12.12.2017
© Svetlana Danilova, grupa e-602, EF MSU
Obecnie system transportu miejskiego charakteryzuje się rozwojem dróg miejskich i wzrostem ruchu drogowego, co prowadzi do wzrostu korków. Ze względu na długi czas spędzony w korkach, podróżowanie może być trudne dla kierowców, a także dla służb ratunkowych i samochodów motorowych przewożących ładunki i „wrażliwe” towary. Aby rozwiązać ten problem, wykorzystano modelowanie symulacyjne do analizy i optymalizacji czasu podróży użytkowników dróg w środowisku miejskim. Artykuł, na którym napisano ten esej, poświęcony jest optymalizacji przepływu ruchu w mieście Sibiu (Rumunia, region Transylwanii) za pomocą modelu zorientowanego na agenta i oprogramowania AnyLogic.
Wprowadzenie
Infrastruktura transportowa odgrywa ważną rolę w rozwoju każdego miasta. Skuteczne funkcjonowanie systemów transportowych ma pozytywny wpływ na życie ludności w najgęściej zaludnionych obszarach miasta. Przez dziesięciolecia stosowano model analizy, który opierał się na koncepcji „mobilności”, tj. wzrost prędkości poruszających się pojazdów iw konsekwencji zaoszczędzony czas podróży. Chociaż na poziomie intuicyjnym, takie podejście wydaje się właściwe, jest obecnie problematyczne.
Analizując system transportu miejskiego, należy wziąć pod uwagę wiele czynników: ulice, autostrady, ścieżki rowerowe, trasy transportu publicznego itp. Zdolność do realistycznego przewidywania zapotrzebowania na transport ma kluczowe znaczenie dla planowania infrastruktury drogowej. W związku z tym w ostatnich dziesięcioleciach aktywnie wykorzystywano zorientowane na agenta modele rozwoju miasta. W literaturze można znaleźć wiele zorientowanych na agenta modeli planowania systemu transportu miejskiego w różnych skalach geograficznych iz różnym stopniem szczegółowości w zachowaniu agentów. Modele te udowodniły swoją skuteczność w modelowaniu różnorodności środowiska miejskiego.
Modelowanie oparte na agentach jest niezawodnym narzędziem do analizy alternatywnych scenariuszy rozwoju środowiska miejskiego. Modelowanie takiego systemu jest trudne w przypadku tradycyjnych metod ze względu na złożoność świata rzeczywistego i istnienie współzależności między systemami. Istnieją trzy główne podejścia: dynamika systemu, modelowanie zdarzeń dyskretnych i modelowanie agentów. W przypadku dynamiki systemu zakłada się wysoki poziom abstrakcji, który jest wykorzystywany do rozwiązywania problemów na poziomie strategicznym. W modelowaniu zdarzeń dyskretnych proces jest opisywany jako sekwencja oddzielnych zdarzeń dyskretnych, symulacja odbywa się na średnim poziomie abstrakcji. W podejściu opartym na agentach modelowane jest zachowanie każdego pojedynczego agenta i ustalane są relacje między nimi. Więcej informacji na temat tych trzech podejść można znaleźć na stronie internetowej. https://www.anylogic.ru/ . Zastosowanie konkretnego podejścia zależy od rodzaju systemu lub procesu, a także od celu symulacji.
Przykład
Rozważany jest przykład optymalizacji systemu przepływu ruchu w mieście Sibiu. Do symulacji wykonano zdjęcie satelitarne miasta z Google Maps. Sibiu to miasto położone w Siedmiogrodzie (Rumunia), zamieszkałe przez 147,245 osób. Miasto znajduje się 215 km na północny zachód od Bukaresztu. Miasto przecina rzeka Sibin, dopływ rzeki Olt. Sibiu jest jednym z najważniejszych centrów kulturalnych Rumunii.
W tym artykule rozważono scenariusz przepływu ruchu wzdłuż drogi przecinającej rzekę Sibin i prowadzącej do wyjścia z miasta. Od opuszczenia miasta przechodzi w pobliżu międzynarodowego lotniska w Sybinie, a następnie w godzinach szczytu często jest trudny ruch.
Wymagania wstępne modelu: rozważana jest motorcade, składająca się z 5 pojazdów, która wchodzi do miasta od jego południowej strony i porusza się na zachód, do wyjścia z miasta. Konwój jest wysyłany do terminalu celnego, znajdującego się w pobliżu lotniska, w celu załadowania towarów i towarów wrażliwych. W kierunku jego ruchu, motorcade musi jechać jedyną dostępną drogą przechodzącą przez most nad rzeką Sibin. Ta trasa jest dość ruchliwa, szczególnie na początku i na końcu tygodnia.
Oświadczenie o problemie: jak zoptymalizować przepływ ruchu we wskazanej części miasta Sibiu, aby skrócić czas podróży konwoju, biorąc pod uwagę możliwe korki (ryc. 1)
Rys. 1. Dystrykt Sibiu.
Aby rozwiązać problem optymalizacji, zbudowano model symulacyjny przy użyciu oprogramowania AnyLogic University Researcher v.7.3.6. Konstrukcja modelu odbyła się zgodnie z następującymi krokami.
Etap 1. Tworzenie sieci drogowej.
Po pierwsze, stworzono nowy model symulacyjny o nazwie „Miasto transportowe”. Następnie do AnyLogic dodano zdjęcie satelitarne z Google Maps, odnoszące się do interesującego nas obszaru Sibiu. Aby uzyskać realistyczne wyniki, migawka powinna być skalowana, aby pasowała do AnyLogic (skala 20 metrów).
Następnie powstały drogi i skrzyżowania dróg, które mijają w świecie rzeczywistym (rys. 2).
Rys. 2. Obszar miasta Sibiu, drogi w AnyLogic.
Etap 2. Logika przepływów ruchu.
Po pierwszym etapie skonstruowano schemat blokowy uwzględniający kierunek ruchu wzdłuż pasów. Schemat blokowy zawiera następujące elementy: carSource, carMoveTo, carDispose, selectOutput. Element selectOutput może mieć 2 lub 5 portów wyjściowych. Jeśli samochód ma możliwość skrętu w lewo, w prawo lub prosto, należy użyć selectOutput5. Na rys. 3 segmenty drogi są powiązane z elementami.
Rys. 3. Schemat blokowy sieci transportu miejskiego.
Etap 3. Instalacja sygnalizacji świetlnej.
Po utworzeniu schematu blokowego model został uruchomiony, aby zidentyfikować nieodpowiednie funkcjonowanie. W przypadku skrzyżowań drogowych konieczne jest zainstalowanie sygnalizacji świetlnej (rys. 4 i 5). Bez nich AnyLogic wyświetli ostrzeżenie.
Rys. 4. Symulacja ruchu drogowego.
Rys. 5. Instalacja sygnalizacji świetlnej.
Etap 4. Optymalizacja sygnalizacji świetlnej.
Najpierw ustalono średni czas ruchu - 63,345 sekund. (Rys. 6) z czasem symulacji około 10 minut. (600 sekund)
Rys. 6. Wynik symulacji.
Następnie system przepływu ruchu został zoptymalizowany poprzez skrócenie czasu każdej fazy sygnalizacji świetlnej. Czas każdej fazy został sparametryzowany. Zastosowano cztery parametry o wartości domyślnej 30 sekund: p1 i p2 dla świateł drogowych; p3 i p4 dla trafficLights1. Aby zoptymalizować system transportowy, przeprowadzono eksperyment, w którym przeprowadzono wyszukiwanie zestawu parametrów, które zapewniłyby minimalną wartość funkcji celu (czas podróży). AnyLogic wyświetla proces optymalizacji w kolejnych iteracjach. Wszystkie parametry wahały się od 10 do 35 sekund. w przyrostach co 5 sekund. Wykonano łącznie 200 iteracji. Na rys. 7 wykres przedstawia proces optymalizacji. Oś X jest liczbą iteracji, oś Y to wartość bieżąca, najlepsza nieosiągalna wartość, najlepsza osiągalna wartość dla każdej iteracji. Następnie wszystkie najlepsze osiągalne wartości dla każdego parametru zostały wykorzystane w oryginalnym modelu symulacyjnym.
Rys. 7. Wyniki optymalizacji.
Na rys. 7 pokazuje otrzymane wartości parametrów: p1 = 15s, p2 = 35s, p3 = 20s, p4 = 35s. Po zastąpieniu tych wartości w oryginalnym modelu średni czas podróży zmniejszył się z 63,345 sekundy. do 50,514 sek. (Rys. 8).
Rys. 8. Zoptymalizowany model.
Wniosek
Obecnie rozwiązanie problemu optymalizacji przepływów ruchu w gęsto zaludnionych obszarach miasta odgrywa ważną rolę. System transportu miejskiego można modelować i analizować za pomocą oprogramowania AnyLogic. W artykule przedstawiono wyniki optymalizacji przepływu ruchu w mieście Sybin (Rumunia). Zmieniając działanie różnych faz świateł drogowych, skrócono czas podróży z 63,345 sekund. do 50,514 sek. Aby wyjaśnić wyniki modelowania opartego na agentach, konieczne jest dalsze zbadanie wpływu zachowania pieszych, różnych rodzajów transportu, rowerzystów itp.
Artykuł oryginalny: [Coman Marin-Marian, Dorel Badea. „Optymalizacja ruchu pojazdów w miejskim systemie transportowym za pomocą modelowania symulacji”. Przegląd Akademii Land Forces 22.3 (2017): 190-197].
