ТРАНСИМС (TRANSIMS, TRansportation ANalysis SIMulation System) — набор интегрированных инструментов, разработанный для проведения анализа региональных транспортных систем. В целях придания ТРАНСИМС статуса публичного, непрерывно развивающегося ресурса для транспортного сообщества, он был выпущен под лицензией открытого исходного кода NASA Open Source Agreement Version 1.3.
Подтекст
ТРАНСИМС основан на микросимуляторе клеточных автоматов. Он использует новую парадигму моделирования отдельных путешественников и их пересадок между видами транспорта, основанную на синтетических моделях популяций и их активностей. В сравнении с другими агрегирующими транспортными моделями, ТРАНСИМС отображает время последовательно и непрерывно, а также рассматривает детально каждого человека и каждый дом. Его возможность менять маршруты во времени и микросимулятор, основанный на отельном человеке, также отличаются от других агрегирующих моделей.
Методика
Обзор
Целью методики является подача трафика на сеть и итерирование до достижения равновесия Нэша. Подмодули включают синтезатор популяции, генератор активностей, планировщик маршрутов и микросимулятор. Выход модулей будет входом следующей итерации процесса поиска равновесия. Путешественники моделируются как выбирающие кратчайший путь, наиболее лучший для всей популяции в целом, а не значительно лучшего маршрута персонально. Одно важное ограничение: путешествующие выбирают вид транспорта в соответствии с исследованиями использования транспорта, а не в целях оптимизации собственных нужд в перемещении.
Ввод данных
На этом этапе ТРАНСИМС создаёт дорожную сеть, сеть перемещений, а также расписание перемещений. Обычно уличная сеть и сеть перемещений приобретаются у организаций городского планирования1. Сети могут экспортироваться их других систем анализа трафика в достаточно простой табличный формат, загружаемый в ТРАНСИМС. Некоторые возможности по редактированию сетей встроены в ТРАНСИМС. Он может использовать некоторые распространенные инструменты ГИС2 и форматы (Шейп-файлы3) в целях редактирования и визуализации сети. Он также понимает наиболее распространенные системы геокоординат, такие как Система координат UTM, Система Координат SPS и др. С данными по сетям возникают сложности. Сеть улиц обычно приобретается через публичную службу госстатистики Tiger/Line4, либо коммерческую NavTeq, а также, почти обязательно у организаций городского планирования5. Однако нужны многие детали, которые обычно не предоставляются обычными источниками данных, такие как сигналы по управлению трафиком, поворотные полосы, и т.п. В дополнение, сеть улиц должна быть топологически выверенной, а именно, соединения между дорогами/маршрутами совпадать и соответствовать действительности. Сеть перемещений должна соответствовать слою сети улиц. Обычно данные необходимо подготавливать из нескольких независимых источников. Автобусы движутся в трафике, поэтому результаты могут конфликтовать с начальными расписаниями автобусов.
Синтезатор популяции
На этом этапе имитируется региональная популяция населения с обеспечением близкого соответствия реальной популяции, и распределение домовладений пространственно апроксимирует такое распределение для реальной популяции. Подробнее, функции синтезирования популяции включают генерирование синтетических домовладений на основе данных переписи, выработки демографических параметров каждого домовладения (доход, состав семьи, и т.п.), привязку каждого синтезированного домовладения к маршруту на транспортной сети (местам расположений активностей), и приписка транспортных средств каждому домовладению (включая разделение их использования и совместные поездки)67. Два типа данных применяются этом шаге. Данные STF3 — совокупные данные, описывающие относительно малые области, называемые квартальными группами8, и данные PUMS — разбивочные данные, покрывающие гораздо большую область, но основанные на 5% выборке. 910
На этом шаге одна трудность — результаты переписи могут быть неаккуратными. Кроме того, необходимы дополнительные данные по использованию земли для соответствующей привязки домовладений к местам активности.
Генератор активностей
На этом шаге происходит генерирование активностей домовладений, приоритетов активностей, мест расположения активностей, временных рамок активностей, а также предпочтений по виду транспорта и маршрутам следования. Этот шаг требует дополнительного ввода данных для назначения индивидуальных активностей. Основной источник данных — опрос населения об их обычных активностях, этот опрос должен быть репрезентативным. В общем процесс назначения активностей состоит в сопоставлении синтетических домовладений наиболее соответствующим домовладениям из опроса на основе собранных социо-экономических данных. В дополнением к этому, накладываются небольшие случайные вариации на данные получаемые из результатов опроса с целью избежать точного повторения для большого числа синтетических домовладений. На основании введенных данных по демографии генерируется лист активностей по перемещению для каждого домовладения. Эти активности обозначаются как «индивидуальные» или «активности домовладения». С каждой активностью ассоциируется набор параметров, определяющий важность активности, продолжительность активности и временной интервал в пределах которого активность должна быть осуществлена, если она вообще должна выполняться (например, работа — обязательная активность, поэтому поезда на работу должна быть осуществлена, в то время как шопинг, как правило, не столь важен и может быть отложен на другой при загруженности). Места расположения, такие как адрес домовладения, адреса рабочий мест и школ задаются жестко для обязательных активностей. Места расположения остальных активностей (например, шопинга) не привязаны и выбираются планировщиком произвольно из списка для данного микрорайона 11. Выбор вида транспорта также моделируется на основании опроса, а не для оптимизации передвижения.
Может быть встречено несколько трудностей, связанных с генератором активностей. Небольшой размер выборки опроса может привести в грубой картине назначения активностей. И он очень зависит от свежести и полноты опроса населения по активностям, а также детальной информации по зонированию, требующей ручной подгонки. И наконец, он может генерировать некоторые нелогичные активности для некоторых регионов.
Планировщик маршрутов
На этом этапе считываются индивидуальные активности, сгенерированные ранее, а затем определяются наибыстрейшие маршруты для данного времени суток. Планировщик маршрутов обладает рядом свойств. Маршруты для домовладения прокладываются скоординированным образом, позволяя совмещать поездку. Алгоритм проводит оптимизацию сети перемещений, в зависимости от задержек маршрутов, которые могут варьироваться по времени суток. Планировщик маршрутов не выбирает вид транспорта, но находит оптимальный маршрут для заданного. Планировщик маршрутов начинает с использования хорошо известной функции моделирования трафика BPR+12 для оценки задержек в поездках на основании числа поездок, запланированных по каждому маршруту13. Затем он определяет оптимальный путь для каждой поездки и создает подробные планы поездок. План поездки — последовательность используемых видов транспорта, маршруты и запланированные расписания оправления и прибытия, а также прогнозируемые пересадочные станции при перемещении людей к местам их активностей14.
Микросимулятор
На этом шаге выполняются все планы поездок, созданные планировщиком маршрутов, на посекундной основе для всей сети. Он использует принципы клеточных автоматов для анализа взаимодействия между отдельными транспортными средствами. Микросимулятор всё время вычисляет место положения всех перемещающихся и всех транспортных средств. Микросимулятор и планировщик маршрутов работают в интерактивном цикле для поиска равновесия на сети с наложенным трафиком. Микросимулятор следует тем планам поездок и определяет новые значения задержек на линиях, которые используются взамен старых значений, использованных ранее планировщиком маршрутов. Этот процесс продолжается пока не достигается равновесие.
Обратная связь
Обратная связь применяется к процессу нахождения оптимального равновесия при итерировании от планировщика маршрутов к микросимулятору. Через модуль обратной связи некоторые маршруты передвижения могут быть определены как неосуществимые. Соответствующие активности затем передаются обратно в генератор активностей для определения подходящих альтернатив. Некоторые маршруты передвижения могут не быть проследованы в микросимуляторе по причине зависящих от времени перекрытия улиц и других причин. В этом случае, отдельные виртуальные личности с этими маршрутами передвижения передаются обратно в планировщик маршрутов для новых вариантов перемещения.
Результаты
ТРАНСИМС может создавать сводные (агрегированные) результаты сопоставимо с традиционными инструментами анализа. Микросимуляция может привести к высоко детальным одномоментным данным, например, точному положения каждого «перемещающегося» в любое заданное время. Поскольку такой объём данных трудно осмыслить, результаты нужно визуализировать эффективно. Инструменты визуализации, наиболее часто используются, включают оригинальный визуализатор ТРАНСИМС, визуализатор fourDscape и Balfour, ArcGIS и подобные инструменты ГИС, Google Earth и NASA World Wind, Advanced Visualization (NCSA) / Metropolis и NEXTA.
Применения
Было много дискуссий в профессиональной среде транспортников относительно того, насколько широко будет применяться ТРАНСИМС, образовав несколько лагерей. Скептики считают, что требования большого объёма данных, требования к вычислительной мощности и требования к обучению персонала ограничит использование ТРАНСИМС малым числом крупнейших организаций городского планирования (ОГП). Второй лагерь стоит на том, что нормативные требования быстро заставят использовать ТРАНСИМС во всех регионах. Такое ускоренное внедрение ТРАНСИМС может превысить возможности участников проекта предоставлять поддержку всем участвующим регионам. И последний лагерь придерживается мнения, что в начале ТРАНСИМС и вправду будет использоваться в основном только крупных ОГП с особенно сложными транспортными проблемами. Впоследствии, ТРАНСИМС может развиться в версии, более подходящие ОГП с меньшим числом сотрудников и другими потребностями в анализе. Опыт ранних вресий подсказывает, что этот путь наиболее реальный. И это также наиболее обещающий сценарий привнесения новой технологии для более широкой аудитории в менее болезненной форме15.
Тестовое исследование в Далласе
Тестовое исследование в Далласе было сфокусировано на разработке микросимулятора в ТРАНСИМС, достаточно эффективного для выполнения плана перемещения для каждого индивида в городском регионе. Разработанный микросимулятор был ограничен только автомобильными поездками, и были разработаны методы по использованию существующей информации NCTCOG производства/привлекательности как источника потребностей в перемещении для системы. Микросимулятор выполнил примерно 200.000 поездок (в интервале между 5 и 10 утра) в и через 25-ти-квадратномильный (65 км2) район исследования. Он выполнялся в реальном времени на пяти рабочих станциях SUN SPARC («реальное время» означает, что пяти-часовой период симуляции занял пять часов).16
Тестовое исследование в Портленде
В контраст к вопросу планирования «реального мира», изученного в Далласе, тестовое исследование в Портленде изучало эффекты различных типов данных на результаты и чувствительность ТРАНСИМС. Планировщик маршрутов и возможности микросимулирования, разработанные для Далласа, были расширены включением больших машин, маршрутного транспорта и пассажиров транспорта. Это включает сложные задачи по включению в базу данных расписаний всего маршрутного транспорта, различных операционных характеристик рельсового транспорта и автобусов, а также симуляцию взаимодействия маршрутных средств с частными автомобилями. Рассматривались два теста на чувствительность. Первый тестировал эффект генерирования синтетических улиц вместо реалистичного кодирования каждой отдельной улицы района исследования. Второй тест исследовал эффект синтезирования графиков переключения светофоров. Для тестирования этих и других чувствительностей модели, сотрудники в Портленде собрали модели настоящих улиц и графиков переключения светофоров для сравнения их с результатами синтетических. 17 Эти тексты определили эффект синтезирования данных на чувствительность моделей ТРАНСИМС.
Ссылки
code.google.com/p/transims/
www.tmiponline.org/Clearinghouse/Subject-Category/TRANSIMS.aspx
sourceforge.net/projects/transims/
sourceforge.net/projects/transimsstudio/
avl.ncsa.illinois.edu/what-we-do/software#Metropolis
www.civil.utah.edu/~zhou/NEXTA_for_TRANSIMS.html
Добавка от 16 Октября 2016
Лекция Брайана Буша 18 о ТРАНСИМС в Лос Аламоской Национальной Лаборатории (США) 19, прочитанная 22 Февраля 2001 г. (на англ. языке):
- Metropolitan planning organisations ↩
- GIS ↩
- shapefiles ↩
- US Census Bureau TIGER/Line ↩
- MPO — metropolitan planning organisation ↩
- Guin, Angshuman., Introduction to TRANSIMS, March 2010. ↩
- Beckman, Richard J.; Baggerly, Keith A.; McKay, Michael D., Creating Synthetic Baseline Populations ↩
- block groups ↩
- Guin, Angshuman., Introduction to TRANSIMS, March 2010. ↩
- Smith, LaRon; Beckman, Richard; Baggerly, Keith; Anson, Doug; Williams, Michael., TRANSIMS: TRansportation ANalysis and SIMulation System: Project Summary and Status, 1995. ↩
- Smith, LaRon; Beckman, Richard; Baggerly, Keith; Anson, Doug; Williams, Michael., TRANSIMS: TRansportation ANalysis and SIMulation System: Project Summary and Status, 1995 ↩
- возможно имеется в виду алгоритм Frank-Wolfe — прим.пер. ↩
- Guin, Angshuman., Introduction to TRANSIMS, March 2010 ↩
- Smith, LaRon; Beckman, Richard; Baggerly, Keith; Anson, Doug; Williams, Michael., TRANSIMS: TRansportation ANalysis and SIMulation System: Project Summary and Status, 1995 ↩
- Travel Model Improvement Program, Arlington TX, Early Deployment of TRANSIMS: Issue Paper, 1999, (PDF) ↩
- Travel Model Improvement Program, Arlington TX, Early Deployment of TRANSIMS: Issue Paper, 1999, (PDF) ↩
- Travel Model Improvement Program, Arlington TX, Early Deployment of TRANSIMS: Issue Paper, 1999, (PDF) ↩
- Brian W. Bush ↩
- Los Alamos National Laboratory ↩
Шведский подход к решению проблемы пробок в час пик. Они ввели символическую небольшую плану в 1-2 евро за проезд в центр города в часы пик. Примерно 20% автомобилей перестали ездить в это время — это решило проблему пробок. Население поддержало инициативу 🙂