В Транспортной стратегии РФ на период до 2030 г. ставится задача интенсивного развития транспортной инфраструктуры. Одним из направлений ее научного обеспечения является создание имитационных систем, позволяющих моделировать системы различных видов транспорта.
Имитационная модель позволяет автоматически определить значения параметров рассматриваемой системы, меняя при этом условия протекания процесса и случайные события, учет которых при традиционных подходах вызывает существенные затруднения.
Оценка пропускной способности транспортной инфраструктуры методом имитационного моделирования нашла свое применение на железнодорожном транспорте, в частности, для оценки пропускной способности железнодорожной линии Мга-Лужская, которая обслуживает морской торговый порт Усть-Луга, в условиях ее реконструкции с предоставлением большого количества «окон» в период до 2020 года [1,с.20;2,с.36;3,с.201], а также для рассмотрения частных случаев функционирования железнодорожного транспорта [4,с.133-5,с.127]. Подробный обзор имитационных моделей в области железнодорожного транспорта приведен в работах [6,с.17-7,с.2].
Объект исследования данной работы – грузовой фронт, на котором происходит обслуживание четырех различных категорий транспортных средств, время выгрузки которых соответственно составляет 22, 28, 34 и 40 мин.
Предметом исследования является оценка влияния процентного соотношения категорий транспортных средств, на максимальное количество транспортных средств, выгруженных на грузовом фронте в течение суток.
Была задана максимальная длина очереди транспортных средств, ожидающих выгрузки, а интенсивность прибытия транспортных средств исключала возможность появление межоперационных простоев. Т.е. оценивалась максимальная перерабатывающая способность грузового фронта при заданных параметрах его технического оснащения и описанной технологии функционирования.
Имитационная модель была построена в среде AnyLogic, которая является на сегодняшний момент универсальным средством имитационного моделирования. В рамках данного исследования был использован дискретно-событийный подход, который позволил рассмотреть процесс выгрузки транспортных средств, с помощью имитационной модели, структура которой представлена на рис. 1.
В имитационной модели заявки (транспортные средства) генерируются с заданной вероятностью, после чего они поступают в очередь на обслуживание блока (Ожидание в очереди), которая имеет вместимость, равную пяти заявкам.
Затем идет блок, который отвечает за одновременное обслуживание в системе только одной заявки. После него расположены три развилки, параметры которых позволяют задать вероятности появления различных категорий транспортных средств.
В модели учитываются «ресурсы», в виде достаточного количества средств механизации для выгрузки одного транспортного средства «Количество погрузчиков». Эти ресурсы «захватываются» в момент начала выгрузочных работ и «высвобождаются», после их окончания.
Несмотря на то, что в рассматриваемой системе есть только один грузовой фронт, наличие четырех категорий транспортных средств с различным временем выгрузки, вызывает необходимость «размножить» количество грузовых фронтов в рамках имитационной модели [8,с.24], на каждом из которых будет обслуживаться своя категория транспортных средств, с длительностью выгрузки, заданной в блоке (Время выгрузки транспортного средства).
Предпоследним следует блок, который позволяет начать выгрузку следующего транспортного средства на грузовом фронте, после выгрузки предыдущего. Завершают имитационную модель блоки, удаляющие транспортные средства из имитационной модели и одновременно ведущие подсчет их количества по категориям.
Было проведено пятнадцать экспериментов с имитационной моделью, вероятности появления категорий транспортных средств в течение суток показаны в табл. 1, а результаты экспериментов на рис. 2, для одновременной разгрузки трех транспортных средств. Максимальное количество обслуженных транспортных средств при условиях первого эксперимента в 1,8 раза больше чем их минимальное количество в условиях четвертого эксперимента, что говорит о значительном влиянии процентного соотношения транспортных средств, обслуживаемых на терминале, на максимальное количество обслуженных транспортных средств.
Таблица 1
Вероятности появления категорий транспортных
средств в течение суток, %
№ п/п |
Категории транспортных средств |
|||
1 |
2 |
3 |
4 |
|
1 |
100 |
0 |
0 |
0 |
2 |
0 |
100 |
0 |
0 |
3 |
0 |
0 |
100 |
0 |
4 |
0 |
0 |
0 |
100 |
5 |
50 |
50 |
0 |
0 |
6 |
50 |
0 |
50 |
0 |
7 |
50 |
0 |
0 |
50 |
8 |
0 |
50 |
50 |
0 |
9 |
0 |
50 |
0 |
50 |
10 |
0 |
0 |
50 |
50 |
11 |
33 |
33 |
33 |
0 |
12 |
33 |
33 |
0 |
33 |
13 |
33 |
0 |
33 |
33 |
14 |
0 |
33 |
33 |
33 |
15 |
25 |
25 |
25 |
25 |
Задавая различные соотношения категорий транспортных средств, выгружаемых на грузовом фронте, можно наглядно оценить его перерабатывающую способность, в различных условиях функционирования, избежав при этом трудоемких вычислений по аналитическим формулам.
ЗАКЛЮЧЕНИЕ
В статье представлена имитационной модели работы грузового фронта, которая позволяет оценить его перерабатывающую способность в условиях обслуживания четырех категорий транспортных средств, предназначенная для визуализации, анализа и поиска устойчивых параметров функционирования системы. Результаты проведенных на модели экспериментов демонстрируют, значительное влиянии процентного соотношения категорий транспортных средств, обслуживаемых на терминале, на максимальное количество обслуженных транспортных средств.
Список литературы: