© Газарян Мариам, ЭФ МГУ
Эффективность городских логистических мероприятий страдает из-за противоречивых предпочтений различных заинтересованных сторон и распределенной между ними власти в принятии решений. Это усугубляется взаимозависимостью логистических мероприятий друг с другом, принятием решений в условиях ограниченной информации и предпочтением заинтересованными сторонами личных выгод эффективности системы в целом. Таким образом, ключом к пониманию причин неэффективности в области городской логистики является понимание взаимодействия между разнообразными заинтересованными сторонами системы. Агент-ориентированное моделирование (АОМ), благодаря возможностям представления системы в естественном и гибком виде, является перспективным методом в сфере логистики.
Данное исследование фокусируется на разработке основы для успешной реализации агент-ориентированного подхода в области городской логистики. Работа включает в себя различные элементы – это мульти-перспективная модель семантических данных (т.е. онтология предметной области), разработка агент-ориентированной модели (АОМ), на основе этой онтологии, и проверка этих моделей.
В конечном итоге, работа показывает, что двигаясь в нужном направлении, можно успешно реализовать агент-ориентированное моделирование в области городской логистики.
Концептуальная модель предметной области
Для начала авторы формируют «концептуальную модель» области.
Она содержит структурированную информацию о понятиях и взаимосвязях области городской логистики и систематизирует наши знания о предметной области.
Онтология включает следующие элементы (классы), соединенными связями различного типа:
- Activity (Мероприятие),
- KPI,
- Stakeholder (Заинтересованное лицо),
- Objective (Цель),
- Resource (Ресурсы),
- Measure (Мера)
- R&D.
Каждый элемент имеет свою иерархическую структуру.
Схема онтологии предметной области представлена на рисунке 1:
Рис. 1. Верхний уровень модель предметной области (городская логистика)
Для класса Stakeholder (Заинтересованное лицо) иерархическая структура имеет вид (рисунок 2):
Рис. 2. Иерархическая структура класса "Stakeholder"
Все классы и подклассы представляют собой некую абстракцию реального мира. Информация об интересах различных сторон встроена в структуру посредством связей объектов класса «Stakeholder» с объектами других классов, которые, в свою очередь, также соединены между собой соответствующими связями.
После проведения проверки адекватности онтологии (здесь мы не будем углубляться в описание процедуры проверки), авторы предлагают использовать ее (онтологию) для построения блоков агент-ориентированной модели.
2. Описание агент-ориентированной модели
Ситуативная мультиагентная модель городских грузовых перевозок (Situated Multi-agent Urban Freight System – SMUrFS) содержит множество агентов, каждый из которых обладает ситуативным (локальным) знанием о состоянии системы.
Все заинтересованные лица (класс Stakeholder из онтологии области) представляются в виде агентов следующих типов:
- Customer (Потребитель),
- Shop (Продавец),
- Shipper (Поставщик),
- Carrier (Перевозчик),
- Administrator (Администрирующий орган, например, Муниципалитет).
Использую подход «снизу-вверх», авторы моделируют процессы, начиная со спроса на товары в магазине, предъявляемого жителями города (Customers). Продавцы (Shops), в свою очередь, обращаются к фирмам-поставщикам (Shippers), которые производят поставки товаров. Поставщики покупают транспортные услуги перевозчиков (Carriers), которые транспортируют грузы в магазины. Администратор (Administrator) играет жизненно важную роль, предоставляя инфраструктуру для грузовых перевозок, а также отвечает за создание благоприятной экономической и экологической обстановки в городе.
На рисунке 3 представлены агенты модели SMUrFS и взаимодействия между ними с точки зрения передачи товаров, денег, информации, а также негативного воздействия.
Рис. 3. Агенты и взаимодействия в модели SMUrFS.
Использование сущностей и связей онтологии дает нам готовую основу агент-ориентированной модели. Важно отметить, что использование компонентов проверенной онтологии обещает структурную целостность модели, а также позволяет сократить время моделирования. На основании информации, полученной из онтологии, модель представляет схему взаимодействия заинтересованных сторон городской логистики.
При этом, каждый агент имеет свои собственные цели (Objectives), возможные действия (Decisions, Activities) и Параметры (Parameters), которые обобщенно представлены ниже на рисунке 4.
Рис. 4. Обобщение характеристик агентов
В качестве платформы для моделирования авторы используют Repast Symphony - один из наиболее популярных инструментов АОМ, на основе языка программирования Java. Географическая информация представляется в формате шейп-файлов - векторный формат для программных средств ГИС (географических информационных систем).
Рис. 5. ГИС-представление города Роттердам в модели SMUrFS
3. Фазы модели.
Для модели была использована информация о секторе розничной торговли с сайта ‘Hoofdbedrijfschap Detailhandel’ - http://www.hbd.nl/. На данном сайте можно найти информацию о населении, числе торговых точек города, трендах на различные продукты, расходах домохозяйств и индивидов по различным статьям (довольно детально), продажах и выручках магазинов и т.д. Информация с сайта нормировалась к параметрам модели (например, в Роттердаме 700 магазинов, а в модели только 100, следовательно, данные годового спроса на определенный продукт, полученные с сайта, нужно поделить на 7). Итого, получены параметры модели: число агентов каждого типа, цена, объем товаров на кв.м. и среднемесячный спрос.
Модель начинается с фазы отладки (рис 6.),
- Сначала каждый агент-продавец выбирает поставщика.
- Далее, продавцы оценивают их максимальный уровень запасов, уровень страхового запаса и ежемесячно спроса.
- Агенты-поставщики оценивают ежемесячный спрос и проводят аукцион, для выбора перевозчика.
- В ходе аукциона агент-поставщик объявляют спрос, и каждый агент-перевозчик выставляет цену предложения.
- Поставщик нанимает перевозчика с самой низкой ценой, объявленной на аукционе. Исходя из этой цены, поставщик определяет стоимость заказа и посылает эту информацию о затратах в магазин.
Подробные диаграммы взаимодействия для фазы отладки SMURFS показаны на рисунке 6.
Рис. 6. SMUrFS Фаза отладки
Далее начинается фаза моделирования, имитирующая повседневную деятельность городского торгового снабжения.
- Агент-покупатель совершает покупки товаров. На основании присвоенной ему функции вероятности, каждый покупатель выбирает агента-продавца и покупает товары, если уровень запасов данного продавца достаточен, чтобы удовлетворить спрос данного клиента. Этот процесс повторяется для всех агентов-покупателей.
- В каждой торговой итерации, уровень запасов каждого агента-продавца обновляется. Если уровень запасов находится на уровне или ниже точки повторного заказа, то продавец размещает заказ в адрес выбранного поставщика.
- Затем каждый поставщик собирает заказы и отправляет их своему перевозчику.
- Поскольку перевозчик может обслуживать более одного поставщика, он собирает заказы от всех своих парнеров и совершает транспортировки с использованием эвристического алгоритма поиска с запретами для маршрутизации (the heuristic-based Tabu search vehicle routing algorithm).
- Наконец, каждый перевозчик назначает определенные марштут каждому из своих агентов-грузовиков (truck), которые доставляют товары к продавцам. (Грузовик-агент является пассивным агентом и просто доставляет грузы на основе назначенного ему маршрута.)
- После того, как магазины получают заказанный товар, они уточняют свой уровень запасов.
- На следующий день, моделирование продолжается с покупки товаров клиентами.
- Администратор наблюдает за городской логистической деятельностью и собирает информацию о количестве машин, въезжающих в город и общем километраже, проделанном грузовыми машинами, и оценивает их воздействие на окружающую среду.
Подробные диаграммы взаимодействия для фазы моделирования SMURFS показаны на рисунке 7.
Рис. 7. SMUrFS Фаза моделирования
4. Проверка адекватности модели
Авторы сравнивают широко известную теорию BDI (Belief (Убеждение) – Desire (Желание) – Intention (Намерение), где в качестве наблюдаемого результата намерения берут Action (Действие). Таким образом, в работе фигурирует BDA-модель) с агент-ориентированной моделью, отличающуюся тем, что здесь многочисленные агенты взаимодействуют в динамике, и выбор одного влияет на решения других. И подчеркивают, что собираю информацию о каждом агенте по-отдельности, невозможно учесть взаимозависимость их поведения. Поэтому, для проверки адекватности агент-ориентированной модели авторы предлагают подход симулирующей участие игры (PSG - Participatory simulation game approach, рисунок 8.). Здесь в качестве агентов АОМ выступают реальные люди – игроки (Players).
Рис. 8. Подход симулирующей участие игры для проверки адекватности агент-ориентированной модели
Таким образом, авторы хотят создать среду, в которой игроки принимают решения (Action) на основе того, как они воспринимают (Belief) состояния системы и того, каковы их цели (Desire).
Игра (с точки зрения игрока-продавца) была разыграна со студентами высших учебных заведений. Решения игроков (студентов) по выбору точек и количества заказа были идентичны решениям агента-продавца из модели.
Источник: Anand N. An Agent Based Modelling Approach for Multi-Stakeholder Analysis of City Logistics Solutions. – TU Delft, Delft University of Technology, 2015.