Имитационное моделирование цифрового региона: концептуальный подход

В статье представлен новый концептуальный подход к имитационному моделированию «цифрового региона». Изучены преимущества и недостатки использования дискретного и непрерывного пространства существования агентов. Приведена оценка вычислительной сложности соответствующих имитационных моделей. Обоснован переход к комбинированным моделям, использующим укрупненное сегментирование непрерывного пространства для выявления проблемных кластеров с последующим применением «аналогового» подхода для моделирования пространственной динамики взаимодействующих агентов.

Ключевые слова

цифровой регион, AnyLogic, FLAME GPU, региональная экономика, имитационное моделирование, агентное моделирование

Получено

25.11.2022

Дата публикации

30.12.2022

Кол-во символов

15235

Цитировать Скачать pdf Для скачивания PDF необходимо авторизоваться

ГОСТ	Бекларян Г. Л. Имитационное моделирование «цифрового региона»: концептуальный подход // Вестник ЦЭМИ – 2022. – Tом 5. – Выпуск 4 [Электронный ресурс]. URL: https://cemi.jes.su/S265838870023308-1-1 (дата обращения: 20.07.2024). DOI: 10.33276/S265838870023308-1
MLA	Beklaryan, Gayane "Simulation modelling of the ‘digital region’: conceptual approach." Vestnik CEMI 5.4 (2022) DOI: 10.33276/S265838870023308-1
APA	Beklaryan G. (2022). Simulation modelling of the ‘digital region’: conceptual approach. Vestnik CEMI 5(4) DOI: 10.33276/S265838870023308-1

100 руб.

При оформлении подписки на статью или выпуск пользователь получает возможность скачать PDF, оценить публикацию и связаться с автором. Для оформления подписки требуется авторизация.

Оператором распространения коммерческих препринтов является ООО «Интеграция: ОН»


1	Введение
2	В настоящее время развивается новое научное направление, относящееся, в частности, к имитационному моделированию систем «умный город» [25, 32] (smart city), «умный регион» (smart region) [37] и «цифровой регион» (digital region) [22].
3	Актуальность данного направления подтверждается и тем, что в октябре 2019 года Совет по развитию цифровой экономики при Совете Федерации предложил создать новый федеральный проект – «Цифровой регион», реализация которого позднее была отложена из-за недостатка финансирования [28]. При этом в РФ уже несколько лет успешно реализуются проекты по созданию «умных городов» [29]. Большой интерес к разработке интеллектуальных систем поддержки принятия решений по пространственному развитию территорий отмечается в работах российских и зарубежных авторах [20, 21, 25, 31, 46].
4	Особенностью подобных систем является принятие во внимание различных аспектов, определяющих состояние и перспективы конкретного региона, в частности: макроэкономические характеристики региона, в том числе, валовой региональный продукт (ВРП), численность населения, производственные и инвестиционные характеристики и др. [8]; микроэкономические особенности региона, определяющие возможности развития производственного сектора [10, 16, 18]; демографические и миграционные характеристики региона [1, 2, 27], существенно влияющие на уровень социального комфорта, структуру занятости в регионе и экономику в целом [9]; экологические и эколого-экономические характеристики региона [26, 41, 42], существенно влияющие на качество жизни и здоровье населения; транспортная инфраструктура региона, в том числе, обеспечивающая межрегиональные грузоперевозки [17, 44, 45] с учётом внутренних транспортных коммуникаций [11, 12], в том числе позволяющая использовать беспилотные транспортные средства [25, 38]; уровень социальной обеспеченности, в частности, обеспеченность населения жильем, детскими садами, школами, больницами и т. д., существенно влияющий на продолжительность жизни и уровень рождаемости [16]; географические и климатические особенности региона, которые необходимо учитывать при формировании стратегии его развития [22].
5	Таким образом, «цифровой регион» представляет собой сложную систему с множественными прямыми и обратными связями (рис. 1).
6	Подпись к рисунку/медиа Рис. 1. Концептуальная схема системы-регион Рис. 1. Концептуальная схема системы-регион
7	Подобная система может быть исследована с использованием методов системной динамики [3, 5, 6, 7, 34, 37], позволяющих моделировать потоковые процессы с внутренними взаимосвязями (в том числе, обратными, лаговыми, нелинейными). Однако, при этом необходимо принимать во внимание индивидуальные системы принятия решений со стороны множественных агентов [4, 9, 11, 12], например, агентов-людей, агентов-предприятий, агентов – отраслей экономики, агентов –транспортных средств, агентов – вредных выбросов и зеленых насаждений и др. Подобные индивидуальные решения со стороны агентов существенно влияют на структуру потоков, например, структуру занятости [2]. Таким образом, централизованное («принудительное») управление системой «регион» в современной рыночной социально-экономической системе невозможно, и требуется построение интеллектуальной децентрализованной системы поддержки принятия решений, направленной на оптимизацию характеристик среды [9], создание новых рабочих мест [1, 2], развитие транспортной инфраструктуры [38, 39] и др., в которой агенты самостоятельно принимают решения.

всего просмотров: 33

Оценка читателей: голосов 0

1. Агентное моделирование популяционной динамики двух взаимодействующих сообществ: мигрантов и коренных жителей / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Экономика и математические методы. – 2020. – Том 56, № 2. – с. 5-19.

2. Агентное моделирование социально-экономических последствий миграции при государственном регулировании занятости / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Экономика и математические методы. – 2022. – Том 58, № 1. – с. 113-130.

3. Акопов, А. С. Имитационное моделирование: учебник и практикум для академического бакалавриата / А. С. Акопов ; Серия: Бакалавр. Академический курс. – Москва : Издательство Юрайт, 2018. – 389 с.

4. Акопов, А. С. Агентная модель поведения толпы при чрезвычайных ситуациях / А. С. Акопов, Л. А. Бекларян // Автоматика и телемеханика. – 2015. – № 10. – с. 131-143.

5. Акопов, А. С. Системно-динамическое моделирование стратегии банковской группы / А. С. Акопов // Бизнес-информатика. – 2012. – № 2 (20) – с. 10-19.

6. Акопов, А. С. К вопросу проектирования интеллектуальных систем управления сложными организационными структурами. Ч1. Математическое обеспечение системы управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании / А. С. Акопов // Проблемы управления. – 2010. – № 6. – с. 12-18.

7. Акопов, А. С. К вопросу проектирования интеллектуальных систем управления сложными организационными структурами. Ч. 2. Программная реализация системы управления инвестиционной деятельностью вертикально-интегрированной нефтяной компании / А. С. Акопов // Проблемы управления. – 2011. – № 1. – с. 47-54.

8. Акопов, А. С. Сравнительный анализ производственных и инвестиционных характеристик отраслей ТЭК по регионам РФ / А. С. Акопов, Г. Л. Бекларян // Экономическая наука современной России. –2004. – № 1. – c. 121-128.

9. Акопов, А. С. Мультисекторная модель ограниченного соседства: сегрегация агентов и оптимизация характеристик среды / А. С. Акопов, Л. А. Бекларян, А. Л. Бекларян // Математическое моделирование. – 2021. – Т. 33, № 11. – c. 95-114.

10. Акопов, А. С. Анализ эффективности регулирующей политики государства с помощью региональной модели CGE поведения естественных монополий (на примере электроэнергетики) / А. С. Акопов, Г. Л. Бекларян // Экономическая наука современной России. – 2005. – Т. 4, № 31. – c. 130-139.

11. Акопов, А. С. Многоагентная система управления наземными беспилотными транспортными средствами / А. С. Акопов, Л. А. Бекларян, Н. К. Хачатрян [и др.] // Информационные технологии. – 2020. – Т. 26, № 6. – c. 342-353.

12. Акопов, А. С. Моделирование движения ансамбля наземных беспилотных транспортных средств с использованием FLAME GPU / А. С. Акопов, Л. А. Бекларян, А. Л. Бекларян [и др.] // Информационные технологии. – 2021. – Т. 27, № 7. – c. 369-379.

13. Акопов, А. С. Разработка параллельных генетических алгоритмов вещественного кодирования для систем поддержки принятия решений социально-экономического и экологического планирования // А. С. Акопов, А. Л. Бекларян, М. Тхакур [и др.] // Бизнес-информатика. – 2019. – Т. 13, № 1. – c. 33-44.

14. Бахтизин, А. Р. Агент-ориентированные модели экономики / А. Р. Бахтизин. – Москва: Экономика, 2008. – 279 с.

15. Бекларян, А. Л. Моделирование поведения толпы на основе интеллектуальной динамики взаимодействующих агентов / А. Л. Бекларян, А. С. Акопов // Бизнес-информатика. – 2015. – № 1 (31). – с. 69-77.

16. Бекларян, Г. Л. Имитационная модель региона в применении к анализу экономики Красноярского края / Г. Л. Бекларян // Экономика и математические методы. – 2019. – Т. 55, № 3. – с. 47-61.

17. Бекларян, Г. Л. Агентное моделирование межрегиональных железнодорожных грузоперевозок / Г. Л. Бекларян, А. С. Акопов // Аудит и финансовый анализ. –2019. – № 1. – c. 39-54.

18. Бекларян, Г. Л. Система поддержки принятия решений для устойчивого экономического развития Дальневосточного федерального округа / Г. Л. Бекларян // Бизнес-информатика. – 2018. – Т 4, № 46. – c. 66-75.

19. Бекларян, Г. Л. Интеллектуальная многоуровневая система поддержки принятия решений на уровне регионов: концептуальный подход / Г. Л. Бекларян // Вестник ЦЭМИ РАН. – 2022. – T. 5, Выпуск 2. URL: https://cemi.jes.su/s265838870020946-3-1/ (дата обращения: 20.09.2022).

20. Боуш, Г. Д. Агентное моделирование процессов кластерообразования в региональных экономических системах / Г. Д. Боуш, О. М. Куликова, И. К. Шелков // Экономика региона. – 2016. – Т. 12, № 1. – с. 64-77.

21. Глебова, И. С. Возможности реализации концепции "умного города": практика российских городов / И. C. Глебова, Я. С. Ясницкая // Экономика и предпринимательство. – 2014. – № 1-3 (42). – с. 232-235.

22. Имитационное моделирование системы "умный город": концепция, методы и примеры / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Национальные интересы: приоритеты и безопасность. – 2019. – Т. 15, № 2 – c. 200-224.

23. Моделирование миграционных и демографических процессов с использованием FLAME GPU / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Бизнес-информатика. – 2022. –Т. 16, № 1. – c. 7-21.

24. Разработка программной платформы для крупномасштабного агент-ориентированного моделирования сложных социальных систем / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Программная инженерия. – 2019. – Т. 10, № 4. – с. 167-177.

25. Сизов, Ю. И. Развитие среднего города на основе концепта: от "умного дома к умному городу" / Ю. И. Сизов, Л. Н. Медведева // Научные труды Вольного экономического общества России. 2019. Т. 218. № 4. С. 573-580.

26. Система поддержки принятия решений для рационального озеленения города на примере г. Ереван, Республика Армения / А. С. Акопов, А. Л. Бекларян, А. К. Сагателян [и др.] // Программная инженерия. – 2019. – Т. 10, № 2. – с. 87-96.

27. Укрупненная агент-ориентированная имитационная модель миграционных потоков стран Европейского Союза / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Экономика и математические методы. – 2019. – том 55, № 1. – с. 3-15.

28. Федеральный проект «Цифровой регион» // CNews. – 27 апреля 2021. – URL : https://www.cnews.ru/news/top/2021-04-27_zapusk_federalnogo_proekta (дата обращения: 08.11.2022).

29. Федеральный проект «Умный город» // Министерство строительства и жилищно-коммунального хозяйства Российской Федерации : официальный сайт. – 2014-2022. – URL : https://minstroyrf.gov.ru/trades/gorodskaya-sreda/proekt-tsifrovizatsii-gorodskogo-khozyaystva-umnyy-gorod/ (дата обращения: 08.11.2022).

30. Цифровой завод: методы дискретно-событийного моделирования и оптимизации производственных характеристик / В. Л. Макаров, А. Р. Бахтизин, Г. Л. Бекларян [и др.] // Бизнес-информатика. – 2021. – Т. 15, № 2. –c. 7-20.

31. Adil, S. H. 3D smart city simulator / S. H. Adil, A.A. Aziz, T. Akber, M. Ebrahim, S. S. A. Ali, K. Raza // 2017 IEEE 3rd International Symposium in Robotics and Manufacturing Automation. – ROMA, 2017. – pp. 1-5.

32. Akopov, A. S., Simulation of human crowd behavior in extreme situations / A. S. Akopov, L. A. Beklaryan // International Journal of Pure and Applied Mathematics. – 2012. – Vol. 79, No. 1. – pp. 121-138.

33. Akopov, A. S. Cluster-based optimization of an evacuation process using a parallel bi-objective real-coded genetic algorithm // A. S. Akopov, A. L. Beklaryan, L. A. Beklaryan // Cybernetics and Information Technologies. – 2020. – Vol. 20, No. 3. – pp. 45-63.

34. Akopov, A. S. Modelling the dynamics of the “Smarter Region” / A. S. Akopov, G. L. Beklaryan // in: Proceedings of 2014 IEEE Conference on Computational Intelligence for Financial Engineering & Economics. – L. : IEEE, 2014. – pp. 203-209.

35. Akopov, A. S. A Multi-agent Genetic Algorithm for Multi-objective Optimization / A. S. Akopov, M. A. Hevencev // in: Proceedings of 2013 IEEE International Conference on Systems, Man, and Cybernetics (SMC), Manchester, UK, 2014. – pp. 1391-1395.

36. Akopov, A. S. Parallel genetic algorithm with fading selection / A. S. Akopov // International Journal of Computer Applications in Technology. – 2014. – Vol. 49, No. 3/4. – pp. 325-331.

37. Akopov, A. S. Designing of integrated system-dynamics models for an oil company / A. S. Akopov // International Journal of Computer Applications in Technology. – 2012. – Vol. 45, No. 4. – pp. 220-230.

38. Akopov, A. S., Improvement of Maneuverability Within a Multiagent Fuzzy Transportation System With the Use of Parallel Biobjective Real-Coded Genetic Algorithm / A. S. Akopov, L. A. Beklaryan, M. Thakur // IEEE Transactions on Intelligent Transportation Systems. – 2022. – Vol. 23, No. 8. – pp. 12648-12664.

39. Akopov, A. S. Simulation-Based Optimisation for Autonomous Transportation Systems Using a Parallel Real-Coded Genetic Algorithm with Scalable Nonuniform Mutation / A. S. Akopov, L. A. Beklaryan, A. L. Beklaryan // Cybernetics and Information Technologies. – 2021. – Vol. 21, No. 3. – pp. 127-144.

40. Akopov, A. S. Parallel multi-agent real-coded genetic algorithm for large-scale black-box single-objective optimisation / A. S. Akopov, L. A. Beklaryan, M. Thakur, D. B. Verma // Knowledge-Based Systems. – 2019. – Vol. 174. – pp. 103-122.

41. Akopov, A. S. Agent-based modelling of interactions between air pollutants and greenery using a case study of Yerevan, Armenia / A. S. Akopov, L. A Beklaryan, A. K. Saghatelyan // Environmental Modelling and Software. – 2019. –Vol. 116. –pp. 7-25.

42. Akopov, A. S. Agent-based modelling for ecological economics: A case study of the Republic of Armenia / A. S. Akopov, L. A. Beklaryan, A. K. Saghatelyan // Ecological Modelling. – 2017. – Vol. 346. – pp. 99-118.

43. Beklaryan, A. L. Simulation of Agent-rescuer Behaviour in Emergency Based on Modified Fuzzy Clustering // A. L. Beklaryan, A. S. Akopov // 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.

44. Khachatryan, N. K. About quasi-solutions of traveling wave type in models for organizing cargo transportation / N. K. Khachatryan, A. S. Akopov, F. A. Belousov // Business Informatics. – 2018. – Vol. 1, № 43. – pp. 61-70.

45. Khachatryan, N. K. Model for organizing cargo transportation with an initial station of departure and a final station of cargo distribution / N. K. Khachatryan, A. S. Akopov // Business Informatics. 2017. – Vol. 1, № 39. – pp. 25-35.

46. Yang, J. Simulation of landscape spatial layout evolution in rural-urban fringe areas: a case study of Ganjingzi District / J. Yang, A. Guo, Y. Li, Y. Zhang, X. Li // GIScience and Remote Sensing. 2019. – Vol. 56, No. 3. – pp. 388-405.