Перспективные подходы и информационные технологии для управления логистикой и автотранспортом (Часть II)

В настоящее время в нашей стране идут процессы все более тесной интеграции ин
формационных технологий и транспортно-логистической деятельности. При этом
следуетотметить определенную неготовность бизнеса к трансформации механизмов
управления автотранспортными и логистическими предприятиями в соответствии с
современными подходами и тенденциями. Модели, использующие агентный подход,
хорошо описывают структуры организаций и социальных систем: роли, правила,
взаимодействие, индивидуальноеповедение, автономность, способность к обучению и
пр., — то есть естественным образомотражают внутреннюю среду, сущности и связи
между ними.

Так, в мультиагентных системах (МАС) координации дорожного движения и обществен
ного транспорта в интеллектуальных транспортных системах для управления дорожным
трафиком используются данные с метеодатчиков, датчиков движения, установленных
на шоссе, GPS-устройств, а также данные,вводимые оператором вручную через специ
альный интерфейс. Распределенная мультиагентная архитектура позволяет объединить
информацию с разных постов мониторинга,оперативно реагировать на изменение дорож
ной ситуации и осуществлять динамическуюмаршрутизацию в реальном режиме времени
. Практические внедрения показали, что децентрализованная МАС управления
дорожнымдвижением является гораздо более гибкой и масштабируемой, чем
централизованная.

В транспортных системах широко распространена ситуация неопределенности, когда
существует набор альтернатив, и невозможно предсказать, какой из вариантов
окажетсялучшим по прошествии достаточно длительного времени. При составлении
расписаний,например, может существовать выбор между

несколькими грузовиками, перевозящими грузы, несколькими дорогами, которые
могутбыть использованы для достижения разных точек назначения, и многими
водителями, которые могут управлять грузовиками. Каждый ресурс (грузовик,
дорога и водитель) имеютразличные свойства. Неопределенность возрастает в
ситуациях, когда возможны непредсказуемые события: изменения в условиях
поставок или спроса, аварии или сбои ресурса, задержки, отмены заказов и т.п. В
МАС решение задачи достигается за счет большого числа взаимодействий между
агентами системы, при этом агентам дают цели, которые они должны достигать, но
не предопределяют сценарии исполнения задач по достижению этих целей. Эти
сценарии формируютсяи исполняются агентами самостоятельно. На каждом шаге
агенты рассматривают входысистемы и реагируют на непредсказуемые события
(задержки, сбои, изменения), причем эта реакция может быть самостоятельной или
осуществляться во взаимодействии соператором. Как результат переговоров агентов
формируется текущее решение проблемы, которое гибко меняется в соответствии с
динамикой среды.

Спектр применения мультиагентного подхода в приложениях для транспорта довольно
широк, а концепции реализации могут отличаться в зависимости от предложенной мо
дели. Так, в управлении автобусным паркомг. Малага (Испания) для минимизации
задержек рейсов была разработана МАС, которая учитывала различные события, про
исходящие с автобусами на линии: задержки по причине неисправности, задержки из-
за медленной посадки пассажиров, раннееприбытие на остановку, слишком близкое
расположение автобусов друг от друга и пр.

Полученные данные сравнивались с информацией из расписаний. При моделировании
архитектуры за основу брался реальный процесс обмена сообщениями между всеми со
трудниками автопредприятия: водителями,диспетчерами, механиками. Описание биз
нес-процесса происходило на основании интервью его участников, после чего
исследовался информационный поток от начального поступления данных до момента
выработкиуправленческого решения и рекомендаций водителям.

Формализованная модель имела наборсущностей: автобусы, маршруты, остановки,
возможные проблемы на линии, рекомендации, действия агентов при возникновении
той или иной проблемы. В рамках этой архитектуры были реализованы 4 типа
агентов:

* агенты приема-передачи сообщений,
* агенты принятия решений,
* контролирующие агенты,
* внешние агенты.

В другой похожей системе (французская система SATIR) используются только 2
типа агентов: агенты, отвечающие зауправление расписанием, и агенты, фиксиру
ющие отклонения от расписаний на основанииинформации, полученной из системы GPS-
мониторинга, сообщений от водителей и пр.

На этапе формализации модели были предусмотрены различные параметры и события,
которые должна уметь распознавать и учитывать система: средняя скорость
движения, времядня, интервал между соседними автобусами и пр. Таким образом,
для описания реальныхи практически идентичных бизнес-процессов были предложены
две различные модели,причем каждая из них описывает собственную архитектуру.

Существует пример решения МАС для управления и планирования деятельности сети
пунктов проката автомобилей. В этой модели реализованы два агента: пункты
проката изаказчики. Каждый пункт проката автомобилей имеет определенное
количество транспортныхсредств, которые отличаются типом двигателя и размером.
Для планирования используется статистическая информация о заявках на прокат
автомобилей, аналитика по которымотражает частоту использования той или иной
машины, временные интервалы аренды автомобиля, типы клиентов. На основании анали
тики строится расписание возможных заявокна прокат, в котором также учитываются
вероятные простои на техническом обслуживании (ТО) того или иного автомобиля. В
случаепростоя на ТО клиенту может быть предложен автомобиль аналогичной марки
или класса.

При поступлении заявки также анализируется,выгодна она или нет для пункта
проката. В настоящее время приложение проходит стадию дальнейшего развития
ввиду сложности реализации всей системы в целом.

В проекте The PLATFORM реализована агентная модель планирования железнодо
рожного и автомобильного транспорта дляпринятия управленческих решений по улуч
шению функционирования транспортных терминалов. В данной модели рассматриваются
все фазы используемого в перевозкахтранспорта за счет использования нескольких
типов агентов: агентов отправки, заказаи интермодальных агентов планирования це
почки продвижения транспортной единицы.

Планирование интермодального транспорта осуществляется за счет средств
агентоориентированной модели интермодальной транспортной цепи. Операторы
транспортногосервиса представлены индивидами, причем каждый из них имеет
задание и специфические способности планирования и составления расписания, что
позволяет распределять задания для решения в процессе транспортных заказов. В
этом плане мультиагентные модели очень удобны для распределения проблем, так
как они разделяют основные задания наподзадания.

Если такие подзадания содержат пересекающиеся цели, агенты совещаются по
поводу необходимых ресурсов для выполнения задач и вырабатывают кооперативное
решение. Потребители и транспортные агенты ведут переговоры по поводу контракта
наперевозку грузов. Потребитель запрашивает транспортную единицу у отправляющей
компании, также потребитель может анонсировать свой запрос нескольким
транспортнымоператорам и выбрать наиболее приемлемый для себя вариант.
Отправляющая компанияполучает запрос от клиента на отправку груза, понимает,
что исполнение заказа требуетинтермодального транспорта, и активирует агент
планирования. Последний разделяет заказ на несколько частей: основной этап
доставки железнодорожным транспортом иначальный с конечным этапы доставки по до
роге автомобилем.

Заказ на основной этап проходит к агенту заказа, который его планирует и
передаетплан обратно планирующему агенту (с указанием самого позднего времени
прибытия втерминал и самого раннего времени отправки оттуда), затем происходит
планированиеначального и конечного этапов. По окончании этой фазы получается
транспортный план,состоящий из планов для различных этапов транспортировки.
Таким образом, быласконструирована МАС, моделирующая весь процесс
транспортировки груза с особым фокусом на бизнес-процессы в терминалах, что
позволит менеджерам терминалов улучшитьих функционирование и оценить влияние но
вых технологий.

Интеллектуальные транспортные системы и большие данные

С появлением интеллектуальных транспортных систем (ИТС), подобных описанным
выше, существенно увеличивается объемданных, генерируемый этими системами, а
также скорость их прироста. Все субъекты подобных ИТС, начиная от людей —
участниковтранспортных систем, активно использующих современные мобильные
компьютерныеустройства, включая всевозможные камеры наружного наблюдения,
радары, интеллектуальные системы регулирования дорожного движения и т.д., и
заканчивая транспортными единицами, оборудуемыми все возрастающим количеством
датчиков и сенсорныхустройств и использующими возможности современных
информационных и коммуникационных технологий, производят в реальном времени
громадные потоки плохо структурированных данных. Таким образом, мы можем
говорить о наличии в современных транспортных системах проблемы больших данных.

Потенциально эти большие данные могут предоставить содержательную информацию о
пользователях и участниках транспортного процесса, но при этом весь анализ
данныхдолжен производиться децентрализованно агентами транспортных МАС с тем,
чтобы повозможности уменьшить передаваемые объемы данных. Наиболее эффективным
способом справиться с большими объемами децентрализованных данных и предоставить
вычислительные ресурсы, необходимые дляих обработки в рамках мобильных
мультиагентных транспортных систем, является технология облачных вычислений.
Системы облачныхвычислений предоставляют хорошо масштабируемые инфраструктуры
для высокопроизводительных вычислений, которые динамически адаптируются к
нуждам пользователяи приложения. На данный момент облака по большей части
используются для обеспеченияинтенсивной вычислительной нагрузки и пре
доставления больших объемов для храненияданных .

Действительно, МАС состоят из динамически взаимодействующих по определенным
правилам агентов, что целиком укладывается в парадигму распределенных вычисле
ний, характерную для облачных технологий.Другое базовое свойство МАС — умение ди
намически адаптироваться к изменяющейся(особенно часто — возрастающей) нагрузке
иувеличивающимся объемам данных. С добавлением новых агентов увеличивается и
число

возможных коммуникаций между ними. Данная особенность МАС особенно характерна
именно для систем управления транспортом:есть множество агентов,
соответствующих кактранспортным средствам, так и транспортируемым грузам. В
системе постоянно появляются новые грузы, которые нужно доставить оптимальным
образом, изменяется составтранспортных средств и других активных участников
логистической цепочки. В случае изменения сети доставки или при появлении новых
участников, не пользовавшихся системой ранее, необходима адаптация системы к
новымтребованиям. Кроме того, для транспортных систем в целом характерна
нерегулярностьнагрузки: интенсивность перевозок зависит от числа заказов
(времени суток, выходныхили будних дней и т.п.), загруженности транспортных
путей и других факторов.

Следовательно, и здесь модель облачных вычислений полностью соответствует
требованию МАС кдинамическому изменению или перераспределению требуемых
вычислительных ресурсов. Таким образом, облачная модель вычислений естественным
образом подходит дляреализации агентоориентированных транспортных систем.
Агентоориентированныеприложения могут использовать облачную инфраструктуру,
чтобы задействовать огромное число процессоров, предоставляемых вычислительным
облаком и обрабатывать значительные объемы данных. Размещение МАС в облаке
позволит повысить «интеллект»и эффективность агентов за счет использования
более сложных алгоритмов или повышенной точности вычислений, предоставляемых
вычислительными возможностями облака.

При этом реализация программных агентов МАС на виртуальных облачных серверах в
полной мере даст им возможность реализовать такие свои базовые свойства, как
автономность, проактивность, способность к переговорам и обучению.
Следовательно, реализация МАС в облаке позволит улучшить гибкость и
адаптируемость агентов системы, повыситьавтономность в использовании ресурсов,
улучшить качество предоставляемых услуг и

способности к выполнению крупномасштабных задач.

Агентоориентированная транспортная система (АТС) достаточно хорошо моделирует
реальную городскую транспортную систему, котоая должна поддерживать весьма
большое числоагентов, имитирующих людей, транспортные средства, системы
управления движениеми т.д., что требует очень больших вычислительных ресурсов.
В частности проведенныекомпьютерные эксперименты показали, что при
использовании обычного персонального компьютера для моделирования АТС всего из
20 взаимодействующих агентов требуются десятки минут реального времени. Другая
серьезнаяпроблема возникает из-за того, что огромное количество данных, таких
как конфигурация транспортных сцен, инструкции и информация от агентов
различных типов,требует огромного количества компьютерной памяти. Решить эту
задачу, отбрасывая явноневыполнимый вариант приобретения суперкомпьютера для
каждой АТС, можно толькопутем использования технологии облачных вычислений.

Очевидно, что развитие технического обеспечения и технологий транспортной
отрасли в нашей стране должно осуществляться, во-первых, за счет создания единой
сбалансированной технически совместимойи технологически интегрированной инфра
структуры всех видов транспорта и грузовладельцев, обеспечивающей необходимый
объем и качество транспортных услуг в области грузовых и пассажирских перевозок,
во-вторых, за счет создания единой информационной среды транспортного комплекса
и аналитических информационных системподдержки управления его развитием и ре
гулирования процессов функционирования.

Единая информационная среда развития ИТС позволит решить задачи унификации,
стандартизации применения и интеграции всоставе ИТС различных элементов иденти
фикации, навигации и позиционирования, телематического мониторинга и видеонаблю
дения. В Транспортной стратегии РФ до 2030года отмечается, что «развитие
информационного обеспечения российских транспортных систем будет осуществляться
на основесоздания единой информационной среды транспортного комплекса». Однако
отсутствие интеллектуально-интегрированных систем управления сегодня становится
барьером на пути дальнейшего развития транспортной отрасли.

В работах других авторов показано, что концепция ИТС позволит решить
упомянутые выше задачисоздания инфраструктуры всех видов транспорта и
грузовладельцев. Следует отметить,что в настоящее время в отечественном сег
менте IT-решений для управления логистикой иавтотранспортом не так много
разработок, обладающих элементами ИТС. В частности можно выделить МАС
управления грузовыми перевозками Smart Truck компании НПК «Разумные решения», в
основу которой положен методадаптивного планирования.

Этот подход позволяет распределять заявки на перевозки по грузовым автомобилям
с учетом динамически меняющейся ситуации, которая может характеризоваться раз
личными параметрами: местоположениемтранспортных средств, степенью их загрузки,
временем ожидания под погрузкой и разгрузкой, скоростью их движения,
интенсивностьюпотока заявок и пр. В настоящее время также реализуется программа
г. Москвы по созданию ИТС. Проект, внедряемый компанией «Ситроникс», который
включает комплексноерешения широкого круга задач, таких как управление дорожным
движением, мониторингпассажирского транспорта, фотовидеофиксация нарушений ПДД
и пр., должен бытьзавершен к концу 2014 года. По мнению экспертов, реализация
такой масштабнойзадачи с использованием современных ИКТ является значительным
шагом вперед в развитии транспортной инфраструктуры столицы, хотя она и связана
с определенными техническими трудностями.

В современном мире в условиях ограниченных ресурсов и быстроменяющейся внешней
среды роль эффективной организациилогистики и транспортных процессов будет
только возрастать. В то же время в нашейстране использование прогрессивных управ
ленческих подходов и технологий в этой сфере пока еще находится на начальном
этапе.

В этой связи будет перспективным тесное сотрудничество научных специализирован
ных организаций, занимающихся исследованиями в транспортно-логистической
отрасли,представителей IT-индустрии и промышленно-производственных предприятий,
выполняющих перевозочные услуги.

Светлана Мальцева, Алексей Дорофеев, Василий Корнилов

www.logistika-prim.ru