3016

Сборник научных статей аспирантов и аспирантов-стажеров

временных ограничений скоростей движения поездов при открытии движения после устранения последствий происшествия.

В настоящее время при управлении движением поездов на железной дороге отсутствует какая-либо автоматизированная система прогнозирования потерь при авариях, плановых окнах, ограничениях скорости движения и т.д. Ручная обработка подобных данных слишком трудозатратна. Все потери принимаются как есть, уже после свершения какого-либо события, нарушившего движение.

Целью данного исследования является создание прогнозной модели движения (ПМД) поездов по Западно-Сибирской железной дороге на примере участка Мариинск-Инская.

Моделирование представляется мощным методом научного познания, при использовании которого исследуемый объект заменяется более простым объектом, именуемым моделью. В модели входят множество величин, подлежащих определению, а сами эти величины зависят от большого числа переменных и постоянных параметров. Главной целью моделирования является прогнозирование поведения процесса в системе. Моделирование позволяет с гораздо меньшими затратами воссоздать рассматриваемые процессы в определенной системе и определить критерии для оптимизации. К сожалению, очень трудно создать модель, отвечающую абсолютному большинству характеристик объекта, поэтому при моделировании систем абсолютное подобие необязательно. Не всегда возможно создание материальных моделей, воспроизводящих физические и функциональные характеристики изучаемого объекта, поэтому гораздо эффективней использовать абстрактное моделирование [9].

Имитационные модели позволяют легко учитывать случайные воздействия, а также другие факторы, которые представляют сложности при аналитическом исследовании. Имитационная модель позволяет проводить эксперименты, при этом изменяя условия протекания процесса, и, в конечном счете, определить такие условия, при которых результат будет удовлетворять требованиям. Имитационное моделирование, как правило, осуществляется при помощи средств ЭВМ и воспроизводит процесс функционирование системы во времени, имитируя явления, составляющие рассматриваемый процесс с сохранением их логической структуры. Такие модели осуществляют прогон программы с заданными параметрами.

11

Наука и молодежь СГУПСа в третьем тысячелетии

Прогнозная модель является моделью явления, которое будет иметь место в будущем. Исследование моделей данного вида позволяет получить информацию о возможных состояниях объекта в перспективе или о возможных путях достижения этих состояний.

Прогноз является научно-обоснованным суждением о возможных состояниях объекта в будущем и (или) об альтернативных путях и сроках их достижения [7].

Точность любого прогноза обусловлена рядом факторов:

–объемом верифицированных (истинных) исходных данных

ивременным периодом их сбора;

–объемом неверифицированных исходных данных, а также временным периодом их сбора;

–свойствами системы и объектов, подвергающихся прогнозированию;

–подходами, а также методиками прогнозирования.

Модель прогнозируемого явления или объекта представляется в виде синтеза материальных или идеальных (выраженных в знаках) элементов или их комбинацию, находящуюся в отношении подобия к объекту исследования и воспроизводящую структурно-функцио- нальные, причинно-следственные и генетические связи между его элементами.

Главной трудностью при создании прогнозной модели, в отличие от модели, которая соответствует явлению, существующему сейчас, в настоящее время, состоит в необходимости учета всех возможных изменений, которые могут произойти с объектом прогнозирования в будущем, предусмотреть действия различных факторов (внешних и внутренних), которые способны кардинальным обзразом изменить его развитие и функционирование [9].

Каждый прогон прогнозной модели представляет собой один из вариантов будущего развития объекта. Исследователь на основе проведенного анализа каждого прогона выбирает из них наиболее оптимальный. Таким образом, прогнозное моделирование выполняет одну из важнейших функций управления: поиск оптимального пути управления каким-либо явлением или процессом.

Создание прогнозных моделей – дело не только сложное, но и дорогостоящее (особенно если прогнозируемое явление представляет собой сложную систему, характеризующуюся сотнями, а то и

12

Сборник научных статей аспирантов и аспирантов-стажеров

тысячами переменных), требующее иногда значительных временных затрат.

В ходе разработки ПМД был применен агентный подход к моделированию.

Агентное моделирование (agent-based model) – довольно новое (1990–2000 гг.) направление в имитационном моделировании, используемое для исследования децентрализованных систем, динамика функционирования которых определяется не глобальными правилами и законами (как в других парадигмах моделирования), а наоборот, в том случае, когда эти глобальные правила и законы являются результатом индивидуальной активности членов группы [4]. Агентная модель представляет собой реальный мир в виде многих отдельно определенных активных подсистем, называемых агентами (автономных объектов, целенаправленно функционирующих в конкретной среде по определенному собственному набору правил, взаимодействующих друг с другом и способных к адаптации в процессе функционирования [2]). Как правило, в подобных системах не существует глобального централизованного управления, агенты функционируют по своим законам асинхронно [5]. Поведение агентов определяется их собственной схемой, т.е. когнитивной структурой, которая служит для определения, какое действие агент предпринимает в момент времени t, с учетом его восприятия окружающей среды [8].

Существует несколько определений понятия агента. Общим во всех определениях этого понятия является то, что агент – это некая сущность, которая обладает активностью, автономным поведением, способна к принятию решения в соответствии с определенным набором правил, взаимодействию с окружением и другими агентами, а также способен к самостоятельному изменению (эволюционирование) [4]. Основываясь на простых правилах поведения и взаимодействия агентов, естественные системы явно проявляют групповой интеллект [3].

Агенты могут содержать любые алгоритмы изменения внутренних параметров во времени. Во время симуляции агенты функционируют по отдельности, обмениваясь при этом значениями разделяемых параметров. Каждый агент имеет локальное внутреннее время, а также время начала своей работы и конечное время, таким образом, агенты могут возникать и исчезать во время работы модели.

13

Наука и молодежь СГУПСа в третьем тысячелетии

Таким образом, поведение всей системы складывается из взаимодействия ее частей.

Изначально агентный подход был разработан для моделирования социальных процессов в человеческих сообществах. Однако сейчас он активно применяется в самых разных областях: от моделирования процессов фондовых бирж до предсказания распространения инфекционных заболеваний.

Ниже представлены основные преимущества агентного подхода [1]:

–Эффективен для систем, содержащих большое количество активных объектов с отчетливо выраженным индивидуальным поведением.

–Поведение системы описывается на индивидуальном уровне. Глобальное поведение рассматривается как результат совокупной деятельности агентов.

–Возможность разработки модели даже в условиях нехватки априорной информации о глобальных зависимостях.

При разработке ПМД необходимо учесть следующие вопросы построения системы моделирования с использованием агентного подхода.

Среда моделирования. Необходимо определить математическую модель среды модели, в которой будут существовать агенты.

Вкачестве основы могут служить, например, списковые структуры, графы, деревья, клеточные автоматы и т.д.

Методы решения экстремальных задач. Например, в случае графовых моделей агентам будет необходим поиск оптимальных путей (циклов, остовных деревьев и т.п.).

Способ задания агента. Агент должен иметь память, интенциональные характеристики, механизмы коммуникации, а также интерфейсы для сбора статистики и т.д.

Способ взаимодействия с окружающей средой. Агент должен знать структуру среды, либо уметь ее воспринимать с помощью датчиков или сенсоров.

Способ взаимодействия друг с другом. Необходимо разработать некоторый протокол коммуникации.

Способ задания поведения агента. Каждый агент выполняет свои действия самостоятельно. Это отличает рассматриваемый подход к моделированию от всех остальных.

14

Сборник научных статей аспирантов и аспирантов-стажеров

Способ изменения поведения агента. Поведение может измениться, например, в ходе коммуникации с другими агентами или в результате пополнения знаний.

Механизм принятия решений. Агент является автономной сущностью, а это значит, что при неопределенности он должен принимать конкретные решения согласно поставленных перед собою целей и задач.

Механизм вывода в условиях неопределенности. В определенных задачах возникает целый ряд проблем, связанный с тем, что стандартный механизм принятия решений не способен к измению состояния агента. Желательно, чтобы агент должен был уметь действовать в любых ситуациях. В связи с этим представляется необходимой реализация вывода на ненадежных знаниях.

Механизм пополнения знаний. Для адекватного представления модели важно умение агента пополнять свою базу знаний, в том числе, во время имитационного прогона.

Использование метазнаний. Метазнания очень важны в представлении поведения агента: от определения стратегии вывода до поиска и разрешения противоречий, имеющихся в текущей базе знаний.

Средства адаптации. Агент должен быть способен к изменению своей внутренней структуры, поведения и семантики при различных воздействиях среды моделирования.

Механизм продвижения времени. Необходимо определить механизм продвижения времени в среде моделирования.

Условия моделирования. На полученную в ходе разработки математическую модель исследователем накладываются условия моделирования – например, информационные процедуры, которые задают конкретный имитационный процесс.

Механизмы сбора статистики. Исследователь должен задать интересующие его параметры моделирования, а специальные программный модули (возможно также агенты) должны уметь собрать интересующие статистические данные.

Методы отладки моделирования. Данные методы помогут исследователю тщательнее изучить результаты конкретного имитационного прогона. Желательно наличие возможности воссоздания и повторения уже завершившегося ранее прогона модели.

15

Наука и молодежь СГУПСа в третьем тысячелетии

Способ задания модели. Это может быть определенный язык моделирования (графический, текстовый и т.п.), при помощи которого пользователь описывает разрабатываемую модель.

Методы распараллеливания имитационного процесса. В случае распределенной системы возникнут проблемы отправки/приема сообщений, совместного доступа к данным, синхронизации времени и т.д.

Определение общей архитектуры приложения. Здесь следует определить интерфейсы, модули, подпрограммы, компоненты, структуры данных, протоколы, объекты, ресурсы, потоки управления и т.д.

Реализация вышеприведенного перечня требований может оказаться слишком трудозатратной. Необходимо учесть возможность наращивания способностей системы. В связи с этим можно прийти к выводу, что ставится задача создания не просто агентной системы, а полноценной платформы, обладающей гибкостью, расширяемостью и масштабируемостью для добавления и внедрения новых компонентов [6].

Библиографический список

1.Винс Д.В. Агентный подход к моделированию систем управления потоком заданий на вычислительные центры коллективного пользования / ИВМиМГ СО РАН, 2011.

2.Жарова А.В. Применение метода абстракции через отношение эквивалентности к определению понятия агент // Науковий журнал «Економіка сьогодення: актуальні питання та перспективи». № 1. Днепропетровск. 2012. С. 101–116.

3.Замятина Е.Б. Современные теории имитационного моделирования: Специальный курс. Пермь: ПГУ, 2007. 119 с.

4.Карпов Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5. СПб.: БХВ-Петербург, 2006. 400 с.

5.Карпов Ю.Г. Моделирование агентов – новая парадигма в имитационном моделировании. СПГПУ, 2005. 5 с.

6.Митраков А.А. Основы проектирования системы агентного моделирования / IV Международная студенческая электронная научная конференция, 2012.

7.Светуньков И.С., Светуньков С.Г. Методы социально-экономического прогнозирования. Т. 1. Теория и методология. М.: Юрайт, 2015. С. 30–351.

8.Schieritz N., Milling P. Modeling the Forest or Modeling the Trees – A Comparison of System Dynamics and Agent-Based Simulation // In Proceedings

16

Сборник научных статей аспирантов и аспирантов-стажеров

of the XXI International Conference of the System Dynamics Society. New York, USA. 2003.

9.Виды и функции моделей и моделирования / ДВГУПС. URL: http://edu.dvgups.ru/METDOC/CGU/SOTS_RAB_S/PR_PROEKT_SR/

METOD/SMIRNOV/WEBUMK/frame/5_2.htm (дата обращения 09.11.2015).

10.Теория моделирования / Лекционные материалы Южного Федераль-

ного университета. URL: http://fep.tti.sfedu.ru/books/egamt/Model/Lek_5.pdf

(дата обращения 10.11.2015).

Научные руководители д-р техн. наук, проф. К.Л. Комаров, канд. техн.

наук, доц. А.А. Уланов

Л.О. Беляков

(аспирант кафедры «Геология, основания и фундаменты»)

Квопросу устойчивости откосов земляного полотна

сдефектами основной площадки

Согласно существующей «Стратегии развития железнодорожного транспорта в Российской Федерации до 2030 года», основной задачей ОАО «РЖД» является повышение надежности и безопасности железнодорожного пути, а также всех технических средств железнодорожного транспорта. Планируется повышение веса и длины поездов, нагрузки на ось подвижного состава, увеличение скоростей движения грузовых и пассажирских поездов. В связи с этим, произойдет увеличение нагрузки на земляное полотно, являющееся одним из самых основных элементов железной дороги. Однако, значительная часть общей протяженности земляного полотна не готова к повышению нагрузок, вследствие наличия дефектов основной площадки и откосных частей. Возникновению дефектов могут способствовать различные факторы, реализованные как при строительстве, так и при эксплуатации железной дороги.

В процессе эксплуатации земляное полотно подвергается воздействию многих природных и антропогенных факторов, нарушающих его работу. Так, вследствие выгрузки на откосы загрязненного балласта после проведения капитальных ремонтов, происходит искусственное завышение крутизны откосов земляного полотна, а в результате аккумуляции атмосферной воды в балластных шлейфах, может произойти их оползание, а иногда и потеря

17

Наука и молодежь СГУПСа в третьем тысячелетии

общей устойчивости откоса. При низком качестве содержания водоотводных канав и несвоевременной их очистке, происходит увеличение влажности глинистых грунтов земляного полотна и основания железной дороги, что неизбежно ведет к возникновению различных деформаций.

Внастоящее время, значительная часть отступлений по уровню, перекосов и просадок железнодорожного пути связана с нарушением стабильности основной площадки земляного полотна. Возникновению балластных углублений способствует проникновение балластных материалов через основную площадку в тело земляного полотна вследствие несоблюдения нормативных документов по строительству и текущему содержанию железной дороги. При некачественно подготовленной в ходе строительства основной площадке, несоблюдении нормативов укладки и текущего содержания защитных слоев, нарушении правил при форсированной укладке железнодорожного пути, а также недостаточной толщине балластного слоя, возникновение и развитие деформаций неизбежно.

Взависимости от формы и локализации, углубления основной площадки подразделяются на балластные корыта, балластные ложа, балластные мешки, балластные гнезда и карманы (рис. 1).

Балластные корыта представляют собой местные углубления, расположенные под каждой шпалой, заполненные балластным материалом, глубиной до 0,2–0,3 м.

При отсутствии принятия мер по ликвидации деформаций, балластные корыта перерастают в балластные ложа – общее под несколькими шпалами углубление, протяженностью до 100 м и более, глубина их может достигать 0,5–1 м. Также балластные ложа могут формироваться самостоятельно, например, на участках с весенними пучинными просадками.

18

Сборник научных статей аспирантов и аспирантов-стажеров

а)

б)

в)

Рис. 1. Углубления основной площадки:

а – балластные корыта; б – балластное ложе; в – балластный мешок; 1 – балластный слой; 2 – грунт земляного полотна; 3 – вода

Балластный мешок – замкнутое значительное углубление в основной площадке земляного полотна, сложенного глинистыми грунтами, имеющее глубину до 3 м и более.

Балластные мешки и ложа могут иметь отдельные вытянутые углубления, называемые карманами или гнездами. Их образование обусловлено наличием разнородных грунтов в теле насыпи, а также неравномерным уплотнением грунтов.

При насыщении балластных углублений атмосферной водой, увеличении осевых нагрузок и частоты воздействия на грунт, происходит их активное развитие, появление выплесков, неравномерное пучинообразование, нарушение стабильности рельсовой колеи. В случае прорыва из балластных мешков, гнезд или карманов воды, возможно катастрофическое обрушение откоса. В связи с этим необходимо принятие мер по ликвидации углублений.

В настоящее время самым радикальным методом ликвидации балластных корыт и лож небольшой глубины является срезка верхней части земляного полотна с заменой глинистого грунта дрениру-

19

Наука и молодежь СГУПСа в третьем тысячелетии

ющим, однако реализация данного способа возможна только в рамках проведения капитального ремонта или реконструкции, с остановкой движения поездов на достаточно длительный период.

Для осушения балластных мешков, гнезд и карманов успешно применяется кротовый дренаж, сооружаемый путем бурения наклонных скважин, в которые погружаются перфорированные трубы, с заглублением водоприемной части в балластное углубление. Следует отметить, что устройство указанной конструкции не устраняет саму причину возникновения деформаций, и может применяться в качестве временной, либо в составе комплексных мероприятий по усилению насыпи.

Для исследования зависимости устойчивости откосов от глубины балластного углубления, а также прогнозирования продолжительности развития углубления до потери устойчивости откоса, были выполнены соответствующие расчеты в программном комплексе Midas GTS NX. Построение грунтовой среды для расчетов выполнялось на базе модели идеально пластичной среды Кулона-Мора.

Изучение указанных зависимостей производилось на основании инженерно-геодезических и инженерно-геологических данных на 146 км ПК6 линии Голуха-Тягун Западно-Сибирской железной дороги (рис. 2), а также на основе анализа паспорта неустойчивого или деформирующегося земляного полотна (ПУ-9).

Рис. 2. Инженерно-геологический профиль насыпи км146 ПК6

20