CC BY
257
Незевак Владислав Леонидович
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Кандидат технических наук, старший научный сотрудник научно-исследовательской части, доцент кафедры «Электроснабжение железнодорожного транспорта», ОмГУПС.
Эрбес Виктор Владимирович
Омский государственный университет путей сообщения (ОмГУПС).
Маркса пр., д. 35, г. Омск, 644046, Российская Федерация.
Кандидат технических наук, инженер-проектировщик научно-производственной лаборатории «Энергосберегающие технологии и электромагнитная совместимость», ОмГУПС.
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Черемисин, В. Т. Результаты оценки режимов работы активных и пассивных постов секционирования в системе тягового электроснабжения с целью выбора параметров накопителей электроэнергии [Текст] / В. Т. Черемисин, В. Л. Незевак, В. В. Эрбес // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. -2017. - № 3 (31). - С. 132 - 143.
Nezevak Vladislav Leonidovich
Omsk State Transport University (OSTU). 35, Marx st., Omsk, 644046, the Russian Federation. Ph. D. in Engineering, Associate Professor of the department «Electricity supply of railway transport », OSTU.
Erbes Viktor Vladimirovich
Omsk State Transport University (OSTU). 35, Marx st., Omsk, 644046, the Russian Federation. Ph. D. in Engineering, engineer of research-and-production laboratory «Energy-efficient technologies and electromagnetic compatibility», OSTU.
BIBLIOGRAPHIC DESCRIPTION
Cheremisin V. T., Nezevak V. L., Erbes V. V. Results of evaluation of operating modes active and passive sectioning posts in the traction power supply system for the purpose of electricity storage device parameters selection. Journal of Transsib Railway Studies, 2017, vol. 31, no. 3, pp. 132 - 143 (In Russian).
УДК 004.94
В. И. Хабаров, К. В. Красникова
Сибирский государственный университет путей сообщения (СГУПС), г. Новосибирск, Российская Федерация
СОЗДАНИЕ ИМИТАЦИОННОЙ МОДЕЛИ ДВИЖЕНИЯ ПОЕЗДОВ С ИСПОЛЬЗОВАНИЕМ МУЛЬТИАГЕНТНОГО И ДИСКРЕТНО-СОБЫТИЙНОГО ПОДХОДОВ НА ПРИМЕРЕ ЗАПАДНО-СИБИРСКОЙ ЖЕЛЕЗНОЙ ДОРОГИ
Аннотация. В данной статье рассматриваются задачи имитационного моделирования потоков на железнодорожном транспорте. Основной целью данной работы является создание новой технологии моделирования такой сложной системы, как железнодорожная сеть. Научная новизна состоит в применении комбинации агентного и дискретно-событийного подходов в данной предметной области. В ходе исследования были разработаны модели поведения агентов, выделена проблемная ситуация, для которой построена дискретно -событийная часть модели. Проанализированы основные категории штатных и нештатных ситуаций, составлен список ситуаций для реализации их в модели. Были рассмотрены варианты к устранению нештатных ситуаций, выбран алгоритм по их обработке (дискретно-событийная составляющая модели). Иллюстрацией выполнения работы является имитационная модель железнодорожного участка Западно-Сибирской железной дороги с возможностью перестроения графика движения поездов в зависимости от добавления штатной или нештатной ситуации. В результате моделирования формируются выходные данные: график движения и информационная таблица. В перспективе планируется использовать полученную технологию для создания транспортной модели типа «пересадочный узел».
Ключевые слова: многоподходный, агентный, дискретно-событийный, имитационное моделирование, железнодорожный перегон.
№ 3(31) ИЗВЕСТИЯ Транссиба 143
=2017
Valeriy I. Khabarov, Ksenia V. Krasnikova
Siberian Transport University (STU), Novosibirsk, the Russian Federation
CREATING A SIMULATION MODEL OF TRAFFIC WITH USING MULTIAGENT AND DISCRETE-EVENT APPROACHES BY THE EXAMPLE OF THE
WEST-SIBERIAN RAILWAY TRAFFIC
Abstract. In this article the tasks of simulation of flows on the railways are discussed. The main purpose of this work is to create a new simulation technology such a complex system as the rail network. Scientific novelty consists in the application of a combination of agent-based and discrete-event approaches in a given subject area. During the conducted study the models of behavior of agents were created, the problematic situation was highlighted and discrete-event part of the model was developed for this situation. The main categories of regular and emergency situations are analyzed, a list of situations for modelling are created. Choices for removal emergency situations were discussed, an algorithm for their processing (discrete-event part of the model) was chosen. An illustration of the study is a simulation model of the railway section of the West-Siberian railway with the possibility of rebuilding the train schedule, which depend on the addition of regular or emergency situation. As a result of the simulation, output such as a traffic graph and an information table are generated. There are plans to use new technology for creating model of "transport hub ".
Keywords: multi-method, agent-based, discrete-event, simulation, railway section.
Целью работы является разработка новой технологии имитационного моделирования в сфере организации железнодорожного движения. Технология подразумевает собой соединение двух подходов к моделированию: агентно- и дискретно-событийного. Иллюстрацией применения новой технологии является создание имитационной модели движения поездов на железнодорожном участке Западно-Сибирской железной дороги для поддержки принятия решений в случае штатных и нештатных ситуаций.
В качестве штатной ситуации для моделирования выбрано ограничение скорости на перегоне, в качестве нештатной - пропуск незапланированного поезда. Существуют следующие варианты пропуска незапланированного поезда:
ожидание окончания аварии на перегоне, затем пропуск задержанных поездов по приоритетам;
пропуск незапланированного поезда по «неправильному» пути (путь другого направления);
пропуск поезда по обходному маршруту.
В настоящее время реализован первый вариант пропуска незапланированных поездов -после окончания аварии.
Для иллюстрации работы модели были выбраны данные по движению поездов на Западно-Сибирской железной дороге. На основании анализа существующих подходов к имитационному моделированию были выделены следующие задачи:
разработать имитационную модель в существующих парадигмах моделирования;
разработать модели поведения агентов, среду взаимодействия агентов, дискретно-событийные модели;
оценить модель на адекватность;
разработать средства когнитивной графики для представления результатов моделирования;
разработать удобную среду взаимодействия с моделью для работников железной дороги.
Имитационное моделирование имеет широкий спектр применения: бизнес-процессы, дорожное движение, логистика, информационная безопасность. Имитационная моделирование позволяет заменить изучаемую систему на модель, с которой можно провести различные эксперименты для получения информации об этой системе. Поэтому главной задачей создания рассматриваемой модели является не только пропуск поездного потока, но и анализ возникающих ситуаций на основании модели и нахождение решений по восстановлению штатного движения.
Можно выделить три основных подхода к имитационному моделированию: системная динамика, дискретно-событийный и агентный подходы [1].
Системная динамика - подход к изучению и моделированию сложных систем, исследующий поведение во времени и взаимодействие составляющих системы между собой, другими словами, это метод изучения динамики процессов в сложных системах [1, 2]. Системная динамика применяется в основном в стратегических моделях, в которых присутствует высокий уровень абстракции. Например, для транспортных моделей минимальной единицей будет не автомобиль, а транспортный поток, т. е. в системной динамике каждый элемент представлен как система в целом, а не отдельными элементами.
Дискретно-событийный, или процессный, подход - подход к моделированию процессов, которые происходят в хронологической последовательности, т. е. система меняет свое состояние только в момент наступления определенного события. Дискретно-событийный подход по факту - способ задания систем массового обслуживания. Главными составляющими дискретно-событийной диаграммы являются заявки, элементы очереди, элементы задержки, различные блоки, обрабатывающие заявки, а также связи между ними, которые определяют последовательность действий [1, 2].
В агентном подходе ключевой составляющей является агент, чье поведение зависит от среды, в которой он находится. Агентная модель состоит из множества независимых объектов, каждый из которых имеет свое собственное поведение (свои правила) и могут взаимодействовать как с окружающей средой, так и друг с другом. Сложность всей системы описывается взаимодействием большого числа агентов, которое трудно проследить. В основном агентные диаграммы задаются в виде конечных автоматов.
Разработкой многоподходных имитационных моделей занимаются многие ученые в различных предметных областях. Например, авторы Рахмангулов А. Н. и Муравьев Д. С. создали имитационную модель системы «морской порт - «сухой» порт», которая позволяет учесть множество факторов и особенностей функционирования контейнерных терминалов. В состав модели системы «морской - «сухой» порт» входили
- динамические агенты, содержащие характеристики контейнеров, морских судов, вагонов, поездов;
- статические агенты, имитирующие причалы, контейнерные площадки, краны и др.;
- управляющие агенты, контролирующие взаимодействие различных агентов в модели [3].
Авторы Бабкин Е. А. и Копица Е. В. в своей статье рассказывают о методологии имитационного моделирования бизнес-процессов на основе агентного и дискретно-событийного подходов [4]. Так же, как и предыдущие авторы, названные исследователи в качестве агентов рассматривают заявки, обслуживаемые системой, а на основе механизма обработки этих заявок конструируют набор алгоритмов функционирования агентов.
В ходе исследования был проведен анализ существующих программных средств имитационного моделирования, результаты которого представлены в таблице 1.
Таблица 1 - Программные средства имитационного моделирования
Система Реализуемый Преимущества Недостатки
моделирования подход к моделированию подхода подхода
1 2 3 4
Arena Дискретно- Создание собственных шаблонов Реализация только од-
событийный решений и модулей. Возможность провести серию имитаций ного подхода
AGNES Агентный с дис- Кроссплатформенность, отказоус- Распространяется по
кретными событи- тойчивость, возможность распреде- лицензии
ями ленного запуска, возможность полунатурного моделирования
№ 3(31) ИЗВЕСТИЯ Транссиба 145
=2017
Окончание таблицы 1.
1 2 3 4
GPSS Дискретно-событийный Объектно-ориентированный интерфейс, програмные эксперименты, простота использования Один подход, необходимость написания дополнительного ПО для работы с интерфейсной частью проекта
AnyLogic Все Многоподходность, визуализация моделей, модуль оптимизации, возможность создания своих библиотек Невозможность редактирования кода напрямую, ограниченность различных версий
Simplex3 Дискретно-событийный Визуализация результатов в виде диаграмм, кроссплатформенность Один подход, публично не распространяется
Simio Дискретно-событийный, агентный Визуализация моделей, разные формы представления результатов Ограниченность различных версий, небольшой функционал
SeSAm Агентный Импорт векторных и растровых файлов, работа с текстовыми файлами Один подход, ПО не поддерживается
SimPy Дискретно-событийный Возможность запуска модели в режиме реального и модельного времени, кроссплатформенность Один подход, отсутствует визуализация результатов
Aivika Все Кроссплатформенность, основой является функциональное программирование, возможность параллельных вычислений Сложность использования
В результате в качестве примера применения технологии была создана имитационная модель движения поездов с использованием комбинации дискретно-событийного и агентно-го подходов. Выбранной системой моделирования стал инструмент многоподходного имитационного моделирования AnyLogic. Полученная модель позволяет провести анализ транспортных потоков в различных режимах для установления условий и мест возникновения простоев, выхода из расписания, снижения пропускной способности.
Основным этапом моделирования железнодорожной сети стало создание агентной модели. В данной модели были реализованы простые рефлексные агенты, поведение которых зависит от взаимодействия агентов между собой и внешней средой [5]. Было выделено четыре типа агентов: агент-поезд, агент-перегон, агент-станция и агент-диспетчер. В таблице 2 представлены цели и атрибуты каждого из агентов.
Таблица 2 - Агенты модели
Агент Цель Атрибуты Примечания
1 2 3 4
Агент-поезд Добраться до пункта назначения, с допустимым отклонением от расписания ±5 мин Тип поезда (грузовой, пассажирский), номер поезда, индекс (индекс агента в модели), приоритет (2 - пассажирский, 1 - грузовой), состояние (в пути, на станции), скорость, время отправления, время прибытия, текущая станция (номер), следующая станция (номер), текущий перегон (номер), следующий перегон (номер), время стоянки на станции От данного агента наследуются агенты - пассажирский и грузовой поезда Поведение данного агента задается диаграммой состояний Поведение агента: влияет на агент-станцию и агент-перегон (занимает соответствующие пути), передает в агент-станцию тип поезда, время прибытия на станцию, время отправления со станции (по расписанию)
Окончание таблицы 2.
1 2 3 4
Агент-станция Переработать максимально возможное количество поездов, с максимально возможной пропускной способностью и с оптимальным коэффициентом использования станции Количество приемоотпра-вочных путей, название и номер станции Поведение агента задается диаграммой состояний Получает время стоянки пришедшего поезда от агента-диспетчера в зависимости от его типа и ситуации на ближайшем перегоне (авария, ремонт, занятость вне расписания и в случае нагона более приоритетным поездом) Принимает данные от агента-поезда и агента-диспетчера
Агент-перегон Пропустить максимально возможное количество поездов относительно возможностей ограничивающих его станций Номер, состояние (занят, свободен, авария, ремонт), вместимость перегона, направление (четное, нечетное), протяженность, начальная станция (название), конечная станция (название) Поведение агента: передает в агент-станцию (в данном случае значение в поле «Начальная станция») сообщение в случае ремонта, аварии на перегоне либо занятости не по расписанию, обычное сообщение при штатных ситуациях
Агент-диспетчер Выполнить график движения поездов по обслуживаемому им участку без простоев с оптимальными или улучшенными коэффициентами работы Атрибуты агента-поезда, агента-станции, агента-перегона в зависимости от рассматриваемой нештатной ситуации Рассчитывает время стоянки поезда на станции (вне расписания) в зависимости от ситуации, контролирует работу агентов, передавая и получая информационные сообщения
В отличие от данной модели ученые из Индии А. Бхардвай, С. Гош и А.Дутта разработали модель с тремя типами агентов: агент-поезд, агент-станция и агент-железнодорожный узел [6]. Их модель построена по принципу BDI (вера - желание - намерение) [7] для индийской железной дороги с целью предотвращения столкновений на дороге. На рисунке 1 представлена схема системы, на которой изображено взаимодействие всех трех типов агентов. На рисунке 2 представлена железнодорожная модель с циклом, т. е. рассматривается ситуация объездных путей в случае нахождения на перегоне другого поезда.
Рисунок 1 - Схема мультиагентной системы
■ Junction Agent Station Agent Яф Train Agent
Рисунок 2 - Модель с циклом
Поведение агентов в данной модели задается с помощью изменения аргументов предикатов: CurrentSpeed(x) - текущая скорость агента-поезда равна х, ТгатРпогЦу(х) - приоритет агента-поезда x, NextStation(x) - следующая станция агента-поезда х и др.
Так же, как и в данной модели, разработчики из Индии реализуют модель с помощью Ja-va-ориентированного программного обеспечения.
Преимуществом созданной в данной работе модели является наличие таких агентов, как агент-перегон и агент-диспетчер. Агент-перегон информирует остальных агентов модели о своем текущем состоянии, а агент-диспетчер позволяет контролировать поведение агентов-поездов и агентов-станций.
В соответствии с агентами из таблицы 2 были выделены дополнительные сущности модели, такие как заявка, приемоотправочный путь, нештатная ситуация. Атрибутами сущности «нештатная ситуация» являются номер, название и время устранения; сущности «заявка»: атрибуты агента «поезд» - номер, тип, индекс, приоритет, а также атрибут «отправитель»; сущности «приемоотправочный путь»: направление (четное, нечетное), состояние (свободен, занят).
Поведение каждого агента представлено в модели своей диаграммой состояний [8]. На рисунках 3 - 6 изображены модели поведения агентов в программной среде AnyLogic.
Рисунок 3 - Модель поведения агента-станции
Рисунок 4 - Модель поведения агента-перегона
На железной дороге могут возникать нештатные ситуации, такие как аварии, транспортные происшествия и иные события, связанные с нарушением безопасности движения и эксплуатацией железнодорожного транспорта. При таких случаях необходимо срочно перекрыть соответствующий перегон для проведения на нем операций по восстановлению работоспособности.
Также возможны нештатные ситуации, которые не требуют перекрытия путей. Например, может возникнуть ситуация, когда нужно пропустить пассажирский поезд, не предусмотренный расписанием движения.
Нештатная ситуация территориально (на железнодорожном транспорте) может произойти на станции и на перегоне.
По видам возникновения, в самом общем виде, нештатные ситуации подразделяется на возникающие внезапно (выход из строя инфраструктуры, подвижного состава) и на возникающие по вине оперативного персонала.
В качестве рассматриваемых причин нештатных ситуаций были выбраны только те ситуации, которые мешают отправлению поезда и связаны с перегоном. Примеры ситуаций и время их устранения представлены в таблице 3.
Рисунок 5 - Модель поведения агента-поезда
Рисунок 6 - Модель поведения агента-диспетчера Таблица 3 - Причины нештатных ситуаций
Номер причины Описание причины Время устранения, мин
1 2 3
66 Остановка поезда по подтвержденным показаниям КТСМ 31,4
22 Неисправность устройств СЦБ 39,8
109 Остановка поезда по показаниям КТСМ (грение буксы) 34,5
9 Остановка грузового поезда по технической неисправности вагона 45,7
№ 3(31) ИЗВЕСТИЯ Транссиба 149
=2017
Окончание таблицы 3.
1 2 3
67 Остановка поезда по показаниям УКСПС 38,9
23 Неисправность светофора, в том числе красная точка 43,5
120 Падение давления в тормозной магистрали 44,2
21 Необеспечение электроснабжения устройств СЦБ 39,4
121 Остановка поезда на перегоне для устранения неисправности грузового вагона 35,7
82 Нарушение работы рельсовых цепей по вине работников службы П 56,6
112 Неисправность системы управления тормозами поезда СУТП 45,5
10 Самоторможение поезда (утечки, неотпуск и т. д.) 55,6
17 Отсутствие напряжения в контактной сети 47,3
6 Неисправность электро-, дизель-поезда 22,8
49 Излом токоприемника 58,6
146 Злонамеренное повреждение устройств, подвижного состава 59,5
65 Перекрытие сигнала без проезда 23,3
31 Неисправности устройств локальной сети ВЦ и вычислительной техники, включая АРМы 47,1
150 Остановка поезда по вине локомотивной бригады 48
18 Пониженное напряжение в контактной сети 17,4
124 Сбой в работе систем ДЦ/ДК 36,9
38 Остановка пассажирского поезда из-за технической неисправности 15,9
25 Ложное показание ДИСК, ПОНАБ, КТСМ из-за их неисправности 23,1
В данной системе реализована возможность добавления нештатной ситуации в любой момент работы модели, так как необходимо проанализировать, что может произойти после этого события на ближайших перегонах, станциях и как нужно действовать, чтобы возобновить движение по графику. Поэтому вероятность возникновения самой ситуации и способы её устранения находятся за пределами данной модели, так как существуют отдельные регламенты и алгоритмы действий по выходу из нештатной ситуации.
Агентный подход позволяет создать большое количество экземпляров агентов с одним поведением, например, поезда, следующие по одинаковым перегонам, сами перегоны между станциями и станции.
Некоторые механизмы работы железнодорожной сети сложно описать только диаграммами состояний. В основном это действия, выполняемые в определенной последовательности: отправление поездов, расставление поездов по приемоотправочным путям. При использовании только дискретно-событийного подхода для моделирования движения поездов каждый маршрут необходимо было бы моделировать отдельной диаграммой, а при добавлении каких-то изменений на железнодорожном участке (перекрытие перегона, ограничение скорости) пришлось бы вносить правки в каждый маршрут [9]. Поэтому дискретно-событийный подход использовался только для некоторых механизмов работы железнодорожной сети. Один из таких механизмов, реализованный в данном исследовании, - это модель разрешения конфликтных ситуаций при пропуске задержанных поездов.
Рассмотрим ситуацию: на перегоне А - Б произошла авария в нечетном направлении. Время устранения причины составляет 30 минут, поэтому в течение этого времени на станции А задерживается некоторое количество пассажирских и грузовых поездов. Как только перегон А - Б откроется, необходимо отправить все задержанные поезда. Допустим, на станции А задержано три поезда, таким образом, организовалась очередь: первый пассажирский, следом за ним два грузовых. В данной ситуации поезда отправляются в обычном порядке FIFO: первый пришел в очередь, первый вышел, так как приоритет пассажирского поезда выше и необходимо уменьшить количество минут простоя пассажирского поезда. Но если очередь задержанных поездов выглядела так: грузовой поезд, пассажирский поезд, грузовой поезд, первым поездом по порядку FIFO был бы отправлен грузовой, а простой пассажирского поезда увеличился бы на интервал между отправлениями поездов. Чтобы разрешить данную ситуацию, можно построить модель поведения диспетчера, который сортировал бы по
приоритетам все задержанные поезда, однако данная диаграмма получится довольно сложной, так как надо просчитать все возможные исходы (правила поведения), количество которых увеличивается в зависимости от числа задержанных поездов.
Возможным вариантом решения данной проблемы является использование возможностей встроенной библиотеки AnyLogic для сортировки, синхронизации и отправления заявок [10], что увеличивает скорость выполнения операций в модели и не нагружает модель дополнительными вычислениями и проверками в случае построения собственной модели поведения диспетчера для сортировки задержанных поездов по условиям и приоритетам. Для разрешения ситуации с пропуском задержанных поездов при нештатной ситуации была создана дискретно-событийная модель отправления задержанных поездов, которая представлена на рисунке 7.
Рисунок 7 - Дискретно-событийная модель отправления задержанных поездов
Выходными данными модели являются информационное табло и график движения поездов. Информационное табло, представленное на рисунке 8, содержит информацию об отправленных поездах: номер поезда, время и станция отправления, время и станция прибытия.
Ь? поезда
3548
979/981/983/985
58/98
55/85
2402
2401
992
Время отправления 01 02 2016 0:42:00 01 02 2016 0:56 00 01 02 2016 0:49 00 01 02 2016 0:46 00 01 02 2016 0:44:00 01 02 2016 0:56 00 01 02 2016 0:49 00
Станция отправления Жеребцава Берикульская Ояш
Антибесский Иэдревая Антибеоокий Мошково
Время прибытия 01.02.2016 0:59:00 01.02.2016 1 31 ПО 01 02 2016 1 03 ПО 01 02 2016 1 06 ПО 01.02.2016 1:04:00 01 02 2016 1 16 00 01 02 2016 1 06 00
Станция прибытия
Сакур
Ижмарская
Чебула
Берикульскэя
Жеребцова
Берикульская
Ояш
статус_поеэда в_пути а_пути а_пути а_пути в_пути в_пути а_пути
Время хода 35 43 31 23 15 23 13
Рисунок 8 - Информационное табло
График движения поездов, который представлен на рисунке 9, строится по ходу движения поезда. По оси ОХ расположено время, по оси ОУ - станции. Грузовые поезда на графике отображены линиями с треугольными маркерами на станциях, пассажирские - с квадратными маркерами.
В модель добавлена возможность ограничения скорости на перегоне с отображением нового времени хода для поездов, которые попали в данное ограничение. При добавлении на перегон нештатной ситуации график также перестраивается в зависимости от новых данных, не нарушая правила пропуска поездов. На перегон Анжерская - Тайга была добавлена нештатная ситуация в 18:40 под номером 66 «Остановка поезда по подтвержденным показаниям КТСМ» и со временем устранения 31,4 мин. Задержанные перед этим участком поезда были отправлены, начиная с 19:25, и отображены на графике линиями с большей толщиной. Далее поезда встроились в общий график движения, не нарушая правил пропуска поездов. На рисунке 10 представлен измененный график движения поездов в связи с добавлением нештатной ситуации, прямоугольником обозначен перегон в момент нештатной ситуации.
Планируется в ходе дальнейшего исследования использовать полученную технологию для построения модели транспортно-пересадочного узла - объединение пешеходной, железнодорожной модели (станция метро), а также модели движения общественного транспорта.
№ 3(31) ИЗВЕСТИЯ Транссиба 151
=2017
В данной работе рассмотрены подходы и инструментарий для моделирования таких сложных организационно-технических объектов, как железная дорога, на примере участка Западно-Сибирской железной дороги. Методы, которые использованы в работе, позволяют моделировать объекты сети более крупного масштаба. Модель позволяет прогнозировать штатные и нештатные ситуации, может быть использована работниками железной дороги для моделирования различных решений в построении новых обходных маршрутов, изменении количества отправляемых поездов, рассмотрении ситуаций ремонта инфраструктуры. Преимуществом данной системы является то, что принятие решений в системе происходит в режиме модельного времени, что соответствует необходимому интервалу принятия решения.
Рисунок 9 - Построенный график движения поездов
Рисунок 10 - Измененный график движения поездов
Список литературы
1. Борщев, А. В. От системной динамики и традиционного ИМ - к практическим агент-ным моделям: причины, технология, инструменты [Текст] / А. В. Борщев // URL: http://www.gpss.ru/ paper/ borshevarc.pdf.
2. Попков, Т. В. Многоподходное моделирование: практика использования [Текст] / Т. В. Попков // Имитационное моделирование. Теория и практика: Сборник докладов четвертой всерос. науч.-практ. конф. «ИММОД-2009» / ОАО «ЦТСС». - СПб, 2009. - Т. 1. -С. 62 - 67.
3. Рахмангулов, А. Н. Оценка направлений развития систем «морской порт - «сухой» порт» методом имитационного моделирования [Текст] / А. Н. Рахмангулов, Д. С. Муравьев // Вестник Уральского гос. ун-та путей сообщения / Уральский гос. ун-та путей сообщения. -Екатеринбург. - 2016. - № 3. - С. 54 - 72.
4. Бабкин, Е. А. О методологии имитационного моделирования бизнес-процессов на основе агентного и дискретно-событийного подходов [Текст] / Е. А. Бабкин, Е. В. Копица // Auditorium. Электронный научный журнал Курского гос. ун-та / Курский гос. ун-т. - Курск. -2016. - № 2 (10) // URL: http://auditorium.kursksu.ru/pdf/010-012.pdf
5. Рассел, С. Искусственный интеллект: современный подход: Пер. с англ. [Текст] / С. Рассел, П. Норвиг. - М.: Вильямс, 2006. - 1408 с.
6. Bhardwaj A., Ghosh S., Dutta A., Modeling of Multiagent Based Railway System using BDI Logic // Proc. of the Intl. Conf. on Future Trends in Computing and Communication - FTCC 2013.
7. Bonabeau Eric, Agent-based modeling: Methods and techniques for simulating human systems. Proc. National Academy of Sciences 99(3): 7280-7287, 2002.
8. Карпов, Ю. Г. Имитационное моделирование систем. Введение в моделирование на AnyLogic 5 [Текст] / Ю. Г. Карпов. - СПб: БХВ_Петербург, 2005. - 400 с.
9. Рахмангулов, А. Н. Особенности построения имитационной модели технологии работы железнодорожной станции в системе AnyLogic [Текст] / А. Н. Рахмангулов, П. Н. Миш-куров / Modern problems and ways of their solution in science, transport, production and education. - 2012. - 11 с.
10.AnyLogic Многоподходное имитационное моделирование // URL: http://www.anylogic.com.
References
1. Borshchev A.V. From System Dynamics and traditional simulation to Practical Agent Based Modeling: Reasons, Techniques, Tools [Ot sistemnoi dinamiki i traditsionnogo IM - k praktiches-kim agentnym modeliam: prichiny, tekhnologiia, instrumenty] // URL: http://www.gpss.ru/paper/borshevarc.pdf
2. Popkov T. V. Multi-approach simulation: practice of using [Mnogopodkhodnoe modeliro-vanie: praktika ispol'zovaniia] / Simulation. Theory and Practice: Proceedings of the Fourth All-Russian scientific-practical conference IMM0D-2009. Vol. 1. St. Petersburg, 2009. -p. 62 - 67.
3. Rakhmangulov A. N. Assessment of development options for «sea port - "dry" port» system using simulation method [Otsenka napravlenii razvitiia sistem «morskoi port - "sukhoi" port» metodom imitatsionnogo modelirovaniia]. Vestnik Ural'skogo gosudarstvennogo universiteta putei soobshcheniia - Herald of the Ural State University of Railway Transport, 2016, no. 3 (31), pp.54 - 72
4. Babkin E. A. About combination of agent based and discrete event simulation modeling [O metodologii imitatsionnogo modelirovaniia biznes-protsessov na osnove agentnogo i diskretno-sobytiinogo podkhodov]. Auditorium. Elektronnyi nauchnyi zhurnal Kurskogo gosudarstvennogo universiteta - Auditorium. Electronic scientific journal of Kursk State University, 2016, no. 2 (10). // URL: http://auditorium.kursksu.ru/pdf/010-012.pdf
5. Rassel S., Norvig P. Iskusstvennyi intellekt: sovremennyipodkhod (Artificial Intelligence: A Modern Approach). Moscow: Vil'iams, 2006, 1408 p.
№ 3(31) 2017
6. Bhardwaj A., Ghosh S., Dutta A., Modeling of Multiagent Based Railway System using BDI Logic // Proc. of the Intl. Conf. on Future Trends in Computing and Communication - FTCC 2013.
7. Bonabeau Eric, Agent-based modeling: Methods and techniques for simulating human systems. Proc. National Academy of Sciences 99(3): 7280-7287, 2002
8. Karpov Yu. G. Imitatsionnoe modelirovanie sistem. Vvedenie v modelirovanie na AnyLogic5 (Simulation modeling systems. Introduction to modeling with AnyLogic 5). St. Petersburg, 2005, 400 p.
9. Rakhmangulov A. N., Mikshurov P. N. Special aspects of railroad station working method simulation model development within AnyLogic system [Osobennosti postroeniia imitatsionnoi modeli tekhnologii raboty zheleznodorozhnoi stantsii v sisteme AnyLogic]. Modern problems and ways of their solution in science, transport, production and education, 2012, 11 p.
10. AnyLogic Multimethod Simulation Software // URL: http://www.anylogic.com.
ИНФОРМАЦИЯ ОБ АВТОРАХ
Хабаров Валерий Иванович
Сибирский государственный университет путей сообщения (СГУПС).
Дуси Ковальчук ул., 191, г. Новосибирск, 630049, Российская Федерация.
Доктор технических наук, профессор, заведующий кафедрой «Информационные технологии транспорта», СГУПС.
E-mail: [email protected]
Красникова Ксения Викторовна
Сибирский государственный университет путей сообщения (СГУПС).
Дуси Ковальчук ул., 191, г. Новосибирск, 630049, Российская Федерация.
Аспирант, преподаватель кафедры «Информационные технологии транспорта», СГУПС.
Тел.: +7 (923) 246-64-27.
E-mail: [email protected]
БИБЛИОГРАФИЧЕСКОЕ ОПИСАНИЕ СТАТЬИ
Хабаров, В. И. Создание имитационной модели движения поездов с использованием мультиагентного и дискретно-событийного подходов на примере ЗападноСибирской железной дороги [Текст] / В. И. Хабаров, К. В. Красникова // Известия Транссиба / Омский гос. ун-т путей сообщения. - Омск. - 2017. - № 3 (31). -С. 143 - 154.
INFORMATION ABOUT THE AUTHORS
Khabarov Valery Ivanovich
Siberian State Transport University (SSTU).
191, Dusi Kovalchuk st., Novosibirsk, 630049, the Russian Federation.
Doctor of Technical Sciences, Professor, the head of the department «Information transport technology», SSTU.
E-mail: [email protected]
Krasnikova Ksenia Victorovna
Siberian State Transport University (SSTU).
191, Dusi Kovalchuk st., Novosibirsk, 630049, the Russian Federation.
Post-graduate student, instructor of the department «Information transport technology», SSTU.
Phone: +7 (923) 246-64-27.
E-mail: [email protected]
BIBLIOGRAPHIC DESCRIPTION
Khabarov V. I., Krasnikova K. V. Creating a simulation model of traffic with using multi-agent and discrete-event approaches by the example of the West-Siberian railway traffic. Journal of Transsib Railway Studies, 2017, vol. 31, no. 3, pp. 132 - 143 (In Russian)..
