Транспортный комплекс РФ работает в условиях ежегодного роста объемов грузовых перевозок и дефицита пропускных и провозных способностей, что вызывает необходимость больших объемов инвестиций в поэтапное развитие инфраструктуры [1–5].
В Транспортной стратегии РФ на период до 2030 г. ставится задача интенсивного развития транспортной инфраструктуры. Одним из направлений ее научного обеспечения является создание имитационных систем, позволяющих моделировать системы различных видов транспорта [6–7].
Это связано с тем что, в мировой практике, моделирование является основным методом исследований во всех областях знаний и научно обоснованным методом оценки характеристик сложных систем, в то время как отечественная наука и практика по-прежнему в основном в качестве инструментов исследований использует аналитически-детерминированные или аналитически-вероятностные формулы.
Имитационная модель позволяет автоматически определить значения параметров рассматриваемой системы, меняя при этом условия протекания процесса и случайные события, учет которых при традиционных подходах вызывает существенные затруднения. Это позволяет оперативно учитывать все изменения в проекте, а также получить более точные значения оптимальных параметров функционирования системы, чем при традиционно применяемом расчете [8].
Оценка пропускной способности транспортной инфраструктуры методом имитационного моделирования нашла свое применение на железнодорожном транспорте, в частности, для оценки пропускной способности железнодорожной линии Мга-Лужская, которая обслуживает морской торговый порт Усть-Луга, в условиях ее реконструкции с предоставлением большого количества «окон» в период до 2020 года [9–11], а также для рассмотрения частных случаев функционирования железнодорожного транспорта [12–14].
Целью исследования является демонстрация возможностей метода имитационного моделирования при комплексном рассмотрении процесса функционирования объектов транспортной инфраструктуры.
Преимуществом применения классической ТМО для моделирования работы грузового фронта является наличие аналитических выражений, позволяющих оценить технические показатели, а недостатком — ряд допущений [15] (простейший поток заявок и их однородность, экспоненциальное распределение времени обслуживания и т. п.), что не всегда соответствует реальному порядку работы автосервиса. Это приводи к целесообразности имитационного моделирования с использованием современных компьютерных систем.
В работе проведена оценка влияния процентного соотношения категорий транспортных средств, на максимальное количество транспортных средств, выгруженных на грузовом фронте в течение суток, на котором происходит обслуживание восьми различных категорий транспортных средств, время выгрузки которых находится в диапазоне от 20 до 34 мин с шагом в 2 мин.
Имитационная модель была построена в среде AnyLogic, структура которой представлена на рис. 1.
Рис. 1. Структура имитационной модели работы грузового фронта, при выгрузке четырех видов транспортных средств
В имитационной модели заявки (транспортные средства) генерируются с заданной вероятностью, после чего они поступают в очередь на обслуживание блока (Ожидание_в_очереди), которая имеет максимальную вместимость, равную пяти заявкам.
Затем идет блок, который отвечает за одновременное обслуживание в системе только одной заявки. После него расположены сеть развилок, параметры которых позволяют задать вероятности появления различных категорий транспортных средств [16].
Несмотря на то, что в рассматриваемой системе есть только один грузовой фронт, наличие восьми категорий транспортных средств с различным временем выгрузки, вызывает необходимость «размножить» количество грузовых фронтов в рамках имитационной модели, на каждом из которых будет обслуживаться своя категория транспортных средств, с длительностью выгрузки, заданной в блоке (Время_выгрузки_транспортного_средства).
Затем следует блок, который позволяет начать выгрузку следующего транспортного средства на грузовом фронте, после выгрузки предыдущего. Завершают имитационную модель блоки, удаляющие транспортные средства из имитационной модели и одновременно ведущие подсчет их количества по категориям.
Для наглядной иллюстрации преимущества имитационной модели над аналитическим расчетом были проведены восемь расчетов, для случаев когда в на грузовом фронте выполняется разгрузка только одной категории транспортных средств (отдельно для всех категорий). Данные расчеты можно также провести и на основании аналитически-детерминированных или аналитически-вероятностных зависимостей.
А девятый вариант расчета был проведен, в условиях разгрузки вех четырех категорий транспортных средств, вероятность появления которых в системе была задана одинаковой (0,125). Подобного рода результат без использования имитационного моделирования получить не представляется возможным.
Результаты расчетов приведены на рис. 2
Рис. 2. Результаты расчета перерабатывающей способности грузового фронта
Кроме того, модель позволяет рассмотреть работу выгрузочного фронта, в том числе и при большем количестве категорий транспортных средств и различных их процентных соотношениях. При наличии законов распределения интенсивности поступления транспортных средств, имитационная модель позволяет не только оценить максимальную перерабатывающую способность, но и достаточность инфраструктурных и технологических мероприятий по ее увеличению, в случае необходимости увеличения перерабатывающей способности грузового фронта.
С помощью имитационной модели можно рассчитать следующие основные показатели эффективности работы грузового фронта, которые могут быть рассчитаны при наличии статистической информации функционирования реального грузового фронта, с целью поиска путей оптимизации его функционирования:
- Коэффициент загрузки каналов;
- Средняя длина очереди;
- Среднее время ожидания обслуживания;
- Вероятность ожидания обслуживания.
Заключение
В статье представлена имитационной модели работы грузового фронта, которая позволяет оценить его перерабатывающую способность в условиях обслуживания восьми видов заявок, предназначенная для визуализации, анализа и поиска устойчивых параметров функционирования системы. Результаты имитационного моделирования могут быть использованы при выборе варианта реконструкции реального грузового фронта.
Литература:
1. Белый О. В. Фундаментальные проблемы единого транспортного пространства Российской Федерации/Баринова Л. Д., Белый О. В., Забалканская Л. Э., Куватов B. И., Малыгин И. Г., Стариченков А. Л. // Монография. СПб.: «Элмор»,2012, 116 с.
2. Белый О. В. Инновационные проблемы развития транспорта // Бюллетень объединенного ученого совета ОАО РЖД. — 2010. — № 4. — С. 97–100.
3. Куватов В. И., Онов В. А., Шаталова Н. В. Пути совершенствования перевозок и повышения безопасности автотранспорта//Проблемы управления рисками в техносфере. -2013. -№ 2 -с. 96–109.
4. Тимченко В. С. Потенциальные возможности расширения круга задач, решаемых с помощью мониторинга в транспортном комплексе // Молодой ученый. — 2014. — № 4. — С. 273–276.
5. Тимченко В. С. Метод мониторинга параметров движения грузовых поездов // Инфраструктурные отрасли экономики: проблемы и перспективы развития. — 2014. — № 4. — С. 93–97.
6. Долматов М. А., Нисенбаум Р. С., Плотников A. M., Федотов Д. О. Имитационное моделирование как инструмент оценки инженерных решений при разработке проектов развития судостроительных и судоремонтных предприятий России// Национальное общество имитационного моделирования. URL: http://simulation.su/uploads/files/default/ikm-mtmts-64–69.pdf (дата обращения 19.09.2014 г.).
7. Тимченко В. С. Перспективы применения имитационного моделирования, при оценке мероприятий по развитию транспортного комплекса Арктической зоны РФ // Интернет-журнал «Мир науки». — 2015. — № 1. — С. 2.
8. Тимченко В. С. Перспективы применения отечественного опыта расчёта железнодорожных станций, участков и транспортных узлов методом имитационного моделирования при развитии железнодорожной инфраструктуры Крымского полуострова // Интернет-журнал «Мир науки». — 2014. — № 4. С. 17.
9. Кокурин И. М., Тимченко В. С. Методы определения «узких мест», ограничивающих пропускную способность железнодорожных направлений // Известия Петербургского университета путей сообщения. — 2013. — № 1. — С. 15–22.
10. Тимченко В. С. Оценка перспективной пропускной способности участков железнодорожной сети с учетом предоставления «окон», на основе применения имитационного моделирования процессов перевозок // Молодой ученый. — 2014. — № 2. — С. 199–204.
11. Тимченко В. С. Алгоритмизация процессов оценки пропускной способности железнодорожных участков в условиях предоставления окон // Транспорт Российской Федерации. — 2013. — № 5 (48). — С. 34–37.
12. Галкина Ю. Е., Ковалев К. Е., Тимченко В. С. Учет загруженности оперативного персонала при оценке пропускной способности железнодорожных направлений // Наука и современность. — 2014. — № 30. — С. 131–136.
13. Ковалев К. Е., Тимченко В. С. Оценка мероприятий по развитию инфраструктуры в масштабе железнодорожных направлений с учетом загруженности оперативного персонала технических станций // Молодой ученый. — 2014. — № 3. — С. 298–302.
14. Тимченко В. С. Алгоритмы расчета графиков проведения ремонтных работ железнодорожного пути на перспективу//Интернет-журнал «Науковедение». — 2014. — № 3. — С. 127.
15. Таранцев. А. А. Инженерные методы теории массового обслуживания. Изд. 2-е, перераб. и доп., СПб.: Наука, 2007.
16. Галкина Ю. Е., Ковалев К. Е., Тимченко В. С. Оценка перерабатывающей способности грузового фронта методом имитационного моделирования // Вестник транспорта Поволжья. — 2014. — № 6. — 22–27.
