Создание пространственно явных моделей с помощью агент-ориентированного моделирования и геоинформационных систем в среде Anylogic

В многочисленных научных публикациях в той или иной модификации утверждается, что, по некоторым экспертным оценкам, более 80% всей накопленной и используемой человечеством информации является географической информацией. В общем смысле географическая информация представляет собой информацию об объектах, явлениях и процессах, локализованных в географическом пространстве [6]. В конце 1990-х был предложен и принят научным сообществом термин геовычисления (geocomputation) и производные от него понятия и приложения. Таким образом, расширились границы геоинформатики, ее функциональные возможности и ассоциированные с ней сферы исследования. В связи с этим в настоящее время активно развиваются специализированные инфраструктуры данных, технологии пространственного (геоинформационного) анализа и методы моделирования. Остановимся подробнее именно на моделировании в контексте геовычислений и агент-ориентированного подхода.

Парадигма агент-ориентированного моделирования (agent-basedmodelling) динамично развивается и приобретает масштабы мощного инструмента в прикладных приложениях различных дисциплин [5, с. 219]. Она позволяет сфокусироваться на отдельных объектах (людях, животных, городах и более абстрактных представлениях) или их группах, наделенных некоторыми знаниями и способностями. Это возможно благодаря особым свойствам агентов, обладающих поведениемв рамках модели. К таким ключевым свойствам относятся автономность, неоднородность и активность. Агенты являются самостоятельными единицами, способными обмениваться информацией с другими агентами, чтобы принимать независимые решения. Вследствие этой особенности, понятие среднего индивида избыточно: каждый агент обладает уникальностью, обуславливающей его развитие. Агенты могут оказывать активное независимое влияние в рамках моделируемого процесса через целенаправленность при попытке решения конкретной задачи или через принятие мер вследствие восприятия окружения с учетом предварительных знаний на основе опыта или наблюдения [4]. Исследование системных процессов и явлений через призму поведения индивидуальных агентов, их динамического взаимодействия друг с другом и окружающей средой (физической, социальной, информационной и т.д.) позволяет добиться наилучших результатов в изучении сложных, трудно прогнозируемых закономерностей.

Пространственное размещение агентов и их сообщение с внешней средой – важный аспект агент-ориентированного (агентного) моделирования. Оно помогает понять многие географические проблемы, такие как, к примеру, разрастания, скопления и сегрегации. С другой стороны, представление пространственно-распределенной информации наиболее адекватным действительности образом – прерогатива географической информационной системы (ГИС) – инструмента обработки географической информации. ГИС следует рассматривать в совокупности теоретического научного подхода и специального программного обеспечения, способного хранить, редактировать, обрабатывать и представлять географические данные в виде карт [3]. Картография – традиционно наиболее простая и эффективная форма научной визуализации и пространственного анализа, но отнюдь не единственная [7]. Как отмечалось выше, агентное моделирование имеет непосредственное отношение ко многим географическим проблемам, поэтому возрастает интерес к интеграции ГИС и агент-ориентированного моделирования через соединение и вложение технологий.

На первый взгляд, достаточно трудно понять, каким образом ГИС-технологии, ориентированные, в основном, на обработку картографических и ассоциированных с ними данных, могут быть адаптированы к потребностям динамического имитационного моделирования.Однако, ГИС в действительностипредставляется вполне пригодной платформой для имитационного эксперимента с необходимостью пространственного и временного анализа. Применение ГИС в имитационном моделировании включает в себя управление данными, преобразование форматов, изменение проекций, растр-векторное преобразование, а также рендеринг, выполнение запросов, анализ результатов моделирования и оценку погрешностей. [5, с. 220].

Для агент-ориентированного моделирования интеграция с ГИС обеспечивает возможность иметь агентов, связанных с реальными географическими объектами, непрерывно изменяющимися в пространстве и времени. Проиллюстрировать объединение агентного моделирования с ГИС можно, представив объективный мир как суперпозицию слоев (например, физической, городской среды) и объектов различных типов (таких как люди, автомобили и т.п., которые могут являться основой для агентов). Слои формируют искусственную среду обитания агентов и, кроме того, могут выступать в качестве границ моделирования [4].

Таким образом, объединенные ресурсы ГИС и агент -ориентированного моделирования реализуют два важных аспекта геоинформационного подхода: исследование компонентов среды по вертикали и анализ связей между отдельными компонентами по горизонтали [7]. Вследствие объединения парадигм произошло слияние терминов, и методология получила название мультиагентное геомоделирование (multi-agentgeosimulation, MAG). Мультиагентное геомоделирование – техника имитационного моделирования явлений и комплексных систем, имеющих место в окружающей среде, с применением агент-ориентированного подхода в пространственных моделях высокого разрешения.

Рис.1 Мир как суперпозиция слоев фиксированных и нефиксированных объектов (адаптация из [4])

Типичная MAG-модель использует геопространственные массивы данных (связанные с сущностями в пространстве, например, зданиями, инфраструктурой, элементами рельефа) для представления среды, в которой существуют искусственные мобильные агенты (например, пешеходы, потребители), тем самым моделируя поведение людей и других объектов реального мира (домашних хозяйств, транспортных средств). [2, с. 238]. Мультиагентность предполагает взаимодействие нескольких интеллектуальных агентов в едином временном и физическом пространстве.

Существует, в общем, два типа систем моделирования для разработки агент-ориентированных моделей: набор инструментальных средств (toolkits) и программное обеспечение (software). Согласно этой дихотомии, под наборами инструментальных средств подразумеваются системы моделирования, представляющие концептуальную основу организации и разработки агент-ориентированных моделей. Они обеспечивают соответствующие библиотеки функциональных возможностей, которые включают заранее определенные процедуры и функции, предназначенные специально для агент-ориентированного моделирования. В этом случае модель может быть выражена в форме последовательности команд ГИС, выполняемых сценарием (скриптом) на объектно-ориентированном языке программирования (например, Java, C++, VisualBasic) или скриптовом языке (Python, VBScript, JScript). Использование же готового программного обеспечения зачастую существенно упрощает процесс моделирования за счет снижения необходимости разрабатывать программный код [5].

Обширный ряд функциональных возможностей для мультиагентного геомоделирования представляет среда имитационного моделирования AnyLogic .Реализация геопространственной среды в агентных моделях AnyLogic, выражаемой в форме динамических ГИС-карт, основана на технологии OpenMap. OpanMap оперирует проекциями , которые переводят данные из географических координат в декартовы координаты отображаемой на экране ГИС-карты. При этом поддерживается два типа карт (актуально для версии AnyLogic 7.1 и выше): тайловые карты и шейп-файлы . Тайловые карты состоят из небольших соединенных друг с другом фрагментов (тайлов, от англ. atile – «плитка») и загружаются в модель в режиме реального времени. Шейп-файлы содержат информацию о примитивах (точках, линиях, полигонах), из которых состоит карта. Оба типа могут наслаиваться друг на друга, образуя, таким образом, пространство ГИС. Поддержка пространства ГИС располагает инструментами для помещения агента в заданную точку, перемещения из текущего местоположения в другое с определенной скоростью, установления связей между агентами в зависимости от их расположения и т.д. [1].

Одним из примеров, предлагаемых разработчиками AnyLogic для ознакомления с объединением парадигм агентного моделирования и ГИС, является модель цепочки поставок нефти (OilSupplyChain).

Рис.2 Главная диаграмма агента Main в графическом редактореAnyLogic

Как видно из рис.2, в пространство ГИС, реализованное тайловой картой, помещены агенты: ритейлеры (retailers), бензовозы (fuelTrucks), хранилища (storages), нефтеперерабатывающие заводы (refineries), нефтепроводы (pipelines) и танкеры (tankers). Карта загружается автоматически от поставщика OpenStreetMap (OSM). Конечные звенья поставок нефти – ритейлеры GasStation – изображены с помощью фигуры презентации «ГИС Точка». При запуске модели и выборе удобного масштаба будет видно, что агенты «Fuel Track» движутся от хранилищ терминалов к пунктам назначения по действительным транспортным путям, то есть используют географические данные ГИС.

Рис.3 Фрагмент модели Oil Supply Chain

Рис.4 Фрагмент модели Oil Supply Chain

Итак, интеграция агент-ориентированного моделирования и ГИС – перспективный вектор развития современных методов исследования сложных процессов. Такой подход позволяет большому числу исследователей создавать качественные геопространственные агентные модели. Однако необходимо отметить, что интеграция агентного моделирования и ГИС – все еще довольно сложный процесс, нуждающийся в тщательной проработке предварительной информации: какие данные необходимы, каким образом они должны быть использованы, как агенты взаимодействуют с данными и т.д. Кроме того, в данном контексте актуальна проблема вычислительной мощности, достаточной для создания геопространственных агентных моделей с большим числом (порядка тысячи) агентов, взаимодействующих с множеством растровых и векторных объектов [5, с. 245]. Тем не менее, подход обладает внушительным потенциалом, достойным развития и преодоления существующих ограничений.