that the correlation coefficients between actual values and predicted values of the dependent variable were determined to be close to 1, implying a strong linear relationship between the actual and estimated values. Furthermore, MSE values between actual and predicted values of the dependent variable were obtained close to zero, indicating that the estimated values are close to the actual ones. In conclusion, cross-validation analyzes reveal that the predictive performances of the vertical and lateral rail wear regression models are satisfactory.