CC BY
8
http: //internationalconference.ru/images/PDF/2016/12/EUROPEAN-RESEARCH-1-12.pdf (дата обращения: 01.10.2016 г.).
5. Фундаментальная физика, В. Ганкин. Силы инерции и гравитация. [Электронный ресурс]. Режим доступа:
http://fphysics.com/sily_inercii_i_sily_gravitacii (дата обращения: 04.10.2016).
Кулева Н. С. студент 4 курса
факультет «Информационные системы и технологии»
Пальмов С.В., к.техн.н.
доцент
кафедра «Информационные системы и технологии» Поволжский государственный университет телекоммуникаций и информатики
Россия, г. Самара СОЗДАНИЕ ПРОСТРАНСТВЕННО ЯВНЫХ МОДЕЛЕЙ С ПОМОЩЬЮ АГЕНТ-ОРИЕНТИРОВАННОГО МОДЕЛИРОВАНИЯ И ГЕОИНФОРМАЦИОННЫХ СИСТЕМ В СРЕДЕ ANYLOGIC
Аннотация: В статье рассматривается развивающаяся парадигма объединения агент-ориентированного подхода в имитационном моделировании и инструментов геоинформационных систем. В качестве иллюстрации приведен пример имитационной модели цепочки поставок нефти, выполненной в среде AnyLogic, а также рассмотрены особенности реализации указанной парадигмы в этой среде.
Ключевые слова: геовычисления, геоинформатика, агент-ориентированное моделирование, агенты, географическая информационная система, ГИС, мулътиагентное геомоделирование, MAG, AnyLogic, OpenMap, тайловые карты, шейп-файлы.
CREATION SPATIALLY OBVIOUS MODELS BY MEANS OF AN AGENT-BASED MODELING AND GEOGRAPHIC INFORMATION
SYSTEMS IN ANYLOGIC
Abstract: The article discusses the evolving paradigm of combining agent-based approach in simulation and geographic information systems. There is an example of a simulation model of the oil supply chain made in AnyLogic, as well as the peculiarities of the implementation of this paradigm in this system.
Keywords: geocomputation, geoinformatics, agent-based modeling, agents, geographical information system, GIS, multi-agent geosimulation, MAG, AnyLogic, OpenMap, tile maps, shapefiles.
В многочисленных научных публикациях в той или иной модификации утверждается, что, по некоторым экспертным оценкам, более 80% всей накопленной и используемой человечеством информации является географической информацией. В общем смысле географическая информация представляет собой информацию об объектах, явлениях и процессах,
локализованных в географическом пространстве [6]. В конце 1990-х был предложен и принят научным сообществом термин геовычисления (§еосотрШ:а1:юп) и производные от него понятия и приложения. Таким образом, расширились границы геоинформатики, ее функциональные возможности и ассоциированные с ней сферы исследования. В связи с этим в настоящее время активно развиваются специализированные инфраструктуры данных, технологии пространственного (геоинформационного) анализа и методы моделирования. Остановимся подробнее именно на моделировании в контексте геовычислений и агент-ориентированного подхода.
Парадигма агент-ориентированного моделирования (а§еп1-ЬаБеётоёеШ^) динамично развивается и приобретает масштабы мощного инструмента в прикладных приложениях различных дисциплин [5, с. 219]. Она позволяет сфокусироваться на отдельных объектах (людях, животных, городах и более абстрактных представлениях) или их группах, наделенных некоторыми знаниями и способностями. Это возможно благодаря особым свойствам агентов, обладающих поведениемв рамках модели. К таким ключевым свойствам относятся автономность, неоднородность и активность. Агенты являются самостоятельными единицами, способными обмениваться информацией с другими агентами, чтобы принимать независимые решения. Вследствие этой особенности, понятие среднего индивида избыточно: каждый агент обладает уникальностью, обуславливающей его развитие. Агенты могут оказывать активное независимое влияние в рамках моделируемого процесса через целенаправленность при попытке решения конкретной задачи или через принятие мер вследствие восприятия окружения с учетом предварительных знаний на основе опыта или наблюдения [4]. Исследование системных процессов и явлений через призму поведения индивидуальных агентов, их динамического взаимодействия друг с другом и окружающей средой (физической, социальной, информационной и т.д.) позволяет добиться наилучших результатов в изучении сложных, трудно прогнозируемых закономерностей.
Пространственное размещение агентов и их сообщение с внешней средой - важный аспект агент-ориентированного (агентного) моделирования. Оно помогает понять многие географические проблемы, такие как, к примеру, разрастания, скопления и сегрегации. С другой стороны, представление пространственно-распределенной информации наиболее адекватным действительности образом - прерогатива географической информационной системы (ГИС) - инструмента обработки географической информации. ГИС следует рассматривать в совокупности теоретического научного подхода и специального программного обеспечения, способного хранить, редактировать, обрабатывать и представлять географические данные в виде карт [3]. Картография -традиционно наиболее простая и эффективная форма научной визуализации и пространственного анализа, но отнюдь не единственная [7]. Как отмечалось выше, агентное моделирование имеет непосредственное
отношение ко многим географическим проблемам, поэтому возрастает интерес к интеграции ГИС и агент-ориентированного моделирования через соединение и вложение технологий.
На первый взгляд, достаточно трудно понять, каким образом ГИС-технологии, ориентированные, в основном, на обработку картографических и ассоциированных с ними данных, могут быть адаптированы к потребностям динамического имитационного моделирования.Однако, ГИС в действительностипредставляется вполне пригодной платформой для имитационного эксперимента с необходимостью пространственного и временного анализа. Применение ГИС в имитационном моделировании включает в себя управление данными, преобразование форматов, изменение проекций, растр-векторное преобразование, а также рендеринг, выполнение запросов, анализ результатов моделирования и оценку погрешностей. [5, с. 220].
Для агент-ориентированного моделирования интеграция с ГИС обеспечивает возможность иметь агентов, связанных с реальными географическими объектами, непрерывно изменяющимися в пространстве и времени. Проиллюстрировать объединение агентного моделирования с ГИС можно, представив объективный мир как суперпозицию слоев (например, физической, городской среды) и объектов различных типов (таких как люди, автомобили и т.п., которые могут являться основой для агентов). Слои формируют искусственную среду обитания агентов и, кроме того, могут выступать в качестве границ моделирования [4].
Таким образом, объединенные ресурсы ГИС и агент-ориентированного моделирования реализуют два важных аспекта геоинформационного подхода: исследование компонентов среды по вертикали и анализ связей между отдельными компонентами по горизонтали [7]. Вследствие объединения парадигм произошло слияние терминов, и методология получила название мулътиагентное геомоделирование (multi-agentgeosimulation, MAG). Мультиагентное геомоделирование - техника имитационного моделирования явлений и комплексных систем, имеющих место в окружающей среде, с применением агент-ориентированного подхода в пространственных моделях высокого разрешения.
Ммр
Рис.1 Мир как суперпозиция слоев фиксированных и нефиксированных объектов (адаптация из [4])
Типичная MAG-модель использует геопространственные массивы данных (связанные с сущностями в пространстве, например, зданиями, инфраструктурой, элементами рельефа) для представления среды, в которой существуют искусственные мобильные агенты (например, пешеходы, потребители), тем самым моделируя поведение людей и других объектов реального мира (домашних хозяйств, транспортных средств). [2, с. 238]. Мультиагентность предполагает взаимодействие нескольких интеллектуальных агентов в едином временном и физическом пространстве.
Существует, в общем, два типа систем моделирования для разработки агент-ориентированных моделей: набор инструментальных средств (toolkits) и программное обеспечение (software). Согласно этой дихотомии, под наборами инструментальных средств подразумеваются системы моделирования, представляющие концептуальную основу организации и разработки агент-ориентированных моделей. Они обеспечивают соответствующие библиотеки функциональных возможностей, которые включают заранее определенные процедуры и функции, предназначенные специально для агент-ориентированного моделирования. В этом случае модель может быть выражена в форме последовательности команд ГИС, выполняемых сценарием (скриптом) на объектно-ориентированном языке программирования (например, Java, C++, VisualBasic) или скриптовом языке (Python, VBScript, JScript). Использование же готового программного обеспечения зачастую существенно упрощает процесс моделирования за счет снижения необходимости разрабатывать программный код [5].
Обширный ряд функциональных возможностей для мультиагентного геомоделирования представляет среда имитационного моделирования AnyLogic .Реализация геопространственной среды в агентных моделях AnyLogic, выражаемой в форме динамических ГИС-карт, основана на технологии OpenMap. OpanMap оперирует проекциями, которые переводят данные из географических координат в декартовы координаты отображаемой на экране ГИС-карты. При этом поддерживается два типа карт (актуально для версии AnyLogic 7.1 и выше): тайловые карты и шейп-файлы. Тайловые карты состоят из небольших соединенных друг с другом фрагментов (тайлов, от англ. atile - «плитка») и загружаются в модель в режиме реального времени. Шейп-файлы содержат информацию о примитивах (точках, линиях, полигонах), из которых состоит карта. Оба типа могут наслаиваться друг на друга, образуя, таким образом, пространство ГИС. Поддержка пространства ГИС располагает инструментами для помещения агента в заданную точку, перемещения из текущего местоположения в другое с определенной скоростью, установления связей между агентами в зависимости от их расположения и т.д. [1].
Одним из примеров, предлагаемых разработчиками AnyLogic для ознакомления с объединением парадигм агентного моделирования и ГИС, является модель цепочки поставок нефти (OilSupplyChain).
»
Рис.2 Главная диаграмма агента Main в графическом редактореAnyLogic
Как видно из рис.2, в пространство ГИС, реализованное тайловой картой, помещены агенты: ритейлеры (retailers), бензовозы (fuelTrucks), хранилища (storages), нефтеперерабатывающие заводы (refineries), нефтепроводы (pipelines) и танкеры (tankers). Карта загружается автоматически от поставщика OpenStreetMap (OSM). Конечные звенья поставок нефти - ритейлеры GasStation - изображены с помощью фигуры презентации «ГИС Точка». При запуске модели и выборе удобного масштаба будет видно, что агенты «Fuel Track» движутся от хранилищ терминалов к пунктам назначения по действительным транспортным путям, то есть используют географические данные ГИС.
Рис.3 Фрагмент модели Oil Supply Chain
/ • • ' w • -Ir-^' *
• ' • IvJL- \
mL\ . штЯШ
Рис.4 Фрагмент модели Oil Supply Chain
Итак, интеграция агент-ориентированного моделирования и ГИС -перспективный вектор развития современных методов исследования сложных процессов. Такой подход позволяет большому числу исследователей создавать качественные геопространственные агентные модели. Однако необходимо отметить, что интеграция агентного моделирования и ГИС - все еще довольно сложный процесс, нуждающийся в тщательной проработке предварительной информации: какие данные необходимы, каким образом они должны быть использованы, как агенты взаимодействуют с данными и т.д. Кроме того, в данном контексте актуальна проблема вычислительной мощности, достаточной для создания геопространственных агентных моделей с большим числом (порядка тысячи) агентов, взаимодействующих с множеством растровых и векторных объектов [5, с. 245]. Тем не менее, подход обладает внушительным потенциалом, достойным развития и преодоления существующих ограничений.
Использованные источники:
1. AnyLogic. Инструмент многоподходного имитационного моделирования URL: http://www.anylogic.ru/anylogic/help/ (дата обращения: 08.10.2016).
2. Blecic I., Cecchini A., Trunfio G. A Multi-Agent Geosimulation Infrastructure for Planning // Geocomputation and Urban Planning / ed. B. Murgante [et al.]. -Berlin; Heidelberg: Springer, 2009. - С. 237-253.
3. Campbell J., Shin M. Essentials of Geographic Information Systems . - 2-е изд. Flat World Knowledge, 2015. - 259 с.
4. Crooks A. Agent-based modeling and geographical information systems // Geocomputation. A practicle primer /ed. Brunsdon C. [et al.]. - SAGE Publications Ltd, 2015. - С. 63-85.
5. Crooks A., Castle C. The Integration of Agent-Based Modelling and Geographical Information for Geospatial Simulation // Agent-Based Models of Geographical Systems/ed. Heppenstall A. [et al]. - Springer, 2012. - С. 219-251.
6. Гитис В.Г., Ермаков Б.В. Основы пространственно-временного прогнозирования в геоинформатике. - М.: Физматлит, 2004. - 256 с.
7. Пасхина М.В. ГИС в географических исследованиях: проблемы использования и адаптации // Ярославский педагогический вестник. - 2010. -№4. - С. 159-166.
