tram_optimizer

Aplikacja wspierająca decyzje dyspozytorskie w zakresie optymalizacji rozkładu jazdy tramwajów. System realizuje dwufazowy proces planowania:

1. Faza 1 — Symulowane Wyżarzanie wyznacza optymalną liczbę kursów w każdej godzinie doby, minimalizując czas oczekiwania pasażerów i koszt floty.
2. Faza 2 — algorytm dystrybuanty CDF przekształca częstotliwości godzinowe w minutowy rozkład odjazdów, wygładzając przejścia między okresami o różnym popycie.

Główny interfejs to notatnik Jupyter (app.ipynb). Logika obliczeniowa znajduje się w modułach Pythona w katalogu głównym projektu.

Wymagania

• Python 3.10+
• Do generowania plakatów PDF: biblioteki systemowe dla WeasyPrint

Instalacja

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

Uruchomienie

1. Uruchom Jupyter i otwórz notatnik aplikacji:

jupyter notebook app.ipynb

2. Uruchamiaj komórki kolejno (Shift + Enter).

3. W pierwszej komórce możesz wygenerować dane testowe (generate_dummy_data) lub umieścić własne pliki CSV w data/input/:

   • travel_times.csv — czasy przejazdu między przystankami (Origin, Destination, TravelTime_min)
   • demand.csv — popyt pasażerski (Origin_s, Destination_d, TimeWindow_t, Demand_P)
   • stop_names.csv — nazwy przystanków (stop_id, stop_name)

4. Skonfiguruj parametry algorytmu i modelu w kolejnych komórkach, uruchom optymalizację (Faza 1) i generowanie rozkładu (Faza 2).

5. Wyniki trafiają do:

   • data/output/final_timetable.csv — harmonogram w formacie tabelarycznym
   • data/output/pdf/ — plakaty przystankowe w PDF

Inne notatniki i skrypty

Plik	Opis
experiments.ipynb	strojenie hiperparametrów Symulowanego Wyżarzania
tester.py	analiza wrażliwości parametrów modelu (C, R, α, β)
Example_usage.ipynb	przykładowe użycie modułów