Фото: ru.depositphotos.com

Город по Дарвину: как научить транспорт адаптироваться

Вопросы транспортной мобильности и построение логистики в мегаполисе могут быть решены более эффективно, если рассматривать город не как отлаженный механизм, а как живую систему. Это не просто громкие слова: компьютерное моделирование показывает, что адаптивные принципы, которые используют живые организмы, помогают увеличить скорость поездок в метро и сократить время ожидания автомобилистов на светофорах. Об этом на лекции в Университете ИТМО рассказал профессор Национального автономного университета Мексики Карлос Гершенсон, и мы приводим тезисы его выступления.

Живая урбанистика

Больше половины населения Земли живет в городах, и этот показатель растет: по прогнозам, к 2050 году количество горожан на планете достигнет 70%. Жизнь в мегаполисе привлекательна по многим параметрам. Здесь можно найти качественное образование, высокую зарплату, но из-за роста населения увеличивается и объем общегородских проблем. Ученые и инженеры стараются оптимизировать системы и предсказывать их поведение, но в случае с урбанистическими системами, которые постоянно растут и меняются, предсказанные решения рано или поздно теряют актуальность.

Университет ИТМО. Карлос Гершенсон.
Университет ИТМО. Карлос Гершенсон.

Сегодня в моде идея об «умных городах», в которых предлагается применять искусственный интеллект для оптимизации городской жизни. Но с открытыми изменяющимися сценариями это неэффективно, так как ИИ ограничен. Применительно к мегаполису было бы правильнее использовать такой подход, при котором система рассматривается как живой организм, так как жизнь постоянно адаптируется к частично предсказуемым изменениям окружающей среды – например, как растения адаптируются к смене времен года.

Идея о том, чтобы рассматривать город как живой организм, не нова, хотя традиционная точка зрения заключается в том, что город – это отлаженный механизм. У этого метода множество приложений, я сконцентрируюсь на транспортной мобильности.

Живое метро

Если дом и место работы жителя города находятся далеко от друга, важно сократить время на передвижение из одной точки в другую. Привычное решение этой проблеме – в распределении транспортных передвижений по расписанию. Оно может быть гибким, если есть часы пик. Если просто увеличить масштабы, расширить старые дороги и построить новые, возникает парадокс: появляется больше машин, и мобильность только ухудшается. Тут также есть социальный аспект: во многих культурах считается, что обладание автомобилем повышает социальный статус, хотя в США, например, в последние годы молодежь больше ценит смартфоны.

Фото: surfingbird.com
Фото: surfingbird.com

С теоретической точки зрения, можно уменьшить время на дорогу на общественном транспорте, сократив интервал движения между транспортными средствами. Если поезд метро прибывает на станцию каждые три минуты, пассажиру в среднем приходится ждать на перроне полторы минуты, так как есть одинаковая вероятность прийти как прямо перед прибытием, так и сразу после него. Если с помощью мультиагентного моделирования создать симуляцию движения поездов метро, взять одинаковые расстояние между станциями и скорость поездов, вместимость вагонов и время ожидания на станции, оптимальное время прибытия пассажира на место отличается от того, что есть в теории. На некоторых станциях пассажиропоток выше, поезд ждет на этой станции столько же, сколько и на других, и не всегда успевает забрать всех пассажиров. Увеличение количества поездов не меняет ситуацию, так как в метро время прибытия зависит от скорости самого медленного поезда.

Тем не менее, поездам можно дать возможность самоорганизовываться в соответствии с простейшим правилом – им нужно соблюдать баланс по времени, которое прошло с момента ухода предыдущего поезда, расстоянием до следующего поезда и количеству людей на платформе. Было удивительно, что на самом деле это экономит время в сравнении с подходом, когда используются равные временные промежутки: хотя поезда могут стоять у платформы дольше, общее время в пути сокращается. Появляется эффект «медленнее-значит-быстрее». Пришлось потратить время, чтобы понять, что классический подход ведет к неправильным выводам (подробно об этих симуляциях можно прочитать в статьях Карлоса Гершенсона в журнале PLOS One: 1, 2).

Фото: smok.livejournal.com
Фото: smok.livejournal.com

Другой пример – координация работы светофоров. В большинстве городов безостановочное движение транспорта пытаются обеспечить за счет методики «зеленой волны», за свет согласованного включения зеленого света. Но сложность координации растет по экспоненте, с увеличением количества светофоров растет время на поиск решения. Самоорганизующаяся система светофоров адаптируется к уровню загруженности дорог, и это сокращает время ожидания, количество автомобилей, которым нужно останавливаться на светофорах, и увеличивает среднее время передвижения (результаты этого исследования доступны на портале arXiv).

Живые системы

Мы можем использовать живые системы для вдохновения при создании других систем: при планировании логистики на разных масштабах, от предприятия до уровня города или мира, при планировании системы обеспечения безопасности, в телекоммуникациях. Один из лучших примеров того, что мы можем почерпнуть у живых систем – то, как передвигаются стаи птиц, к примеру, скворцы. В стае нет лидера, но работают правила, по которым соседи ориентируются друг на друга на очень большой скорости. Такой подход крайне продуктивен, когда проблема имеет свойство изменяться.

Фото: ru.depositphotos.com
Фото: ru.depositphotos.com

Кроме того, нам вовсе не обязательно использовать искусственный интеллект и вообще интеллектуальный подход: когда бактерия «убегает» от лейкоцита, ей для этого нужны только химические реакции, ровно как и лейкоцит догоняет бактерию благодаря химии, а не сознанию. Городские системы должны просто уметь адаптироваться к изменениям и быстро формировать отклик.

 

Александр Пушкаш,
Редакция новостного портала Университета ИТМО

Архив по годам: