ОПТИМИЗАЦИЯ ГОРОДСКИХ ГРУЗОВЫХ ПЕРЕВОЗОК С ИСПОЛЬЗОВАНИЕМ МОДЕЛИ ЭНТРОПИИ

Дата поступления: 
16.09.2019
Библиографическое описание статьи: 

Лебедева О. А. Оптимизация городских грузовых перевозок с использованием модели энтропии / О. А. Лебедева, В. Е Гозбенко, С. К. Каргапольцев // Современные технологии. Системный анализ. Моделирование. – 2019. – Т. 64, № 4. – С. 131–137. – DOI: 10.26731/1813-9108.2019.4(64). 131-137

Рубрика: 
Год: 
2019
Номер журнала (Том): 
УДК: 
656.2
DOI: 

10.26731/1813-9108.2019.4(64).131–137

Файл статьи: 
Страницы: 
131
137
Аннотация: 

Грузовые автомобили совершают длительные поездки, состоящие из нескольких туров, которые не связаны логистическими решениями. Для прогнозирования спроса на городские грузовые перевозки необходимы разработка и апробация альтернативных моделей, так как не все варианты транспортировки подчиняются традиционному четырехэтапному подходу. Приведены два основных варианта применения энтропии в транспортном моделировании. Обозначены аспекты и ограничения, которые необходимо учесть при разработке алгоритма. Из всех способов распределения транспортных потоков самыми вероятными будут те, которые позволят сгенерировать наибольшее количество решений с учетом ограничений. Ограничения включают общее количество поездок транспортных средств в каждом узле. Рассматриваемая в статье модель максимизации энтропии на основе тура, предназначена для прогнозирования грузовых потоков с учетом информации о совокупном спросе (количество произведенных или привлеченных к каждому узлу поездок). Она апробирована на реальных данных. Расчетные результаты показывают точность и эффективность подхода, предполагаемые потоки соответствуют наблюдаемым значениям. Не менее важно, что параметры модели и параметры, полученные в результате распределения длины поездки были концептуально обоснованными, чем больше продолжительность тура, тем меньше вероятность того, что потоки будут распределены на этот тур. Это согласуется с тем аспектом, что экономически выгоднее маршруты с минимальной протяженностью. В результате применения энтропийной модели прогнозирования спроса на грузовые поездки в городских районах возможно нахождение потоков транспортных средств, которые соответствуют реальным схемам движения грузов.

Список цитируемой литературы: 
  1. Лебедева О.А. Транспортная инфраструктура как основополагающий фактор эффективного функционирования экономики страны // Сб. науч. тр. Ангар. гос. техн.ун-та. 2018. С. 125–130.
  2. Лебедева О.А., Антонов Д.В. Моделирование грузовых матриц корреспонденций гравитационным и энтропийным методами // Вестник Иркут. гос. техн. ун-та. 2015. №5 (100). С. 118–122.
  3. Крипак М.Н., Лебедева О.А. Моделирование грузовых перевозок в транспортной сети // Сб. науч. тр. Ангар. гос. техн. ун-та. 2016. № 10. С. 182–184.  
  4. Полтавская Ю.О. Теоретические аспекты сегментации улично-дорожной сети при проведении транспортных обследований / Сб. науч. тр. Ангар. гос. техн.ун-та. 2018. № 12. С. 199–201.
  5. Гозбенко В.Е. Методы прогнозирования и оптимизации транспортной сети с учетом мощности пассажиро и грузопотоков / В.Е. Гозбенко ; ИрГУПС. Иркутск, 2008. с. 76. Деп. в ВИНИТИ. 15.04.2008, №330-В2008.
  6. Крипак М. Н. Оптимизация транспортного обслуживания грузовладельцев в пределах крупного города (городской агломерации) : автореф. дис. … канд. техн. наук. Иркутск. 2009. 20 с.
  7. Holguín-Veras, J., Thorson, E. Modeling Commercial Vehicle Empty Trips with a First Order Trip Chain Model, Transportation Research. 2003. Part B. Vol. 37. Р. 129–148.
  8. Holguín-Veras, J., Patil, G.R. Observed Trip Chain Behavior of Commercial Vehicles, Transportation Research Record: Journal of the Transportation Research Board. 2005. №. 1906. Р. 74–80.
  9. Urban freight transport demand modelling: a state of the art / A. Comi et al. European Transport 2012. № 51. Р 7.
  10. Russo F., Comi A. A modelling system to simulate goods movements at an urban scale. Transportation 2010. № 37(6). 987–1009.
  11. Wilson A.G. The use of the concept of entropy in system modelling. Operational Research Quarterly 1970. № 21(2). 247–265.
  12. Jaynes E.T. Information theory and statistical mechanics. Physical Review 1957. № 106(4). 620–630.
  13. Van Zuylen H. J., Willumsen H.G. The most likely trip matrices estimated from traffic counts. Transportation Research. 1980. B 14(3). 281–293.
  14. Fisk C.S. On combining maximum entropy trip matrix estimation with user optimal assignment. Transportation Research 1988. B 22(1). 69–79.
  15. Wang Q., Holguín-Veras J. Tour-based entropy maximization formulations of urban commercial vehicle movements // Proceedings of the Association for European Transport (AET) : conference 2008, Leeuwenhorst Conference Centre. The Netherlands, 2008.
  16. Fang S.-C., Rajasekera J.R., Tsao H.-S. J. Entropy Optimization and Mathematical Programming. Kluwer Academic Publishers, Boston, 1997.