Котиков Ю.Г., д.т.н., профессор кафедры организации перевозок, управления и безопасности на автомобильном транспорте СПбГАСУ, академик РАТ, г.Санкт-Петербург, E-mail: cotikov@mail.ru
Prospects of applying GIS in solving the problem of clearing the freight traffic away from the megalopolis centre.
Город Санкт-Петербург расположен на пересечении морских, железнодорожных, речных, автомобильных, авиационных, трубопроводных путей; на «перекрестке» международных и национальных транспортных коридоров. Будучи естественным транспортным «мостом» между Европой и Азией, Санкт-Петербург (СПб) выдвигается на главные позиции в качестве международного транспортно-технологического центра. Транспортно-логистический комплекс не только обеспечивает потребности экономики СПб, но и является градообразующей отраслью, вносящей значительный вклад в формирование валового регионального продукта.
В настоящее время имеется острая проблема разгрузки исторического центра СПб от грузовых транспортных потоков. Это связано с тем, что значительная часть точек грузогенерации размещена в центральной части города: Большой Морской Порт (БМП), множество ж/д грузовых станций, несколько сот складов и терминалов. Как следствие, густая улично-дорожная сеть (УДС) с грузовым трафиком на ней – сеть, не приспособленная для этого трафика. Решение этой проблемы, естественно, даст выигрыш для города в энергетическом, экологическом и социальном аспектах.
Основное направление действий по высвобождению центра города от названных потоков заключается в вынесении мощностей БМП по береговой линии Залива на запад в зоны кольцевой автодороги (КАД), соответствующий увод грузовых ж/д линий и грузовых автомагистралей в районы инфраструктуры КАД, соответствующее развитие терминально-складской инфраструктуры в зоне КАД. Оперативному уводу грузов из остающихся причалов старого порта должен способствовать строящийся Западный скоростной диаметр (ЗСД).
Успешное осмысление всего многообразия объектов, процессов, условий и сценариев на обширном пространственном ареале, учет взаимосвязей с другими регионами – немыслимы только лишь на экспертном уровне. Нужна поддержка современного и продвинутого инструментария моделирования, проектирования и сопровождения больших пространственно-распределенных хозяйственных систем. И таким инструментом являются современные геоинформационные системы (ГИС) уровня ArcGIS.
Нами проработаны на базе ArcGIS концепции моделирования процесса вывода зон грузогенерации и грузообработки из центра на периферию мегаполиса, с детализацией по грузовому каркасу УДС СПб. Основные этапы разработки таковы:
- Формирование концепций и их представление средствами языка UML.
- Построение специальной транспортно-логистической базы геоданных (ТЛБГД) под ArcGIS.
- Наполнение ТЛБГД первичной информацией.
- Построение набора карт в ArcMap для визуального анализа.
- Построение “минимального” грузового каркаса УДС СПб для сложившейся системы грузогенерации и грузоперевозки.
- Построение грузового каркаса УДС СПб для условного варианта перспективной системы грузогенерации и грузоперевозки.
- Разработка процедур геообработки для расчета и моделирования поэтапного перемещения транспортных и терминально-складских мощностей из центра на окраины мегаполиса.
Построение концептуальной модели осуществляется с использованием всех типов канонических диаграмм UML. Определены основные классы объектов, обеспечивающих мультимодальные перевозки и грузопереработку в мегаполисе, а также взаимосвязи между этими классами. Построены диаграммы прецедентов, последовательностей, активностей, состояний. Диаграммы при их трансформации в структуру базы геоданных (БГД) формируют классы объектов, множество взаимосвязей между классами, а также вносят сценарную составляющую моделей.
Примеры разработанных нами диаграмм даны на рис.1-4. Рис. 1 показывает обобщенное звено перевозки. Рис. 2 показывает наследование свойств от обобщенного класса Поток до конкретных видов потоков (контейнерного, уличного движения и др.). На рис. 3 перечислены свойства и операции обобщенного Потока, присущие любым потокам – как физическим, так и идеализированным. Наконец, на рис. 4 показана структура транспортного пространства, вмещающего сети, по которым движутся потоки.
Рис. 1. Диаграмма прецедентов звена перевозки одним видом транспорта.
Рис. 2. Диаграмма классов Поток с наследованием и агрегацией свойств.
Рис. 3. Класс Поток.
Рис. 4. Диаграмма классов Транспортное пространство.
Немного о нашей концепции Транспортного пространства [1, 2]. Транспортное пространство – носитель энергоемкого транспортного производства, оно имеет границы, обусловленные естественными (класс ФизическаяОболочка) или искусственными (ПравовыеОграничения) факторами. Через границы происходит обмен с окружающей пространство средой. Топология связей транспортного пространства (класс Сеть) существенно влияет на энергетику транспорта и трафик. Сеть представляется графом (состоящим из Вершин и Ребер), а облик сети представляется классом-компонентом Конфигурация, композиционно обусловленным классами Метрика, Топология, Геометрия.
Все это должно находить отражение в транспортных подмоделях мегаполиса и учитывается нами при формировании ТЛБГД. Учитываются и функциональные возможности модулей ArcGIS: Network Analyst, 3D Analyst, Schematics, Tracking Analyst, LRS, NetCDF. Разработка ведется с учетом накопленного нами опыта ГИС-моделирования городских структур [3, 4].
Одновременно с перманентным развитием ТЛБГД мы наполняем базу геоданных информацией для решения условных примеров, подтверждающих работоспособность модели. Хотя и работаем пока на верхнем уровне обобщения, тем не менее, уже учтены все фарватеры и грузовые ж/д линии, несколько десятков причалов и ж/д станций, центральные линии всех дорог УДС, несколько сот складов. На рис. 5 отмечены территории, исходя из их значимости по отношению к развитию транспортно-складской инфраструктуры (ТСИ): красным – зоны нецелесообразного размещения имеющихся складов, желтым – существенного ограничения пространственных параметров складов, зеленым – предпочтения для размещения новых складов.
Рис. 5. Классификация территорий СПб по размещению транспортно-складской инфраструктуры.
На рис. 6 приведена карта, включающая слои существующих объектов: административное деление (кремовый цвет), гидрология (голубой), водные фарватеры и порты (синий), УДС (светло-коричневый), ж/д линии и товарные станции (красный).
Рис. 6. Карта ArcMap со слоями существующих объектов транспорта СПб.
На рис. 7 поверх слоя складов изображен один из перспективных вариантов Грузового каркаса УДС СПб (скоростные дороги (КАД и ЗСД) – фиолетовым, магистрали городского значения – коричневым, местные дороги – зеленым). Видно, что основную массу складов в центре города Грузовой каркас обделяет, то есть склады нужно выводить.
Рис. 7. Один из перспективных вариантов Грузового каркаса улично-дорожной сети СПб.
Нами определен “минимальный” грузовой каркас как вариант разгрузки УДС СПб путем выделения и специального оснащения части дорог УДС для движения грузового транспорта – при сложившейся схеме размещения основных грузовых мощностей. На этом этапе оценивалась возможная динамика изменения конфигурации сети автодорог при неизменных параметрах других сетей (ж/д, водных и терминально-складских).
Работу сети Грузового каркаса с использованием средств дополнительного модуля ArcGIS Network Analyst иллюстрирует рис. 8. Прокладка маршрутов по критерию минимизации времени производится с учетом различных скоростей движения на дорогах сети с их трехуровневой иерархией.
Рис. 8. Примеры прокладки маршрутов по сети Грузового каркаса.
Для моделирования мультимодальных перевозок средствами Network Analyst выбрана технология конечноточечной связности сетей разнородных видов транспорта. В качестве примера получаемых результатов на рис. 9 представлена карта ArcMap со слоями нескольких видов транспорта и слоем точек контактов грузового автотранспорта с другими видами транспорта (КонтактТочкиГрАТ). В этих точках имеет место возникновение/поглощение грузопотоков автотранспорта. Имеется ряд условных контактных точек АвтТР, расположенных на входящих/выходящих автомагистралях города и служащих, во-первых, для функционирования консервативной модели автотранспортного узла СПб, а во-вторых, для построения матриц корреспонденций. На базе этих матриц должен строиться технико-экономический анализ работы вида транспорта, участвующего в функционировании транспортного узла. Методология показана нами ранее в [4].
Рис. 9. Карта ArcMap со слоями нескольких видов транспорта и слоем точек контактов грузового автотранспорта с другими видами транспорта.
Изложенный подход применим и для других видов транспорта – нами предусматривается построение в ТЛБГД соответствующих структур.
В целом, проделанная работа позволяет высоко оценить возможности ArcGIS в рассмотрении, моделировании, визуальном представлении и анализе задач затронутой проблематики.
Решение проблемы разгрузки центра Санкт-Петербурга от грузовых потоков, несомненно, возможно лишь с использованием инструментария ГИС и, по нашему мнению, успешнее всего – с привлечением ArcGIS 9.3 (не ниже). Сформированные концепции специализированной транспортно-логистической базы геоданных мегаполиса, конечно же, ждут дальнейшего развития. Тем не менее, рассмотрение концепций на достигнутом уровне показало возможности применения и направления обогащения транспортных и логистических моделей ESRI (UNETRANS, GIS-T и др.) для решения оптимизационных задач мегаполиса. В то же время, оно обозначило и ряд недостатков ArcGIS, где, например, беден набор процедур оптимизации параметров моделей, что требует привлечения специализированного программного обеспечения или программирования недостающего функционала.
Литература
1. Котиков Ю.Г. Основы теории транспортных систем. – СПб: СПбГАСУ, 2000 – 215 с.
2. Котиков Ю.Г. Основы системного анализа транспортных систем. – СПб: СПбГАСУ, 2001 – 264 с.
3. Котиков Ю.Г., Чудаков Р.С. Моделирование системы топливообеспечения автомобильного транспорта мегаполиса средствами ГИС. – ArcReview, №3, 2007, с. 12-14
4. Котиков Ю.Г., Оллова Н.Е. Модернизация транспортной сети средствами ГИС. – ArcReview, №3, 2008, с. 18-19
5. Zhu Q., Li Y., Hierarchical lane-oriented 3D road-network model. International Journal of Geographical Information Science, Vol. 22, Iss. 5, 2008, p. 479-505
