Розроблення методики імітаційного моделювання взаємопов’язаних транспортних процесів на магістральній мережі

Автор(и)

  • Svitlana Sharai Національний транспортний університет вул. Михайла Омеляновича-Павленка, 1, м. Київ, Україна, 01010, Україна https://orcid.org/0000-0001-6568-4990
  • Myroslav Oliskevych Національний транспортний університет вул. Михайла Омеляновича-Павленка, 1, м. Київ, Україна, 01010, Україна https://orcid.org/0000-0001-6237-0785
  • Maksym Roi Національний транспортний університет вул. Михайла Омеляновича-Павленка, 1, м. Київ, Україна, 01010, Україна https://orcid.org/0000-0001-5788-4220

DOI:

https://doi.org/10.15587/1729-4061.2019.179042

Ключові слова:

імітаційне моделювання, потік замовлень, вантажні перевезення, магістральна мережа, агентний підхід

Анотація

Розглядаються взаємозалежні процеси перевезення вантажів на магістральній транспортній мережі. Сформульована задача розподілу наявних транспортних засобів. Вхідні потоки замовлень є стохастичними, однак не мають ознак найпростіших. На заданій території замовлення на міжміські перевезення виникають і повторюються з випадковою періодичністю впродовж фіксованого періоду. Кожне замовлення має часове вікно. Автотранспортні засоби одного перевізника розташовані на транспортній мережі у випадковому порядку, відповідно до останньої виконаної їздки. Для виконання замовлень автопоїзди приймають вантаж у пункті розміщення, або, при відсутності завантажень, переміщаються у найближчий транспортний пункт, де таке замовлення виникає. Проаналізована типова ситуація, коли, навіть при наявності достатньої кількості автомобілів, клієнтам відмовляють у перевезенні, або автомобілі змушені простоювати, чи здійснювати порожній пробіг.

Розроблено методику імітаційного моделювання. З допомогою генератора випадкових чисел отримується множина координат пунктів відправлення і доставки вантажів випадкових замовлень, та пунктів, де першочергово розташовані автомобілі, а також часові вікна, обсяги перевезення, періодичність замовлень. Обслуговування здійснюється за однією з трьох стратегій: без порожнього пробігу та з очікуванням, з порожнім пробігом, з повним прогнозом про майбутній процес. Обчислено кількість відмов внаслідок відсутності транспорту або його зайнятості. Оцінювались параметри за декілька циклів. Стратегія обслуговування замовлень реалізується на основі корегування рішень суб’єктів процесу перевезень при отриманні додаткової інформації про попередні ітерації. Рішення суб’єктів обмежені намірами перевізника. Методика застосована для дослідження діяльності транспортного підприємства на південно-східній території України при перевезенні сільськогосподарських вантажів у період жнив. Виявлено, що показники обслуговування вхідного потоку мають коливний характер. Здійснено порівняння трьох стратегій. Виявлено переваги і недоліки застосування порожнього пробігу, очікування, прогнозування, розподілу автомобілів за обсягом наявних робіт

Біографії авторів

Svitlana Sharai, Національний транспортний університет вул. Михайла Омеляновича-Павленка, 1, м. Київ, Україна, 01010

Кандидат технічних наук, доцент

Кафедра «Міжнародні перевезення та митний контроль»

Myroslav Oliskevych, Національний транспортний університет вул. Михайла Омеляновича-Павленка, 1, м. Київ, Україна, 01010

Кандидат технічних наук, доцент

Кафедра «Міжнародні перевезення і митний контроль»

Maksym Roi, Національний транспортний університет вул. Михайла Омеляновича-Павленка, 1, м. Київ, Україна, 01010

Аспірант

Кафедра «Міжнародні перевезення та митний контроль»

Посилання

  1. Horbachov, P., Mospan, N. (2017). Simulation model of single intercity freight requests service. Vestnik Har'kovskogo natsional'nogo avtomobil'no-dorozhnogo universiteta, 76, 32–39. Available at: http://nbuv.gov.ua/UJRN/vhad_2017_76_8
  2. Crainic, T. G., Perboli, G., Rosano, M. (2018). Simulation of intermodal freight transportation systems: a taxonomy. European Journal of Operational Research, 270 (2), 401–418. doi: https://doi.org/10.1016/j.ejor.2017.11.061
  3. Robinson, S. (2013). Conceptual modeling for simulation. 2013 Winter Simulations Conference (WSC). doi: https://doi.org/10.1109/wsc.2013.6721435
  4. Dzinko, A. M., Yampolsky, L. S. (2012). Agent-based approach to solving logistics tasks scheduling material flow. Adaptive systems of automatic control, 2 (21), 18–22.
  5. Pryіmak, M., Matsiuk, O., Maevskyі, O. Proshyn, S. (2014). Models and methods of investigation for Markov type queuing systems under conditions of stochastic periodicity and its application in energetics. Tekhnichna elektrodynamika, 2, 11–16.
  6. Fujimoto, R. M., Bagrodia, R., Bryant, R. E., Chandy, K. M., Jefferson, D., Misra, J. et. al. (2017). Parallel discrete event simulation: The making of a field. 2017 Winter Simulation Conference (WSC). doi: https://doi.org/10.1109/wsc.2017.8247793
  7. Beloglazov, A., Banerjee, D., Hartman, A., Buyya, R. (2014). Improving Productivity in Design and Development of Information Technology (IT) Service Delivery Simulation Models. Journal of Service Research, 18 (1), 75–89. doi: https://doi.org/10.1177/1094670514541002
  8. Prokudin, G., Chupaylenko, О., Dudnik, O., Prokudin, O., Dudnik, A., Svatko, V. (2018). Application of information technologies for the optimization of itinerary when delivering cargo by automobile transport. Eastern-European Journal of Enterprise Technologies, 2 (3 (92)), 51–59. doi: https://doi.org/10.15587/1729-4061.2018.128907
  9. Pryimak, M. V., Dmytrotsa, L. P., Oliynyk, M. Z. (2016). Analitychni sposoby zavdannia funktsiy zi zminnym periodom ta informatsiyni tekhnolohiyi vyznachennia yikh koefitsientiv Furie. Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiyni systemy ta merezhi, 854, 138–148.
  10. Apfelstädt, A., Dashkovskiy, S., Nieberding, B. (2016). Modeling, Optimization and Solving Strategies for Matching Problems in Cooperative Full Truckload Networks. IFAC-PapersOnLine, 49 (2), 18–23. doi: https://doi.org/10.1016/j.ifacol.2016.03.004
  11. Harris, I., Wang, Y., Wang, H. (2015). ICT in multimodal transport and technological trends: Unleashing potential for the future. International Journal of Production Economics, 159, 88–103. doi: https://doi.org/10.1016/j.ijpe.2014.09.005
  12. Nagorny, Y., Naumov, V., Omelchenko, T., Litvinova, Y. (2013). Analysis of theoretical approaches to improve the logistics management in transport nodes. Eastern-European Journal of Enterprise Technologies, 4 (4 (64)), 61–64. Available at: http://journals.uran.ua/eejet/article/view/16343/13854
  13. Naumov, V. (2012). Definition of the optimal strategies of transportation market participators. Transport Problems, 7 (1), 43–52.
  14. Prokudin, G., Chupaylenko, O., Dudnik, O., Dudnik, A., Omarov, D. (2016). Improvement of the methods for determining optimal characteristics of transportation networks. Eastern-European Journal of Enterprise Technologies, 6 (3 (84)), 54–61. doi: https://doi.org/10.15587/1729-4061.2016.85211
  15. Samimi, A., Mohammadian, A., Kawamura, K., Pourabdollahi, Z. (2014). An activity-based freight mode choice microsimulation model. Transportation Letters, 6 (3), 142–151. doi: https://doi.org/10.1179/1942787514y.0000000021
  16. Azemsha, S. (2007). Statisticheskoe modelirovanie raboty gruzovyh avtomobiley na mezhdunarodnyh marshrutah pri razlichnyh strategiyah prinyatiya obratnoy zagruzki. Transport and Telecommunication, 8 (1), 53–61.
  17. Naumov, V., Kholeva, O. (2017). Studying Demand for Freight Forwarding Services in Ukraine on the Base of Logistics Portals Data. Procedia Engineering, 187, 317–323. doi: https://doi.org/10.1016/j.proeng.2017.04.381
  18. Regan, A., Ruiz, G. (2001). Modelling freight demand and shipper behaviour: state of the art, future directions. Travel behaviour research. The leading edge.
  19. Shin, S., Roh, H.-S., Hur, S. (2019). Characteristics Analysis of Freight Mode Choice Model According to the Introduction of a New Freight Transport System. Sustainability, 11 (4), 1209. doi: https://doi.org/10.3390/su11041209
  20. Pryimak, M., Vasylenko, Y., Dmytrotsa, L., Oliynyk, M. (2017). Fourier series of periodic functions with variable period and evaluation of the variable period for determination of heart rhythm variability. Computational Problems of Electrical Engineering, 7 (2), 108–116.
  21. Foster, S. T. (2007). Towards an understanding of supply chain quality management. Journal of Operations Management, 26 (4), 461–467. doi: https://doi.org/10.1016/j.jom.2007.06.003
  22. Ritzinger, U., Puchinger, J., Hartl, R. F. (2015). A survey on dynamic and stochastic vehicle routing problems. International Journal of Production Research, 54 (1), 215–231. doi: https://doi.org/10.1080/00207543.2015.1043403
  23. El-Sherbeny, N. A. (2010). Vehicle routing with time windows: An overview of exact, heuristic and metaheuristic methods. Journal of King Saud University - Science, 22 (3), 123–131. doi: https://doi.org/10.1016/j.jksus.2010.03.002

##submission.downloads##

Опубліковано

2019-10-22

Як цитувати

Sharai, S., Oliskevych, M., & Roi, M. (2019). Розроблення методики імітаційного моделювання взаємопов’язаних транспортних процесів на магістральній мережі. Eastern-European Journal of Enterprise Technologies, 5(3 (101), 70–83. https://doi.org/10.15587/1729-4061.2019.179042

Номер

Розділ

Процеси управління