Оптимизация систем грузоперевозок в Новой Зеландии

Оптимизация систем грузоперевозок в Новой Зеландии

В сфере перевозок, особенно грузовых, энергопотребление очень велико. Повышение энергетической рентабельности нефтяных ресурсов, организация контейнерных перевозок, расширение сетей автомобильных дорог и отмена регулирования в сфере грузоперевозок привели к тому, что сектор стал сильно зависеть от ископаемого топлива. Это стало проблемой, которая требует скорейшего решения, чтобы сократить выбросы парниковых газов.

Проблема

Современные подходы к моделированию грузоперевозок имеют множество ограничений:

В результате исследователю из Университета Кентербери нужно было создать проект будущей системы грузоперевозок с низким уровнем выбросов углерода, используя новые инструменты. Ему предстояло узнать, какие государственные инвестиции сегодня обеспечат решение проблемы цепочки грузовых поставок в Новой Зеландии в будущем.

Решение

В качестве начальной точки нового проекта был выбран Северный остров в Новой Зеландии. Исследователь разработал многоподходный фреймворк с тремя основными компонентами, который должен был устранить ограничения текущей модели и помочь в достижении результатов. Цель заключалась в расширении анализа цепочки грузовых поставок по железной дороге, чтобы определить варианты перехода к низкоуглеродному потреблению.

Три основных компонента фреймворка:

  1. Модель распределения грузовых перевозок.
  2. Проектная модель сети грузовых перевозок.
  3. Дискретно-событийная модель.

Для фреймворка исследователь использовал официальные документы, базы данных и географические сведения из открытых источников.


Многоподходный фреймворк модели

Многоподходный фреймворк модели (нажмите, чтобы увеличить)


Этот фреймворк позволил добавить новый компонент в стандартное моделирование транспортной системы. Для его интеграции был использован центральный компонент оптимизации на основе ГИС.

Компонент 1 — модель распределения грузовых перевозок. Это предварительный этап подготовки источников данных для следующих этапов. На выходе исследователь получал набор данных с несколькими линейными функциями, представляющими собой пары пунктов назначения между различными предприятиями.

Компонент 2 — режим анализа сети грузовых перевозок на основе ГИС. Исследователь использовал его, чтобы создать виртуальную сеть с помощью элементов смешанных перевозок и ГИС. Этот компонент включал различные разметки и сценарии на основе оптимизации энергопотребления и времени в пути. Процесс включал в себя загрузку данных о сети и местоположении предприятий, оптимизацию кратчайшего пути, извлечение релевантной информации и формирование базы данных.

Для оптимизации в качестве атрибута расходов использовалось время доставки или энергопотребление.

На выходе исследователь получал такую информацию, как оценка трафика, местоположение смешанных терминалов и оптимальные планы доставки.

Компонент 3 — дискретно-событийная модель. Исследователь использовал AnyLogic, поскольку с его помощью можно интегрировать карты ГИС, а также использовать многоподходную среду и специальные библиотеки моделирования железнодорожных систем, производства и складских потоков.

Агентами выступали предприятия, терминалы, порты, грузовые автомобили и поезда. После получения заказа эти агенты начинали взаимодействовать друг с другом.

Производительность системы изменялась по мере изменения инфраструктуры сети, например использования одно- или двухколейных железнодорожных путей, а также изменения круизной скорости поездов и параметров терминалов.

Исследователь получал параметры агентов из базы данных, созданной во втором компоненте. Благодаря AnyLogic удалось упростить моделирование этого процесса и настроить взаимодействие модели с центральной базой данных.

Компонент 3 обеспечил гибкое подключение планировщиков сетей, транспорта и операторов терминалов. С его помощью можно было оценить емкость сети и терминалов. Кроме того, компонент позволил создать проект, который соответствовал текущим требованиям к грузовым перевозкам и показал двукратное снижение энергопотребления по сравнению с текущими значениями.


Карта сети железных и автомобильных дорог

Карта сети железных и автомобильных дорог (нажмите, чтобы увеличить)


Результаты

Исследователь провел шесть экспериментов, в ходе которых задавались различные параметры. Они приведены в таблице.


Таблица с параметрами и процентными значениями ресурсов имитационных экспериментов

Таблица с параметрами и процентными значениями ресурсов имитационных экспериментов (нажмите, чтобы увеличить)


Из результатов экспериментов можно было сделать вывод о том, как использовать модель для оптимизации проекта. Результаты приведены в таблице ниже.


Результаты эксперимента

Результаты эксперимента


Эксперименты 1 и 2 отличались относительно низкими расходами, но неудовлетворительной производительностью.

Использование двухколейных путей в эксперименте 3 позволило снизить время кругового рейса примерно на 500 минут.

В эксперименте 4 использовались скоростные поезда, что помогло сократить время кругового рейса еще на 500 минут. Благодаря такому сокращению можно было при необходимости добавить больше поездов. Кроме того, экономия времени позволяла увеличить пространство для разгрузки и погрузки в терминалах. Однако эта схема была самой дорогой, поскольку для использования скоростных поездов требовалась модернизация сети.

В эксперименте 6 оценивалось влияние количества вагонов: если оно увеличивалось, то круговой рейс мог занять немного больше времени по сравнению с экспериментом 1. Стоит заметить, что в рамках этого эксперимента все поезда по-прежнему успевали совершить круговой рейс до конца дня, несмотря на низкую скорость и одноколейную дорогу. Это решение было самым экономически выгодным. Оно показало, что существенное сокращение энергопотребления и выбросов парниковых газов необязательно требует больших затрат.

Кроме того, результаты показали, что приоритетной задачей должно стать создание смешанных терминалов, а ключевым условием — их доступность. Использование только смешанных терминалов позволит снизить перенаселенность городов, а также потребление энергии и выбросы парниковых газов на 48% и 47% соответственно.

В будущем при инвестировании предпочтение стоит отдать развитию смешанных хабов, а не другим, более дорогостоящим вариантам.

Этот проект был представлен на конференции AnyLogic 2021 Патрисио Галлардо (Patricio Gallardo) из Университета Кентербери.

Вы также можете посмотреть презентацию в формате PDF.



Похожие проекты

Другие истории успеха

Сборник историй успеха от пользователей AnyLogic

Скачать