Difference between revisions of "User:Jelp05"

From Simulace.info
Jump to: navigation, search
m
Line 83: Line 83:
 
* Omezený počet zastávek ve srovnání s reálnou sítí
 
* Omezený počet zastávek ve srovnání s reálnou sítí
  
−
== Výsledky ==
+
== Výsledky simulace ==
  
−
Experimentální testování modelu bylo provedeno pro '''pět různých provozních scénářů''' s důrazem na tři klíčové metriky: počet červených zastávek, průměrný počet čekajících pasažérů a celkový počet vygenerovaných pasažérů.
+
=== Základní statistiky ===
 +
{| class="wikitable"
 +
|-
 +
! Parametr !! Hodnota !! Jednotka
 +
|-
 +
| Celkem vygenerováno pasažérů || 15 036 || osob/24h
 +
|-
 +
| Průměrná efektivita || 10,4 || pasažérů/minutu 
 +
|-
 +
| Průměrný počet čekajících || 433,6 || osob
 +
|-
 +
| Maximum čekajících || 1 065 || osob
 +
|-
 +
| Průměrná obsazenost autobusů || 150,9 || osob
 +
|-
 +
| Využití kapacity || 33,5 || %
 +
|}
 +
 
 +
=== Analýza špičkových hodin ===
 +
 
 +
'''Špičkové hodiny''' (7-9 a 17-19) vykazují dramatické zvýšení poptávky:
 +
 
 +
* '''Nárůst čekajících o 78%''' oproti běžným hodinám
 +
* '''Špička''': 682,5 čekajících vs. '''normál''': 383,3 čekajících
 +
* '''Nejkritičtější hodina''': 8. hodina s '''20,2 červenými zastávkami'''
 +
* '''Maximum čekajících ve špičce''': 874 osob
 +
 
 +
=== Kritické zastávky ===
 +
 
 +
Na konci simulace bylo identifikováno '''8 zastávek''' v kritickém stavu:
  
 
{| class="wikitable"
 
{| class="wikitable"
 
|-
 
|-
−
! Scénář !! Počet autobusů !! Červené zastávky !! Průměrně čekajících !! Celkem vygenerovaných
+
! Pořadí !! Název zastávky !! Čekající pasažéři
 
|-
 
|-
−
| Základní provoz || 2 || 8-12 || 180-220 || 1200-1400
+
| 1. || '''Hasova''' || 57
 
|-
 
|-
−
| Standardní provoz || 3 || 6-8 || 140-180 || 1400-1600
+
| 2. || '''Lhotka''' || 51 
 
|-
 
|-
−
| Zvýšený provoz || 4 || 4-6 || 100-140 || 1600-1800
+
| 3. || '''Sídliště Lhotka''' || 21
 
|-
 
|-
−
| Špičkový provoz || 5 || 2-4 || 80-120 || 1800-2000
+
| 4. || Družná || 18
 
|-
 
|-
−
| style="background-color: lightgreen;" | '''Maximální provoz''' || '''6''' || '''1-2''' || '''60-100''' || '''2000-2200'''
+
| 5. || Tylova čtvrť || 17
 +
|-
 +
| 6. || Labe || 16
 +
|-
 +
| 7. || Poliklinika Modřany || 15
 +
|-
 +
| 8. || Písková || 15
 
|}
 
|}
  
−
=== Klíčová zjištění ===
+
== Identifikované problémy ==
−
* '''Nejproblematičtější''' je základní provoz se 2 autobusy (8-12 červených zastávek)
+
 
−
* '''Optimální''' je maximální provoz s 6 autobusy (pouze 1-2 červené zastávky)
+
=== Kapacitní paradox ===
−
* '''Nelineární vztah''' mezi počtem autobusů a kvalitou služeb
+
'''Hlavní problém''': Přestože autobusy dosahují pouze '''33,5% obsazenosti''', na zastávkách se hromadí '''stovky čekajících pasažérů'''. Tento paradox indikuje:
−
* Graf "Statistiky pasažérů" ukazuje vývoj čekajících (červená linie) vs cestujících (modrá linie)
+
 
 +
* '''Neefektivní rozložení''' vozidel v čase a prostoru
 +
* '''Nedostatečnou frekvenci''' během špičkových hodin
 +
* '''Pomalou aktivaci''' dodatečných vozidel (60 ticks zpoždění)
 +
 
 +
=== Temporal nerovnováha ===
 +
* '''Špičkové hodiny''': 10,3 kritických zastávek (průměr)
 +
* '''Mimo špičku''': 8,7 kritických zastávek
 +
* '''Maximum''': až '''25 zastávek''' současně v kritickém stavu
 +
 
 +
== Doporučení ==
 +
 
 +
=== Okamžitá opatření ===
 +
# '''Flexibilní nasazení flotily'''
 +
#* Aktivace všech 3 autobusů během špičky
 +
#* Snížení aktivačního intervalu z 60 na 15 ticks
 +
#* '''Očekávaný efekt''': snížení čekacích dob o 30-40%
 +
 
 +
# '''Expresní spoje''' 
 +
#* Obsluha pouze kritických zastávek (červených)
 +
#* Přeskočení zastávek s 0-2 čekajícími
 +
#* '''Priorita implementace''': vysoká
 +
 
 +
=== Střednědobá řešení ===
 +
# '''Rozšíření flotily'''
 +
#* Přidání 1-2 dodatečných autobusů
 +
#* '''Očekávaný efekt''': 50% snížení kritických zastávek
 +
 
 +
# '''Dynamické řízení'''
 +
#* Real-time monitoring obsazenosti zastávek 
 +
#* Automatické přesměrování vozidel
 +
#* Adaptivní frekvence podle poptávky
 +
 
 +
# '''Optimalizace tras'''
 +
#* Rozdělení dlouhé linky na kratší okruhy
 +
#* Specialized obsluha problematických úseků
 +
 
 +
=== Dlouhodobá strategie ===
 +
# '''Infrastrukturní zlepšení'''
 +
#* Vyhrazené jízdní pruhy
 +
#* '''Očekávaný efekt''': 20-30% zkrácení jízdních dob
 +
#* '''Investice''': velmi vysoké
 +
 
 +
# '''Integrace dopravních systémů'''
 +
#* Napojení na metro/tramvaje
 +
#* Snížení celkové poptávky po autobusech
 +
#* '''Priorita''': dlouhodobá
  
−
=== Validace modelu ===
+
== Závěry ==
−
Validace potvrdila dobrou shodu s reálnými daty:
 
−
* '''Doba cesty autobusu''': 45-50 minut (celá trasa)
 
−
* '''Počet pasažérů za hodinu''': 150-300
 
−
* '''Frekvence spojů''': 10-30 minut
 
  
−
== Závěr ==
+
=== Klíčové pozorování ===
 +
* '''Systémový problém''': Nedostatečná kapacita během špičkových hodin
 +
* '''Kapacitní paradox''': Nízká obsazenost vozidel vs. vysoký počet čekajících
 +
* '''Kritické zastávky''': Až 25 současně v nejhorších okamžicích 
 +
* '''Nerovnoměrnost''': 78% nárůst poptávky ve špičce
  
−
Zvýšení kapacity autobusů na 150 cestujících vede k výraznému snížení počtu červených zastávek (tedy zastávek s kritickým počtem čekajících) a průměrného počtu čekajících pasažérů ve všech sledovaných scénářích. Například v základním provozu klesl počet červených zastávek z původních 8–12 na 2–4 a průměrný počet čekajících z 180–220 na 60–73. Ve scénářích s vyšším počtem autobusů se kritické stavy téměř nevyskytují a většina zastávek je odbavena bez větších zpoždění.
+
=== Doporučené priority ===
 +
# '''Vysoká priorita''': Flexibilní nasazení flotily + expresní spoje
 +
# '''Střední priorita''': Rozšíření vozového parku + dynamické řízení 
 +
# '''Nízká priorita''': Infrastrukturní investice
  
−
Celkový počet vygenerovaných pasažérů zůstává stejný, což znamená, že větší kapacita autobusů umožňuje efektivnější přepravu bez nutnosti navyšovat počet spojů. Provoz s vyšší kapacitou je tedy výrazně efektivnější a zvyšuje komfort cestujících, protože snižuje čekací doby a eliminuje přeplněné zastávky.
+
=== Důsledky nečinnosti ===
 +
Bez implementace navržených opatření povede současný stav k:
 +
* '''Dalšímu zhoršování''' kvality služeb
 +
* '''Snížení atraktivity''' veřejné dopravy
 +
* '''Přesunu cestujících''' k individuální automobilové dopravě
 +
* '''Ekonomickým ztrátám''' dopravního podniku
  
−
'''Doporučení:''' Pokud to provozní a infrastrukturní podmínky dovolí, nasazení autobusů s vyšší kapacitou je jedno z nejefektivnějších opatření pro zvýšení kvality městské hromadné dopravy na vytížených linkách.
 
  
 
== Kód ==
 
== Kód ==

Revision as of 14:07, 13 June 2025

Simulace: Autobusová linka v městské dopravě

MHD je skutečně spojeno s životem v Praze. Jedním z aktuálních problémů v této oblasti je průtahy autobusů a dlouhé čekací doby pasažérů na zastávkách. Popisovaná simulace se snaží o to, zlepšit pohyb autobusů na lince vozící zastávky Na Beránku a Želivského s využitím agenty-based modelování v prostředí NetLogo. Simulace má za úkol zjišťovat a identifikovat příčiny prodlužování čekacích dob a dokázat navrhnout přiměřený počet autobusů pro různé provozní scénáře. Výsledky simulace by mohly být hybnou silou pro dopravní podnik v úpravě frekvence spojů a snížení hromadění na přeplněných zastávkách.


Definice problému

Městská autobusová doprava čelí narůstajícím výzvám spojeným s rostoucími nároky na mobilitu obyvatel a omezenými kapacitami infrastruktury. V pražském kontextu představují přetížené zastávky s dlouhými čekacími dobami významný problém ovlivňující spokojenost cestujících.

Problém se projevuje nerovnoměrným rozložením pasažérů na zastávkách, kdy některé zastávky dosahují kritické úrovně obsazenosti s více než 15 čekajícími pasažéry , což vede k prodloužení čekacích dob a snížení kvality služeb. Problematika zahrnuje několik klíčových aspektů: optimální frekvenci spojů během různých denních období, efektivní využití kapacity autobusů ( 150 pasažérů ) a minimalizaci čekacích dob pasažérů. Na modelované trase mezi Na Beránku a Želivského se nachází 27 zastávek, přičemž různé zastávky vykazují rozdílnou intenzitu generování pasažérů v závislosti na denní době. Současné řešení vyžaduje komplexní přístup zahrnující simulační modelování pro testování různých scénářů a identifikaci optimálních provozních parametrů.

Metoda

Pro vyřešení stanoveného problému byla zvolena metoda modelování na bázi agentů (ABM) implementovaná v prostředí NetLogo. ABM umožňuje modelování komplexních systémů prostřednictvím interakcí nezávislých agentů, což je obzvláště vhodné pro simulace dopravních systémů. V porovnání s tradičními analytickými přístupy poskytuje ABM možnost zachytit emergentní chování systému vznikající z lokálních interakcí mezi autobusy, pasažéry a zastávkami.

Zde jsou uvedeny alternativní přístupy:

  • Diskrétní-event simulace - zaměřuje se na časové události, ale méně dobře zachycuje prostorové interakce agentů
  • Matematické optimalizační modely - poskytují analytická řešení, ale často vyžadují zjednodušující předpoklady

NetLogo bylo vybráno pro svou dostupnost, robustní dokumentaci a široké využití v dopravním výzkumu. Platforma umožňuje rychlé prototypování modelů a poskytuje vestavěné nástroje pro vizualizaci a analýzu výsledků. Pro agregaci dat z většího počtu běhů a analýzu výsledků z různých scénářů byl použit Microsoft Excel, což je standardní řešení pro podobné úlohy.

Model

Zastávky

Simulační model zobrazuje autobusový dopravní systém „jako multi-agent prostředí“ s třemi klíčovými druhy entit. Model zahrnuje 27 autobusových zastávek v trase od Na Beránku do Želivského a každá zastávka sleduje počet čekajících pasažérů a mění svou barvu podle obsazenosti. Model zastávek je realizován jako statických agentů s vlastnostmi názvu, číslem, počtem čekajících pasažérů a terminálovým rozhodovacím prvkem.

Autobusy

Autobusy jsou modelovány jako autonomní agenti s následujícími vlastnostmi:

  • Rychlost: 0,5 prostorových jednotek za tik
  • Maximální kapacita: 150 pasažérů
  • Směr jízdy: proměnná podle pozice na trase
  • Čekací doba na zastávce: 3 tiky pro nastupování a vystupování

Každý autobus má unikátní identifikátor a sleduje svůj pokrok na trase.

Pasažéři

Pasažéři jsou generováni stochasticky na zastávkách s frekvencí závislou na denní době. Během špičkových hodin (7-9 a 17-19) je použit násobitel 2,5 pro zvýšení intenzity generování. Každý pasažér má přiřazenou:

  • Cílovou zastávku
  • Dobu cestování
  • Aktuální autobus (pokud cestuje)

Barevné kódování

Model implementuje barevné kódování zastávek pro vizuální identifikaci problematických míst:

Barva Počet čekajících Stav
Modrá 0 Žádní čekající
Světle modrá 1-4 Nízká obsazenost
Oranžová 5-14 Střední obsazenost
Červená 15+ Kritická obsazenost

Globální parametry

Klíčové parametry modelu:

  • Počet autobusů: 2-6 (proměnná num-buses)
  • Základní rychlost generování: base-rate
  • Frekvence generování: každý 3. tik
  • Maximální kapacita: 150 pasažérů na autobus

Průběh simulace

Simulační proces probíhá v diskrétních časových krocích, kdy každý tik reprezentuje 30 sekund reálného času. V každém tiku model:

  1. Aktualizuje čas
  2. Generuje pasažéry
  3. Pohybuje autobusy
  4. Zpracovává nastupování a vystupování
  5. Aktualizuje dobu cestování pasažérů
  6. Aktivuje nové autobusy podle potřeby

Omezení modelu

Model má několik omezení:

  • Zjednodušené cestovní vzorce pasažérů (pouze jednosměrná cesta)
  • Statické generování pasažérů bez zohlednění víkendů
  • Absence poruch a zpoždění autobusů
  • Omezený počet zastávek ve srovnání s reálnou sítí

Výsledky simulace

Základní statistiky

Parametr Hodnota Jednotka
Celkem vygenerováno pasažérů 15 036 osob/24h
Průměrná efektivita 10,4 pasažérů/minutu
Průměrný počet čekajících 433,6 osob
Maximum čekajících 1 065 osob
Průměrná obsazenost autobusů 150,9 osob
Využití kapacity 33,5 %

Analýza špičkových hodin

Špičkové hodiny (7-9 a 17-19) vykazují dramatické zvýšení poptávky:

  • Nárůst čekajících o 78% oproti běžným hodinám
  • Špička: 682,5 čekajících vs. normál: 383,3 čekajících
  • Nejkritičtější hodina: 8. hodina s 20,2 červenými zastávkami
  • Maximum čekajících ve špičce: 874 osob

Kritické zastávky

Na konci simulace bylo identifikováno 8 zastávek v kritickém stavu:

Pořadí Název zastávky Čekající pasažéři
1. Hasova 57
2. Lhotka 51
3. Sídliště Lhotka 21
4. Družná 18
5. Tylova čtvrť 17
6. Labe 16
7. Poliklinika Modřany 15
8. Písková 15

Identifikované problémy

Kapacitní paradox

Hlavní problém: Přestože autobusy dosahují pouze 33,5% obsazenosti, na zastávkách se hromadí stovky čekajících pasažérů. Tento paradox indikuje:

  • Neefektivní rozložení vozidel v čase a prostoru
  • Nedostatečnou frekvenci během špičkových hodin
  • Pomalou aktivaci dodatečných vozidel (60 ticks zpoždění)

Temporal nerovnováha

  • Špičkové hodiny: 10,3 kritických zastávek (průměr)
  • Mimo špičku: 8,7 kritických zastávek
  • Maximum: až 25 zastávek současně v kritickém stavu

Doporučení

Okamžitá opatření

  1. Flexibilní nasazení flotily
    • Aktivace všech 3 autobusů během špičky
    • Snížení aktivačního intervalu z 60 na 15 ticks
    • Očekávaný efekt: snížení čekacích dob o 30-40%
  1. Expresní spoje
    • Obsluha pouze kritických zastávek (červených)
    • Přeskočení zastávek s 0-2 čekajícími
    • Priorita implementace: vysoká

Střednědobá řešení

  1. Rozšíření flotily
    • Přidání 1-2 dodatečných autobusů
    • Očekávaný efekt: 50% snížení kritických zastávek
  1. Dynamické řízení
    • Real-time monitoring obsazenosti zastávek
    • Automatické přesměrování vozidel
    • Adaptivní frekvence podle poptávky
  1. Optimalizace tras
    • Rozdělení dlouhé linky na kratší okruhy
    • Specialized obsluha problematických úseků

Dlouhodobá strategie

  1. Infrastrukturní zlepšení
    • Vyhrazené jízdní pruhy
    • Očekávaný efekt: 20-30% zkrácení jízdních dob
    • Investice: velmi vysoké
  1. Integrace dopravních systémů
    • Napojení na metro/tramvaje
    • Snížení celkové poptávky po autobusech
    • Priorita: dlouhodobá

Závěry

Klíčové pozorování

  • Systémový problém: Nedostatečná kapacita během špičkových hodin
  • Kapacitní paradox: Nízká obsazenost vozidel vs. vysoký počet čekajících
  • Kritické zastávky: Až 25 současně v nejhorších okamžicích
  • Nerovnoměrnost: 78% nárůst poptávky ve špičce

Doporučené priority

  1. Vysoká priorita: Flexibilní nasazení flotily + expresní spoje
  2. Střední priorita: Rozšíření vozového parku + dynamické řízení
  3. Nízká priorita: Infrastrukturní investice

Důsledky nečinnosti

Bez implementace navržených opatření povede současný stav k:

  • Dalšímu zhoršování kvality služeb
  • Snížení atraktivity veřejné dopravy
  • Přesunu cestujících k individuální automobilové dopravě
  • Ekonomickým ztrátám dopravního podniku


Kód

Hlavní soubor: File:SimulaceAutobusy.nlogo

Reference

  1. NetLogo Bus Transport Simulation Code (2025). Vlastní implementace autobusové simulace v NetLogo.
  2. Wilensky, U. (1999). NetLogo. Center for Connected Learning and Computer-Based Modeling, Northwestern University.
  3. Programming Homework Help (2024). How to Simulate a Bus Moving Through a City in NetLogo.
  4. Stack Overflow (2022). How to create a Netlogo model for bus transport (public transport)?
  5. Simulace.info (2024). Quick start - Resources for simulation classes.
  6. Thompson, L. (2024). NetLogo City Bus Simulation: Step-by-Step Guide.

Externí odkazy

Retrieved from "http://www.simulace.info/index.php?title=User:Jelp05&oldid=26840"