🥩 👩🏿‍🍳 👩‍⚕️ मल्टी-एजेंट ट्रांसपोर्ट मॉडल कैसे बनाएं ⚠️ 🌳 ❄️

हेलो, हेब्र!

कल्पना कीजिए कि हमारे पास एक नई सड़क बनाने का काम है। आप प्रत्येक दिशा में दो लेन के साथ एक राजमार्ग बना सकते हैं, लेकिन अगर यह पर्याप्त नहीं है तो क्या होगा? या, इसके विपरीत, यह पता चलता है कि एक पट्टी पर्याप्त होगी, लेकिन परियोजना के कार्यान्वयन के लिए कई आवश्यक भूखंड खरीदना आवश्यक था? दोनों मामलों में, निर्णय अप्रभावी होगा। इस तरह के जोखिमों को कम करने के लिए, परिवहन नियोजक मदद के लिए कंप्यूटर मॉडलिंग की ओर रुख करते हैं। यह लेख मल्टी-एजेंट मॉडलिंग की दुनिया में एक संक्षिप्त विषयांतर है।

मॉडल का उपयोग करते हुए, जो वास्तविक परिवहन प्रणाली की एक प्रति है, आप अनुमानित सड़क के प्रत्येक खंड पर आवश्यक थ्रूपुट का अनुमान लगा सकते हैं, विभिन्न अनुरेखण विकल्पों का प्रयास कर सकते हैं, या, उदाहरण के लिए, किसी प्रोजेक्ट के पेबैक अवधि का अनुमान लगा सकते हैं यदि यह सार्वजनिक-निजी भागीदारी के ढांचे में टोल रोड पर आता है। लेकिन अन्य महत्वपूर्ण कार्यों को हल किया जा सकता है: इष्टतम सार्वजनिक परिवहन मार्गों को कैसे व्यवस्थित किया जाए और ऑपरेटरों के संभावित राजस्व की गणना कैसे करें, किसी विशेष क्षेत्र में पार्किंग रिक्त स्थान की कमी का आकलन कैसे करें, और कई अन्य।

सबसे दिलचस्प क्या है - हर कोई मुफ्त सॉफ्टवेयर के युग में एक समान मॉडल बना सकता है!

सबसे आम मल्टी-एजेंट मॉडलिंग टूल में से एक ओपन सोर्स है।MATSim (मल्टी-एजेंट ट्रांसपोर्ट सिमुलेशन) ।

MATSim व्यक्तिगत एजेंटों के व्यवहार का अनुकरण करता है। एक एजेंट वास्तविक दुनिया में एक व्यक्ति का कंप्यूटर प्रतिनिधित्व है। प्रत्येक ऐसे एजेंट की एक दैनिक योजना होती है, जिसके आधार पर वह एक गतिविधि से दूसरी गतिविधि (उदाहरण के लिए, होम-वर्क-होम, होम-इंस्टीट्यूट-वर्क-होम, होम-शॉप-वर्क -1 वर्क -2 होम, इत्यादि) बनाता है। इस प्रकार सड़क बुनियादी ढांचे की मांग। दैनिक योजना का एक योजनाबद्ध प्रतिनिधित्व कुछ इस प्रकार है:

एजेंटों के लिए यथार्थवादी योजनाएं बनाने के लिए जो दिन के दौरान लोगों के वास्तविक व्यवहार को दर्शाएंगे, एजेंट निवासियों की कुल संख्या, उनका पुनर्वास, काम के स्थान, अध्ययन, दुकानों का स्थान, शॉपिंग सेंटर, ट्रेन स्टेशन और गतिविधि के अन्य स्थानों को ध्यान में रखा जाता है। मांग को मान्य करने के लिए, मॉडल को क्षेत्र सर्वेक्षणों के आधार पर भी कैलिब्रेट किया जाता है: एक तंत्रिका नेटवर्क का उपयोग करके निगरानी कैमरों और ड्रोन के प्रवाह की पहचान और गणना या, उदाहरण के लिए, सड़कों पर तीव्रता का मैनुअल माप।

सिमुलेशन के दौरान, एजेंटों को नेटवर्क पर वितरित किया जाता है, लोगों के यथार्थवादी व्यवहार की नकल करते हुए: उनकी योजना को लागू करते हुए, कारें सड़क और पार्किंग स्थानों पर जगह लेती हैं, सार्वजनिक परिवहन उपयोगकर्ता बस पर जगह लेते हैं, और एक दूसरे के साथ बातचीत भी करते हैं, और अगर कई लोग एक समय में एक सड़क का चयन करते हैं, तो ट्रैफिक जाम और भीड़भाड़ पैदा होती है। असली दुनिया में सब कुछ ऐसा है!

सिमुलेशन पूरा होने के बाद, एक आकलन एजेंटों की दैनिक योजनाओं की पूर्ति से बनता है, जिसे स्कोरिंग कहा जाता है। एजेंट गतिविधि की प्रक्रिया में उपयोगिता इकाइयों का अधिग्रहण करता है और आंदोलन के दौरान उन्हें खो देता है। तदनुसार, ट्रैफ़िक जाम में पकड़े गए एजेंट, मुफ्त सड़कों के किनारे जाने वाले एजेंटों की तुलना में अधिक उपयोगिता इकाइयों को खो देते हैं।

प्रत्येक पुनरावृत्ति के बाद, कुछ एजेंट अपने प्रदर्शन को बेहतर बनाने के लिए सड़क नेटवर्क के भार के बारे में जानकारी के आधार पर अपनी योजना का पुनर्निर्माण करते हैं: एजेंट प्रस्थान के समय को बदल सकते हैं, परिवहन का तरीका बदल सकते हैं या मार्ग बदल सकते हैं। शेष एजेंट अपनी पिछली योजनाओं का पालन करते हैं, जो प्रोग्राम मेमोरी में संग्रहीत होते हैं।

आदर्श रूप से, सिमुलेशन के बाद, एक नैश संतुलन प्राप्त किया जाना चाहिए - अर्थात, ऐसी स्थिति जहां कोई भी एजेंट अन्य एजेंटों की स्थिति को खराब किए बिना अपनी स्थिति में सुधार नहीं कर सकता है। आमतौर पर यह ऐसी स्थिति है जो शहर के सड़कों पर समय के साथ विकसित होती है, इसके निवासियों द्वारा पिछले दिन के अनुभव के दैनिक पुनर्विचार को देखते हुए। इसके लिए, एक परिदृश्य के ढांचे में कम से कम 200 पुनरावृत्तियों को किया जाता है। संपूर्ण MATSim कार्य चक्र कुछ इस प्रकार है:

सिद्धांत से अभ्यास करने के लिए!

पहले परिदृश्य को चलाने के लिए, हमें बोर्ड पर Java 1.8 के साथ Intellij IDEA (या ग्रहण) की आवश्यकता है।
हम IDE खोलते हैं, मैथ्स रिपॉजिटरी को गितुब से क्लोन करते हैं और हमारा पहला परिदृश्य चलने के लिए तैयार है! बहुत आसन। लेकिन आइए सबसे पहले देखें कि हम किन इनपुट फाइलों का उपयोग करते हैं। सरलतम सिमुलेशन के लिए, उनमें से तीन हैं: नेटवर्क, योजना, कॉन्फ़िगरेशन।

नेटवर्क

नेटवर्क फ़ाइल वह नेटवर्क है जिस पर एजेंट चलते हैं। इसमें नोड्स और नोड्स / लिंक होते हैं। प्रत्येक लिंक की अलग-अलग विशेषताएं होती हैं: प्रकार, खंड की लंबाई, थ्रूपुट, अधिकतम गति, गलियों की संख्या, वन-वे ट्रैफ़िक, परिवहन के अनुमत मोड आदि,

मैन्युअल रूप से एक शहर ग्रिड बनाना मुश्किल, अव्यवहारिक और अक्षम है। उदाहरण के लिए, हमारे सेंट पीटर्सबर्ग ग्रिड में 26 हजार नोड्स और 46 हजार लिंक हैं। लेकिन वहां अच्छी ख़बर है। ग्रिड को OpenStreetMap से परिवर्तित किया जा सकता है और फिर JOSM का उपयोग करके संपादित किया जा सकता है, जो ओपन-सोर्स भी है।

योजनाओं

योजनाओं की फाइल एजेंटों की दैनिक योजनाओं का एक संरचित प्रतिनिधित्व है। प्रारंभिक परिदृश्य में, हमारे पास 100 एजेंट हैं जो घर से कार (मोड = "कार") को सुबह (एंड_टाइम = "05:59") घर से टाइप करते हैं (टाइप = "एच", लिंक = "1") से काम करने के लिए (टाइप =) "डब्ल्यू", लिंक = "20"), जिसके कुछ समय बाद (ड्यूर = "02:30") वे घर लौट आते हैं।

कॉन्फ़िग

अंत में, कॉन्फ़िगर फ़ाइल में, स्क्रिप्ट को चलाने के लिए सभी आवश्यक सेटिंग्स निर्धारित हैं। MATSim में ऐसे मॉड्यूल होते हैं जिन्हें आप आवश्यकतानुसार अनुकूलित, जोड़ या हटा सकते हैं।
कॉन्फ़िग फ़ाइल में कई सेटिंग्स सहज हैं, लेकिन आप हमेशा तथाकथित में भी देख सकते हैं। मैटसिम बुक । अब हम केवल दो मॉड्यूल पर विचार करेंगे।
PlanCalcScore मॉड्यूल में, स्कोरिंग पैरामीटर सेट किए जाते हैं: उदाहरण के लिए, देर से आने के लिए, एजेंट को 18 यूनिट का जुर्माना मिलता है। प्रति घंटे उपयोगिता (क्रमशः, 10 मिनट के लिए देर से होना 3 उपयोगिता इकाइयों को खोने के बराबर है); कुछ गतिविधि का प्रदर्शन (उदाहरण के लिए, प्रदर्शन) प्रति घंटे 6 उपयोगिता इकाइयाँ लाता है, और कार चलाने में प्रति घंटे समान 6 उपयोगिता इकाइयाँ खर्च होती हैं। यथार्थवादी स्कोरिंग मापदंडों को खोजने के लिए, जनमत सर्वेक्षण का उपयोग अक्सर "लागत" का विश्लेषण करने के लिए किया जाता है। समय। ”

रणनीति मॉड्यूल में, पुन: नियोजन मापदंडों को कॉन्फ़िगर किया गया है, उदाहरण के लिए, अगले पुनरावृत्ति के दौरान एजेंट (मॉड्यूलपुलैबिलिटी) नए अनुपात (पुनरावृत्ति) के किस अनुपात की कोशिश करेंगे।

इस प्रकार, सिमुलेशन का लक्ष्य सबसे कम कीमत पर बिंदु A से बिंदु B तक पहुंचने में मदद करना है।

स्क्रिप्ट रन

RunMatsim धावक खोलने और हमारी पहली स्क्रिप्ट चलाने का समय!

सिमुलेशन परिणाम परियोजना के रूट में आउटपुट फ़ोल्डर में होगा। विज़ुअलाइज़ेशन के लिए मुख्य फाइलें नेटवर्क और ईवेंट हैं। ईवेंट फ़ाइल में प्रत्येक एजेंट के सभी कार्यों के बारे में प्रति सेकंड जानकारी होती है, इसलिए इस फ़ाइल के आधार पर आप सभी एजेंटों के आंदोलन की पूरी तस्वीर को पुनर्स्थापित कर सकते हैं। आप वाया का उपयोग करके परिणामों की कल्पना कर सकते हैं ।
अधिक प्रतिनिधि परिणामों के लिए, मैं एजेंटों की संख्या बढ़ाकर 500 करूंगा। इस तरह 500 एजेंटों का वितरण पहली पुनरावृत्ति के बाद दिखता है ... पुनरावृत्ति

की शुरुआत में, एजेंटों ने दिक्जस्त्र का उपयोग करते हुए सबसे छोटे तरीके की गणना कीजिसके परिणामस्वरूप नेटवर्क के एक सेक्शन में ट्रैफ़िक की तीव्रता इसके थ्रूपुट से अधिक हो गई, एक भीड़ बन गई। लेकिन क्या होगा अगर आप उन्हें विभिन्न मार्गों की कोशिश करने का मौका दें?

200 पुनरावृत्तियों (~ 5 मिनट) के बाद, एजेंटों को नेटवर्क पर पुनर्वितरित किया गया था, लिंक लोड स्तर अब 0.5 से अधिक नहीं है, और सभी एजेंटों के औसत यात्रा समय में 14% (5 मिनट) की कमी हुई है। हुर्रे, हमने कॉर्क पर काबू पा लिया है!

ओह, अगर यह केवल इतना आसान था! वास्तव में, परिवहन प्रणाली बहुत अधिक जटिल हैं। निम्नलिखित लेखों में मैं आपको बताऊंगा कि कैसे मैंने सेंट पीटर्सबर्ग और अन्य शहरों के मॉडल के विकास में भाग लिया और कैसे हमने वास्तविक मामलों पर व्यावहारिक समस्याओं को हल किया। साइंटिया पोटेंशिया एस्ट!

OTSLab में एंड्री कोलोमात्स्की, परिवहन विश्लेषक द्वारा पोस्ट किया गया।

मल्टी-एजेंट ट्रांसपोर्ट मॉडल कैसे बनाएं

सिद्धांत से अभ्यास करने के लिए!

नेटवर्क

योजनाओं

कॉन्फ़िग

स्क्रिप्ट रन

More articles: