Анализ функционирования станции метро на основе гибридного имитационного моделирования
Анализ функционирования станции метро на основе гибридного имитационного моделирования
Аннотация
Авторами разработана имитационная модель станции метро, выступающая в роли «цифрового полигона», который с высокой точностью воспроизводит: геометрию транспортного узла — вестибюли, турникеты, эскалаторы, платформы, колонны, переходы; поведение пассажиров (скорость, цели, реакция на события); расписание поездов. На основе модели возможно проводить эксперименты по оптимизации пассажиропотока — поиск и устранение зон скопления людей у турникетов, эскалаторов, на платформах; планирование ремонтов; разработка схем навигации. Также возможно проводить эксперименты по моделированию чрезвычайных ситуаций — изучать механизмы возникновение давки и тестирование мер по предотвращению. Основной целью работы является изложение авторских методов, использованных в разработке гибридной имитационной модели станции метро. Предложен подход к моделированию пассажиропотока: имитационная модель детально моделирует маршруты движения пассажиров, приходящих с улицы, а также маршруты пассажиров, прибывающих на станцию поездами. Поток пассажиров, прибывающих на станцию, моделируется как поток пакетированных заявок. Также предложен подход к моделированию сложной геометрии станции метро. Модель позволяет количественно оценить загруженность вестибюлей, лестниц, платформ.
1. Введение
Современные требования к транспортной безопасности требуют от эксплуатантов готовности к нештатным ситуациям: задержкам поездов, временному закрытию выходов, эвакуации или резкому всплеску пассажиропотока после массовых мероприятий. Экспериментировать с такими сценариями в реальных условиях опасно, дорого и зачастую невозможно. Традиционные аналитические методы расчёта пропускной способности и оценки эффективности работы станций становятся недостаточно гибкими: они не позволяют учесть стохастический характер поведения пассажиров, нелинейные взаимодействия между элементами инфраструктуры, геометрический план транспортного узла и динамику возникновения «узких мест» . Именно поэтому, разработка адекватной имитационной модели станции метро приобретает высокую практическую и научную значимость. Цель работы изложить программный подход, позволяющий разработать имитационную модель с заявленными возможностями.
2. Программная реализация имитационной модели станции метро «Сокол»
В работе представлена имитационная модель станции метро «Сокол», разработанная в среде моделирования AnyLogic . Имитационная модель разработана для оценки показателей качества функционирования транспортного узла, как системы массового обслуживания (СМО) . При разработке модели были приняты следующие допущения:
Пассажиры прибывают на станцию с промежутками времени, имеющими экспоненциальное распределение, количество прибывающих на поездах людей имеет пуассоновское распределение, время обслуживания на кассах имеет треугольное распределение .
С портала открытых данных Москвы получены данные о среднем количестве людей, входящих и выходящих на станции в течение дня . Для моделирования были использованы усреднённые почасовые значения.
В открытых источниках есть информация только по времени прибытия первого и последнего поездов на станцию, поэтому в течение дня промежуток времени между поездами принят постоянным — 4 (или 2) минуты.
Рисунок 1 - Диаграмма поведения пассажиров, входящих с улицы
Рисунок 2 - Диаграмма поведение пассажиров, прибывающих на поезде
Рисунок 3 - Диаграмма процессов для потока пассажиров, входящих с улицы
Рисунок 4 - Диаграмма процессов для потока пассажиров, прибывающих на поезде
Рассмотрим назначения модельных блоков, представленных на дискретно-событийных диаграммах (рис. 3, рис. 4). Обозначения и описания блоков представлены в таблице 1.
Таблица 1 - Формализация блоков дискретно-событийных диаграмм
Обозначение на диаграмме | Описание |
North, South, Airport, Voykovskaya | Блоки создания агентов-пассажиров. North и South на входах на станцию, Airport и Voykovskaya на платформе |
NorthToTickets, SouthToTickets | Вероятностный автомат, моделирующий стохастический процесс необходимости покупки билета пассажиром |
NorthAtTVM, SouthAtTVM | Кассы |
NorthTurnstile, SouhTurnstile, ExitTurnstileEast, ExitTurnstileNorth, ExitTurnstileSouth | Турникеты |
StairsChoise, StairsToExitChoise | Вероятностный автомат, определяющий выбор пассажиром лестницы на/с платформы |
Stairs_1, Stairs_2, Stairs_3, ExitStairs_1, ExitStairs_2 | Лестницы |
WayChoise | Выбор направления поездки |
pedWaitVoyk, pedWaitAirport | Ожидание поезда |
GoToVoykovskaya, GoToAirport | Посадка на поезд |
ExitChoise, ExitChoise_2, ExitChoise_3 | Вероятностные автоматы, определяющие выход, которым воспользуется пассажир |
ToExit1 – ToExit6 | Движение пассажира к соответствующему выходу |
Движение к соответствующему выходу | Удаление агентов-пассажиров из модели |
Для моделирования движение пассажиров и анализа поведения толпы была использована встроенная пешеходная библиотека в среде AnyLogic , . В модели каждый пешеход — это самостоятельный агент. Агент «видит» пространство вокруг себя, находит самый короткий путь к своей цели и умеет обходить препятствия и других людей . Реализована возможность гибко настраивать поведение агентов с помощью диаграмм состояний и задавать индивидуальные свойства, задавая им, например, наличие багажа или любимый маршрут. Для анализа результатов моделирования библиотека позволяет строить карты скопления людей и получать подробную статистику: как менялась длина очереди со временем, сколько каждый пассажир провел в ожидании и другие полезные данные.
Поскольку стандартные средства визуализации AnyLogic не обеспечивают необходимой синхронизации прибытия и отбытия поездов с процессами высадки и посадки пассажиров, для реализации сложной логики был разработан программный код на Java . Разработанные функции решают следующие ключевые задачи:
1. Привязка пассажира к транспорту: каждого агента ассоциируют с ближайшим подходящим поездом. Программный код функции представлен на рис. 5.
2. Управление поездами: Прибывающий поезд удаляется из множества рейсов в момент начала процессов высадки и посадки. Программный код функции представлен на рис. 6.
3. Генерация и удаление агентов-пассажиров: Модель динамически создает агентов-пассажиров, прибывающих на станцию в составе поезда, и удаляет тех, кто завершил посадку или покинул станцию.
Поток пассажиров, осуществляющих высадку и посадку, смоделирован по принципу обработки пакетированных заявок.
Рисунок 5 - Функция, сопоставляющая пассажира с поездом
Рисунок 6 - Функция, удаляющая из множества поездов прибывающий поезд
3. Практические результаты применения имитационной модели транспортного узла
С помощью модели получены следующие наборы данных: количество людей на кассах каждую минуту в течение 5 часов, время пребывания на станции 1000 пассажиров, направляющихся на поезд, и время пребывания на станции 1000 пассажиров, направляющихся к выходам.
На рис. 7, рис. 8, рис. 9 представлены данные, получены на основе вычислительных экспериментов, проведенных с помощью имитационной модели.
Рисунок 7 - Карта плотности
Рисунок 8 - Средняя длина очереди к кассам
Временем пребывания пассажира на станции будем считать время от момента появления агента в среде до момента его удаления из нее. Среднее время пребывания на станции тех, кто уезжает с «Сокола» примерно 4 минуты, а тех, кто приехал на «Сокол» — 2 минуты (рисунок 9).
Рисунок 9 - Среднее значение времени пребывания пассажира на станции
4. Заключение
Рассмотрены подходы к программной реализации гибридной имитационной модели станции метро «Сокол», которая позволяет анализировать пропускную способность станции посредством проведения вычислительных экспериментов. Эксперименты показали, что основным узким местом станции являются кассы южного входа, а турникеты наоборот обладают избыточной пропускной способностью. Полученная модель может быть использована для оценки вариантов оптимизации станции и анализа уже существующей инфраструктуры. Разработанная гибридная имитационная модель станции метрополитена является не просто учебной или научно-исследовательской задачей, а насущной потребностью практического транспортного инжиниринга. Имитационная модель предоставляет инструментарий для принятия обоснованных решений в условиях неопределённости, способствует повышению безопасности, эффективности и комфорта при эксплуатации одного из самых ответственных элементов городской инфраструктуры. В условиях цифровой трансформации транспорта такие модели становятся обязательным этапом как при проектировании новых объектов, так и при модернизации существующих.