Мультиагентное транспортное моделирование компании TESLAB

Иван Печкуров, Руководитель отдела проектов компании OTS Lab.

V Ежегодная конференция "Цифровизация транспорта-25".

Организатор: центр конференций “Сегодня”.

Ключевая технология: мультиагентное моделирование

Мультиагентное моделирование использует агентов (единицы моделирования), которые взаимодействуют друг с другом в симуляционной среде. Агентами могут быть люди или транспортные средства, действующие согласно своим планам и стремящиеся к наилучшему результату. Модель включает в себя модель транспортного спроса (перемещение жителей и грузов) и транспортного предложения (дорожная сеть, маршруты).

Принцип работы симуляции:

Агенты перемещаются по транспортной системе, выбирая оптимальные пути на основе своих планов и штрафов/наград за использование различных видов транспорта/своевременное прибытие. Каждый агент стремится к достижению равновесия Нэша, выбирая наилучшую стратегию в зависимости от действий других агентов.

Применение мультиагентного моделирования:

Транспортное планирование: Планирование инфраструктуры, прогнозирование востребованности платных дорог и т. д.

Ритейл: Оценка транспортной доступности отделений.

Организация мероприятий: Выявление и устранение «узких мест» перед массовыми мероприятиями.

Примеры применения мультиагентного моделирования (кейсы):

1. Моделирование международных цепей поставок: Маршрутизация грузопотоков с учетом различных видов транспорта (автомобильный, морской, речной) и типов грузов (более 200).

2. Маршрутизация мелкопартионных перевозок: Оптимизация маршрутов для флота беспилотных электромобилей, интеграция с системой SAP. Оптимизация пробега составила 20% без использования автономных ТС и 40% с автономным транспортом.

3. Глобальная модель перевозок для Чемпионата мира по футболу 2018: Выявление узких мест и обеспечение своевременной логистики для болельщиков в 11 городах России, включая организацию логистики в Саранске, обеспечившую отъезд всех болельщиков в тот же день.

4. Моделирование платной инфраструктуры (ЗСД): Прогнозирование трафика и выручки на примере Западного скоростного диаметра (ЗСД) в Санкт-Петербурге. Разработка новой тарифной сети, повысившая выручку оператора на 25% с точностью прогноза 99%. При моделировании нового съезда на Шуваловский проспект была скорректирована тарифная сетка, чтобы избежать падения выручки.

Вывод:

Транспортное моделирование – полезный инструмент для оптимизации и планирования, но важно учитывать ограничения моделей.