Хабр Курсы для всех
РЕКЛАМА
Практикум, Хекслет, SkyPro, авторские курсы — собрали всех и попросили скидки. Осталось выбрать!
Хабр доступен 24/7 благодаря поддержке друзей
Комментарии 17
Красноярск)
А как эти модели сопоставлять с реальным миром? Допущение что жители города стремятся к равновесию Нэша это слишком смело, да и нужно учитывать случайные факторы вроде «вчера ночью был футбол, 20% опаздывают на пол часа, не выспавшиеся и агрессивные на дороге».
Спрос в модели валидируется по реальным замерам интенсивности. Замеры обычно делают в типичный будний день, чтобы как раз исключить множество случайных факторов. Потому что потоки в понедельник, пятницу и выходные часто непредсказуемы. Типичный будний день — это вторник, среда или четверг, желательно осенью или весной, без осадков (например, снег или дождь сильно влияет на транспортное поведение) и без особых мероприятиий (например, футбольные матчи или приезд президента), чтобы минимизировать ошибку в модели. В результате постобработки результатов уже можно при желании привести показатели типичного буднего дня к любому дню года на основании коэффициентов.
В первую очередь, спасибо за статью. Очень интересно, во всяком случае для непрофессионала.
Хотел бы присоединиться к вопросу применимости таких моделей на практике. Поведение агентов меняется во времени: возникают аварии, летом преимущественно люди идут в отпуск, на праздники едут за подарками, появляются новые жилые районы и т.д. Эти изменения происходят постоянно, а транспортная инфраструктура строится на десятилетия. Возникают сомнения, что можно обойтись только выделением будних дней и применением коэффициентов. Очевидно, что кроме адекватной модели требуются реалистичные планы поведения агентов, причём на перспективу. В реальной жизни их вообще возможно получить?
Хотел бы присоединиться к вопросу применимости таких моделей на практике. Поведение агентов меняется во времени: возникают аварии, летом преимущественно люди идут в отпуск, на праздники едут за подарками, появляются новые жилые районы и т.д. Эти изменения происходят постоянно, а транспортная инфраструктура строится на десятилетия. Возникают сомнения, что можно обойтись только выделением будних дней и применением коэффициентов. Очевидно, что кроме адекватной модели требуются реалистичные планы поведения агентов, причём на перспективу. В реальной жизни их вообще возможно получить?
Спасибо! Тут надо сказать, что поведение людей, действительно, варьируется день ото дня. Тем не менее, при прочих равных среда в октябре будет похожа на четверг в ноябре или вторник в апреле. То есть эти изменения не оказывают значительного влияния, если речь идет о долгосрочной перспективе. Конечно, если речь идет об оперативном управлении дорожным движением, то здесь нужна постоянная калибровка модели с помощью камер, датчиков, индукционных петель и проч.
Вопрос по поводу перспективного спроса хороший и сложный. Не всегда можно найти достоверные данные о застройке, особенно когда расчетный период 25 лет. Тем не менее, в таких случаях используются данные из ППТ, ГП, сведения о строящихся жилых комплексах, градостроительные стратегии развития, концепции развития и т. д. Конечно, не факт, что именно так будет развиваться система, но лучшего инструмента пока, к сожалению, нет.
Вопрос по поводу перспективного спроса хороший и сложный. Не всегда можно найти достоверные данные о застройке, особенно когда расчетный период 25 лет. Тем не менее, в таких случаях используются данные из ППТ, ГП, сведения о строящихся жилых комплексах, градостроительные стратегии развития, концепции развития и т. д. Конечно, не факт, что именно так будет развиваться система, но лучшего инструмента пока, к сожалению, нет.
Очень слабо верится, что такого рода программы просто алгоритмически могут решить транспортные проблемы мегаполиса. Даже если учесть сотни факторов жителей, дорог и тп. В лучшем случае оно выдаст что-то типа "вот тут надо расширить до 6 полос, и построить ещё 3 моста", но на деле надо наоборот сокращать автомобильные дороги и развивать общественный транспорт. Причем делать это надо волевым решением мэра и уже далее, на основе этого, менять привычки жителей (агентов), ведь никакой автовладелец добровольно на это не согласиться...
Несомненно! Но в том числе для этого и нужна модель. Например, чиновники хотят построить множество магистралей, расширить улицы и т. д., утверждая, что это поможет в решении транспортных проблем. В это же время создается модель с новыми параметрами и оказывается, что в долгосрочной перспективе эти изменения приведут к еще большим заторам, только в этот раз с еще большим спросом на дорожную инфраструктуру (парадокс Льюиса-Могриджа). И тут у чиновников возникает повод задуматься о правильности своих решений.
Кроме того, в модели можно посмотреть, как измениться распределение по видам транспорта, если как раз принимать меры по снижению автомобилепользования. Например, при введении платных парковок или платного въезда в центр города, при сокращении количества полос, перекрытии улиц и т. д.
Кроме того, в модели можно посмотреть, как измениться распределение по видам транспорта, если как раз принимать меры по снижению автомобилепользования. Например, при введении платных парковок или платного въезда в центр города, при сокращении количества полос, перекрытии улиц и т. д.
Ну, если использовать именно в таком ключе, то согласен.
Решить задачу:«Какие изменения стоит внести в существующую транспортную сеть?» одним перебором может быть сложно даже при наличии хорошей модели. У меня есть небольшое исследование habr.com/ru/post/461079. Оно довольно простое для понимания и я надеюсь, у Вас появится случай использовать его на практике.
AnyLogic не пробовали использовать? В этом ПО, по-моему, есть библиотека для моделирования транспортных потоков.
Зарегистрируйтесь на Хабре, чтобы оставить комментарий
Как создать мультиагентную транспортную модель