Содержание к диссертации
Введение
1 Современное состояние вопроса 9
1.1 Представление системы управления 9
1.1.1 Направления принятия управленческих решений 9
1.1.2 Анализ математических методов управления автомобильными перевозками
1.2 Информационные технологии при управлении грузовыми автомобильными перевозками
1.3 Анализ показателей, характеризующих мегаполис 24
1.4 Специфика управления технологическим процессом перевозки промышленных отходов автомобильным транспортом в мегаполисе Выводы по главе 1 38
2 Теоретическое исследование процесса управления грузовыми автомобильными перевозками
2.1 Анализ и обоснование оценочных критериев процесса управления 40
2.1.1 Показатели эффективности транспортного комплекса 40
2.1.2 Критерии, формирующие разработку отдельного маршрута 47
2.2 Разработка функции и стратегии управления процессом грузовых перевозок
2.3 Оптимальное планирование перевозок грузов на УДС мегаполиса 60
2.4 Обработка информационных параметров функционирования процесса ГАП
Выводы по главе 2 71
3 Исследование транспортного потока на УДС мегаполиса
3.1 Факторы, влияющие на режим движения автомобиля 73
3.2 Моделирование распределения транспортного потока 75
3.2.1 Закон распределения интервалов между автомобилями 75
3.2.2 Закон распределения скоростей автомобилей 84
3.3 Аналитическое описание транспортного потока 91
3.4 Энергетическое описание транспортного потока 102
3.5 Вероятностные состояния в вершинах графа 104
Выводы по главе 3 107
108
4 Исследование процесса управления грузовыми автомобильными перевозками 111
4.1 Оптимальная и переходная стратегия работы системы управления 108
4.2 Оперативное управление процессом ГАП по выходным параметрам функционирования системы
4.3 Методика определения количества «плавающих» автомобилей 119
4.4 Методика восстановления функции управления 123
4.5 Экономическая эффективность применяемой стратегии управления 127
Выводы по главе 4 134
Основные выводы и результаты исследований 136
Список использованных источников 13 8
Приложения 150
- Информационные технологии при управлении грузовыми автомобильными перевозками
- Оптимальное планирование перевозок грузов на УДС мегаполиса
- Закон распределения интервалов между автомобилями
- Методика определения количества «плавающих» автомобилей
Введение к работе
В связи с интенсивным развитием экономики, производства и сферы услуг, в нашей стране из года в год увеличиваются объемы материальных потоков, выполняемых автомобильным транспортом. Большие объемы грузоперевозок, широкая номенклатура и различные свойства перевозимых грузов, наличие множества вариантов технологии и организационных форм выполнения транспортного процесса, возможность осуществления перевозок различными типами подвижного состава автомобильного транспорта и неодинаковая эффективность их использования обусловливают сложность управления процессами транспортного обслуживания региона. Укрупнение автотранспортных предприятий (АТП) и их маркетинговая политика в области завоевания рынка транспортных услуг, приводит к увеличению числа обслуживаемых ими организаций и предприятий, которые, в связи с разнообразной технологией работы и другими особенностями, предъявляют различные требования к качеству транспортного обслуживания региона. Выполнение разного рода вспомогательных функций, наряду с основной, обусловливает функционирование в системе автотранспортного обслуживания целого ряда подсистем с различными функциональными назначениями и сложными взаимосвязями. При этом автомобильный транспорт, как самый маневренный из всех видов транспорта, должен обеспечивать потребности клиентуры в объемах грузоперевозок с учетом всевозможных их колебаний и изменчивости эксплуатационной обстановки, что требует согласованного функционирования всех подразделений в отрасли автомобильного транспорта, а также отделов и служб конкретного АТП.
Наличие большого числа взаимосвязанных подсистем и многомерность функционирования автомобильного транспорта, разнообразие целей и различная структура отдельных подсистем, многообразие природы подсистем, характеризуемых различной физической сущностью, значительно усложняют нахождение эффективных вариантов управления функционированием и развитием системы автотранспортного обслуживания региона и вызывают необходимость применения системного подхода.
Анализ практики функционирования автотранспортных предприятий показывает, что процессы обслуживания регионов и отдельных организаций многофакторны. Характер и структуры описания этих процессов, а так же отсутствие четкого градуирования и однозначности определения понятий этих процессов приводит к тому, что формализация задач управления транспортным обслуживанием приобретает зачастую характер неопределенности. В результате этого, локальная оптимизация отдельных элементов транспортного процесса на практике может привести к отрицательным последствиям. Все это приводит к ситуациям, когда существующие модели перевозочного процесса не могут быть использованы при оперативном управлении решения задач за приемлемое время или недостаточном информационном обеспечении.
Особенно ощутимы погрешности и неадекватность использования моделей управления при их реализации в крупных промышленных агломераций и городах с высоким уровнем урбанизации и развитой инфраструктурой, т.е. в городах - мегаполисах. При этом перевозки грузов в мегаполисе в значительной степени отличаются от перевозок в рядовых городах и регионах. В мегаполисах, под воздействием динамично меняющихся условий работы транспортных средств, как во времени, так и в пространстве, происходят процессы несоблюдения исходного плана транспортного обслуживания, и проявляется несостоятельность управленческих воздействий.
С другой стороны, разветвленность уличной дорожной сети мегаполиса дает широкие возможности для варьирования транспортными операциями путем оптимизации маршрутов движения транспортных средств между пунктами обслуживания, локальной коррекции этих маршрутов, перераспределением транспортных средств по маршрутам доставки, минимизации затрат по оказанию оперативной технической помощи или замены неисправных транспортных средств.
В последнее время все более отчетливо выявляются основные причины, обусловливающие низкую эффективность работы отечественных АТП и дальнейшее направление развития экономико-математической методологии управ ления процессами автотранспортного обслуживания региона. Они заключаются в следующем.
Структура оптимизационных задач управления объектом выявляется и формализуется некомплексно. Отсутствие системности при построении структуры оптимизационных задач оперативного управления автомобильными перевозками приводит к тому, что формализуется лишь часть задач, другая решается либо субъективно, либо стохастично. Это приводит к потере части или всего эффекта оптимизируемых решений.
Существующие методики и математические зависимости недостаточно адекватны реальным транспортным процессам, что приводит к решениям и результатам, которые либо не обладают достаточной точностью, либо практически неосуществимы.
Наблюдается недостаточная гибкость, громоздкость и инертность реализации разработанных моделей, либо их неприспособленность к переменной структуре внешних возмущений реальных процессов.
В зависимости от структуры и условий эксплуатации подвижного состава, специфики процессов транспортного обслуживания и множества других факторов - для отдельного АТП формируется только ему присущая система экономико-математических моделей управления процессами.
Оптимизационные задачи формируются без учета реальных возможностей информационного, математического и технического их обеспечения.
Учитывая изложенное в данной работе, в том числе, значительное внимание уделено вопросам оценки адекватности математических моделей оперативного управления перевозками реальным условиям их осуществления в конкретном мегаполисе (г. Москва и Московская область, Кавказские Минеральные Воды).
Цель работы: повышение эффективности оперативного управления транспортированием твердых промышленных отходов (ТПО) автотранспортным предприятием по улично - дорожной сети (УДС) мегаполиса.
Для достижения этой цели сформулированы следующие задачи исследования:
анализ существующих систем планирования и управления перевозочным процессом ТПО;
определение основных факторов и источников повышения эффективности оперативного управления перевозками ТПО;
выбор и обоснование критериальной оценки оптимизации оперативного управления процессами перевозки ТПО;
разработка методики планирования и оперативного управления перевозочным процессом с использованием методов имитационного моделирования;
определение параметров транспортного потока, как граничных условий оптимизации оперативного управления системой грузовых перевозок;
оценка функционирования системы оперативного управления доставки ТПО предлагаемыми методами планирования и управления работой подвижного состава в пространственно - временном диапазоне.
Направление исследования: оперативное управление автомобильными перевозками в мегаполисах.
Объект исследования: транспортировка ТПО по улично - дорож ной сети мегаполиса.
Предмет исследования: оперативное управление перевозками ТПО автомобильным транспортом.
Научная новизна:
имитационно - стохастический подход оперативного управления грузовыми автомобильными перевозками, основанный на принципах восстановлении текущего значения вектора состояния транспортного процесса;
разработка математической модели транспортного потока, для организации перевозочного процесса в мегаполисе (регионе, городе, магистрали);
разработка методики оптимизации количества транспортных средств для выполнения сменно - суточного плана транспортного обслуживания;
разработка алгоритмов и программ моделирования нестационарных процессов доставки промышленных отходов автомобильным транспортом.
Практическая значимость. Предлагаемые в работе теоретические положения и методологические подходы являются одним из способов разработки мероприятий по повышению эффективности управления автотранспортным обслуживанием при перевозке грузов в городах-мегаполисах. Разработанные методики могут быть использованы как рекомендации для совершенствования технологического процесса перевозок грузов автомобильным транспортом. Модель транспортного потока может с определенной точностью прогнозировать развитие транспортной ситуации в любом сечении автомобильной дороги, определяя, тем самым, граничные условия работы подвижного состава на маршруте. Результаты исследования были использованы САБ «Промотходы» (г. Москва), теплоэнергетическим комплексом г. Пятигорска (ТЭК региона Кавказских Минеральных Вод) при планировании перевозочного процесса, в учебном процессе кафедрой «Организация перевозок и управления на транспорте» им. Л.Л. Афанасьева Московского автомобильно - дорожного института (ГТУ), по дисциплинам «Информационные технологии на автомобильном транспорте» и «Грузовые автомобильные перевозки», кафедрой «Организация перевозок и управления на транспорте» Ростовского государственного строительного университета по дисциплине «Грузовые автомобильные перевозки», кафедрой «Организация и безопасность движения» Северо - Кавказского государственного технического университета по дисциплинам «Организация дорожного движения», «Методы и средства исследования транспортных потоков», «Моделирование транспортных и пешеходных потоков», «Технические средства ОДД».
Апробация работы. Основные результаты исследований доложены, обсуждены и одобрены на ежегодных научно - технических конференциях в МАДИ(ГТУ), СевКавГТУ, заседаниях кафедры «Организация и безопасность движения» СевКавГТУ, «Организация перевозок и управления на транспорте» им. Л.Л. Афанасьева МАДЩГТУ) (2000 - 2003 гг.).
Публикации. По материалам диссертационной работы опубликовано 7 печатных работ.
Информационные технологии при управлении грузовыми автомобильными перевозками
Важной составной частью изучения организации работы транспортной системы стали математические модели и методики. В настоящее время математический аппарат, описывающий процесс перевозки грузов разработан достаточно хорошо [2, 9,11,14,15, 16, 17,46, 47,48, 53, 54, 55, 64, 67, 89, 96, 98,102, 131] и во многом опережает развитие технических средств, где он может быть реализован. Большая заслуга в разработке и внедрении математических методов на автомобильном транспорте принадлежит как отечественным, так и зарубежным ученым. При этом планово-экономические задачи автомобильного транспорта являются многофакторными, с большим количеством неизвестных, модели которых, как правило, представляют собой неопределенные системы. Разработанные методы планирования позволяют найти экстремум таких задач.
Повышение эффективности автомобильных перевозок грузов связано с применением методов классической и современной математики для решения прикладных задач. По своему характеру все решаемые на транспорте задачи можно разделить на три группы: разработка технологических процессов перевозки грузов; оперативное управление перевозочным процессом; учет и статистика.
Аналитическими методами расчетов [3, 14, 34] могут решаться задачи по взаимодействию подвижного состава и погрузочно - разгрузочных механизмов, по определению рациональной грузоподъемности подвижного состава автомобильного транспорта, по определению рациональной партионности перевозимого груза и др. Однако этими методами можно решать задачи, когда известны оптимизирующие функции и имеется незначительное число оптимизирующих переменных. При большом числе переменных применение аналитических методов становится затруднительным.
Для решения сложных задач, связанных с перевозкой грузов, когда непосредственное сравнение вариантов, с целью выбора оптимального, оказывается трудновыполнимым, применяется линейное программирование [7, 11, 40, 45, 114, 123, 139, 143]. В настоящее время известно несколько различных методов линейного программирования. Наиболее широкое применение при разработке технологических проектов перевозки грузов находят графический метод, метод потенциалов [29, 60, 137], методы с разрешающими элементами и симплексный метод [132]. Каждый из них находит эффективное применение для решения прикладных задач и подробно изложен в опубликованных работах.
Сетевое планирование и управление (СПУ) получило в настоящее время широкое распространение в экономических исследованиях, как в нашей стране, так и за рубежом [92, 120]. Сетевые модели используются на автомобильном транспорте при планировании и организации сложных и трудоемких работ с большим числом исполнителей. В сравнении с традиционными методами они повышают эффективность управления посредством рациональной организации производственных процессов и мобилизации скрытых временных и материальных ресурсов.
Маршрутизация перевозок [9, 50, 89] - это составление маршрутов движения подвижного состава или его порядок следования между пунктами производства и потребления. При маршрутизации перевозок учитывается множество ограничений, вызываемых конкретными условиями работы транспорта: объемы перевозок поставщиков и потребителей, характер грузов, время их доставки, структура парка подвижного состава и его наличие, режим работы автотранспортных предприятий и погрузочно-разгрузочных пунктов, режим работы водителей, пропускная возможность погрузочно-разгрузочных пунктов и дорожной сети, значение целевой функции и др.
В зависимости от использования математического аппарата при маршрутизации перевозок используются методы, основанные на моделях математического программирования [31, 83], и методы, основанные на алгоритмах задач теории расписаний [20, 46, 47, 35, 89]. К методам первого класса относят задачи, в которых определяют потоки движения подвижного состава без груза и задачи, рассматривающие маршруты движения как технологические способы использования ресурсов с определенными «ценами». Методы второго класса используют следующие приближенные методы решения задач теории расписаний: - методы случайного поиска; - методы ситуационного управления; - методы, основанные на эвристических процедурах сокращения размерности задачи. Методы случайного поиска построены на использовании процедуры Монте-Карло [60, 111, 113, 125, 142]. Полученные этим методом решения обычно находятся на уровне решений, принимаемых опытным диспетчером. По этой причине они не нашли широкого применения. Модели методов теории ситуационного управления определенным образом формализуют реальные системы, которые работают в диалоговом режиме с ЭВМ и могут «обучаться» на опыте экспертов (диспетчеров). Так как модель перенимает опыт человека, то после «обучения» она решает задачи на уровне принимавших участие экспертов. Методы, основанные на эвристических процедурах сокращения размерности задачи, заключаются в частности, в применении функции предпочтения, использование которой позволяет сформировать план, близкий к оптимальному. Для повышения оптимальности полученных планов используют комбинацию функций предпочтения, как метод решения комбинаторных задач [4, 122]. Известно, что процесс перевозки грузов представляет собой систему массового обслуживания [109, 121, 129], для которой характерны следующие особенности: моменты прибытия отдельных единиц подвижного состава в пункты погрузки-разгрузки, как правило, не могут быть абсолютно точно предсказаны; длительность их обслуживания в этих пунктах резко меняется как от вида перевозимых грузов, так и от размещения перевозок во времени; погрузочно-разгрузочные посты имеют неодинаковую загрузку, и, в результате, сильно загруженные промежутки времени чередуются с промежутками слабой загрузки. Появление очередей требует ответа на ряд вопросов, где можно использовать либо математический аппарат теории массового обслуживания, либо моделирование. Вероятностный подход делает расчеты сложнее обычных, однако дает возможность на стадии планирования получить более объективные данные об использовании подвижного состава автомобильного транспорта и погрузоч-но-разгрузочных средств.
Приоритетным направлением планирования перевозочного процесса являются вопросы оптимизации структуры автомобильного парка [127]. При выборе транспортных средств наиболее распространенным методом является сопоставление критериев эффективности. Расчет этих показателей и обоснование структуры автопарка производится по каждому виду перевозок. Одним из наиболее действенных методов, приводящих к равномерному и эффективному использованию автомобилей, является рациональное определение парка в зависимости от оценки неравномерности процесса грузоперевозок. Во многом неравномерность обусловлена: сезонным характером производства, направлением производства, уровнем интенсивности производства, конструктивной особенностью и техническим состоянием ТС, природно - климатическими условиями, дорожной сетью и ее состоянием месторасположением обслуживаемых организаций и т.д. В работах [62, 86], авторы исследуют сезонную, квартальную, месячную и недельные неравномерности, используя для этого коэффициенты неравномерности, закономерности теории вероятности и математической статистики, аппарат теории массового обслуживания и методы математического моделирования на ЭВМ. В работе [112] удачно показаны возможности использования гармоничного анализа для изучения статистических данных, с помощью которого, перевозочный процесс раскладывается на составляющие, каждая из которых характеризует определенный тип колебаний.
Оптимальное планирование перевозок грузов на УДС мегаполиса
Задача планирования работы грузового автотранспорта на рабочий день и задача управления грузовыми автомобильными перевозками во многом совпадают: процесс управления выступает как процесс перепланирования, процесс «пристраивания» к уже выполненной части сменно-суточного плана нового продолжения, оптимального для оставшегося рабочего времени [47].
Оптимизация планирования включает в себя совокупность методов расчёта и достижения наилучших знаний оценок экономических показателей, каждая из которых зависит от соотношения материальных, технологических и организационных факторов. Отыскание оптимальных пропорций между количественными значениями указанных факторов составляет содержание процесса оптимизации плановых расчётов в транспортных системах. Для осуществления таких расчётов необходимо иметь формализованное описание закономерностей функционирования транспортной системы, в котором значения изменений учитываемых факторов были бы связаны между собой и с экономическими показателями качества работы системы конкретными математическими соотношениями.
При планировании, объектом управления является — перевозочный процесс на грузовом автомобильном транспорте, основу которого, составляет: подвижной состав, обслуживаемые организации, грузы, регион. Подвижной состав в описании объекта характеризуется следующими показателями: структурой и составом парка, его распределением в регионе, режимами работы, конструктивными и технико - эксплуатационными показателями. Обслуживаемые организации и грузы характеризуется расположением в регионе, объемами перевозок, режимами работы, числом постов обслуживания у каждого клиента, осо -61 бенностями грузов и периодом их накопления, взаимосвязями. Регион характеризуется сетью автомобильных дорог со свойствами каждого участка, скоростными режимами, природно - климатическими условиями и т.д.
Основной целью управления автомобильными перевозками является эффективное использование существующей сети автомобильных дорог с минимальными экономическими и социальными издержками, как для АТП, так и для всего транспортного комплекса в целом. При решении задач оптимизации процесса перевозок на существующих транспортных сетях последние представляются в виде графов [4, 32, 122]. То есть математическую модель улично - дорожной сети определенного региона представим в виде геометрического графа Таким образом, граф G представляет собой совокупность множества вершин и ребер. При этом вершинами графа являются пункты погрузки, разгрузки грузов и перекрестки улиц (регулируемые и нерегулируемые). Последовательность дуг е} - образуют путь (маршрут). Определим сеть, как граф, в котором дуги и узлы имеют некоторые количественные характеристики. Задача оптимизации распределения единиц подвижного состава сводится к нахождению такого маршрута, для которого выбранный критерий качества стремился бы к оптимуму. Если ориентироваться на показатель эффективности перевозочного процесса рассмотренный в п.2.1, то цель задачи состоит в том, чтобы перевезти груз из пунктов отправления в пункты получения с минимальными затратами: -62 Т.е. в задаче распределения перевозок на сети требуется минимизировать затраты (для работы всего логистического комплекса) или оптимизировать маршрут движения по критерию прибыльности. Причем наряду с пунктами отправления и получения в сети имеются промежуточные узлы накладывающие определенные ограничения на условия перевозки. От общей задачи оптимизации движения автомобилей с учетом минимума суммарных приведенных задач для всего АТП необходимо перейти к решению задачи теории расписаний. Способ решения задачи теории расписаний [68, 124] связан со схемой расположения клиентов на улично-дорожной сети модельного региона, которая задается в виде ориентированного графа. В модели перевозочного процесса клиенты с номерами і являются грузоотправителями, а с номерами/ — грузополучателями. Каждый клиент характеризуется различными количественными характеристиками. Процесс перевозок осуществляется в сети систем массового обслуживания, при этом задано множество автомобилей М, отправителей / и получателей /.
План работы каждого автомобиля будем искать в виде последовательности посещаемых клиентов отправителей и получателей. С последовательностью номеров посещаемых автомобилем клиентов связана последовательность моментов времени его прибытия к ним. Эти моменты времени определяются плановыми продолжительностями движения и обслуживания. И, наконец, автомобиль последовательно проходит через вершины графа УДС, поэтому необходимо составить план подхода автомобилей к ним. Если это не возможно, по причине отсутствия у всего парка автомобилей навигационных систем, то составляют план прохождения контрольных точек. Надо отметить, что задача теории расписания тесно связана с теорией массового обслуживания, поскольку время прибытия, ожидания и обслуживания являются случайными процессами.
В такой постановке задача расписания работы автомобилей решается в виде плана посещения клиентов Пк, плана моментов времени прибытия к очередным клиентам Пт и плана прохождения контрольных точек УДС Пв. Итак, задача составления расписания работы автомобилей будет формироваться как задача исследования операций в виде разработанного сменно-суточного плана, так, чтобы
Это ограничение означает, что все моменты времени прибытия автомобиля к клиентам (с учетом продолжительности пребывания на последнем месте разгрузки) должны укладываться в плановую продолжительность его смены с некоторым возможным отклонением, величина которого не должна выходить за некоторые нормы.
Закон распределения интервалов между автомобилями
Для повышения эффективности, управляемости и устойчивости системы грузовых автомобильных перевозок [34] должна быть обеспечена максимальная координация и интеграция всех звеньев транспортного процесса. Пункты погрузки и разгрузки, как составляющие транспортного процесса отличаются высокой степенью неопределенности и стохастичностью. Построение системы, учитывающей стохастичность транспортного процесса и синхронизацию сменно - суточного плана с работой пунктов погрузки разгрузки, необходимо производить на основе их количественной оценки. При чем, перевозочный процесс перевозки грузов можно рассматривать как систему многофазового массового обслуживания [22, 34] дискретного типа с конечным множеством состояний. Закономерность распределения выхода автомобилей из АТП подчиняется закону Пуассона, а характер распределения входящих потоков зависит, главным образом, от организации работы подвижного состава. Чем больше длина ездки с грузом и больше число работающих автомобилей, тем меньше последствие, и поток описывается распределением Пуассона. Уменьшение длины ездки с грузом приводит к саморегулированию движения автомобилей, и входящий поток распределяется по закону Эрланга.
Продолжительности и закономерность распределения продолжительности пребывания подвижного состава в пункте погрузки (разгрузки) обусловлены продолжительностью и закономерностью распределения: входящего потока подвижного состава; ожидания подвижным составом погрузки (разгрузки), времени маневрирования, времени погрузки (разгрузки); времени оформления документов.
Зная закономерность распределения входящего потока и времени обслуживания, можно определить продолжительность ожидания автомобилей погрузочных (разгрузочных) работ.
При любом распределении входящего потока автомобилей в пункты погрузки или разгрузки и любой закономерности времени обслуживания, продолжительность элемента ожидание погрузки (разгрузки) описывается экспоненциальным распределением.
Количественная характеристика промежуточных вершин включает условно постоянные величины: координата, геометрические параметры, характер регулирования перехода или перекрестка и разрешенные направления движения, а также вероятностные состояния: вероятность того, что маневр ТС выполняется без задержки; вероятность того, что маневр ТС задерживается; количество объектов в очереди; продолжительность задержки объекта в очереди; суммарный простой объектов в очереди; средняя задержка автомобилей. Вероятностные состояния места пересечения потоков достаточно точно формализованы [64, 130]. При чем доказано, что вероятность можно рассматривать как долю времени, в течение которого существует рассматриваемое состояние. В случае возникновения заторового состояния на у - м подходе пересечения, интенсивность транспортных средств N(J) больше произведения потока насыщения Мн] этого подхода к перекрестку на коэффициент времени разрешен ного движения Я, что характерно для мегаполиса в часы пик, образуется очередь. Время задержки ТС в данном случае будет зависеть от длины уже имеющейся очереди. Данный вопрос не рассматривается с позиции теории вероятностей, поскольку занятость каналов обслуживания является достоверным событием. В этом случае решение будет иметь аналитический вид: щающего сигнала, Число автомобилей скопившихся на данном подходе к перекрестку определяется в зависимости от пропускной способности подхода и величины его занятости: 1. Движение каждого автомобиля в потоке происходит в условиях непрерывного влияния на него разнообразных дорожных факторов, поэтому для прогнозирования оптимального режима движения, определены наиболее существенные факторы, влияющие на скорость транспортирования груза и режим движения автомобиля в целом. 2. Отмечено, что практически все факторы, определяющие скорость движения, связанны с дорожными условиями (желаемая скорость свободного движения отдельных автомобилей), составом и интенсивностью транспортного потока (скорость автомобилей в потоке). 3. Применительно к составу движения, тип автомобиля необходимо рассматривать как дискретную случайную величину, а интервал времени между автомобилями и скорость есть непрерывные случайные величины. 4. Обработка статистических данных показывает принадлежность распределения интервалов между автомобилями логарифмически - нормальному закону. 5. Проведены теоретические исследования изменения свободной скорости и скорости движения автомобилей в потоке. При этом получен нормальный закон распределения скорости автомобилей в потоке. 6. Для описания аналитического состояния транспортного потока получены линейная и пространственная модели, которые применимы для перевозочного процесса. 7. Рассмотрен транспортный поток с позиции его энергетического состояния, для которого выведены аналитические выражения, характеризующее процесс «монолитности» плотно движущихся потоков. 8. Рассмотрено вероятностное состояние в пунктах погрузки, разгрузки, отмечены закономерности подачи автомобилей в эти пункты и распределения продолжительности всех сопутствующих этапов. 9. Определены количественные показатели дорожно-транспортной ситуации в вершине V,- с позиции вероятностного и аналитического описания. Решение задач разработки оптимальной стратегии управления системой грузовых перевозок в полном объеме возможно только в условиях интеллектуальных транспортных систем [1, 19, 69, 70, 78, 79 80]. Одной из основных особенностей управления перевозками в условиях ИТС является решение задач оптимизации маршрутов движения отдельных автомобилей и транспортных потоков в реальном реж:име времени. Указанное положение обусловлено одной из форм интегрирования подсистем ИТС в единую систему, а именно, временной интеграцией [80]. Уровень оперативности и эффективности управленческих решений напрямую зависят от минимизации времени с момента измерения параметров состояния транспортных процессов до реализации управленческих решений. В связи с этим, при решении задач оптимизации маршрутов движения, в реальном режиме времени, следует учитывать следующие особенности: ИТС обеспечивают решение задач оптимизации и выбора маршрута движения транспортных потоков по сети и отдельных автомобилей в любой момент времени; сбор, передачу и обработку информации о транспортных потоках и характеристиках дорожной сети необходимо проводить в непрерывном режиме с целью ее наличия на последний момент времени.
Методика определения количества «плавающих» автомобилей
Результаты восстановления вектора фактического состояния процесса ГАП, полученные методом имитационного моделирования, указывают на высокую точность разработанного фильтра. Об этом свидетельствует нулевая ошибка в измерении. К достоинствам данного алгоритма относится получение значений функции управления, указывающей прогнозируемое время вмешательства в процесс ГАП.
Неотъемлемой частью функционирования транспортной инфраструктуры является использование оптических детекторов транспорта. Эти детекторы, используя грамотный программный продукт, отражают транспортный процесс в виде оцифрованного сигнала, видимого ЭВМ.
При использовании различных параметров и статистических данных, влияющих на вероятность возникновения инцидента, математически решается задача выбора рационального маршрута при перевозке опасных грузов.
Управление ГАП на переходных этапах предусматривает наличие в системе «плавающих» и резервных автомобилей. Численное значение этих автомобилей определяют исходя из разработанных автором методик, опирающихся на математический аппарат теории массового обслуживания. На базе этих методик разработаны соответствующие таблицы, определяющие число искомых автомобилей для различных регионов и вариаций исходных параметров.
Результаты исследования, прошедшие апробацию на МУП «Про мотходы» позволяют судить о правомерности основных теоретических положений и практических рекомендаций, позволяющих реально повысить эффективность функционирования транспортной доставки ТПО различных предприятий. Экономическая эффективность АТП (на примере САБ МУП «Промотхо-ды») составляет: прирост дохода 10 - 15 % при одновременном увеличении пробега на 6 - 8 %. Срок окупаемости единовременных вложений в информационное оборудование составляет порядка 0,5 года.
В работе разработаны теоретические и методические положения повышения эффективности функционирования транспортной системы доставки грузов для АТП в границах мегаполиса.
Экспериментальные исследования подтвердили адекватность теоретических моделей транспортно-технологического процесса реальному процессу доставки твердых промышленных отходов. 3. Мегаполис, как регион с развитой инфраструктурой, относится к наиболее ярко выраженному влиянию внешних условий, определяющих эффективность перевозок. Это проявляется в высокой плотности УДС, неравномерности степени ее загруженности во времени и пространстве. Исследования показывают, что задержки транспортных средств в узловых точках УДС являются предельно высокими, скорость движения по сети мегаполиса колеблется на отдельных участках от 6 до 92 км/ч, среднетехническая же скорость на маршрутах движения грузового транспорта находится в пределах 18-37 км/ч, что свидетельствует о нестабильной стационарности транспортного процесса. 4. В настоящее время идеальным базисом при управлении перевозками являются «Интеллектуальные транспортные системы», которые охватывают весь информационный спектр подсистем функционирования транспортного процесса. Применение ИТС в отечественных АТП находятся на зачаточном уровне и о полной их эффективности говорить еще не приходится. На рассматриваемой стадии применения этих систем наиболее приемлемой можно считать модульную их реализацию. 5. Предложенные рекомендации позволяют поддерживать систему перевозок в устойчивом состоянии выполнения плана, предполагающих реализацию следующих основных задач: оперативной разработки сменно - суточного задания на основе предложенных критериев и вероятностно - прогнозируемого состояния системы; перераспределения основного парка подвижного состава с недогруженных маршрутов на перегруженные; использования предварительно рассчитанного нагруженного резерва, восстанавливающего функцию стабильно - работоспособного состояния системы; получения оперативной информации в реальном масштабе времени для нормального функционирования системы. 6. На основе анализа плановых заданий, оценки фактического состояния объекта и заданного критерия оптимизации, разработаны модели функционирования перевозочного процесса и прогнозируемое его состояние. 7. Доказано, что сменно - суточное планирование не возможно без оперативного получения информационных параметров, с учетом обязательной сегментации ошибок и их дальнейшей обработки; а также учёта фиксируемых факторов транспортной среды (интенсивность, скорость, состав и т.д); собранная таким образом статистическая информация является необходимым базисом для последующего планирования перевозок. 8. Эффективная стратегия управления транспортным процессом должна носить эволюционный характер с использованием модульных сегментов внедрения передовых, в том числе, информационных технологий, что позволяет решать задачи систем управления и изменения морально устаревших методов и средств по мере возможности финансирования в рамках АТП. 9. Результаты исследования, прошедшие апробацию на МУЛ «Про-мотходы» позволяют судить о правомерности основных теоретических положений и практических рекомендаций, позволяющих реально повысить эффективность функционирования транспортной доставки ТПО различных предприятий. Экономическая эффективность АТП (на примере САБ МУП «Промотхо-ды») составляет: прирост дохода 10 - 15 % при одновременном увеличении пробега на 6 - 8 %. Срок окупаемости единовременных вложений в информационное оборудование составляет порядка 0,5 года.
