Основы системного анализа - УрГУПС

≈ 12 мин чтения

Лекция 6 - Моделирование транспортных систем

Эта лекция посвящена основам моделирования транспортных систем — ключевому инструменту системного аналитика. Вы изучите типы моделей, методы построения и применения моделей для анализа, прогнозирования и оптимизации транспортных процессов. Особое внимание уделено сетевым и имитационным моделям, широко применяемым на железнодорожном транспорте.

Цель лекции: Сформировать у студентов понимание роли моделирования в системном анализе. Изучить типы моделей, методы построения и верификации. Освоить основы сетевого и имитационного моделирования транспортных процессов.

Содержание

Лекция 6 - Моделирование транспортных систем
Содержание
1. Понятие модели и моделирования
- 1.1. Определение модели
- 1.2. Зачем нужны модели
2. Классификация моделей
3. Требования к моделям транспортных систем
4. Сетевые модели транспортных процессов
5. Имитационное моделирование
6. Аналитические и оптимизационные модели
- 6.1. Аналитические модели
  - Пример: расчёт времени хода поезда
- 6.2. Оптимизационные модели
  - Пример: оптимизация веса поезда
7. Практическое применение моделей на железнодорожном транспорте
8. Заключение и выводы для специалиста
Вопросы для самопроверки

1. Понятие модели и моделирования

1.1. Определение модели

Модель — это упрощённое представление реальной системы, сохраняющее её существенные свойства и позволяющее изучать поведение системы без воздействия на реальный объект.

Главное в этом определении — слово «упрощённое». Модель не обязана повторять реальность во всех деталях: она обязана сохранять то, что важно для цели исследования. К этому правилу мы вернёмся ещё не раз.

---
config:
  look: handDrawn
  theme: neutral
---
flowchart LR
    Real[Реальная система] -->|Абстрагирование | Model[Модель]
    Model -->|Анализ, эксперименты | Results[Результаты]
    Results -->|Применение | Real

    classDef c1 fill:#e2ebf3,stroke:#8ba3b8
    classDef c2 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    classDef c3 fill:#f4ecd9,stroke:#bfab82
    class Real c1
    class Model c2
    class Results c3

Моделирование — процесс создания и использования моделей для изучения систем.

Примеры моделей на транспорте:

График движения поездов — модель транспортного процесса
Схема станции — модель инфраструктуры
Математическая формула расчёта времени хода — модель динамики поезда

1.2. Зачем нужны модели

2. Классификация моделей

Вопрос к аудитории: график движения поездов — это одна модель или несколько? Ответ появится по мере знакомства с классификацией — моделей у одного объекта может быть много.

---
config:
  look: handDrawn
  theme: neutral
---
mindmap
  root((Классификация<br/>моделей))
    По форме
      Материальные
      Идеальные
      Знаковые
    По времени
      Статические
      Динамические
    По определённости
      Детерминированные
      Стохастические
    По назначению
      Аналитические
      Имитационные
      Оптимизационные

2.1. По форме представления

Тип	Характеристика	Пример на транспорте
Материальные	Физический объект	Макет станции, тренажёр
Идеальные	Мысленный образ	Предложение диспетчера
Знаковые	Символы, формулы, графики	График движения, схема, формула

Знаковые модели подразделяются:

Вербальные — текстовое описание (инструкции, регламенты)
Графические — схемы, графики, диаграммы
Математические — формулы, уравнения

2.2. По учёту фактора времени

Тип	Характеристика	Пример
Статические	Состояние системы в фиксированный момент	Схема станции на 2025 год
Динамические	Изменение системы во времени	График движения поездов

2.3. По степени определённости

Тип	Характеристика	Пример
Детерминированные	Все параметры точно известны	Расчёт времени хода по формуле
Стохастические	Есть случайные параметры	Прогноз задержек с вероятностью

3. Требования к моделям транспортных систем

Модель можно построить как угодно. Но какие модели считаются хорошими? Три ключевых требования.

3.1. Адекватность

Адекватность — соответствие модели реальной системе в контексте цели моделирования.

Запомните важное правило: модель не должна быть точной копией реальности. Она должна быть адекватной цели исследования.

Пример: Для расчёта пропускной способности станции не нужно моделировать цвет светофоров, но нужно точно указать количество путей и время занятий.

3.2. Точность и надёжность

Точность — степень близости результатов моделирования к реальным значениям.

Надёжность — устойчивость результатов к малым изменениям входных данных.

---
config:
  look: handDrawn
  theme: neutral
---
flowchart TD
    A[Входные данные<br/>с погрешностью] --> B[Модель]
    B --> C[Результаты<br/>с погрешностью]
    
    C --> D{Погрешность<br/>допустима?}
    D -->|Да | E[Модель пригодна]
    D -->|Нет | F[Требуется уточнение]

    classDef c1 fill:#e4eee5,stroke:#94ac97
    classDef c2 fill:#f2e2df,stroke:#b99490
    class E c1
    class F c2

Методы повышения точности:

Увеличение объёма исходных данных
Учёт дополнительных факторов
Калибровка по реальным данным
Использование корректируемых моделей

3.3. Верификация моделей

Откуда мы знаем, что модели можно верить? Для этого существует верификация — проверка соответствия модели заданным требованиям.

Этапы верификации:

Этап	Действие	Пример
Проверка структуры	Соответствие элементов реальной системе	Все ли пути станции учтены
Тестовые расчёты	Сравнение с известными результатами	Расчёт времени хода для известного участка
Сравнение с реальностью	Сопоставление с фактическими данными	Сравнение прогноза задержек с фактическими
Экспертная оценка	Оценка специалистами	Отзывы диспетчеров о модели

Критерий пригодности: Модель считается верифицированной, если её погрешность не превышает допустимую для данной задачи (например, 5% для прогноза времени доставки).

4. Сетевые модели транспортных процессов

4.1. Основные понятия

Сетевая модель — графическое представление комплекса работ и их взаимосвязей.

Элементы сетевой модели:

Элемент	Обозначение	Характеристика
Событие	Кружок (узел)	Момент завершения работы
Работа	Стрелка (дуга)	Процесс, требующий времени и ресурсов
Путь	Последовательность работ	Маршрут от начального до конечного события

---
config:
  look: handDrawn
  theme: neutral
---
flowchart LR
    A((Начало)) -->|Работа 1<br/>2 часа | B((Промежуточное))
    B -->|Работа 2<br/>3 часа | C((Конец))

    classDef c1 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    classDef c2 fill:#e9d2cf,stroke:#9c706b,color:#412f2d,rx:6
    class A c1
    class C c2

4.2. Разработка сетевого графика

Алгоритм построения:

Перечень работ — составить список всех необходимых работ.
Определение последовательности — установить зависимости между работами.
Оценка длительности — определить время выполнения каждой работы.
Построение графа — нарисовать сетевую модель.
Расчёт параметров — определить ранние/поздние сроки, резервы.

Пример для формирования поезда:

---
config:
  look: handDrawn
  theme: neutral
---
flowchart TD
    A((Подача<br/>вагонов)) -->|30 мин | B((Маневры<br/>на горке))
    B -->|60 мин | C((Накопление<br/>группы))
    C -->|45 мин | D((Оформление<br/>документов))
    D -->|15 мин | E((Отправление<br/>поезда))

    classDef c1 fill:#e2ebf3,stroke:#8ba3b8
    classDef c2 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    class A c1
    class E c2

4.3. Расчёт параметров сетевой модели

Параметр	Формула	Значение
Ранний срок	EС = max(ЕС предшествующих + длительность)	Раньше нельзя начать
Поздний срок	LC = min(LC последующих − длительность)	Позже нельзя закончить
Резерв времени	R = LC − EC	Запас времени для работы

Транспортный контекст:

Управление процессами перевозок: Сетевые модели применяются для планирования ремонтных «окон», формирования поездов, организации маршрутов.
Транспортная логистика: Сетевое планирование доставки грузов с учётом перевалки, таможенного оформления, передачи между видами транспорта.

4.4. Критический путь

А теперь — важнейшее понятие сетевого планирования.

Критический путь — самый длинный путь в сетевой модели, определяющий минимальное время выполнения всего комплекса работ.

Почему он «критический»? Три причины:

Работы на критическом пути имеют нулевой резерв времени
Задержка любой работы на критическом пути задерживает весь проект
Сокращение критического пути сокращает общее время выполнения

Главное: управляйте в первую очередь работами критического пути — именно они определяют срок всего комплекса.

---
config:
  look: handDrawn
  theme: neutral
---
flowchart TD
    A((Старт)) -->|A: 2 ч | B(( ))
    A -->|B: 1 ч | C(( ))
    B -->|C: 3 ч | D((Финиш))
    C -->|D: 1 ч | D

    linkStyle 0 stroke:#9c706b,stroke-width:2px
    linkStyle 2 stroke:#9c706b,stroke-width:2px

Критический путь: A → C (2 + 3 = 5 часов)

Путь B → D занимает всего 2 часа, значит, у него есть резерв. Если работа B задержится на час — проект не пострадает. А вот задержка работы A или C сразу сдвинет финиш.

Управление критическим путём:

Выявление работ на критическом пути
Приоритетный контроль этих работ
Перераспределение ресурсов на критические работы
Сокращение длительности критических работ

5. Имитационное моделирование

5.1. Понятие имитационного моделирования

Имитационное моделирование — воспроизведение поведения системы во времени путём компьютерного эксперимента с моделью.

Чем оно отличается от аналитических моделей? Сравним:

Характеристика	Аналитические	Имитационные
Представление	Формулы, уравнения	Алгоритмы, процедуры
Результат	Точное решение	Статистическая оценка
Сложность	Ограничена	Практически не ограничена
Время расчёта	Быстро	Может быть долго

Когда применять имитационное моделирование? Четыре типовых случая:

Система слишком сложна для аналитического решения
Есть случайные факторы
Нужно изучить поведение во времени
Требуется визуализация процесса

5.2. Системы массового обслуживания на транспорте

Где особенно ярко проявляется имитационное моделирование? В задачах с очередями.

Система массового обслуживания (СМО) — система, в которой поступают заявки, ожидают обслуживания и обслуживаются каналами. На железной дороге это буквально всё: от горки до билетной кассы.

Элементы СМО на железнодорожном транспорте — взгляните на схему, затем сверьте с таблицей:

---
config:
  look: handDrawn
  theme: neutral
---
flowchart LR
    Arrival[Входной<br/>поток] --> Queue[Очередь]
    Queue --> Server[Канал<br/>обслуживания]
    Server --> Exit[Выходной<br/>поток]

    classDef c1 fill:#e2ebf3,stroke:#8ba3b8
    classDef c2 fill:#f4ecd9,stroke:#bfab82
    classDef c3 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    classDef c4 fill:#e4eee5,stroke:#94ac97
    class Arrival c1
    class Queue c2
    class Server c3
    class Exit c4

Элемент	Пример на ЖД
Заявки	Поезда, вагоны, пассажиры
Очередь	Путь ожидания, зал ожидания
Канал обслуживания	Горка, путь обработки, касса
Входной поток	Прибытие поездов, пассажиров
Выходной поток	Отправление, обслуженные клиенты

Характеристики СМО:

Интенсивность входного потока (λ) — среднее число заявок в единицу времени
Интенсивность обслуживания (μ) — среднее число обслуженных заявок в единицу времени
Загрузка системы (ρ = λ/μ) — доля времени занятости канала

Критерии эффективности:

Среднее время ожидания в очереди
Средняя длина очереди
Вероятность отказа (если очередь ограничена)
Загрузка каналов

5.3. Этапы имитационного моделирования

---
config:
  look: handDrawn
  theme: neutral
---
flowchart TD
    A[Постановка задачи] --> B[Построение концептуальной модели]
    B --> C[Разработка компьютерной модели]
    C --> D[Верификация и валидация]
    D --> E[Планирование экспериментов]
    E --> F[Проведение экспериментов]
    F --> G[Анализ результатов]
    G --> H[Внедрение рекомендаций]

    classDef c1 fill:#e2ebf3,stroke:#8ba3b8
    classDef c2 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    class A c1
    class H c2

Инструменты имитационного моделирования:

Инструмент	Назначение	Пример применения
AnyLogic	Многопарадигменное моделирование	Моделирование станции, логистических цепочек
Arena	Дискретно-событийное моделирование	Производственные процессы
Excel + VBA	Простые модели	Моделирование очередей, финансовых операций
Python (SimPy)	Программируемые модели	Кастомные алгоритмы

6. Аналитические и оптимизационные модели

6.1. Аналитические модели

Аналитическая модель — математическое описание системы с помощью формул и уравнений.

Типы аналитических моделей:

Тип	Описание	Пример
Регрессионные	Зависимость на основе статистики	Прогноз грузопотока от ВВП
Дифференциальные	Динамика процессов	Уравнение движения поезда
Балансовые	Сохранение величин	Баланс вагонов на станции

Пример: расчёт времени хода поезда

\[T = \frac{L}{V_{тех}} + t_{разг} + t_{зам}\]

где:

$T$ — время хода
$L$ — расстояние
$V_{тех}$ — техническая скорость
$t_{разг}, t_{зам}$ — время на разгон и замедление

6.2. Оптимизационные модели

Часто анализа недостаточно — нужно найти наилучшее решение. Для этого служат оптимизационные модели — модели поиска наилучшего решения по заданному критерию.

Структура оптимизационной модели:

---
config:
  look: handDrawn
  theme: neutral
---
flowchart TD
    F[Целевая функция<br/>max/min] --> C[Ограничения]
    C --> V[Переменные решения]
    V --> F

    classDef c1 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    classDef c2 fill:#ece0c2,stroke:#9c8552
    classDef c3 fill:#d3e0ec,stroke:#5f7d95,color:#2b3846,rx:6
    class F c1
    class C c2
    class V c3

Пример: оптимизация веса поезда

Целевая функция: Максимизировать вес поезда
Переменные: Количество вагонов, тип локомотива
Ограничения:
- Длина приёмо-отправочных путей
- Тяговые характеристики локомотива
- Нормы безопасности

Методы оптимизации:

Линейное программирование
Целочисленное программирование
Генетические алгоритмы
Метод роя частиц

7. Практическое применение моделей на железнодорожном транспорте

Где всё это применяется на практике? Разберём три типовых сценария: моделирование станции, моделирование грузопотоков и цифровые двойники.

7.1. Моделирование работы станции

Цель: Оценка пропускной и перерабатывающей способности.

Моделируемые процессы:

Приём и отправление поездов
Маневровая работа
Обработка вагонов
Работа технических средств

Результаты моделирования:

Загрузка путей и устройств
Время обработки вагонов
«Узкие места» технологии
Рекомендации по оптимизации

7.2. Моделирование грузопотоков

Цель: Прогнозирование и оптимизация перевозок.

Моделируемые параметры:

Объём грузопотоков по направлениям
Время доставки
Стоимость перевозки
Загрузка инфраструктуры

Применение:

Долгосрочное планирование развития
Оперативное управление перевозками
Тарифная политика

7.3. Цифровые двойники

И завершим самой современной технологией — цифровой двойник соединяет все типы моделей, которые мы изучили.

Цифровой двойник — виртуальная модель, обновляемая в реальном времени на основе данных с датчиков и операционных систем.

---
config:
  look: handDrawn
  theme: neutral
---
flowchart LR
    subgraph Physical[Физическая система]
        P1[Поезда]
        P2[Пути]
        P3[Станции]
    end
    
    subgraph Digital[Цифровой двойник]
        D1[Модель движения]
        D2[Модель инфраструктуры]
        D3[Модель процессов]
    end
    
    P1 <-->|IoT данные | D1
    P2 <-->|Датчики | D2
    P3 <-->|АСУД | D3
    
    Digital --> Predict[Прогноз<br/>и оптимизация]
    Predict --> Physical

    classDef c1 fill:#e2ebf3,stroke:#8ba3b8
    classDef c2 fill:#d6e6d8,stroke:#6b8a70,color:#2e3b31,rx:6
    classDef c3 fill:#ece0c2,stroke:#9c8552
    class Physical c1
    class Digital c2
    class Predict c3

Преимущества цифровых двойников:

Прогнозирование за 4–12 часов до проявления
Тестирование управленческих решений на модели
Оптимизация в реальном времени
Обучение персонала на виртуальной копии

Примеры в РЖД:

Цифровая модель полигона дороги
Виртуальный тренажёр диспетчера
Система предиктивной аналитики отказов

8. Заключение и выводы для специалиста

Подведём итоги лекции.

Ключевые выводы:

Моделирование — мощный инструмент системного аналитика. Оно позволяет изучать системы без воздействия на реальные объекты, прогнозировать поведение и оптимизировать решения.
Выбор типа модели зависит от цели. Для быстрой оценки — аналитическая модель, для сложной динамики — имитационная, для поиска оптимума — оптимизационная.
Адекватность важнее точности. Модель должна соответствовать цели исследования, а не быть точной копией реальности.
Верификация обязательна. Любая модель должна быть проверена на соответствие требованиям и реальным данным.
Цифровые двойники — будущее транспорта. Интеграция моделей с данными в реальном времени открывает новые возможности управления.

Транспортный контекст:

Управление процессами перевозок: Сетевые и имитационные модели применяются для планирования работы станций, оптимизации графика движения, оценки пропускной способности.
Транспортная логистика: Моделирование цепочек поставок позволяет оптимизировать маршруты, снижать издержки, повышать надёжность доставки.

Компетенции будущего:

Что стоит развивать в себе уже сейчас?

Умение строить и верифицировать модели
Работа в средах имитационного моделирования (AnyLogic, SimPy)
Интерпретация результатов моделирования
Интеграция моделей с системами поддержки принятия решений

Вопросы для самопроверки

Дайте определение модели и моделирования. В чём разница между моделью и реальной системой?
Опишите классификацию моделей по форме представления, учёту времени и степени определённости. Приведите примеры для каждого типа.
Что такое адекватность модели? Почему модель не должна быть точной копией реальности?
Опишите этапы верификации модели. Какие критерии пригодности модели вы знаете?
Что такое сетевая модель? Из каких элементов она состоит? Приведите пример сетевой модели формирования поезда.

Термины этой лекции

Имитационное моделирование Критический путь Модель Сетевая модель Цифровой двойник