САПР. Моделирование транспортных процессов
 Скачать 0.73 Mb.
|
|
МИНЕСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования ПЕТРОЗАВОДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ Лесоинженерный факультет Кафедра тяговых машин Реферат на тему: МОДЕЛИРОВАНИЕ ТРАНСПОРТНЫХ ПРОЦЕССОВ. Работу выполнил студент группы ТМО 62603: Патракеев А.С. Работу принял: Галактионов О. Н. ПЕРТОЗАВОДСК 2014 Оглавление Введение 3
Заключение 18 Список используемой литературы 19 Введение Экономическая система (англ. Economic system) — совокупность всех экономических процессов, совершающихся в обществе на основе сложившихся в нём отношений собственности и хозяйственного механизма. /10/. В современном мире для обеспечения устойчивого развития предприятия и получения высоких экономических результатов необходимо научиться управлению экономическими явлениями и процессами, что может быть достигнуто с помощью использования математического моделирования.
В ходе проектирования какого-либо дорожно-транспортного узла (пересечения городских магистралей в одном или в разных уровнях), у проектировщика всегда возникают вопросы, как-то: какой режим движения сформирует выбранная геометрия на запроектированном узле?; будет ли обеспечена пропускная способность точек слияния (примыкания съездов), а следовательно и всей развязки в целом?; будет ли должным образом обеспечена безопасность и комфортное движение по будущей развязке? Или же другая ситуация: каждый проект реконструкции или нового строительства дорожно-транспортного узла требует согласований на многих уровнях власти. Задача проектной организации — должным образом, объективно и доступно представить свой проект, донести его суть до людей, которые, возможно, не разбираются во всех тонкостях и специфике данной отрасли. Кроме того, любое крупное строительство в городе непременно вызывает огромный интерес у его горожан, которые также должны быть проинформированы об изменениях, которые их, возможно, ждут на улично-дорожной сети города, в котором они проживают. Получить достоверные ответы на вышеперечисленные вопросы чрезвычайно сложно. Однако, с того момента, как на улично-дорожной сети городов начали появляется развязки в разных уровнях и другие сложные узлы, многие исследователи поставили перед собой задачу — получить более-менее достоверные данные о специфике функционирования будущего дорожно-транспортного сооружения еще на стадии проектирования или даже предпроектных предложений (концепции). Так начал развиваться раздел «Теории транспортных потоков», посвящённый их математическому моделированию. Отечественные ученые столкнулись с данной проблематикой гораздо позже зарубежных коллег, очевидно, в силу невысокого уровня автомобилизации в бывшем СССР и плановости его экономики. В связи с этим, в данной статье не будут рассматриваться какие-либо модели, созданные отечественными исследователями Теории транспортных потоков. Между тем, зарубежные ученые столкнулись с совершенно противоположной ситуацией. Еще Дональд Дрю (Donald Drew), в своей книге “Теория транспортных потоков и управление ими” (Traffic Flow Theory And Control) описал проблему следующего рода: многие молодые исследователи, приступающие к работе в области Теории транспортных потоков, ставят себе задачей создание «идеальной» математической модели, способной описать стохастическое движение транспортного потока языком формул. Это в конечном итоге привело к нагромождению огромного количества всякого рода моделей, начиная от одной формулы, заканчивая целыми массивами, которые способна обработать лишь вычислительная машина. Между тем, как бы там ни было, Теория транспортных потоков уже давно располагает нужным инструментарием в области моделирования транспортных потоков и «изобретать велосипед» здесь нет никакого смысла. Нужно лишь правильно использовать доступные ресурсы. Итак, рассмотрим все ныне известные подходы к моделированию транспортных потоков. Для начала: что же из себя представляет, собственно, процесс моделирования? Моделирование является по существу построением рабочей аналогии. Оно представляет собой построение рабочей модели, отражающей подобие свойств или соотношений с рассматриваемой реальной задачей. Моделирование позволяет изучать сложные задачи движения транспорта не в реальных условиях, а в лаборатории. В более общем смысле моделирование можно определить как динамическое отображение некоторой части реального мира путем построения модели на компьютере и продвижении ее во времени. За последние 50 лет было создано множество математических вероятностных моделей, которые на микро и макро уровнях моделируют транспортные потоки. Некоторые из них, такие как, например, VISSIM, имеют коммерческую основу. Другие же, появились и развиваются в учебных заведениях и проектных институтах (конечно, речь идет о западных ВУЗах) в обучающих целях. Первые держатся в строжайшем секрете, а вторым недостает удобства, простоты использования и визуализации. Модели симулирования (имитирования) движения транспортных потоков чаще всего делят на 4 класса, согласно подходу к уровню моделирования деталей. Первый уровень – это обычные макроскопические модели, где транспортный поток представляется как поток частиц, которые подчиняются законам гидрогазодинамики. Вторым уровнем выделяют наиболее часто используемые модели — микроскопические, которые сосредотачиваются на индивидуальных транспортных средствах и их поведении. В то время как макроскопические модели используют меньше вычислительных ресурсов и, поэтому, позволяют моделирование больших дорожных сетей, результаты часто менее точны по сравнению с микроскопическим моделированием. Модели третьего уровня, мезоскопические, напротив, пытаются заполнить промежуток между макроскопическим и микроскопическим моделированием при использовании индивидуальных транспортных средств, которые приводятся в действие через контролирующие макроскопические переменные. Подмикроскопические модели — это четвертый уровень, обеспечивают самый высокий уровень детализации. Поэтому они чаще всего используются для моделирования поведения одиночного транспортного средства в автомобильной промышленности. Как правило, во всех программах, моделирование транспортного потока происходит на микроуровне. Поэтому, начнем наш обзор именно с него. Рассмотрим 6 самых распространенных вероятностных моделей. Кинематическая модель использует в своей основе элементарное кинематическое уравнение, для того чтобы определить максимальную степень ускорения либо замедления, которое транспортное средство должно проявить, чтоб избежать столкновения с другим транспортным средством, движущемся впереди. В каждом временном отрезке (time-step) новое значение an+1должно быть достаточно высоким для того, чтоб избежать столкновения в выбранном часовом промежутке, который называется временем до столкновения — tc. Кроме того, необходимо постоянно изменять расстояние Dx, чтоб достичь определенного оптимального значения следующего отрезка dx. Скорость корректируется таким образом, чтобы оставаться в пределах [0 … Vmax].  Так как модель опирается лишь на 2 параметра, усилия по ее калибровке будут достаточно невысокими. Но моделирование, очевидно, не достигнет высоких уровней правдоподобности также. Из-за ее ограничений, кинематическая модель имеет крайне малый вес в современном моделировании транспортных потоков и не рекомендована к применению с целью установления ширины проезжей части магистрали. Она включена в учебный процесс во многих ВУЗах Европы лишь с образовательной целью. Вероятностная модель BANDO. В 1995 году Бандо и его коллеги презентовали так называемую «оптимальную скоростную модель» (Optimal Velocity Model). Она представляет собой скоростную модель плотности, которая относится к группе детерминированных ведущих моделей и связывает целевую скорость транспортных средств с макроскопической плотностью транспортного потока. Бандо вывел оптимальную скорость таким образом, чтобы каждое транспортное средство старалось следовать следующему отношению:  где: an+1- ускорение для следующего отрезка времени; α — фактор чувствительности (значение, обратное времени реакции водителя); vopt — оптимальная скоростная функция; dx — изменение расстояния к предыдущему автомобилю; vn — текущая скорость транспортного средства. Команда Бандо предложила оптимальную скоростную функцию, которая монотонно увеличивается, с верхней границей в vmax.  Со временем, модель была модифицирована еще несколькими оптимальными скоростными функциями. Например, используя разные функции ускорения или дифференцируя между свободной скоростью транспортного средства (ненасыщенный транспортный поток) и скоростью на пределе пропускной способности (speed-at-capacity) (насыщенный транспортный поток) с уравнением с 4-мя параметрами (Van Aerde, 1995). Вероятностная модель GAZIS. Так называемая теория следования за автомобилем («гонка за лидером»), основана на исследованиях Gazis, Herman і Rothery (1961), старается следовать поведению транспортного средства, детерминируя расстояние, рассматривая время реакции водителя к определенным стимулам (например, разные скорости впередиидущего автомобиля), согласно формулы:  где:an+1 - ускорение после времени реакции tp; α0 — фактор чувствительности; m, l - параметры калибровки (коэффициенты); dx — разница скорости с предыдущим транспортным средством. Для немецких магистралей значения параметров m і l были установлены в исследованиях Hoefs (1972) для различных сценариев (отдаление или приближение автомобиля спереди, с тормозными сигналами или без них). Однако, из-за стабильного увеличения автомобилей на европейских магистралях, в ходе развития пакета моделирования BABSIM была выполнена перекалибровка эталонных параметров, что привело к получению новых наборов параметров и более реалистичным результатам моделирования. Вероятностная модель смены полосы движения Sparmann. Опираясь на работы Вайдемана, Спарман развивал алгоритм изменения полосы движения для двухполосного шоссе (Sparmann, 1978). Принимая во внимание все шесть потенциальных партнеров для взаимодействия (то есть каждое транспортное средство спереди, сзади на текущей полосе, а так же на двух соседних), транспортное средство могло бы изменить полосу движения, используя параметры Вайдеманна. Как только появилась потребность в изменении полосы движения, осуществляется проверка — подвергнет ли такой переход опасности или его или его так называемого “партнера взаимодействия”. Если обеспечивается безопасность всех транспортных средств, начинается процесс перестроения и транспортное средство оказывается на соседней полосе. Одно неудобство модели Спармана — нехватка более упреждающего стратегического подхода. Рассматриваются только соседствующие транспортные средства, игнорируя потребность других транспортных средств сменить полосу движения. Вероятностная модель смены полосы движения THEIS. Тейс (1997) добавил стратегический компонент к модели Спармана: если транспортное средство пытается перестроиться на определенную полосу, оно должно для начала “просить” помощь у соседних транспортных средств. И наоборот, участвующее во взаимодействии транспортное средство должно решить, ускориться ли или замедлиться, чтобы создать интервал для меняющего полосу транспортного средства, или самому сменить полосу, чтобы создать ему место. Модель WIEDEMANNа в составе программного комплекса PTV Vision VISSIM. Имитационное моделирование. Система имитации VISSIM состоит из двух отдельных программ, которые взаимодействуют друг с другом с помощью интерфейса, в котором происходит обмен данными измерений детекторов и данными о состояниях систем регулирования. Результат имитации — это анимация движения транспорта в виде графики в режиме реального времени и последующая выдача всевозможных транспортно-технических параметров, таких как, например, распределение времени в пути и времени ожидания, дифференцированных по группам пользователей. В модель транспортного потока заложены модель следования за впереди идущим транспортным средством (ТС) с целью отображения движения в колонне за впереди идущим ТС по одной полосе движения и модель смены полосы движения. Зависящая от транспортного движения логика регулирования моделируется с помощью внешних программ регулирования светосигнальных установок. Программа для логического управления запрашивает параметры детекторов в такте от 1 секунды до 1/10 секунды (в зависимости от настройки и типа светофорных установок). Из полученных значений и временных интервалов программа определяет состояние всех систем регулирования для следующего шага имитации и вносят их в имитацию транспортного потока. Существенным для точности системы имитации является качество модели потока транспортного движения, т.е. метода, с помощью которого рассчитывается передвижение транспортных средств в сети. В отличие от более простых моделей, в которых за основу берутся постоянные скорости и неизменное поведение следования за впереди идущими транспортными средствами, PTV Vision® VISSIM использует психофизиологическую модель восприятия Вайдеманна (1974 г., 1999 г.). Основная идея модели заключается в том, что водитель транспортного средства, движущегося с более высокой скоростью, начинает тормозить при достижении своего индивидуального порога восприятия относительно удаленности от впереди идущего транспортного средства, когда дистанция до впереди идущего транспортного средства начинает восприниматься им как слишком маленькая. Так как он не может точно оценить скорость впереди идущего транспортного средства, то его скорость будет падать ниже скорости впереди идущего транспортного средства до тех пор, пока он не начнет снова немного ускоряться после достижения своего порога восприятия, когда он начнет воспринимать возникшую между ним и впереди идущим ТС дистанцию как слишком большую. Это ведет к постоянному легкому ускорению и замедлению. С помощью функций распределения для скорости и дистанции имитируется различное поведение водителей. Имитационные модели этого типа относятся к семейству car- following: • Gazis-Herman-Rothery(GHR) • CollisionAvoidancemodel(CA)– Модели Kametani и Sasaki, Гиппс, Лѐйцбаха, Крауса • PsychophysicalorActionPointmodel(AP) – Модель Видеманна • Linearmodel– Модели Helly, Hanken и Rockwell, Burnham и Seo, Aron Xing • Fuzzylogic-basedmodel28.06.2010 – Модели Rekersbring, Henn, McDonald и Wu. Модели семейства car-following ориентируются на характеристики индивидуального транспортного средства. Модель Вайдеманна класса PSM выигрывает по количеству учитываемых факторов в моделировании транспортного трафика на микроуровне. Модель Вайдеманна включает в себя характеристики водителя, самого транспортного средства и представляет золотую середину между клеточными автоматами и остальными классами моделей семейства car-following. После многочисленных эмпирических исследований, проведенных техническим университетом города Карлсруэ, эта модель следования за впереди идущим ТС стала эталонной. Более актуальные измерения доказывают, что изменившаяся за последние годы манера езды и технические возможности транспортных средств корректно отображаются в данной модели. На многополосных проезжих частях водитель в VISSIM-модели учитывает не только впереди идущие транспортные средства, но и транспортные средства на обеих соседних полосах. Особенное внимание у водителя дополнительно вызывает светофор в 100 м перед достижением стоп — линии. В VISSIM так называемые единицы водитель — транспортное средство двигаются по сети. Каждый водитель со своими индивидуальными параметрами поведения соотносится с определенным транспортным средством. При этом манера езды совпадает с техническими возможностями транспортного средства. Имитационное моделирование, на данном этапе представляется мощным инструментом для оценки и анализа движения транспортных и пешеходных потоков. Кроме того, программа уровня PTV Vision® VISSIM позволяет в значительной мере упростить работу проектировщика и создает достоверную платформу для проектирования как дорожно-транспортных, так и любых градостроительных объектов.
Основные из них таковы: 1) модель нужна для того, чтобы понять, как устроен конкретный объект, какова его структура, основные свойства, законы развития и взаимодействия с окружающим миром (понимание); 2) модель нужна для того, чтобы научиться управлять объектом (или процессом) и определить наилучшие способы управления при заданных целях и критериях (управление); 3) модель нужна для того, чтобы прогнозировать прямые и косвенные последствия реализации заданных способов и форм воздействия на объект (прогнозирование). Выработка концепции управления объектом - другая возможная цель моделирования. Какой режим полета самолета выбрать для того, чтобы полет был вполне безопасным и экономически наиболее выгодным? Как составить график выполнения сотен видов работ на строительстве большого объекта, чтобы оно закончилось в максимально короткий срок? Множество таких проблем систематически возникает перед экономистами, конструкторами, учеными. Наконец, прогнозирование последствий тех или иных воздействий на объект может быть как относительно простым делом в несложных физических системах, так и чрезвычайно сложным - на грани выполнимости - в системах биолого-экономических, социальных. Если относительно легко ответить на вопрос об изменении режима распространения тепла в тонком стержне при изменениях в составляющем его сплаве, то несравненно труднее проследить (предсказать) экологические и климатические последствия строительства крупной ГЭС или социальные последствия изменений налогового законодательства. Возможно, и здесь методы математического моделирования будут оказывать в будущем более значительную помощь.
В настоящее время моделирование является основным методом исследований во всех областях знаний и научно обоснованным методом оценок характеристик сложных систем, в частности транспортных, используемым для принятия решений в различных сферах деятельности. При выполнении моделирования решается задача определения структуры процесса. При проектировании сложных транспортных систем и их подсистем возникают многочисленные задачи, требующие оценки количественных характеристик и качественных закономерностей процессов функционирования таких систем. Ограниченность возможностей экспериментального исследования больших транспортных систем делает невозможным их полное проектирование, внедрение и эксплуатацию без использования методики моделирования, которая позволяет в соответствующей форме представить процессы функционирования систем и описание протекания этих процессов с помощью математических моделей. Наибольшее распространение при этом получили аналитический и имитационный методы моделирования. При аналитическом исследовании транспортных систем полное исследование удается провести в том случае, когда получены явные зависимости, связывающие искомые величины с параметрами системы и начальными условиями ее изучения. Однако это удается выполнить только для сравнительно простых транспортных систем. Анализ характеристик процессов функционирования сложных систем с помощью только аналитических методов наталкивается на значительные трудности, приводящие к необходимости существенного упрощения моделей и получению недостоверных результатов. Поэтому чаще всего для исследования транспортных систем используют имитационные модели. Математический аппарат, применяемый в имитационном моделировании практически нечем неограничен. В основе данного моделирования транспортных систем, лежит моделирование случайных явлений. Благодаря наличию возможности производить различную генерацию событий существует реальная возможность прогнозировать различные события в транспортной системе. Рассмотрим сферу применения имитационных моделей (рис. 1).  Рис. 1. Транспортные задачи Рассмотрим каждый процесс в отдельности и обоснуем правильность использования имитационного моделирования для их решения. 1. Планирование и составление расписаний работы транспортной системы. Практически любая производственная или логистическая деятельность требует составления расписания чего-либо в том или ином виде. Часто данная задача может быть довольно просто решена, например, если нет никакой вероятностей, и парк, например, автомобилей составляет 5 единиц, то эффективное расписание можно составить исходя из простых логических умозаключений. Но если есть производство, сложный технологический процесс, значительный парк транспортных средств, то составить эффективное расписание «вручную» может быть сложно, если вообще возможно. В общем виде, составление расписания или любое планирование во времени взаимосвязанных динамических событий является сложной и, как правило, не решаемой аналитически задачей. Единственным методом, который позволяет найти оптимальное расписание в общем случае, является полный перебор всех возможных вариантов развития событий, но решить подобную систему невозможно, т.к. события развиваются во времени, и чем дальше мы смотрим вперед, тем больше различных вариантов получаем, и количество необходимых расчетов растет в геометрической прогрессии. Поэтому для составления сложных расписаний используется комбинация имитационных моделей со специальными оптимизационными эвристиками, которая позволяет найти расписание, близкое к оптимальному. 2. Управление парком транспортных средств и перевозками содержит следующие задачи: стратегическое и оперативное управление парком транспортных средств; оптимизация и планирование перевозок; автоматизация бизнес-процесса по управлению перевозками, в том числе и процесса принятия управленческих решений; минимизация затрат на управление перевозками и содержание парка; оценка рисков принимаемых решений. Управление парком и перевозками включает в себя множество различных аспектов, например, комплектование парка, закупку новых транспортных средств, план регламентных работ, управление человеческими ресурсами, так же, как и непосредственное управление перевозками, т.е. какое транспортное средство, когда и куда надо направить. Управление перевозками является наиболее сложной задачей среди перечисленных и фактически сводится к долгосрочному и краткосрочному планированию, в частности, составлению расписания перевозок, а также оперативному управлению транспортными средствами. Требования к управлению могут выдвигаться совершенно разные, например, максимизация объема перевозок, минимизация стоимости перевозок, или вероятность выхода стоимости перевозок за рамки бюджета. Однако, независимо от требований, аналитического решения для задачи составления расписания не существует, и единственным способом решения являются системы поддержки принятия решений на основе оптимизирующих имитационных моделей, которые позволяют получить результат близкий к оптимальному. Такие модели позволяют «проиграть» различные схемы управления парком с учетом текущей дислокации, проанализировать различные варианты развития событий и выбрать наиболее эффективное решение на данный момент времени. 3. Управление транспортными сетями. Транспортные сети (дате ТС) объединяют в себя все ресурсы и процессы, необходимые для хранения и доставки грузов: транспортные средства, маршруты доставки, склады и терминалы, фронты погрузки/разгрузки, информационные системы. Управление транспортной сетью в целом стоит на уровень выше, чем управление парком транспортных средств или, например, терминалом. Фактически, управление ТС дает общий взгляд на всю транспортную систему в целом, а задача эффективного управления ТС фактически сводится к эффективному управлению всеми ее ресурсами и процессами. Таким образом, возможность учитывать особенности всех узлов системы в их взаимосвязи позволяет снизить затраты и сократить риски при принятии управленческих решений и рисками потенциальных финансовых потерь. 4. Управление цепочками поставок.Цель управления цепочками поставок состоит в объединении рынка сбыта, системы распределения, производства и закупки таким образом, чтобы клиенты обслуживались на более высоком уровне при одновременном снижении затрат. Управления цепочками поставок состоит из трех основных этапов:
Наиболее сложным этапом, является процесс принятия решений, так как необходимо проанализировать множество взаимосвязанных, часто стохастических событий. Тем не менее, большинство систем по управлению цепочками поставок предоставляет только возможности мониторинга и документирования процесса, что является необходимой составляющей, но все же не основной. Имитационные модели позволяют полностью спрогнозировать процесс управления цепочками поставок от принятия решений до мониторинга их выполнения и документирования. 5. Склады и терминалы.Склад является неотъемлемой частью любой цепочки поставок – все начинается со склада, складом же все и заканчивается. Без учета параметров склада, его ресурсов, динамики движения товаров невозможно эффективно управлять цепочкой поставок в целом. От того, насколько эффективно работает склад, как используются его площади и ресурсы, в значительной степени зависит результативность функционирования всей логистической структуры. Например, нередко приходится сталкиваться с ситуациями, когда из-за неэффективной работы склада или терминала вагоны могут более суток ожидать погрузки, в то время как само время перевозки составляет два-три дня, т.е. фактически эффективность перевозок в таких случаях падает на 50%. Также одним из интересных приложений имитационных моделирования является анализ сети терминалов и складов. Имитационные модели помогают проанализировать различные варианты расположения терминалов и складов, организовать грузопотоки, оценить, как терминалы будут реагировать на увеличение грузопотока, в какой очередности рекомендуется строить терминалы – и все это делается с учетом реальных стохастических характеристик, а не средних величин и непонятно как полученных коэффициентов, которые, как правило, дают результаты, значительно отличающиеся от фактических. Общий процесс построения транспортной модели, осуществляемый при имитационном моделировании транспортной системы, делится на следующие этапы: постановка задачи, определение цели исследования в транспортной системе, разработка системы в рамках принятых допущений; планирование имитационного эксперимента на вычислительной станции; испытание модели в соответствии с намеченным планом и получение результатов для последующего формирования решения. Рассмотрим транспортную задачу и ее реализацию с помощью имитационной модели. За основу возьмем морской логистический комплекс. При проектировании нового порта или анализа работы уже существующего, часто возникает задача в определении числа причалов, необходимых для работы порта без перегрузки и простоя. Решение данной задачи необходимо в целях оптимизации работы всей морской транспортной системы. Структура данного процесса приведена на рис 2.  Рис 2. Структура транспортных процессов и реализация транспортной модели На вход системы подается поток кораблей, которые ждут разгрузки возле причалов или находятся на подходе к ним в акватории порта. Порт содержит определенное число причалов, которые могут обработать суда. При имитационном моделировании выполняется генерация различного числа судов. Имитационное моделирование движения судов в акватории порта реализовано в среде AnyLogic версии 6.4.1 (рис. 3).  Рис. 3. Имитационная модель движения судов в акватории портаВ результате работы имитационной модели получаются качественные, количественные и графические характеристики работы блоков “поток кораблей”, “рейд”, “причалы” указанные на рис.2. Как видно на рис.3 задано три транспортных потока и причалы не могут справиться с определенным входным потоком судов. Очередь из судов, ожидающих разгрузки, увеличивается. Количественные характеристики данного транспортного процесса являются основой для расчета оптимального числа причалов, которые обеспечат оптимальную работу портового комплекса. Результаты расчета и графические характеристики приведены в таблице 1 и рис.4 Таблица 1
 Рис.4 График зависимости коэффициента загрузки и среднего ожидания судна на рейде Таким образом, проанализировав зависимости на рис. 4 и таблице 1, можно прийти к выводу, что для эффективного функционирования морского порта необходимо наличие 8 или 9 причалов. При таком количестве причалов портовая система будет работать оптимально и удается минимизировать простои судов и причалов. Следующей транспортной задачей, которую необходимо исследовать, является моделирование работы каждого причала в отдельности. Данный транспортный процесс также реализован с помощью имитационной модели (рис 5).  Рис 5. Имитационная модель работы причала для контейнерных судов В результате проведенного исследования обоснованы факторы, при которых использование имитационного моделирования для решения транспортных задач является наиболее эффективным. Приведена классификация транспортных задач. В завершении приводится системное решение транспортной задачи в морском логистическом комплексе и итоговые имитационные модели.
Мониторинг – это процесс систематического сбора информации о параметрах сложного объекта или деятельности с целью их оценки, контроля или прогноза. Выделяют два вида мониторинга: 1. Индикативный; 2. Репрезентативный. Первый вид предполагает отбор лишь некоторого числа легко измеряемых наблюдений – индикаторов, позволяющих выявить некоторые наиболее важные с точки зрения мониторинга закономерности. Второй – предполагает рассмотрение всей совокупности параметров рассматриваемой системы, обеспечивающих достоверную идентификацию ее состояния. Он требует больших затрат времени, усилий и ресурсов, чем индикативный мониторинг. Безусловно, применение репрезентативного мониторинга является более предпочтительным. Однако стоимость его проведения может превышать ценность полученного в итоге результата, а анализ – запаздывать. В данном случае имеет место отрицательный экономический эффект, что является недопустимым. На сегодняшний момент мониторинг нашел свое применения в самых разных отраслях экономики, в том числе и на транспорте. Особенностью систем мониторинга применяемых в транспортном комплексе является их неразрывная связь с развитием геоинформационных систем (ГИС), которые нашли свое применение на всех видах транспорта: автомобильном, водном, воздушном и железнодорожном. В общем случае ГИС на транспорте могут использоваться для решения трех групп задач: - управление инфраструктурой и ее развитие; - управление парком подвижных средств и логистика; - управление движением (как транспортным средством, так и потоком). Независимо от целей, в процессе мониторинга участвуют: 1. Источник сбора первичной информации; 2. Источник передачи данных на сервер; 3. Сервер; 4. Программно-аппаратный комплекс, принимающий, обрабатывающий, хранящий и анализирующий полученную информацию. Системы мониторинга должны отвечать требованиям, которые можно сформулировать в виде следующих основных принципов: 1. Объективность данных мониторинга (достоверность); 2. Сравнимость параметров изучаемой системы; 3. Учет влияния внешних факторов (по отношению к рассматриваемой системе); 4. Прогностичность (выявление и оценка тенденций, которые позволят прогнозировать с определенной долей вероятности будущее состояние рассматриваемой системы); 5. Целевое назначение (получение необходимой и достаточной информации, исходя из обозначенной цели осуществляемой деятельности); 6. Оперативность (анализ данных и выдача результата, должны обеспечивать своевременное принятие управленческого воздействия, в частности, при возникновении критических ситуациях). В зависимости от конкретных целей мониторинга, этот список изменяется и дополняется. На сегодняшний момент системы мониторинга, используемые на транспорте занимаются в основном вопросами оперативного управления. Среди них, в частности, можно выделить: 1. Мониторинг психо-физического состояния водителя (машиниста) транспортного средства ; 2. Мониторинг технических характеристик транспортного средства ; 3. Мониторинг количества пассажиров, в том числе, с применением систем искусственного зрения ; 4. Мониторинг маршрута-следования и местонахождения транспортного средства; 5. Мониторинг «целевого» расхода топлива . 6. Мониторинг потока улично-дорожной сети, с целью выявления пробок ; 7. и т. д. Данные вопросы получили свое широкое освещение в научных публикациях, поэтому не будем на них останавливаться. Рассмотрим более подробно потенциальные возможности систем мониторинга в транспортном комплексе для решения тактических и стратегических задач. В частности: 1. Выбор оптимальной цепочки доставки грузов при интермодальных перевозках; 2. Планирование развития инфраструктуры транспортной сети для освоения перспективных объемов перевозок. Несмотря на то, что первая задача является тактической, а вторая стратегической, рассмотрение их в отрыве друг от друга является нецелесообразным. Так, тактическое управление грузопотоками (планирование) при интермодальных перевозках позволит приспосабливаться к изменению их структуры, объемов и направления. Однако возможности адаптации ограничены. При слишком большом рассогласовании ритмов может наступить такой момент, когда нельзя уже будет обеспечить надежную транспортную связь. Транспортная система начнет играть роль ограничения , и отсутствие решения задачи на тактическом уровне просигнализирует о необходимости ее решения на стратегическом. Выбор оптимального варианта устранения «узких мест», ограничивающих пропускную способность, в условиях перспективных объемов перевозок, и своевременное проведение реконструкционных работ по развитию инфраструктуры являются результатами применения данных мониторинга для решения стратегических задач. Грамотно построенная структура транспортной сети, учитывающая изменения структуры, объема и направлений перспективных грузопотоков, в свою очередь, обеспечит потребную совокупную пропускную способность инфраструктуры при минимизации затрат, после чего можно продолжать решение задач на тактическом и оперативном уровнях, посредством мониторинга в условиях новой структуры и технических параметров транспортной сети. Таим образом, необходимо осуществлять постоянный прогноз перспективных грузопотоков, посредством «тактического» мониторинга, и поиск наилучших логистических цепочек их транспортировки, а в случае появления ограничений в транспортной инфраструктуре своевременно принимать решения по ее реконструкции. Актуальность этих задач неразрывно связана с потребностью в создании сети региональных транспортно-логистических центров (ТЛЦ) , которые будут предназначены для координации работы и информационно-логистического обоснования мер по реализации стратегии развития транспортного комплекса. Развитие сети региональных ТЛЦ позволит перейти от мониторинга отдельных отправок грузов, транспортных средств, парков отдельных собственников и участков транспортной сети к мониторингу грузопотоков в масштабе всего транспортного комплекса. Потребность в комплексной системе мониторинге особенно актуальна при перевозках различными видами транспорта, так как рассогласование их ритмов в пунктах взаимодействия (перевалки) приводят к значительным эксплуатационным потерям всех участников перевозочного процесса. При появлении возможности решения описанных задач посредством мониторинга, можно будет говорить о логистике как об интегрированной системе активного управления материальными потоками на основе применения современных информационных технологий и оптимизационных экономических решений рассматривающей в единстве материальные потоки между хозяйствующими субъектами и внутри них, направленной на достижение высоких конечных результатов деятельности . При этом важно учитывать, что система мониторинга в масштабе транспортного комплекса позволяет пойти дальше решения описанных выше задач и охватить не только перевозочный процесс, но и весь спектр сопутствующих логистических услуг включающий погрузку, разгрузку, перегрузку с одного вида транспорта на другой, складирование, хранение, обработку груза и т.д. Эти задачи также являются важными с точки зрения эффективного функционирования транспортного комплекса в условиях необходимости предоставления клиентам комплекса логистических услуг по принципу перевозок от «двери до двери». ТЛЦ, посредством организации мониторинга транспортного процесса смогут сформировать единое информационное пространство рынка транспортных услуг, что является необходимым условием своевременного развития инфраструктуры в условиях трудно предсказуемой динамики грузопотоков как в транзитном, так и во внутригосударственном сообщении. Необходимость внедрения современных логистических и информационных технологий становится насущной потребностью, особенно в условиях дальнейшей интеграции российской экономики в международную систему торговли и развития транзитных перевозок. На сегодняшний момент автором в рамках диссертационной работы разработан «Метод определения «узких мест», ограничивающих пропускную и провозную способности железнодорожных направлений» на основании мониторинга параметров движения испытательных грузовых поездов, который позволяет определить «узкие места» и далее с помощью программного комплекса имитационного моделирования процессов перевозок оценить достаточность и эффективность предлагаемых реконструкционных мероприятий. Описанный комплекс методов получил положительную оценку при выполнении коммерческих проектов для ЦД ОАО «РЖД» и ОАО «ИЭРТ», при оценке возможности освоения перспективных объемов перевозок на железнодорожном направлении Мга-Лужская, обслуживающем морской порт Усть-Луга. В свою очередь, задачи продвижения перспективных грузопотоков при интермодальных перевозках в масштабе транспортного комплекса, а также планирование развития инфраструктуры для освоения прогнозируемых объемов перевозок, на базе сети региональных ТЛЦ, по мнению автора, могут быть эффективно решены только при внедрении аналогичных систем мониторинга для всего транспортного комплекса. Заключение Под термином «транспортные задачи» понимается широкий круг задач не только транспортного характера. Общим для них является, как правило, распределение ресурсов, находящихся у т производителей (поставщиков), по п потребителям этих ресурсов. На автомобильном транспорте наиболее часто встречаются следующие задачи, относящиеся к транспортным: • прикрепление потребителей ресурса к производителям; • привязка пунктов отправления к пунктам назначения; • взаимная привязка грузопотоков прямого и обратного направлений; •отдельные задачи оптимальной загрузки промышленного оборудования; • оптимальное распределение объемов выпуска промышленной продукции между заводами-изготовителями и др. Задача о размещении (транспортная задача) – это распределительная задача, в которой работы и ресурсы измеряются в одних и тех же единицах. В таких задачах ресурсы могут быть разделены между работами, и отдельные работы могут быть выполнены с помощью различных комбинаций ресурсов. Примером типичной транспортной задачи является распределение (транспортировка) продукции, находящейся на складах, по предприятиям-потребителям. Стандартная транспортная задача определяется как задача разработки наиболее экономичного плана перевозки продукции одного видаиз нескольких пунктов отправления в пункты назначения. При этом величина транспортных расходов прямо пропорциональна объему перевозимой продукции и задается с помощью тарифов на перевозку единицы продукции. СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 1. Афанасьев Л. Л. Единая транспортная система и автомобильные перевозки: учебник для вузов / Л. Л. Афанасьев, Н. Б. Островский, С. М. Цукерберг. – М.: Транспорт, 1984. – 333 с. 2. Бочкарев А. А. Планирование и моделирование цепи поставок: учебно-практическое пособие / А. А. Бочкарев. – М.: «Альфа-Пресс», 2008. – 192 с. 3. Вельможин А. В. Теория транспортных процессов и систем: учебник для вузов / А. В. Вельможин, В. А. Гудков, Л. Б. Миротин. – М.: Транспорт, 1998. – 167 с. 4. Горев А. Э. Грузовые автомобильные перевозки: учеб. пособие. 5-е изд. / А. Э. Горев. – М.: Издательский центр «Академия», 2008. – 288 с. 5. Грузовые автомобильные перевозки: учебник для вузов / А. В. Вельможин, В. А. Гудков, Л. Б. Миротин, А. В. Куликов. – М.: Горячая линия – Телеком, 2006. – 560 с. 6. Модели и методы теории логистики: учеб. пособие. 2-е изд. / под ред. В. С. Лукинского. – СПб.: Питер, 2007. – 448 с. 7. Перевозка экспортно-импортных грузов. Организация логистических систем / под ред. А. В. Кириченко. – СПб.: Питер, 2004. – 506 с. 8. Цветков В. Я. Геоинформационные системы и технологии / В. Я. Цвет- ков. – М.: Финансы и статистика, 1998. – 288 с. |