10685

СМИРНОВА М.А., ГОЛОВАНОВА Е.Н.

ФГБОУ ВО «Нижегородский государственный архитектурно– строительный университет», г. Нижний Новгород, Россия

РАЗРАБОТКА АЛГОРИТМОВ ОПТИМИЗАЦИИ ГРУЗОПЕРЕВОЗОК ДЛЯ СНИЖЕНИЯ ВРЕДНЫХ ВЫБРОСОВ

Воздействие автотранспортных грузоперевозок негативно влияет на окружающую среду. В структуре выбросов вредных веществ основной объем приходится на окись углерода, углероды, оксиды азота и твердые частицы. В настоящее время более двух третей от выбросов углекислого газа приходится именно на грузовые перевозки с использованием автомобильного транспорта. Классическая задача оптимизации грузоперевозок фокусируется на минимизации экономических затрат для грузоперевозчика. С помощью экономико-математического метода транспортной задачи рассмотрим планирование грузоперевозок транспортной компании с позицией минимальных экономических издержек.

Оптимизация транспортной сети может принести компании тройной выигрыш: сокращение нагрузки на окружающую среду, улучшение имиджа и уменьшение затрат по всей цепи поставок.

Объектом исследования является процесс транспортировки грузов. Предметом исследования – разработка алгоритмов оптимизации грузоперевозок для снижения вредных выбросов.

Цель разработать экономико-математическую модель для решения задачи о снижении вредных выбросов за счет оптимизации маршрута грузоперевозки.

Вусловиях понимания экологической ответственности, заказчики обращают внимание на отношение транспортной компании к сохранению окружающей среды, поэтому очень важно обеспечить сокращение вредных выбросов за счет оптимизации пути перевоза грузов.

Крупные компании информируют своих клиентов о том, как каждый может внести свой вклад в защиту окружающей среды: например, уменьшить количество упаковки или использование более экологических материалов. Но также они информируют о внедрении экологических программ в свою бизнес деятельность. Компания DHL внедрила в работу программу защиты климата GoGreen, а также данная компания подсчитывает выбросы углекислого газа (СО2).

Вданной работе будет рассмотрена оптимизация пути с помощью транспортной задачи. Разработка наиболее рационального пути и

221

способов транспортировки товаров, устранение чрезмерно дальних, встречных и повторных грузоперевозок.

Зеленая задача транспортировки грузов – это экономико- математическая задача, занимающаяся проблемой оптимизации одного или нескольких транспортных средств с учетом внешних факторов их использования, такие как выбросы углекислого газа, с целью уменьшения негативного воздействия за счет улучшения планирования грузоперевозок.

Классическая задача оптимизации грузоперевозок фокусируется за минимизации только экономических затрат для транспортной компании, перевозчика, а зеленая задача транспортировки грузов учитывает негативное воздействие на окружающую среду. Решение такого класса задач направлено на компромисс между экономическими затратами и экологическими издержками.

В качестве объекта исследования выступает процесс транспортировки грузов, осуществляемый транспортной компанией. Расчет оптимального пути будет производиться для одного грузового автотранспорта, следующего по определенному маршруту.

Критерием оптимизации выступает – минимизация размеров экономического ущерба от хозяйственной деятельности.

Формирование маршрута строится на основании заказов товаров, поступивших из близлежащих городов. В расчётах используются размеры экономического ущерба, причиняемого при транспортировке груза между пунктами доставки.

Целевая функция:

где n – количество пунктов, составляющих маршрут;

/:; – бинарная переменная, принимающая значение 1 тогда и только тогда, когда в оптимальном решении, грузовой автотранспорт посещает пункт j сразу после пункта i;

3:; – размер ущерба, руб./за проезд между пунктами i и j. Ограничения:

Только один выезд из пункта:

Маршрут замкнут, подциклы отсутствуют:

− +( −1) ≤ −2, =2, , =2, , ≠ , (4)

где >: – номер шага, на котором посетили пункт i.

Важно учесть, что между этими пунктами может быть несколько дорог, проходящих через разные типы территорий, поэтому для каждой

222

пары этих пунктов подбирается дорога, при проезде через которую экономических ущерб будет самым минимальным. И после этого нам нужно сформировать граф, где узлы – это пункты, а дуги – отобранные дороги между ними.

Размер экономического ущерба, причиняемого выбросами в земную атмосферу грузовым автотранспортом по участку дороги, может быть вычислен по формуле:

где Y – оценка ущерба, руб./за проезд по участку дороги;

γ – нормативная оценка экономического ущерба от загрязнения атмосферного воздуха, руб./усл. т;

σ – величина, значение которой определяет относительную опасность загрязнения атмосферного воздуха над территориями различных типов, безразмерная;

f – величина, значение которой учитывает характер рассеяния примеси в атмосфере, безразмерная;

M – приведенная к диоксиду серы (SO2) масса выброса загрязняющих веществ за проезд по участку дороги, усл. т/год.

Размер приведенной массы выброса загрязняющих веществ

где m – количество учитываемых загрязняющих веществ;

mk – масса выброса в атмосферу k-го вида загрязняющих веществ, усл. т/т;

Ak – величина, показывающая относительную агрессивности примеси i-го вида загрязняющего вещества, усл. т/т.

223

Рисунок 1 – Оптимальные кольцевые маршруты по избранным направлениям грузоперевозок

Для определения маршрута компания собирает заявки от клиентов из разных пунктов, далее анализируются участки дорог между пунктами маршрута. Для более точного и детального анализа необходимы данные о каждом типе территории и длины каждого участка. И на основе этой информации определяется оптимальный маршрут с точки зрения минимизации экологического ущерба.

Транспортные компании способны сократить выбросы вредных веществ от грузовых транспортных средств и на сегодняшний день это является одной из важнейших задач для многих компаний по всему миру.

В данном исследовании были проанализированы основные оценки экологических издержек, также предложен подход к оптимизации за счет решения зеленой транспортной задачи с позицией минимизации экологического ущерба для окружающей среды.

224

Литература

1.Левич А.П. Искусство и метод в моделировании систем: вариационные методы в экологии сообществ, структурные и экстремальные принципы, категории и факторы. М. Ижевск, Институт компьютерных исследований, 2012.

2.Григорак М. Ю., Варенко Ю. В. Принципы «зеленой» логистики

вдеятельности логистических провайдеров. URL:

http://www.aticmd.md/wp-

content/uploads/2014/04/V_2_17_MMOTI_Grigorac_Varevko_.pdf.

3. Степанова Н.В., Святова Н.В., Сабирова И.Х., Косов А.В. Оценка влияния и риск для здоровья населения от загрязнения атмосферного воздуха выбросами автотранспорта // Фундаментальные исследования.

2014.

4. Азаров В.К. Разработка комплексной методики исследований и оценки экологической безопасности автомобилей: дис. … канд. техн.

наук: 05.05.03 / В. К. Азаров. Москва, 2014. – 137 c.

БОГАТОВА А.А., ПРОКОПЕНКО Н.Ю.

ФГБОУ ВО «Нижегородский государственный архитектурно – строительный университет», г. Нижний Новгород, Россия

ИСПОЛЬЗОВАНИЕ АП LOGINOM ДЛЯ ОЦЕНКИ НЕДВИЖИМОСТИ С УЧЕТОМ КРИТЕРИЕВ ЭНЕРГОЭФФЕКТИВНОСТИ ЗДАНИЯ

В условиях повышенного внимания общества к проблемам экологии одним из интересных проектов является строительство энергоэффективного жилья. Энергоэффективность жилья – это сочетание современных технологий и определенных инженерных решений. Среди них – качественная кровля и стеклопакеты, система отопления и охлаждения, утепление наружных стен и так далее. В результате жителям предоставляется максимальный комфорт при минимальных затратах на электроэнергию. Чем выше класс энергоэффективности, тем меньше потерь энергоресурсов [1].

Класс энергоэффективности здания – это показатель, который оценивает, насколько эффективно здание расходует тепловую и электрическую энергию в процессе эксплуатации. Существует пять классов энергоэффективности здания: здание с наивысшим классом А потребляет на 50–60% меньше энергии чем «среднее» здание в данном регионе при аналогичных условиях, здание с классом В потребляет на 30– 40% меньше энергии, здание класса С это «нормальное» –среднее здание,

225

здания класса D и Е потребляют на 50% больше, чем «нормальное» усредненное здание [2].

Внастоящее время на основании проектной документации установлены критерии энергоэффективности, которым должно соответствовать приобретаемое (возводимое) жилье: это система отопления, охлаждения воздуха, изоляция пустоты под крышей, окна и двери. Оценку недвижимости с учетом критериев энергоэффективности здания невозможно реализовать без программных вычислительных средств. В данной работе будет рассмотрена методика проведения анализа данных на основе технологий Data Mining, используя возможности аналитической платформы Loginom.

Аналитическая платформа (АП) – это комплекс программных продуктов, связанных единой архитектурой. Аналитические платформы относятся к группе программных продуктов и технологий под общим названием Business Intelligence, они автоматизируют функции поддержки принятия решений.

Loginom – аналитическая платформа, предоставляющая возможности глубокой аналитики и позволяющая принимать управленческие решения, основанные на точной и достоверной информации. Платформа Loginom разработана компанией Loginom Company (ранее BaseGroup Labs ООО

«Аналитические технологии»). В платформу встроены современные методы извлечения, визуализации и анализа данных [3].

Процесс обработки данных для оценки недвижимости с учётом критериев энергоэффективности здания, используя АП Loginom, состоит из следующих этапов:

– сбор данных;

– импорт данных в сценарий Loginom;

– предобработка данных (редактирование выбросов);

– обработка и анализ данных (настройка узла нейросети, расчёт ошибки аппроксимации, построение моделей прогнозирования показателей).

Вузле Редактирование выбросов необходимо было проверить набор на наличие выбросов и экстремальных значений. Для выбросов задаётся метод обработки – Оставить без изменения, а для экстремальных значений

–Удалять записи.

226

Рисунок 1 – Экстремальные значения

Первый шаг к обучению Нейросети – определение того, какие данные подаются на вход, и что должно быть на выходе. На выходе находится прогнозируемая стоимость недвижимости, соответственно на входе находятся данные, от которых напрямую зависит цена объекта (рис.

2).

Рисунок 2 – Нейросеть. Входные и выходные данные

Далее необходимо нормализовать данные для приведения всех величин к единому интервалу. Если не произвести нормализацию, то входные данные разных порядков будут оказывать неодинаковое влияние на весовые коэффициенты нейронов, что может привести к некорректным расчетам алгоритма.

Следующий этап – данные были разделены на обучающую и тестовую выборки (множества) и выбор метода валидации прогноза Нейросети.

227

Рисунок 3 – Разбиение на обучающую и тестовую выборку

Далее, с помощью узла Калькулятор и функции RelErr была рассчитана ошибка аппроксимации для каждого объекта. Полученные значения показывают, насколько расчетные значения отличаются от фактических, и таким образом дают представление о качестве модели.

С помощью узла Группировка была найдена средняя ошибка аппроксимации прогнозирования цены.

Рисунок 4 – Настройки группировки

Средняя ошибка аппроксимации получилась в районе 8%. Это считается хорошим результатом (ошибка до 10–12% приемлема).

Рисунок 5 – Ошибка аппроксимации

Диаграмма демонстрирует качество обучения Нейросети и применимость модели на практике. Разброс значений прогнозируемой стоимости сосредоточен вблизи значений исходной стоимости.

228

Рисунок 6 – Нейросеть. Диаграмма рассеяния

В Статистике смещение гистограммы влево говорит о том, что Нейросеть занижает прогноз для некоторой части объектов, соответственно, эта недвижимость упадет в цене.

Рисунок 7 – Нейросеть. Статистика

Создание моделей на основе искусственных нейронных сетей для оценки стоимости недвижимости может существенно повысить эффективность работы организаций, занимающихся риэлтерской деятельностью.

Литература 1. Жизнь в энергоэффективном доме: преимущества и недостатки –

URL: https://spbhomes.ru/science/energoeffektivnye–mnogokvartirnye– doma/(дата обращения 09.05.2022). – Режим доступа: свободный. – Текст: электронный.

2. Класс энергоэффективности здания [Электронный ресурс]. – URL: https://pp26.ru/2019/09/13/klass–energoeffektivnosti–zdaniya/ – Режим доступа: свободный. – Текст: электронный.

3. Аналитическая платформа Loginom [Электронный ресурс]. – URL: https://loginom.ru/ – Режим доступа: свободный.

М.В. Зачиняев, Н.Т. Суханова

ФГБОУ ВО «Нижегородский государственный архитектурно- строительный университет», г. Нижний Новгород, Россия

229

АВТОМАТИЗАЦИЯ ДЕЯТЕЛЬНОСТИ В ОБЛАСТИ ЭКОЛОГИИ НА ПРИМЕРЕ РАЗРАБОТКИ МОБИЛЬНОГО ПРИЛОЖЕНИЯ «ЭКОНИЖНИЙ»

Наша окружающая среда постоянно меняется. Этот факт невозможно отрицать. Однако по мере того, как происходят изменения окружающей среды, растет и потребность в осознании проблем, которые с ней связаны. Наша планета стоит на пороге серьезного экологического кризиса. Существующие экологические проблемы делают нас уязвимыми к катастрофам и трагедиям, как сейчас, так и в будущем.

В этой связи тема экологии и «зеленого» движения имеет особую значимость. По всему миру поддерживаются инициативы по улучшению экологической обстановки. В следствии чего появляются электромобили, развиваются энергетические отрасли путём использования ветряков, солнечных батарей, используется технология раздельного выброса мусора. Современное общество столкнулось с такими основными экологическими проблемами как вырубка леса, разрушение озонового слоя, который поглощает ультрафиолетовые лучи. Не менее важной является проблема загрязнения воды, загрязнения атмосферы ну и конечно загрязнение почвы.

Одна из основных трудностей связана с неправильным подходом утилизации тех или иных материалов таких как: пластик, металл и батарейки. И, в частности, одним из узких мест является неосведомленность людей о возможности утилизации того или иного материала. Хотя в городе достаточно давно есть места, которые принимают различные отходы на переработку.

Привить экологическую культуру современному человеку, поможет в частности использование мобильного приложения экологической направленности, поскольку в этом есть возможность охватить большее количество людей, чтобы обучить и научить их применять эту информацию по мере своих возможностей.

Актуальность темы исследования обусловлена противоречием, связанным с одной стороны с наличием на рынке программного обеспечения мобильных приложений экологической направленности а, с другой, отсутствием такого приложения, которое способствовало бы утилизации различных видов отходов, предоставляя соответствующую справочную информации по Нижнему Новгороду.

Из всего этого можно сделать вывод о необходимости разработки такого мобильного приложения, которое в одном месте содержало бы информацию о всех организациях, занимающихся утилизацией бытовых отходов, чтобы жители города всего за пару кликов на своем смартфоне смогли без труда найти место, куда можно сдать тот же пластик, батарейки и прочее.

230