Предмет. Ключевые процессы обеспечения жизнедеятельности города, в том числе вопросы продовольственной, инфраструктурной, противопожарной безопасности, задачи по повышению качества и доступности медицинских услуг и др., а также создание системы поддержки принятия решений в категории «умный город». Цели. Развитие методов и инструментов управления системой класса «умный город» с использованием системной динамики и агентного моделирования. Методология. С использованием методов имитационного моделирования, в частности методов системной динамики и агентного моделирования (поддерживаемых в системах Powersim и AnyLogic), оценивается влияние множественных управляющих параметров на динамику важнейших характеристик системы «умный город». Результаты. Разработан подход к проектированию системы «умный город» с использованием методов системной динамики и агентного моделирования и представлены примеры разработанных имитационных моделей (реализованных в системах Powersim и AnyLogic), предназначенных для поддержки принятия решений рационального городского планирования. Область применения. Созданные модели позволят существенно улучшить качество городской среды, в том числе удовлетворить потребности населения города в продуктах питания, обеспечить доступность медицинских услуг в лечебно-профилактических учреждениях (ЛПУ), возможность эффективной эвакуации людей при возникновении чрезвычайных ситуаций (ЧС) и др. Выводы. Предложена укрупненная архитектура системы поддержки принятия решений класса «умный город», основанная на интеграции созданных имитационных моделей с единым информационным хранилищем и подсистемой мониторинга оперативной ситуации в городе. Представлены примеры разработанных имитационных моделей (реализованных в системах Powersim и AnyLogic), предназначенных для поддержки принятия решений рационального городского планирования.
Ключевые слова: имитационное моделирование города, умный город, агентное моделирование города, системная динамика
Список литературы:
Akopov A.S., Beklaryan G.L. Modelling the Dynamics of the “Smarter Region”. In: Proceedings of 2014 IEEE Conference on Computational Intelligence for Financial Engineering & Economics. IEEE, 2014, pp. 203–209. URL: Link
Komninos N. Intelligent Cities and Globalisation of Innovation Networks. Routledge, 2008, p. 308.
Akopov A.S. Designing of Integrated System-Dynamics Models for an Oil Company. International Journal of Computer Applications in Technology, 2012, vol. 45, no. 4, pp. 220–230. URL: Link
Meadows D.H. Limits to Growth: A Report for the Club of Rome's Project on the Predicament of Mankind. New York, Universe Books, 1972.
Акопов А.С., Бекларян Л.А. Агентная модель поведения толпы при чрезвычайных ситуациях // Автоматика и телемеханика. 2015. № 10. С. 131–143.
Бахтизин А.Р. Агент-ориентированные модели экономики. М.: Экономика, 2008. 279 с.
Макаров В.Л., Бахтизин А.Р. Социальное моделирование – новый компьютерный прорыв (агент-ориентированные модели). М.: Экономика, 2013. 295 с.
Forrester J. Industrial Dynamics – A Major Breakthrough for Decision Makers. Harvard Business Review, 1958, vol. 36, no. 4, pp. 37–66.
Forrester J. Urban Dynamics. Pegasus Communications. Waltham, MT, USA, 1969.
Akopov A.S., Beklaryan L.A., Saghatelyan A.K. Agent-Based Modelling for Ecological Economics: A case study of the Republic of Armenia. Ecological Modelling, 2017, vol. 346, pp. 99–118.
Beklaryan L.A., Akopov A.S., Beklaryan A.L., Saghatelyan A.K. Agent-Based Simulation Modelling for Regional Ecological-Economic Systems: A case study of the Republic of Armenia. Journal of Machine Learning and Data Analysis, 2016, vol. 2, no. 1, pp. 104–115.
Бекларян А.Л., Акопов А.С. Моделирование поведения толпы на основе интеллектуальной динамики взаимодействующих агентов // Бизнес-информатика. 2015. № 1. С. 69–77. URL: Link
Akopov A.S., Beklaryan A.L. Simulation of Human Crowd Behavior in Extreme Situations. International Journal of Pure and Applied Mathematics, 2012, vol. 79, no. 1, pp. 121–138.
Beklaryan A.L., Akopov A.S. Simulation of Agent-rescuer Behaviour in Emergency Based on Modified Fuzzy Clustering. In: AAMAS'16: Proceedings of the 2016 International Conference on Autonomous Agents & Multiagent Systems. Richland, International Foundation for Autonomous Agents and Multiagent Systems, 2016, pp. 1275–1276.
Akopov A.S., Hevencev M.A. A Multi-Agent Genetic Algorithm for Multi-Objective Optimization. Proceedings of IEEE International Conference on Systems, Man and Cybernetics. Manchester, 13–16 October 2013, IEEE, pp. 1391–1395.
Johansson A., Helbing D., Al-Abideen H.Z., Al-Bosta S. From Crowd Dynamics to Crowd Safety: A Video-Based Analysis. Advances in Complex Systems, 2008, no. 4, pp. 497–527.
