Analysis of metro station performance based on hybrid simulation modeling
Analysis of metro station performance based on hybrid simulation modeling
Abstract
A simulation model of a metro station, which is serving as a "digital testing ground", was developed. It accurately reproduces the geometry of the transport hub (vestibules, turnstiles, escalators, platforms, columns, passages), passenger behavior (speed, goals, reaction to events), train schedule. The model can be used to conduct experiments to optimize passenger flow, e.g., identify and eliminate crowded areas near turnstiles, escalators and on platforms, plan repairs and develop navigation schemes. It is also possible to conduct emergency situation modeling experiments such as study of the mechanisms of crowding and testing prevention measures. The main objective of the work is to present the authors’ methods used in developing a hybrid simulation model of a metro station. The following approach to passenger flow modeling is proposed: the simulation model details the routes of passengers coming from the street, as well as the routes of passengers arriving at the station by train. The flow of passengers arriving at the station is modeled as a stream of batched requests. An approach to modeling the complex geometry of a metro station is also proposed. The model enables a quantitative assessment of the congestion in vestibules, stairs, and platforms.
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.