Моделирование рынка утилизации твердых бытовых отходов города-курорта
Автор: Копырин А.С., Бурунин О.А.
Журнал: Вестник Алтайской академии экономики и права @vestnik-aael
Рубрика: Экономические науки
Статья в выпуске: 1-1, 2019 года.
Бесплатный доступ
Статья посвящена методике построения и валидации многоподходной компьютерной имитационной модели. Объектом моделирования является сбор, вывоз и утилизацию твердых бытовых отходов курортного города (на примере г. Сочи). Построенная модель позволяет анализировать сложную городскую систему с учетом большого количества факторов и элементов неопределенности, прогнозировать будущее состояние системы, а также выявлять взаимосвязи и аномалии. Администрация города и частные компании могут использовать полученный инструмент при подготовке управленческих решений на этом социально значимом рынке. Статья включает обоснование актуальности темы исследования, определение цели исследования. Обоснован выбор в качестве метода многопоходного моделирования; представлена когнитивная модель и блок-схема системы взаимодействия населения и формирования мусорных потоков. Предложена дискретно-событийная диаграмма состояний объектов в агентной модели сборки мусора и демонстрируются выполненные процедуры верификации модели.
Имитационное моделирование, курортный город, вывоз твердых бытовых отходов
Короткий адрес: https://sciup.org/142216530
IDR: 142216530
Текст научной статьи Моделирование рынка утилизации твердых бытовых отходов города-курорта
Развитие туристического сектора экономики является одним из приоритетов, поставленных руководством Краснодарского края и России. Однако экономическое развитие региона сопровождается усилением антропогенной нагрузки на территорию и вызывает экологические проблемы. Одной из таких проблем является вывоз и утилизация твердых бытовых отходов (ТБО).
Технологии, в настоящее время используемые для сбора, хранения и утилизации твердых отходов, являются устаревшими и неадекватными природно-климатическим условиям территории и рекреационным требованиям курорта Сочи. Отходы практически не используются в качестве вторичных материальных ресурсов, из-за чего ценные компоненты, пригодные для переработки после соответствующей настройки, необратимо теряются. Программа Zero Waste, принятая в рамках подготовки к Олимпийским играм, так и не была реализована.
Следует также отметить, что утилизация ТБО является социально значимым рынком, а отсутствие современных технологий, с одной стороны, и строгих санитарных норм, с другой, резко уве- личивает стоимость услуг. Утилизация твердых отходов в Сочи является самой дорогой в регионе [1].
Цель исследования: в целях оптимизации системы управления утилизацией твердых бытовых отходов в настоящее время необходимо применять передовые методы и инструменты, основанные на достижениях российских и зарубежных ученых. Одним из таких методов является построение компьютерной имитационной модели и последующий сценарный анализ с целью выявления преимуществ и недостатков различных концепций развития изучаемой сферы [2].
Объектом исследования является система образования, вывоза и утилизации твердых бытовых отходов в городе Сочи. Предметом исследования является взаимодействие населения города, организация вывоза мусора и туристических потоков. Целью работы является построение интегрированной компьютерной модели, с помощью которой будет возможно:
-
- изучить тенденции развития конкретного рынка;
-
- провести анализ сценариев и имитационное моделирование для определения возможных последствий управленческих решений.
Информационной базой исследования являются открытые статистические данные Федеральной службы государственной статистики, Администрации города Сочи и Министерства топливно-энергетического комплекса и ЖКХ Краснодарского края.
Материал и методы исследования
Обзор существующих моделей
Много публикаций были посвящены моделированию утилизации твердых отходов, но эти исследования в основном сосредоточены на одной стороне проблемы. В одной части работ рассматривается логистика вывоза мусора различными видами транспорта [3, 4], в другой – экологическая проблема накопления мусора [5, 6, 7, 8], в третьей – экономическая сторона процесса [9, 10, 11].
Авторы попытались разработать единую синтетическую модель, сочетающую социальные, экономические и экологические аспекты предмета исследования. Технологической основой работы является многоподходное моделирование, сочетающее системную динамику, дискретно-событийное и агентное моделирование [12].
Описание объекта исследования
В городе Сочи насчитывается более 300 лечебно-оздоровительных комплексов, гостиниц и туристических баз различного уровня комфортности общей вместимостью около 200 тыс. мест. Ведущую роль в отраслевой структуре региона занимают курортно-туристические комплексы, величина и доля которых в валовом региональном продукте со временем увеличиваются. Экономика региона ориентирована на туризм и его обслуживание. В сфере материального производства лидируют строительство, пищевая промышленность и сельское хозяйство. Туристические потоки в Сочи достигают 4500-4800 тысяч человек в год. Основная их часть приходится на период с апреля по октябрь, то есть максимальный наплыв туристов приходит летом.
Система очистки территории Сочи регулируется «территориальной схемой обращения с отходами, в том числе с твердыми бытовыми отходами в Крас- нодарском крае» [13], в соответствии с которой планировалось строительство мусоросортировочного комплекса (МСК) мощностью 200 тыс. тонн в год с компостирующим заводом. Второй этап включал строительство завода по компостированию органических отходов и цеха по переработке пластмасс.
Из всех объектов на МСК в 2018 году была введена в эксплуатацию только станция по сортировке отходов, мощностью 200 тысяч тонн в год (500-600 тонн в день). Запуск второго этапа был отменен .
В настоящее время на территории города Сочи, от Красной Поляны до села Детляжка Лазаревского района, организована следующая система управления ТБО: сбор ТБО, его транспортировка на станцию сортировки, ручная сортировка, прессование и упаковка твердых отходов в брикеты, транспортировка упакованных брикетов и органических отходов автомобильным транспортом на полигон в Белореченске Краснодарского края. Расстояние от Сочи (Центральный район) до Белореченской свалки ТБО составляет 250 км (через Шаумянский перевал), или 325 км через Горячий Ключ, в обе стороны – 650 км.
Для Лазаревского района от Детляж-ки до Магри схема управления имеет вид: сбор твердых отходов, вывоз мусоровозами до Белореченского полигона ТБО [6, 14]. Логистическое плечо от Лазаревского до полигона в Белореченском районе через город Горячий Ключ составляет 500 км (в обе стороны). Такие большие расстояния для транспортировки ТБО до полигона требуют значительного количества мусоровозов, что увеличит нагрузку на дороги и загрязнение воздуха, а также выбросы вредных веществ из автотранспорта.
При такой схеме очистки ТБО в Сочи вся органическая часть ТБО поступает на свалку, что негативно влияет на состояние окружающей среды.
ТБО сортируются с низким процентом сбора переработанных материалов (7% фракций отходов), а вывоз практически всего объема сочинского мусора на свалку невыгоден. Таким образом, можно сделать вывод, что разработка и внедрение современной системы очистки городских ТБО крайне необходимы.
Текущая мощность МСК рассчитана на 200 тысяч тонн в год, а средний объем образования твердых отходов скоро достигнет 330-400 тысяч тонн в год [12]. Летом объем образования твердых отходов превышает средний уровень на 30%
Когнитивная модель
Представим когнитивную модель рынка вывоза и утилизации ТБО на высоком уровне абстракции. Основными факторами, влияющими на поступление твердых бытовых отходов, являются постоянное население и количество туристов. Увеличение количества отхо- дов влияет на загрязнение окружающей среды, что в свою очередь снижает комфорт проживания на территории и увеличивает заболеваемость. Увеличение заболеваемости снижает среднюю продолжительность жизни и, следовательно, население. Снижение комфорта окружающей среды негативно сказывается на туристическом потоке и населении (усиливается эмиграция из города).
После формализации модель приобретает вид, показанный на рис. 1.
Описание показателей когнитивной модели представлено в таблице 1, а отношения – в таблице 2.

Таблица 1
Показатели когнитивной модели
Показатель |
Описание |
Единица измерения |
Population |
Население, количество людей, постоянно проживающих в городе |
чел. |
Tourists |
Туристы, среднемесячное количество туристов |
чел. |
Garbage |
Мусор, объем аккумулированных ТБО в городе |
тонн |
Pollution |
Загрязнение, уровень загрязнения окружающей среды |
усл.ед. |
Incidence |
Заболеваемость, среднемесячное количество заболевших людей |
чел./мес. |
Comfort environment |
Комфортность среды |
усл.ед. |
Таблица 2
Взаимосвязи когнитивной модели
Связь |
Описание |
Тип |
R1 |
Comfort environment – Tourists, Комфортность среды – Туристы |
Прямая |
R2 |
Population – Garbage, Население – Мусор |
Прямая |
R3 |
Tourists – Garbage, Туристы – Мусор |
Прямая |
R4 |
Garbage – Pollution, Мусор – Загрязнение |
Прямая |
R5 |
Pollution – Incidence, Загрязнение – Заболеваемость |
Прямая |
R6 |
Pollution – Comfort environment, Загрязнение – Комфортность среды |
Обратная |
R7 |
Incidence – Population, Заболеваемость – Население |
Обратная |
R8 |
Comfort environment – Population, Комфортность среды – Население |
Прямая |
Результаты исследования и их обсуждение
Построение имитационной модели
На основе когнитивной модели в среде моделирования Anylogic была построена потоковая диаграмма
Все переменные в потоковой диаграмме делятся на 3 типа:
-
- переменные уровня (или состояния), связанные потоками;
-
- переменные темпа, регулирующие изменение уровней;
-
- вспомогательные переменные.
Математический аппарат модели представляет собой систему дифференциальных уравнений.
На рис. 2 приведена потоковая диаграмма модели. Она содержит 3 уровня и 17 переменных. Ключевые факторы когнитивной модели выделены цве- том. Блок-схема также содержит связь с агентной моделью через переменную AgentModelRemoval. Описание уровней и переменных представлено в таблице 3.
Агентская часть модели включает в себя 3 класса объектов:
-
- комплекс по сортировке отходов;
-
- мусоровоз, собирающий отходы с контейнерных площадок и вывозящий его на МСК;
-
- крупнотоннажный грузовик, перевозящий отсортированные и прессованные отходы на свалку в Белореченске.
Комплекс генерируется в единственном числе; диаграмма дискретных событий показана на рис. 3. Мусоровозы и транспортные средства создаются по мере необходимости, в зависимости от объема отходов, но не более максимального количества доступных специальных транспортных средств.

Рис. 2. Блок-схема модели
Таблица 3
Описание переменных потоковой диаграммы
Переменная |
Описание |
Обозначение |
Уравнение |
Population |
Население |
P |
P(t+dt)=P(t)+B(t)*dt-D(t)*dt+M(t)*dt |
Garbage |
Мусор |
G |
G(t+dt)=F(t)+GD(t)*dt-GR(t)*dt |
PollutionLevel |
Уровень загрязнения |
PL |
PL(t+dt)=PL(t)+Po(t)*dt-CU(t)*dt |
Births |
Рождаемость |
B |
P*F, (F – Коэффициент рождаемости – 0.0152) |
Deaths |
Смертность |
D |
D=P/AL |
Migration |
Миграция |
M |
M=P*MN*AC, (MN –Коэффициент миграции – 0.0231) |
GarbageDisposal |
Вывоз мусора |
GD |
GD=(P+TF*0.3101)*DN, (DN – Disposal Normal – 0.251) |
GarbageRemoval |
Удаление ТБО |
GR |
GR=AMR (связь с агентской моделью) |
Pollution |
Загрязнение окружающей среды |
Po |
Po=(G/243000)/(1-(G/234000)*2)0.5 |
CleanUp |
Очистка окружающей среды |
CU |
CU=PL/15 |
ComfortEnvironment |
Комфортность среды |
CE |
CE=1-PL |
Incidence |
Заболеваемость |
IN |
IN=PL |
AverageLifetime |
Средний срок жизни |
AL |
AL=69.5-In*1.5359 |
AttractionDueComfort |
Привлекательность курорта |
AC |
AC=0.414*CE+0.814 |
TouristsFlow |
Поток туристов |
TF |
TF=TFLT*CE, (TFLT – статистическая табличная функция) |
Garbage trucks unloading
Garbagetrucksource seizeRow moveTolInload truckllnloadingGarbage moveToExit exitQueue releaseRow trucksink

WagonSource seizePont moveToPont WagonLoading MoveoutPoint releasePoint WagonSink

Wagons loading
Рис. 3. Диаграмма состояния модели комплекса сортировки отходов.
Верификация модели
Для повышения уровня достоверности результатов моделирования были проведены формальные процедуры верификации модели.
Проверка (валидация) модели выполняется с целью улучшения модели и проверки ее достоверности, то есть насколько хорошо полученная модель описывает поведение моделируемой системы. При проверке модели структура и переменные (например, начальные условия и константы) могут быть уточнены, то есть модель откалибрована.
В ходе выполнения формальных процедур валидации были проверены логические взаимосвязи, чтобы подтвердить правильность структуры имитационной модели. Проверка была сделана с фактическими доступными статистическими данными.
Например, приведем соотношение ретроспективных фактических данных и результатов, полученных моделью, по 2 параметрам: население и вывоз мусора. Все исходные данные соответствуют развитию системы в период с 2012 по 2017 год. Шаг моделирования – 1 год; горизонт моделирования 2017. Результаты прогноза приведены на рис. 4, 5.
Как видно на представленных рисунках моделирование воспроизводит актуальную статистику. В первом эксперименте средняя ошибка отклонения составляет 2,45%, а во втором – 3,26%.
Выводы или заключение
На основании проведенного исследования можно сформулировать следующие выводы.
-
1. Разработана многоподходная модель системы утилизации ТБО в Сочи, которая позволяет изучать тенденции развития рынка, а также анализ сценариев последствий различных управленческих решений.
-
2. Использование этого инструмента для среднесрочного и долгосрочного планирования предоставит лицу, принимающему решение, больше информации в условиях неопределенности, что позволит избежать многих ошибок в управлении.
Население, чел.
♦ Стат —■— М о де л ь
Рис. 4. Результаты моделирования по показателю «Население»
♦ Стат —■—Модель
Рис. 5. Результаты моделирования по показателю «Вывоз мусора»
-
3. Точность модели основана на общедоступных статистических данных. К сожалению, эти данные не являются полными и не включают в себя множество показателей, значения которых в модели были получены методом экспертных оценок.
В дальнейшем, предполагается уточнить и скорректировать модель с использованием более новых статистических данных; организовать вычислительные эксперименты, которые выявят экономические тенденции влияния сложных программ и сценариев на развитие рынка ТБО, как с точки зрения муниципалитета, так и частных компаний.
Список литературы Моделирование рынка утилизации твердых бытовых отходов города-курорта
- Сметанин В.И., Красовская С.П., Щекудов Е.В., Воробьев Л.А. Динамика образования и накопления отходов производства и потребления в курортных городах (на примере города Сочи)//Природообустройство. -2012. -№. 1. -C. 7-13.
- Antmann E.D., Celik N., Shi X., Dai Y. Simulation-based optimization of solid waste management and recycling programs//IIE Annual Conference. Proceedings. -Institute of Industrial and Systems Engineers (IISE). -2012. -Р. 759-768.
- Апталаев М.Н., Жалко М.Е., Балабанов Д.С., Калинина К.А. Применимость методов имитационного моделирования при решении задачи оптимизации специализированного автомобильного парка для сбора и вывоза твердых коммунальных отходов//Отходы и ресурсы. -2017. -№4. -URL: https://resources.today/PDF/12RRO417.pdf
- Манаев К., Мельников А.Н. Оптимизация автомобильного и контейнерного парка при сборе и вывозе твердых бытовых отходов//Вестник Оренбургского государственного университета. -2014. -№ 10 (171). -С. 130-134.
- Cremiato R., Mastellone M.L., Tagliaferri C., Zaccariello L., Lettieri P. Environmental impact of municipal solid waste management using Life Cycle Assessment: The effect of anaerobic digestion, materials recovery and secondary fuels production//Renewable Energy. -2018. -Т. 124. -С. 180-188.
- Гутова Н.И., Шостак А.А. Проблемы утилизации отходов г. Сочи//Курортно-рекреационный комплекс в системе регионального развития: инновационные подходы. -2017. -№. 1. -С. 97-100.
- Podchashinskiy Y., Kotsiuba I., Yelnikova T. Math modeling and analysis of the impact of municipal solid waste landfill leachate on the environment//Восточно-Европейский журнал передовых технологий. -2017. -№ 1 (10). -С. 4-10.
- Shanmugam, Mageswari & Lakshmanan, Iyappan & Aravind, S & Mohammed, Sameer & Vignesh, R & Vinoth Kumar, P. Contamination of Groundwater Quality Due to Municipal Solid Waste Disposal -A GIS-Based Study in Perungudi Dump Yard//International Journal of Engineering and Technology. -2017. -№ 4. -Р. 952-964.
- Белоусов М.Ю. Влияние социально-экономических факторов на решение муниципальных властей о выборе формы организации рынка социально значимых услуг (на примере услуг по вывозу твердых бытовых отходов в России)//Экономический журнал Высшей школы экономики. -2010. -Т. 14. -№ 3. -С. 379-394.
- Арустамов Э.А. Обращение с отходами и создание мусоросжигательных заводов в России и Московской области//Отходы и ресурсы. -2018. -№ 2. -URL: https://resources.today/PDF/05ECOR218.pdf
- Проскурникова И.А. Методологические основы эколого-экономического подхода к утилизации твердобытовых отходов с использованием мусоросжигательного завода//ГИАБ. -2013. -№ 3 (1). -URL: https://cyberleninka.ru/article/n/metodologicheskie-osnovy-ekologo-ekonomicheskogo-podhoda-k-utilizatsii-tverdobytovyh-othodov-s-ispolzovaniem-musoroszhigatelnogo).
- Kopyrin A. Simulation modelling of the municipal sanatorium-tourist branch//MATEC Web Conf. 170 01030 -2018.
- Постановление главы администрации (губернатора) Краснодарского края от 26 сентября 2016 года № 747 «Об утверждении территориальной схемы обращения с отходами, в том числе с твердыми коммунальными отходами, в Краснодарском крае».
- Соломин И.А. Элементы разработки экологически безопасной городской системы переработки твердых бытовых отходов на примере города Сочи//Природообустройство. -2015. №2. -URL: https://cyberleninka.ru/article/n/elementy-razrabotki-ekologicheski-bezopasnoy-gorodskoy-sistemy-pererabotki-tverdyh-bytovyh-othodov-na-primere-goroda-sochi.