Основы системного анализа - УрГУПС

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
  • 2.1. По форме представления
  • 2.2. По учёту фактора времени
  • 2.3. По степени определённости
• 3. Требования к моделям транспортных систем
  • 3.1. Адекватность
  • 3.2. Точность и надёжность
  • 3.3. Верификация моделей
• 4. Сетевые модели транспортных процессов
  • 4.1. Основные понятия
  • 4.2. Разработка сетевого графика
  • 4.3. Расчёт параметров сетевой модели
  • 4.4. Критический путь
• 5. Имитационное моделирование
  • 5.1. Понятие имитационного моделирования
  • 5.2. Системы массового обслуживания на транспорте
  • 5.3. Этапы имитационного моделирования
• 6. Аналитические и оптимизационные модели
  • 6.1. Аналитические модели
  • 6.2. Оптимизационные модели
• 7. Практическое применение моделей на железнодорожном транспорте
  • 7.1. Моделирование работы станции
  • 7.2. Моделирование грузопотоков
  • 7.3. Цифровые двойники
• 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.

flowchart LR
    Real[Реальная система] -->|Абстрагирование | Model[Модель]
    Model -->|Анализ, эксперименты | Results[Результаты]
    Results -->|Применение | Real
    
    style Real fill:#e3f2fd
    style Model fill:#4caf50,color:#fff
    style Results fill:#fff3e0

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

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

Знаковые модели подразделяются:

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

2.2. По учёту фактора времени

2.3. По степени определённости

3. Требования к моделям транспортных систем

3.1. Адекватность

Адекватность — соответствие модели реальной системе в контексте цели моделирования.

Важно: 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.

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]
    
    style E fill:#e8f5e9
    style F fill:#ffebee

Методы повышения точности:

1. Увеличение объёма исходных данных
2. Учёт дополнительных факторов
3. Калибровка по реальным данным
4. Использование корректируемых моделей

3.3. Верификация моделей

Верификация — проверка соответствия модели заданным требованиям.

Этапы верификации:

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:

flowchart LR
    A((Начало)) -->|Работа 1<br/>2 часа | B((Промежуточное))
    B -->|Работа 2<br/>3 часа | C((Конец))
    
    style A fill:#4caf50,color:#fff
    style C fill:#f44336,color:#fff

4.2. Разработка сетевого графика

Алгоритм построения:

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

Пример для формирования поезда:

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))
    
    style A fill:#e3f2fd
    style E fill:#4caf50,color:#fff

4.3. Расчёт параметров сетевой модели

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

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

Характеристики критического пути:

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

flowchart TD
    A((Старт)) -->|A: 2 ч | B(( ))
    A -->|B: 1 ч | C(( ))
    B -->|C: 3 ч | D((Финиш))
    C -->|D: 1 ч | D
    
    style A --> B --> D stroke:#f44336,stroke-width:3px
    style B --> D stroke:#f44336,stroke-width:3px
    
    linkStyle 0 stroke:#f44336,stroke-width:3px
    linkStyle 2 stroke:#f44336,stroke-width:3px

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

Управление критическим путём:

1. Выявление работ на критическом пути
2. Приоритетный контроль этих работ
3. Перераспределение ресурсов на критические работы
4. Сокращение длительности критических работ

5. Имитационное моделирование

5.1. Понятие имитационного моделирования

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

Отличие от аналитических моделей:

Когда применять имитационное моделирование:

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

5.2. Системы массового обслуживания на транспорте

Система массового обслуживания (СМО) — система, в которой поступают заявки, ожидают обслуживания и обслуживаются каналами.

Элементы СМО на железнодорожном транспорте:

flowchart LR
    Arrival[Входной<br/>поток] --> Queue[Очередь]
    Queue --> Server[Канал<br/>обслуживания]
    Server --> Exit[Выходной<br/>поток]
    
    style Arrival fill:#e3f2fd
    style Queue fill:#fff3e0
    style Server fill:#4caf50,color:#fff
    style Exit fill:#e8f5e9

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

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]
    
    style A fill:#e3f2fd
    style H fill:#4caf50,color:#fff

Инструменты имитационного моделирования:

6. Аналитические и оптимизационные модели

6.1. Аналитические модели

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

Типы аналитических моделей:

Пример: расчёт времени хода поезда

где:

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

6.2. Оптимизационные модели

Оптимизационная модель — поиск наилучшего решения по заданному критерию.

Структура оптимизационной модели:

flowchart TD
    F[Целевая функция<br/>max/min] --> C[Ограничения]
    C --> V[Переменные решения]
    V --> F
    
    style F fill:#4caf50,color:#fff
    style C fill:#ff9800
    style V fill:#2196f3,color:#fff

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

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

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

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
    
    style Physical fill:#e3f2fd
    style Digital fill:#4caf50,color:#fff
    style Predict fill:#ff9800

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

Ключевые выводы:

1. Моделирование — мощный инструмент системного аналитика. Оно позволяет изучать системы без воздействия на реальные объекты, прогнозировать поведение и оптимизировать решения.
2. Выбор типа модели зависит от цели. Для быстрой оценки — аналитическая модель, для сложной динамики — имитационная, для поиска оптимума — оптимизационная.
3. Адекватность важнее точности. Модель должна соответствовать цели исследования, а не быть точной копией реальности.
4. Верификация обязательна. Любая модель должна быть проверена на соответствие требованиям и реальным данным.
5. 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:

• 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

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