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.