Анализ программ моделирующих транспортные потоки методом Саати

Размещено на http://www.allbest.ru/

Анализ программ моделирующих транспортные потоки методом Саати

Сокуров Павел Дмитриевич, студент

Рыбанов Александр Александрович, кандидат наук, доцент, заведующий кафедрой

Волжский политехнический институт (филиал) Волгоградский государственный технический университет

Фадеева Марина Викторовна, старший преподаватель

Волгоградский государственный технический университет, Волжский политехнический институт (филиал)

В данной статье рассматриваются аналоги программ для моделирования транспортных потоков. Эти программы анализируются с помощью иерархической аналитической процедуры Саати. В итоге проверим удовлетворяют ли рассмотренные программы интегральному показателю качества, основываясь на потребности пользователя.

Актуальность работы определяется возрастающим ежегодно потоком транспорта, а следовательно огромной загруженностью транспортной сети. Для моделирования транспортных потоков используются различные программных средства, позволяющие моделировать поток автомобилей и управлять им.

Задача данной работы состоит в определении весовых коэффициентов критериев качества методом экспертных оценок с помощью иерархической аналитической процедуры Саати [1,4], благодаря которой мы проанализируем несколько программных продуктов, связанных с моделированием транспортных потоков и проверим удовлетворяют ли они интегральному показателю качества, а также получим количественные значения критериев качества [2,3,5].

Основываясь на потребностях пользователей по отношению к программным средствам, обеспечивающих моделирование транспортных потоков выберем следующие показатели в качестве критериев для сравнительного анализа аналогов программ:

1. A1 - Нахождение оптимальных режимов светофоров регулирования для 1 перекрестка

2. A1 - Загрузка карты или изображения дорог или перекрестков

3. A3 - Точность обработки данных

4. A4 - Задание входного потока автомобилей

5. A5 - Скорость обработки данных

Используем аналитическую иерархическую процедуру Саати для определения веса каждого критерия качества [3,6,7].

Правила заполнения матрицы парных сравнений представлены в таблице 1.

Таблица 1. Значения коэффициентов матрицы парных сравнений

Матрица парных сравнений, средние геометрические и веса критериев представлены в таблице 2.

моделирование транспортный поток саати

Таблица 2. Матрица парных сравнений, средние геометрические и веса критериев

Диаграмма весовых коэффициентов для критериев A1, A2, A3, A4, A5 представлена на рисунке 1.

Рисунок 1. Весовые коэффициенты критериев качества

Проведем проверку матрицы парных сравнений на непротиворечивость.

Суммы столбцов матрицы парных сравнений:

R1=1,79 ; R2= 4,68; R3= 9,53; R4= 16,33; R5=25.

Рассчитаем вспомогательную величину L, просуммировав произведения сумм столбцов матрицы и весовые коэффициенты: L = 4.27.

Индекс согласованности ИС = (L-N)/(N-1) = 0.09.

Величина случайной согласованности для размерности матрицы парных сравнений: СлС = 1.12.

Отношение согласованности ОС=ИС/СлС = 0.08. не превышает 0.2, поэтому уточнение матрицы парных сравнений не требуется.

Используя полученные коэффициенты, определим интегральный показатель качества для следующих программных продуктов, направленных на моделирование транспортных потоков:

1. Transyt;

2. Дорожный менеджер;

3. Vissim;

4. Arcady;

5. Aimsun.

Выберем категориальную шкалу от 0 до 7 (где 0 - качество не удовлетворительно, 7 - предельно достижимый уровень качества) для функциональных возможностей выбранных программ [4,8].

Значения весовых коэффициентов ai , соответствующие функциональным возможностям аналогов программ:

1. Нахождение оптимальных режимов светофоров регулирования для 1 перекрестка: a1 = 0,51;

2. Загрузка карты или изображения дорог или перекрестков: a2 = 0,26;

3. Точность обработки данных: a3 = 0,13;

4. Задание входного потока автомобилей: a4 = 0.06;

5. Скорость обработки данных: a5 = 0.03;

где ?ai = 1.

По выбранной шкале определим количественные значения функциональных возможностей Xij (таблица 3) и вычислим интегральные показатели качества для выбранных программ.

Таблица 3. Интегральные показатели качества

где Qj=?ai*Xij - интегральный показатель качества для j-го программного продукта.

Построим лепестковую диаграмму интегрального показателя качества каждого программного продукта (рисунок 2).

Рисунок 2. Лепестковая диаграмма интегральных показателей качества программ

Значения характеристик функциональных возможностей (критериев) представлена в виде лепестковой диаграммы на рисунке 3.

Рисунок 3. Лепестковая диаграмма значений функциональных характеристик

Сравнительный анализ программных продуктов для моделирования транспортных потоков показал, что из всех программных аналогов только Transyt и Дорожный менеджер имеет значение интегрального показателя качества, превышающий базовое значение, а у остальных программных аналогов оно оказалось ниже. Предлагаемая методика экспертной оценки программных продуктов позволила количественно оценить их качество с точки зрения уровня реализуемых функций и позволит выявить функции, которые не удовлетворительно реализованы в некоторых рассматриваемых программных продуктах.

Список литературы

1. Богушенков А.С., Рыбанов А.А. Разработка и исследование алгоритмов автоматизированной системы учета и поиска информации по пакетам труб на основе технологии QR-кода // Молодой ученый. 2015. № 4 (84). С. 47-52.

2. Кондрацкий Д.Е., Рыбанов А.А. Исследование методов и алгоритмов автоматизированной системы оценки альтернативных вариантов методом Т.Саати // NovaInfo.Ru. 2016. Т. 3. № 46. С. 107-116.

3. Рыбанов А. Определение весовых коэффициентов сложности тем учебного курса на основе алгоритма Cаати // Педагогические измерения. 2014. № 4. С. 21-28.

4. Рыбанов А.А., Макушкина Л.А. Технология определения весовых коэффициентов сложности тем дистанционного курса на основе алгоритма Саати // Открытое и дистанционное образование. 2016. № 1 (61). С. 69-79.

5. Сова Е. В., Рыбанов А. А. Сравнительный анализ библиотек генерации отчётов в веб-ориентированных информационных системах // Международный журнал прикладных и фундаментальных исследований. -2012. -№ 7. -C. 167.

6. Моисеев Ю.И., Рыбанов А.А. Подходы к автоматизации деятельности автошкол и количественной оценке навыков вождения // NovaInfo.Ru. 2016. Т. 2. № 43. С. 17-21.

7. Рыбанов А.А., Усмонов М.С.О., Попов Ф.А., Ануфриева Н.Ю., Бубарева О.А. Информационные системы и технологии // Научный редактор: И. А. Рудакова; Редакционная коллегия: Рудакова И.А., Гребенщиков Г.Ф., Акутина С.П., Краснолуцкий В.П. / Центр научной мысли (г. Таганрог). Москва, 2013. Том Часть 4 Информационные системы и технологии.

8. Морозов А.О., Рыбанов А.А. Экспертная оценка программных продуктов для расчета метрических характеристик физической схемы базы данных // Современные научные исследования и инновации. 2015. № 1-

Размещено на Allbest.ur