Simulation modelling of the ‘digital region’: conceptual approach

Occupation: Senior Research Scholar
Affiliation:
Central Economics and Mathematics Institute, Russian Academy of Sciences
Russia
Address: Moscow, Russian Federation, Nakhimovskii pr., 47

Journal name

Vestnik CEMI

Edition

Volume 5 Issue 4

Abstract

The article presents a new conceptual approach to simulation modelling of the ‘digital region’. The advantages and disadvantages of using the discrete and continuous space of agents’ environment are studied. An estimate of the computational complexity of the corresponding simulation models is given. The transition towards combined models using enlarged segmentation of continuous space to identify problematic clusters with the subsequent applying the ‘analog’ approach to modelling the spatial dynamics of interacting agents is justified.

Keywords

digital region, AnyLogic, FLAME GPU, regional economy, simulation modelling, agent-based modelling

Received

25.11.2022

Publication date

30.12.2022

Number of characters

15235

Cite Download pdf To download PDF you should sign in

GOST	Beklaryan G. Simulation modelling of the ‘digital region’: conceptual approach // Vestnik CEMI – 2022. – V. 5. – Issue 4 [Electronic resource]. URL: https://cemi.jes.su/S265838870023308-1-1 (circulation date: 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 rub.

When subscribing to an article or issue, the user can download PDF, evaluate the publication or contact the author. Need to register.


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.

Readers community rating: votes 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.