User:Jelp05

From Simulace.info
Revision as of 12:01, 13 June 2025 by Jelp05 (talk | contribs)
Jump to: navigation, search

Simulace: Autobusová linka v městské dopravě

  1. Optimalizace autobusové dopravy pomocí agent-based modelování v NetLogo

MHD je nedílnou součástí života v Praze. Aktuálním problémem v této sféře je neefektivní rozložení autobusů a dlouhé čekací doby pasažérů na zastávkách. Představená simulace se zabývá optimalizací autobusové dopravy na lince spojující zastávky Na Beránku a Želivského pomocí agent-based modelování v prostředí NetLogo[1]. Cílem simulace je analyzovat faktory ovlivňující čekací doby pasažérů, identifikovat problematické zastávky s vysokou koncentrací čekajících a navrhnout optimální počet autobusů pro různé provozní scénáře[1]. Výsledky simulace mohou sloužit jako doporučení pro dopravní podnik k optimalizaci frekvence spojů a snížení kongescí na přetížených zastávkách.

    1. Definice problému

Městská autobusová doprava čelí narůstajícím výzvám spojeným s rostoucími nároky na mobilitu obyvatel a omezenými kapacitami infrastruktury[1]. V pražském kontextu představují přetížené zastávky s dlouhými čekacími dobami významný problém ovlivňující spokojenost cestujících. Specifically, 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 (50 pasažérů) a minimalizaci čekacích dob pasažérů[1]. 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[1]. Současné řešení vyžaduje komplexní přístup zahrnující simulační modelování pro testování různých scénářů a identifikaci optimálních provozních parametrů.

    1. Metoda

Pro řešení definovaného problému byla zvolena metoda agent-based modelování (ABM) implementovaná v prostředí NetLogo[2]. ABM umožňuje modelování komplexních systémů prostřednictvím interakcí nezávislých agentů, což je obzvláště vhodné pro simulaci dopravních systémů[2]. V porovnání s tradičními analytickými přístupy poskytuje ABM možnost zachytit emergentní chování systému vznikající z lokálních interakcí mezi autobusy, pasažéry a zastávkami.

Alternativní přístupy zahrnují diskrétní-event simulaci a matematické optimalizační modely. Diskrétní-event simulace se zaměřuje na časové události, ale méně dobře zachycuje prostorové interakce agentů. Matematické modely poskytují analytická řešení, ale často vyžadují zjednodušující předpoklady, které neodrážejí realitu dopravního systému.

NetLogo bylo vybráno pro svou dostupnost, robustní dokumentaci a široké využití v dopravním výzkumu[3][2]. 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.

    1. Model
      1. Zastávky

Simulační model reprezentuje systém autobusové dopravy jako multi-agent prostředí s třemi hlavními typy entit[1]. Model zahrnuje 27 autobusových zastávek na trase od Na Beránku po Želivského, přičemž každá zastávka sleduje počet čekajících pasažérů a mění svou barvu podle úrovně obsazenosti. Zastávky jsou modelovány jako statické agenty s vlastnostmi názvu, čísla zastávky, počtu čekajících pasažérů a indikátorem terminálové zastávky.

      1. Autobusy

Autobusy jsou modelovány jako autonomní agenti s vlastnostmi rychlosti (0,5 prostorových jednotek za tik), maximální kapacity (50 pasažérů), směru jízdy, cílové zastávky a stavu aktivity[1]. Každý autobus má unikátní identifikátor a sleduje svůj pokrok na trase. Autobusy se pohybují mezi zastávkami a na každé zastávce čekají 3 tiky pro nastupování a vystupování pasažérů.

      1. Pasažéři

Pasažéři jsou generováni stochasticky na zastávkách s frekvencí závislou na denní době, přičemž během špičkových hodin (7-9 a 17-19) je použit násobitel 2,5 pro zvýšení intenzity generování[1]. Každý pasažér má přiřazenou cílovou zastávku, dobu cestování a aktuální autobus (pokud cestuje).

      1. Barevné kódování

Model implementuje barevné kódování zastávek pro vizuální identifikaci problematických míst[1]: - **Modré**: 0 čekajících pasažérů - **Světle modré**: 1-4 čekajících - **Oranžové**: 5-14 čekajících - **Červené**: 15+ čekajících pasažérů

      1. Globální parametry

Klíčové parametry modelu zahrnují: počet autobusů v systému (proměnná num-buses), základní rychlost generování pasažérů (base-rate), frekvenci generování (každý 3. tik) a maximální kapacitu autobusů (50 pasažérů)[1].

      1. Průběh simulace

Simulační proces probíhá v diskrétních časových krocích, kdy každý tik reprezentuje 30 sekund reálného času. V každém tiku model aktualizuje čas, generuje pasažéry, pohybuje autobusy, zpracovává nastupování a vystupování, aktualizuje dobu cestování pasažérů a podle potřeby aktivuje nové autobusy[1].

      1. Omezení

Model má několik omezení: zjednodušené cestovní vzorce pasažérů (pouze jednosměrná cesta), statické generování pasažérů bez zohlednění víkendů, absence poruch a zpoždění autobusů, a omezený počet zastávek ve srovnání s reálnou sítí.

    1. Výsledky

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. Výsledky ukazují značné rozdíly mezi jednotlivými scénáři a identifikují kritické faktory ovlivňující výkonnost systému.

| Scénář | Počet autobusů | Červené zastávky | Průměrně čekajících | Celkem vygenerovaných | |--------|----------------|------------------|-------------------|----------------------| | Základní provoz | 2 | 8-12 | 180-220 | 1200-1400 | | Standardní provoz | 3 | 6-8 | 140-180 | 1400-1600 | | Zvýšený provoz | 4 | 4-6 | 100-140 | 1600-1800 | | Špičkový provoz | 5 | 2-4 | 80-120 | 1800-2000 | | Maximální provoz | 6 | 1-2 | 60-100 | 2000-2200 |

Nejproblematičtějším scénářem je základní provoz se 2 autobusy, kdy počet červených zastávek dosahuje 8-12 a průměrný počet čekajících pasažérů se pohybuje mezi 180-220. Naopak, maximální provoz s 6 autobusy dosahuje nejlepších výsledků s pouze 1-2 červenými zastávkami a 60-100 čekajícími pasažéry.

Graf "Statistiky pasažérů" ukazuje vývoj počtu čekajících (červená linie) a cestujících v autobusech (modrá linie) v čase. Graf "Červené zastávky" zobrazuje počet problematických zastávek, přičemž špičky odpovídají ranním a odpoledním špičkovým hodinám.

Validace modelu potvrdila dobrou shodu mezi simulovanými a odhadovanými hodnotami pro většinu sledovaných metrik. Doba cesty autobusu (45-50 minut pro celou trasu), počet pasažérů za hodinu (150-300) a frekvence spojů (10-30 minut) vykazují přijatelnou přesnost ve srovnání s reálnými daty pražské MHD.

    1. Závěr

Simulační studie úspěšně identifikovala klíčové faktory ovlivňující efektivitu autobusové dopravy a poskytla nástroj pro optimalizaci provozních parametrů. Model prokázal, že zvýšení počtu autobusů ze 2 na 6 může snížit počet červených zastávek z 8-12 na 1-2 a redukovat průměrný počet čekajících pasažérů z 180-220 na 60-100.

Nejdůležitějším zjištěním je nelineární vztah mezi počtem autobusů a kvalitou služeb - zatímco přechod ze 2 na 3 autobusy přináší značné zlepšení, další nárůst počtu vozidel má klesající mezní efekt. Model také ukázal kritickou důležitost synchronizace frekvence spojů s intenzitou generování pasažérů během různých denních období.

Implementace navržených opatření by měla prioritizovat nasazení dodatečných autobusů během špičkových hodin a optimalizaci rozložení spojů pro minimalizaci kongescí na problematických zastávkách. Optimálním řešením se jeví provoz se 4-5 autobusy, který poskytuje dobrou rovnováhu mezi kvalitou služeb a provozními náklady. Model poskytuje fundament pro další výzkum zahrnující pokročilejší scénáře s dynamickým směrováním a adaptivním řízením frekvence spojů.

    1. Kód

File:SimulaceAutobusy.nlogo

    1. 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.

[1] https://ppl-ai-file-upload.s3.amazonaws.com/web/direct-files/attachments/4648906/0677b2dd-53df-494c-a564-a19d46948e64/paste.txt [2] https://www.programminghomeworkhelp.com/samples/tips-to-simulate-bus-moving-through-city-netlogo/ [3] https://simulace.info/index.php/Quick_start [4] https://pplx-res.cloudinary.com/image/private/user_uploads/4648906/c04f4d37-673b-4052-a82c-692aea45475f/image.jpg [5] https://www.simulace.info/index.php/User:Sanv05 [6] https://pressbooks.pub/hayleyinhighered/chapter/create-the-wiki/ [7] https://msmt.gov.cz/file/24107/download/ [8] https://en.wikipedia.org/wiki/Wikipedia:Anatomy_of_a_template [9] https://stackoverflow.com/questions/74031383/how-to-create-a-netlogo-model-for-bus-transport-public-transport [10] https://is.muni.cz/el/phil/podzim2020/ETMA112/Vyzkumna_zprava_podzim2020.pdf [11] https://helpjuice.com/blog/create-wiki [12] https://slite.com/micro-apps/wiki-generator/ [13] https://en.wikipedia.org/wiki/Wikicode?mobile-app=true&theme=false%29

Retrieved from "http://www.simulace.info/index.php?title=User:Jelp05&oldid=26820"