Динамическое моделирование оптимального маршрута в мультимодальной транспортной сети

Receipt date: 
16.12.2019
Bibliographic description of the article: 

Лебедева О. А. Динамическое моделирование оптимального маршрута в мультимодальной транспортной сети // Современные технологии. Системный анализ. Моделирование. – 2020. – Т. 65 № 1. – С. 44–50. – DOI: 10.26731/1813-9108.2020.1(65).44-50

Year: 
2020
Journal number: 
УДК: 
656.2
DOI: 

10.26731/1813-9108.2020.1(65).44-50

Article File: 
Pages: 
44
50
Abstract: 

Оптимизация маршрутной транспортной системы широко изучалась для улично-дорожной сети, но менее апробирована в системе городского общественного транспорта. Мультимодальные маршрутные сети, проложенные по кратчайшему пути, могут снизить производительность системы в момент достижения максимума пропускной способности. Основной задачей исследования является разработка динамической модели оптимальной маршрутной системы для мультимодальной транспортной сети. Она представляется ориентированным графом с множеством узлов и дуг, который моделируется как многоуровневая структура, где каждый уровень представляет юнимодальную подсеть и соединен линиями. Имитация работы сети моделируется с целью воспроизведения передвижений пассажиров, транспортных операций и поездок транспортных средств. Задача оптимизации динамической системы сформулирована как проблема вариационного неравенства для равновесия пользователя с точки зрения зависимых от времени предельных издержек. Расчет нестационарных предельных издержек пути основан на дополнительном времени ожидания пассажиров из-за отказа в посадке на прибывающие транспортные средства. Следовательно, путь представлен ациклическим направленным маршрутом на многоуровневом ориентированном графе, соединяющем пару пунктов отправления – назначения. Пересадка рассматривается в связи с ограничениями вместимости транспортного средства. Динамика работы транспортной системы исследуется путем применения многоагентного подхода учета операций и процесса ожидания пассажиров на станциях (остановочных пунктах). Предложенный алгоритм основан на решении общей задачи динамического распределения транспортного потока. Метод является алгоритмом стохастической оптимизации при решении комбинаторных задач. Он связывает стохастический механизм для генерации выполнимых решений и итеративно улучшает качество на основе производительности. Алгоритм основан на минимизации расстояния (кросс-энтропии) до состояния равновесия. Экспериментальное исследование проводилось на небольшой мультимодальной транспортной сети. Как и ожидалось, с ростом коэффициента загрузки увеличивается время прохождения маршрута. Это связано с тем, что по мере повышения уровня загруженности некоторым пользователям может быть предложен более длинный маршрут с целью сокращения общего времени в пути. Поскольку возможные маршруты для перераспределения пассажиров относительно ограничены, процентное увеличение общей экономии времени становится не очень значительным, когда система сильно перегружена. Метод решения динамической задачи оптимальной маршрутизации в большинстве случаев дает реальные результаты. Численное исследование обеспечивает основу сравнения оптимальной маршрутизации системы при различных уровнях перегрузки.

List of references: 
  1. Лебедева О.А. Показатели оценки эффективности работы общественного транспорта. Современные технологии и научно-технический прогресс. 2018. Т. 1. С. 108–109.
  2. Лебедева О.А. Основные принципы развития транспортных систем городов / О.А. Лебедева, Д.В. Антонов / Вестник Ангарской государственной технической академии. – Ангарск: Изд-во АГТА, 2014. – С. 149–155.
  3. Гозбенко В.Е., Иванков А.Н., Колесник М.Н., Пашкова А.С. Методы прогнозирования и оптимизации транспортной сети с учетом мощности пассажиро- и грузопотоков. Депонированная рукопись № 330-В2008 17.04.2008.
  4. Гозбенко В.Е., Крипак М.Н., Иванков А.Н. Совершенствование транспортно-экспедиционного обслуживания грузовладельцев. Иркутск, 2011.
  5. Крипак М.Н., Гозбенко В.Е., Колесник А.И. Оптимизация структуры транспорта как мера повышения эффективности функционирования системы городского пассажирского транспорта // сб. науч. тр. АнГТУ. Ангарск: Изд-во АнГТУ, 2013. С. 229–232.
  6. Полтавская Ю.О., Михайлов А.Ю. Сегмент городской улицы при оценке качества функционирования городского общественного пассажирского транспорта // Шаг в будущее: теоретические и прикладные исследования современной науки. Материалы 8 молодёжной международной научно-практической конференции студентов, аспирантов и молодых учёных. Научноиздательский центр «Открытие», 2015. – С. 40–44.
  7. Михайлов А.Ю., Шаров М.И. К вопросу развития современной системы критериев оценки качества функционирования общественного пассажирского транспорта // Изв. Волгоград. гос. техн. ун-та. 2014. Т. 9. № 19 (146). С. 64–66.                 
  8. Шаров М.И., Михайлов А.Ю., Ковалева Т.С. Оценка надежности работы городского пассажирского транспорта в Иркутске // Вестник ИрГТУ. 2012. Т. 68. № 9. С. 174–178.
  9. Weymann J., J.L. Farges, J.J. Henry. Optimization of traffic dynamic route guidance with drivers' reactions in a queue-based model. IEEE Transactions on Systems, Man and Cybernetics, Vol. 25, No. 7, 1995, pp. 1161–1165.
  10. Jahn O., Möhring R., Schulz A., Moses N. S. System-Optimal Routing of Traffic Flows with User Constraints in Networks with Congestion. Operations research. Vol. 53, No. 4. 2005, pp. 600–616.
  11.  Bottom J.A. 2000. Consistent anticipatory route guidance. Ph.D. thesis, Department of Civil and Environmental Engineering, Massachusetts Institute of Technology, Cambridge, MA.
  12. Chow, A. H. F. Properties of system optimal traffic assignment with departure time choice and its solution method. Transportation Research Part B, Vol. 43, 2009, pp. 325–344.
  13. Ma T.-Y., J.P. Lebacque. A cross entropy based multi-agent approach to traffic assignment problems. In: Appert-Rolland C., Chevoir F., Gondret P. Lassarre S., Lebacque J.P., Schreckenberg M. (Eds.), Proceedings of the Traffic and Granular Flow ’07, Springer Berlin Heidelberg, 2007, pp. 161–170.
  14. Powell W.B., Y. Sheffi. The Convergence of Equilibrium Algorithms with Predetermined Step Sizes. Transportation Science, Vol. 16, 1982, pp. 45–55.
  15. Beckmann M., McGuire C.B., Winsten C.B. Studies in the economics of transportation. 1955: Yale University Press, New Haven, Conneticut; also published as Rand-RM-1488-PR, Rand Corporation, Santa Monica.
  16. Peeta S., Mahmassani H. System optimal and user equilibrium time-dependent traffic assignment in congested networks. Annals of Operations Research, Vol. 60. No. 1. 1995. pp. 80–113.
  17. Tong C.O., Wong S.C. A predictive dynamic traffic assignment model in congested capacity-constrained road networks. Transportation Research Part B, Vol. 34, No. 8, 2000, pp. 625–644.
  18. Lebacque J.-P., Ma T.-Y., Khoshyaran M.M. The cross-entropy field for multimodal dynamic assignment. In: Proceedings of the Traffic and Granular Flow ’09, 2009, Springer (to appear).
  19. Helvik B.E., Wittner O. Using the Cross-Entropy Method to Guide / Govern Mobile Agent's Path Finding. Networks. Lecture Notes in Computer Science, 2001. Vol. 2164. 2001. pp. 255–268.
  20. Bliemer M., Taale H. Route generation and dynamic traffic assignment for large networks. In: Proceedings of the first International Symposium on Dynamic Traffic Assignment, 2006, Leeds, UK.
  21. Lebedeva O.A., Kripak M., Gozbenko V.E. Increasing effectiveness of the transportation network through by using the automation of a Voronoi diagram. Transportation Research Procedia, 36, 427–433.