Через 5 лет после начала эксплуатации предусматривается строительство сплошного второго пути, говорят будет быстрее чем на БАМе🤔. На станции Бахты появятся перегрузочные терминалы. Ожидается после реализации проекта повышение пропускной способности на границе Казахстана и Китая на 20 млн тонн в год.

Новая линия составит 272 км

2. Проект строительства железнодорожной магистрали
(1 Проект)
Китай — Кыргызстан — Узбекистан

Россия активно встраивает партнерские государства в ЕТК. Сегодня рассмотрим одного участника новой логистики - Кыргызстан, который может стать крупным транспортно-логистическим хабом в регионе.

Ожидается, что объемы перевозок грузов по трем ключевым коридорам, проходящим через Центральную Азию, к 2030 году достигнут 95 млн тонн. Рост контейнерного трафика запланирован до 1,7 млн контейнеров в двадцатифутовом эквиваленте.

Идея конечно не нова (с 1996 г. - обсуждают), но сейчас появился консенсус среди участников ЕТК в регионе.

Новый маршрут не является конкурентом российскому Транссибу и ж.-д. коридору из Китая через Казахстан, поскольку ориентирован на другие целевые рынки, предусматривает большое количество стран транзита и необходимость многократной перевалки грузов. Здесь ключевой аспект в перенаправлении транзита с автомоблиного транспорта на ж.-д.

#ЕТК

Главные цифры проекта железной дороги «Китай – Кыргызстан – Узбекистан»

📍Протяженность железнодорожных линий: Китай - 213 км; Кыргызстан - 260 км; Узбекистан - 50 км.

📍Срок строительства: 6-8 лет.

📍Стоимость проекта: 3–5 млрд долл.

📍Потенциал грузоперевозок: 7-13 млн тонн в год.

🔥 06.07.2024 - подписано трехстороннее межправительственное соглашение о сотрудничестве в совместном продвижении проекта железной дороги «Китай – Кыргызстан – Узбекистан».

#ЕТК

Методы корректировки проекта по развитию объекта транспортной инфраструктуры
🫸Сжатие и быстрый проход🫷

Как же часто возникает желание оптимизировать, сделать побыстрее. Иногда для этого имеются даже серьезные поводы. Сегодня как раз на повестке метод сжатия, при котором выполняется анализ компромиссов стоимости и сроков для определения возможности максимально сжать сроки при минимальных дополнительных затратах. Сжатие не всегда позволяет получить приемлемое решение и может привести к увеличению стоимости проекта по развитию объекта транспортной инфраструктуры. Почему только рассматриваем объекты транспортной инфраструктуры? Сегодня максимально широко охватим тему. Пройдемся по управлению любого проекта. Введем тогда базис - операция (работа) - это будет неделимый элемент с точки зрения проекта.

Быстрый проход — частный случай сжатия расписания. При быстром проходе операции проводятся с некоторым перекрытием или параллельно. Быстрый проход может привести к доработкам и возрастанию риска.

Чтобы определить, сокращение каких операций обойдется дешевле, производят вычисление крутизны «стоимость/время», характеризующей стоимость сокращения длительности операции на единицу времени. Для вычисления крутизны каждой операции используют следующую формулу:

👀К=(Сс-Сн)/(Тн-Тс),

где К — крутизна стоимости/время; Сс, Сн — сжатая стоимость, нормальная стоимость; Tc, Tн— сжатая длительность, нормальная длительность.

Расчет крутизны позволяет определить операцию, сжатие которой будет иметь наименьшую стоимость. Следует также отметить, что сжатию подлежат только операции, которые лежат на критическом пути. Сжатие некритических операций увеличивает общую стоимость проекта без сокращения расписания. Таким образом, процесс сокращения сроков выполнения проекта необходимо начинать с операций критического пути, сжатие которых имеет наименьшую стоимость.

Существует пять правил сжатия расписания:

⭕️ Сжимать только операции, лежащие на критическом пути.

⭕️ Сжимать на одну временную единицу расписания за один шаг (например, на один день, за один шаг).

⭕️ Когда существует несколько критических путей, сжимать их все одновременно.

⭕️ Сначала сжимать те операции критического пути, которые имеют наименьшую стоимость сжатия (наименьшую крутизну стоимость/время).

⭕️ Не сжимать некритические операции.

Общественный транспорт (ОТ) играет важную роль в жизни города. Хотя в наш век люди пересаживаются в автомобили. С 2000 по 2023 г. в структуре перевозок пасажиров ОТ потерял 7,9%.
Важно работать над привлекательностью ОТ для горожан, которая обычно оценивается по 5 группам параметров:

1️⃣Физическая доступность

2️⃣Ценовая доступность

3️⃣Эффективность транспортной сети

4️⃣Комфорт и удобство

5️⃣Безопасность и устойчивое развитие

Принять обоснованное и эффективное решение, учитывающее интересы всех участников процесса пассажирских перевозок, поможет - имитационное моделирование.

Сейчас создано множество систем моделирования работы ОТ, позволяющие анализировать трафик, разрабатывать мероприятия по повышению пропускной способности и др.
Можно ознакомиться лично.

С бесплатной версией и открытым исходным кодом:
The Repast Suite
MATSim
TRANSIMS
Simulation of Urban Mobility
С бесплатной версией: Anylogic
Только за 💰:
TransModeler (нужен VPN)
HCS
PTV Visum
TSIS-CORSIM
TransCAD (нужен VPN)
Aimsun Next

Управление пассажиропотоками ж.-д. вокзалов на основе моделирования динамики движения пассажиров
🚶‍♂️2 пост из серии (1 пост здесь)

Стохастический подход основывается на представлении потока как случайного процесса. Примером макромоделей, которые основаны на данном подходе, является модель на основе цепей Маркова. Существующие подходы к моделированию пассажиропотоков могут быть классифицированы в зависимости от уровня детализации процесса.

📍Модели макроуровня. Описывают поток пассажиров как целое. Основная область применения этого типа моделей - анализ загруженности отдельных помещений вокзала. Модели макроуровня описывают процесс очень приближенно, к их недостаткам можно отнести невозможность определять характер движения отдельного агента в потоке, невозможность их применение к гетерогенным потокам, в которых разные группы агентов имеют разную цель и характеристики (примером применения моделей такого типа программный комплекс ADLPV v 2.0).

На основе представления пассажиропотока на макроуровне возможным является вывод аналитических формул для проведения несложных расчетов по определению ширины платформы, тоннелей, площадей пассажирских помещений. Однако невозможность определения характера движения отдельных агентов гетерогенных потоков в моделях макроуровня сдерживает дальнейшее развитие исследований в области пассажиропотоков.

📍Модели микроуровня. Характеризуются описанием поведения отдельных пассажиров и взаимодействий между ними (известными программными продуктами, основанные на таких моделях, является AnyLogic с библиотекой Pedestrian Library, SimWalk transport и PRO, Vissim, LEGION и так далее).
Развитие вычислительной техники предоставило толчок в исследованиях потока на микроуровне. Данный подход является более интересным с точки зрения повышения точности и реалистичности поведения потока.

Существующие микроскопические модели условно можно разделить по варианту дискретизации пространства и времени на две подкатегории: дискретные и непрерывные – о них и поговорим в следующий раз.

На поезде со скоростью ~277 м/с

Сверхскоростная транспортная система на магнитной подвеске внутри низковакуумной трубки, совместно разработанная Китайской корпорацией космической науки и промышленности /China Aerospace Science and Industry Corporation Limited/ и провинцией Шаньси, завершила демонстрационные испытания для своей полноразмерной опытной линии в уезде Янгао города Датун.

Испытание проводилось на сверхпроводящем транспортном средстве на магнитной подушке внутри трубопровода протяженностью 2 км в условиях низкого вакуума. Результаты показали, что поезд мог выполнить контролируемую навигацию, устойчивую подвеску и безопасную остановку в соответствии с заданной кривой линией. Максимальная скорость и высота подвески транспортного средства соответствовали заданным показателям. Все системы работали нормально, а траектория движения транспортного средства полностью соответствовала теоретической траектории.

🙄 Немного сомнений
Какую конкретно скорость развил маглев во время испытаний, не уточняется.
Остается вопрос о надежном способе поддерживать вакуум в более длинной трубе. Отдельно добавим про экономичность способа и условия ввода/вывода капсул.

🙄 Немного оправданий
В апреле 2022 года в уезде Янгао началось строительство вышеупомянутой системы. Она сочетает аэрокосмические технологии с технологиями наземного рельсового транспорта, что теоретически позволит достичь скорости движения поездов на уровне 1 000 км/ч.

Предыдущий рекорд Hyperloop в Китае был поставлен в феврале 2024 года, когда CASIC испытала поезд Hyperloop T-Flight на магнитном подвесе. По сообщениям CASIC, во время испытаний удалось достичь скорости более 623 км/ч. После испытаний в CASIC заявили, что поезд в конечном итоге достигнет скорости 1000 км/ч.

Когда имитационная модель и не нужна

«Стивидорная компания «Малый порт» (Находка) сократила простой вагонов (г/г) в 2 раза при увеличении грузооборота с начала года на 3,4%.
Имитационные модели не нужны когда решение по оптимизации всем понятны и остается подлючить только административный ресурс (хотя пилюлей обоснования можно подсластить любое решение).

Что же надо было оптимизировать?
Возврат порожних вагонов после выгрузки, исключая дополнительную переработку на технических станциях Дальневосточной железной дороги, в условиях постоянного роста перевозок в направлении портов Дальнего Востока.

Какое решение?
Маршрутизация порожних вагонов с мест выгрузки.

И все? - получается, что да.

Время ожидания отправления (от момента уборки до отправления в составе поезда) отправительского маршрута со станции Находка-Восточная по итогам июня составило 4 часа 31 минута на 1 вагон. В то время как вагоны, отправленные в обычных поездах, простаивали в среднем 10 часов 12 минут.

3. Проект строительства Трансафганского коридора
Ж.-д. магистраль Узбекистан – Афганистан – Пакистан
Предыдущий проект

Проект находится на начальной стадии — сторонами согласован маршрут.
Требуется обследование местности, по которой пройдет железная дорога, разработка ТЭО, выбор подрядчика, определение механизмов финансирования и реализации проекта. С учетом характера проекта одним из возможных вариантов его реализации может стать трансграничное государственно-частное партнерство.

Среди сложностей реализации проекта стоит отметить:

🧐 горный рельеф местности в Афганистане;

🧐 неурегулированность вопросов афгано-пакистанского сотрудничества;

🧐 необходимость модернизации железных дорог Пакистана для пропуска новых грузопотоков;

🧐 обеспечение безопасности на территории вдоль нового коридора и др.

Главные цифры

📍1520 мм - ширина колеи новой ж.-д. магистрали на всей территории Афганистана.

📍Протяженность новых участков от Мазари-Шарифа до Торхама ~ 760 км.

📍Стоимость проекта ~ 4,8 млрд долл.

#ЕТК

Нужна ли имитационная модель в цифровом двойнике?

Если сервис решает задачи автоматизации и цифровизации процессов сбора, хранения информации о состоянии физического объекта, то конечно нет.
Но если требуется, например, решать задачи прогнозирования решений маневрового диспетчера, то уже вопрос открывается с другой стороны.

Ключевой задачей цифрового двойника в этой ситуации является поддержка принятия решений. Системы поддержки принятия решений могут быть стратегическими (прогнозирование от X месяцев) и оперативными (прогнозирование в рамках дня).

На объекте ж.-д. инфраструктуры обычно имеются различные информационные системы и опытный персонал для принятия решений. Однако оперируют обычно планом работы, текущими и в лучшем случае историческими данными (а их желательно еще адаптировать под решаемые задачи – и тут могут начинаться проблемы). Все эти данные надо постоянно обрабатывать и в требуемые моменты времени принимать решения: что делать и кто виноват 🫣 ?
Для обработки информации как раз и нужна имитационная модель, которая в качестве исходных данных соберет в себя параметры инфраструктуры, технологии, ресурсов, объемов работы, и далее отмоделирует различные решения и выдаст рекомендации.

И вот простая имитационная модель, которая при автоматизированном сборе и обработке информации, интеграции с системами (ИС, АСУ объекта инфраструктуры) стала полноценным цифровым двойником.

Нужна ли имитационная модель в цифровом двойнике? При планировании эксплуатационной работы это одно целое! Ниже рассмотрим концептуально какими данными должен оперировать цифровой двойник.

Система поддержки принятия решений (мы продолжаем тему цифрового двойника) должна подсказывать оперативному персоналу, что делать в той или иной ситуации. Для этого нужны данные:
📍Текущие – данные в настоящий момент времени, поступающие от физического объекта через подсистему сбора данных;
📍Прогнозируемые – планируемые оперативные данные, включающие задания на работу, накопленный и обработанный массив данных из информационной системы (которая обычно интегрирована в АСУ);
📍Ситуационные – возможные принимаемые решения в текущей эксплуатационной обстановке (этот тип данных отсутствует в АСУ, а он помогает решать задачи предиктивной аналитики).

Имитационная модель интегрируется с АСУ (ставятся шины для текущих и прогнозируемых данных, а также для системы поддержки принятия решений) и далее в рамках моделирования на основе ситуационных данных (и алгоритмов моделирования, адаптированных под требования конкретного физического объекта) воспроизводятся различные сценарии работы объекта транспортной инфраструктуры.

Управление пассажиропотоками ж.-д. вокзалов на основе моделирования динамики движения пассажиров

🚶‍♂️3 пост из серии (предыдущий пост)
Сегодня поговорим о дискретных и непрерывных моделях движения пассажиров.

Дискретные модели.

Представьте себе шахматную доску, где каждый пассажир – это пешка. В таких моделях пространство делится на клетки, и пассажиры перемещаются по этой сетке с заданными правилами. Например, как в моделях на основе клеточных автоматов: шаг вправо, шаг влево – только по правилам!

Модели непрерывного пространства:

📍 Физические модели:
Пассажиры ведут себя как жидкость или газ, двигаясь плавно и непрерывно. Их движение описывается уравнениями динамики жидкости или газа, как в моделях авторов D. Helbing, S.A.H. AlGadhi, H.S. Mahmassani и R. Herman. Люди текут по вокзалу, обтекают колонны и выходят на платформу. Если кто-то случайно попадёт в такую модель, можно подумать, что перед вами великая река людских страданий — особенно когда опаздываешь на поезд.

📍 Маршруты и оптимизация:
А вот здесь пассажиры – настоящие стратеги, которые пытаются сэкономить пару минут, но в итоге всегда приходят последними! Они выбирают маршрут, стараясь минимизировать свои «расходы». Пример: модель под авторством R.L. Hughes, включающая подход на основе гидродинамики

📍 Модели социальных сил:
Пассажиры двигаются под воздействием «социальных сил», меняя направление и скорость. Вот только социальные силы иногда оказываются такими, что вместо того, чтобы идти вперёд, вы вдруг начинаете следовать за случайным человеком в буфет.
Пример: модель авторов D. Helbing, I.J. Farkas, P. Molnár, T. Vicsek. Движение каждого агента рассчитывается на основе 2 закона Ньютона. Недостаток? необходимость обработки больших массивов числовой информации при моделировании потоков большой размерности. Чем больше пассажиров, тем сложнее становится расчёт – как если бы вам нужно было одновременно решить несколько уравнений, но с толпой спешащих людей.

📍 Агентные модели: Такие модели в процессе моделирования используют набор элементарных правил, которым подчиняется каждый участник потока. Примером такого подхода является модель “boids”, которая предложена в исследовании C.W. Reynolds. Агенты взаимодействуют с подобными себе путем передачи сообщений на основе простых правил поведения. Преимуществом таких моделей являются достижения более реалистического движения человека для низкой и средней плотности потока при практически неограниченном размере потока, а недостатком - невозможность моделирования потока при высокой плотности.

Понимание и использование этих моделей позволяет оптимизировать движение пассажиров на вокзале и сделать процесс более предсказуемым и управляемым, как в игре, где каждый ход спланирован заранее.

Что вы хотите программное обеспечение или программный продукт?

Компьютерная программа, программный компонент, программный модуль, программное средство, программный продукт, программное обеспечение – это синонимы?

Наверное, нет. Хотя часто (даже в it-среде 😱) между некоторыми понятиями ставят знак «=».
Давайте попробуем разобрать этот вопрос на примерах:

Здесь разберем поверхностно. Здесь глубоко.

📜 Компьютерная программа – это, по сути, рецепт. Содержит инструкции, как ваш компьютер должен варить кашу из данных. Но сам по себе этот рецепт кашу не сварит, нужна ещё кухня и повар.
Коротко: то, что выполняет вычисления или функции управления.

🧩 Программный компонент – это как один из ингредиентов на этой кухне. Сахар, мука, молоко… каждый по отдельности тоже нужный, но никто не станет делать из одного сахара целую кашу
Коротко: законченная часть программы.

⚙️ Программный модуль – это уже конкретная часть рецепта, например, процесс варки молока. Само по себе молоко вскипело, но дальше что? Нужно, чтобы весь процесс был скоординирован.
Коротко: единица конфигурационного управления (компонент с функциями управления).

🏗 Программный комплекс – это когда у вас есть и каша, и компот. А может быть даже три блюда! Всё работает вместе, чтобы вас накормить. Тут важен весь набор.
Коротко: объединение компонентов/модулей.

💻 Программное обеспечение – это тот момент, когда повар сварил вам кашу и уже положил её в тарелку, подал ложку, салфетку и дал инструкцию, как всё это съесть, не обжечься. И при этом на кухне всё чисто и готово к работе.
Коротко: то, что можно эксплуатировать. Есть документация.

🚫 Программное средство/система – звучит красиво, но по сути ничего конкретного не значит. Как если бы вы попросили на кухне «что-нибудь съедобное» – вам могут дать хоть кусок сыра, хоть яблоко.
Коротко: лучше не употреблять в лексиконе.

📦 Программный продукт – это когда вам эту кашу завернули в красивую упаковку и отправили домой. Там уже инструкция, реклама, название, и вам остаётся только разогреть.
Коротко: то, что поставляется пользователю.

📲 Программно-аппаратное средство – это уже готовый гаджет, например, кофемашина, которая варит вам кофе по нажатию одной кнопки. Здесь встроено всё, что нужно.
Коротко: гаджет со встроенной операционкой.

🛠 Программно-технический комплекс – это как целая кофейня: кофемашина, касса, бариста. Всё на месте, и вы можете наслаждаться результатом.
Коротко: совокупность программного обеспечения и оборудования, на котором оно исполняется.

Так что в следующий раз, когда кто-то скажет «программное средство», вы знаете, что это за абстракция. А вот если предложат «программный продукт», будьте уверены: это то, что вам нужно, и оно уже готово к употреблению!

Подробно по понятиям
Коротко тут.

Начнем, пожалуй, с понятия «Компьютерная программа» — это комбинация компьютерных инструкций и данных, позволяющая аппаратному обеспечению вычислительной системы выполнять вычисления или функции управления.
ISO/IEC/IEEE 24765:2017. Systems and software engineering — Vocabulary.

Компьютерная программа может существовать в двух формах:
Designtime — в форме исходного кода;
Runtime — в форме исполняемого кода в момент его работы.

Исходный код – компьютерная программа в текстовом виде на каком-либо языке программирования.
ГОСТ Р 54593-2011. Информационные технологии. Свободное программное обеспечение. Общие положения.

Программа – данные, предназначенные для управления конкретными компонентами системы обработки информации в целях реализации определенного алгоритма.
ГОСТ 19781-90. Обеспечение систем обработки информации программное. Термины и определения.

Спустимся по глубже и дойдем до понятия «Программный элемент» – любая идентифицируемая (выделяемая) часть компьютерной программы.
ИСО/МЭК 9003:2004. Разработка программных продуктов. Руководящие указания по применению ИСО 9001:2008 при разработке программных продуктов.

Ну все, базис есть, идем наверх.
Программный компонент – программа, рассматриваемая как единое целое, выполняющая законченную функцию и применяемая самостоятельно или в составе комплекса.
ГОСТ 19.101-77. Единая система программной документации. Виды программ и программных документов.

Программный модуль – программа или функционально завершенный фрагмент программы, предназначенный для хранения, трансляции, объединения с другими программными модулями и загрузки в оперативную память.
ГОСТ 19781-90.

Программный комплекс – программа, состоящая из двух или более компонентов и (или) комплексов, выполняющих взаимосвязанные функции, и применяемая самостоятельно или в составе другого комплекса.
ГОСТ 19.101-77.

Программное обеспечение – совокупность программ системы обработки информации и программных документов, необходимых для эксплуатации этих программ. ГОСТ 19781-90.

Программное средство. Здесь даже определений давать не буду. В разных ГОСТах по-разному, где-то это нечто похожее программное обеспечение (ГОСТ 28806-90), а где-то это уже предмет поставки (ГОСТ Р 51904-2002). Программная система – аналогично. Поэтому давайте дальше, где нашелся консенсус в терминологии.

Программный продукт – программный объект (??? как так – новый термин??? Ладно, программным объектом может быть кнопка или просто объект, являющийся частью компьютерной прогруммы), предназначенный для поставки пользователю. ГОСТ Р ИСО/МЭК 9126-93. Информационная технология. Оценка программной продукции. Характеристики качества и руководства по их применению.

Программно-аппаратное средство – технические средства, содержащие компьютерную программу и данные, которые не могут изменяться средствами пользователя. Компьютерная программа и данные, входящие в программно-аппаратные средства, классифицируются как программное обеспечение; схемы, содержащие компьютерную программу и данные, классифицируются как технические средства.
ГОСТ Р ИСО/МЭК 9126-93. Информационная технология (ИТ). Оценка программной продукции. Характеристики качества и руководства по их применению.

Программно-технический комплекс – продукция, представляющая собой совокупность средств вычислительной техники, программного обеспечения и средств создания и заполнения машинной информационной базы при вводе системы в действие достаточных для выполнения одной или более задач АС.
ГОСТ 34.003-90. Информационная технология (ИТ). Комплекс стандартов на автоматизированные системы. Автоматизированные системы. Термины и определения.

Занимательный факт

Имитационное моделирование впервые появилось в 1940-х годах, когда военные поняли, что для победы в сражениях нужно не только мужество, но и умение предугадывать ходы противника. Во время Второй мировой войны ученые начали моделировать воздушные бои, чтобы пилоты знали, куда лететь, а куда лучше не соваться. Это был, по сути, первый симулятор, только без виртуальной реальности. С тех пор имитационное моделирование проникло повсюду: от поездов и больниц до ракет и космоса. Кто бы мог подумать, что эти научные манёвры с тактикой так сильно изменят ход истории? 🚀

4. Проект строительства Трансафганского коридора
Ж.-д. магистраль Узбекистан – Афганистан – Пакистан
Предыдущий проект

Проект новой железнодорожной магистрали Таджикистан – Афганистан – Туркменистан (ТАТ) – это не просто поездка на поезде, это настоящее путешествие через три страны и, возможно, через все бюрократические лабиринты. Данный проект должен связать Душанбе, Пяндж, Мазари-Шариф и Ашхабад по северу Афганистана.

20 марта 2013 года в Ашхабаде, в окружении фанфар и громких обещаний, три президента — Туркменистана, Афганистана и Таджикистана — подписали меморандум о строительстве. Три лидера, три подписи, и внезапно тысячи километров железных дорог стали чуть ближе к реальности. Правда, только на бумаге. Но в июне того же года в Атамырате три президента собрались снова, чтобы торжественно запустить строительство новой магистрали.
И вот, впереди 650 километров железной дороги! Из них 150 км по Туркменистану, 450 км по Афганистану и 50 км по Таджикистану.
2 часть ⏬

#ЕТК

1 часть ⏫

Проектирование и строительство к настоящему моменту выполнены только в Туркменистане. В 2016 году был введен в эксплуатацию участок Атамырат – Имамназар (Туркменистан) – Акина (Афганистан), ставший первой очередью проекта ТАТ. Похоже, что Туркменистан не привык откладывать дела в долгий ящик. А вот остальным участникам коридора ещё предстоит догнать паровоз.

В сентябре 2022 года Таджикистан обратился в Корейское агентство международного сотрудничества (KOICA) с просьбой "помочь немного с деньгами". Ожидается, что южнокорейские специалисты проведут предварительные работы, необходимые для подготовки ТЭО строительства железной дороги Джалолиддин – Балхи – Джайхун – Пянджи – Пойон протяженностью 50 км на территории Таджикистана. Ну и мост через реку Пяндж на 1 км, куда же без него. Мосты — это ведь не только через реки, но и между странами.

Информация о проведении каких-либо работ на территории Афганистана пока отсутствует. Видимо, там пока размышляют: "Строить или не строить? Вот в чем вопрос".

Реализация проекта ТАТ позволит открыть новый транзитный коридор между Центральной Азией и Афганистаном. Железная дорога может стать частью Лазуритового коридора, соединяющего Афганистан, Туркменистан, страны Южного Кавказа и Турцию. В общем, Лазуритовый коридор звучит как что-то из сказок, но, может, и реальность получится не хуже.

Для Таджикистана новый коридор станет самым коротким и сквозным маршрутом для доставки грузов в Иран, Турцию и на мировые рынки. Главное, чтобы всё это не стало тем самым "коридором ожидания".

#ЕТК

Занимательный факт

В 1970-х годах имитационное моделирование сыграло ключевую роль в разработке первой автоматизированной системы управления движением поездов в Японии, что помогло сделать их поезда одними из самых надежных и быстрых в мире. Благодаря моделированию удалось предсказать и избежать потенциальных сбоев в системе, обеспечив плавное и безопасное движение поездов на высокой скорости. Этот успех способствовал дальнейшему развитию высокоскоростных железных дорог, таких как знаменитые Синкансены. 🚅

Управление пассажиропотоками ж.-д. вокзалов на основе моделирования динамики движения пассажиров
🚶‍♂️4 пост из серии (предыдущий пост)

Гибридные модели комбинируют макро- и микроуровни, а следовательно, позволяют повышать репрезентативность результатов за счет устранения недостатков каждого из предыдущих подходов и более точно описывать поведение потока в разных режимах движения.

Представьте себе, каждый участник потока в этой модели — настоящий стратег, который все время старается минимизировать текущее значение своей "энергии". Это как если бы вы пытались попасть на вокзал в час пик, при этом не разлив свой утренний кофе. Например, модель, предложенная автором A. Treuille, учитывает действие социально-физиологических сил, то есть она знает, что толкаться — это нехорошо, и заданную цель в пространстве — вроде "добраться до поезда без потерь". Что особенно впечатляет, так это производительность модели: 8000 агентов с дискретизацией 1 секунда.

Но, конечно, не обошлось без подвохов. Например, резкие изменения направления движения — тут агенты поворачивают так резко, будто только что вспомнили, что забыли дома утюг. И это без учета инерции! В реальной жизни они бы давно улетели в стену.
Но и это еще не все.Но и это еще не все. В модели возможны столкновения при пересечении траекторий движения агентов к заданной цели. Ну, а если все пойдет совсем не по плану, система может попасть в локальный минимум, и агенты просто стоят на месте, словно пытаются вспомнить, выключили ли они газ перед выходом из дома.

Короче, гибридные модели — это отличный инструмент. Они, конечно, умны и помогают разобраться с движением толп, но порой работают с тем же успехом, что и попытка организовать порядок в очереди за бесплатной раздачей пиццы.

Занимательный факт

Имитационное моделирование помогло NASA избежать конфуза с марсоходом Curiosity. В 2012 году, когда марсоход должен был приземлиться на Марс, ученые использовали моделирование, чтобы рассчитать идеальную траекторию спуска и избежать падения «лицом в песок». Благодаря этому Curiosity успешно приземлился и начал свою исследовательскую миссию. Теперь он катается по Марсу, как по собственной даче, и передает на Землю снимки, от которых дух захватывает! 🚀

Зачем усложнять?

Моделирование прекрасно тем, что это абстрация реального объекта. И, следовательно, мы можем задавать характеристики моделируемого объекта - как душе угодно, лишь бы были валидные ответы. Сегодня разберем потрясающую вещь: как быстрее собрать имитационную модель (пренебрегая частью исходных данных и восстанавливая их автоматически в ходе моделирования) и не потерять детализацию в отчетах.

Сегодня речь о составности поезда в имитационной модели.

📚Базовый подход: Задаем несколько видов натурных листов (и даже добавляем немного хаоса в виде отклонений) и затем, как на железнодорожной лотерее, по закону распределения назначаем каждому поезду его составность.

📈 Определенные преимущества: Мы можем следить за каждым вагоном, как за участником реалити-шоу: кто, куда, и с каким багажом.

📉 Определенные недостатки: Процесс ввода исходных данных такой долгий, что вы успеете пересчитать все шпалы на моделируемом объекте до того, как модель заработает.

📍Важное уточнение: Составность поезда задается не просто для красоты. Есть какая-то необходимость? Да, ведь после нам нужно прописывать технологию работы на каждый вариант. Так что будьте готовы к марафону инструкций, где каждый вагон будет требовать особого подхода, как капризный клиент.

Вопрос: Можно ли упростить этот процесс, чтобы не пришлось изучать составность поезда до пенсии?
Ответ: Конечно, можно!

🔍 Предлагаемый подход (в рамках учета различной составности поезда при создании имитационной модели):

1️⃣ Задаем детерминированное количество вагонов в составе. Хотите добавить остроты? Подключаем закон распределения по количеству вагонов. Будет как игра с угадыванием количества орехов в банке — сюрпризы на каждом шагу!

2️⃣ Вставляем операции «расформирование» (используя логическое «или» с применением закона распределения) в технологическую цепочку. Это как железнодорожный пазл — никогда не знаешь, как состав разберется на этот раз.

3️⃣ Создаем технологическую цепочку для потомков основной категории (это варианты обработки вагонов после расформирования). Прощай, хаос — привет, порядок!

4️⃣ Вишенка на торте. Обратный мониторинг дислокации вагонов.
Мы знаем конечную технологическую цепочку, в которой прописаны вагоны - им задается автоматическая нумерация и до момента входа на объект инфраструктуры каждому обезличенному вагону присваивается требуемый номер и характеристика)
Волки целы, овцы сыты или наоборот)

Таким образом, мы учитываем все аспекты эксплуатационной работы с поездами, сокращая процесс построения модели настолько, что можно будет на пару дней раньше отправиться в отпуск.

Какой подход лучше?