ІМІТАЦІЙНЕ МОДЕЛЮВАННЯ ЯК ІНСТРУМЕНТ СОЦІОЛОГІЧНОГО АНАЛІЗУ
DOI:
https://doi.org/10.20535/2308-5053.2024.4(64).322683Ключові слова:
агент-орієнтоване моделювання, зони низьких викидів, поведінка водіїв, екологічна політика міста, Python.Анотація
Стаття присвячена дослідженню імітаційного моделювання як інструменту соціологічного аналізу на прикладі вивчення впливу міських зон з обмеженням руху транспорту на поведінку водіїв та рівень забруднення повітря. У роботі розглянуто основні підходи до соціального моделювання, включаючи агент-орієнтоване моделювання, системну динаміку, мережеве моделювання та мультиагентні системи. Особлива увага приділяється агент-орієнтованому моделюванню як найбільш придатному методу для аналізу поведінки водіїв в умовах впровадження зон обмеження руху. На основі адаптованої методології проведено імітаційне моделювання впливу трьох розмірів "зелених зон" (15%, 30% і 40% від загальної площі міста) на рівень викидів забруднюючих речовин. Розроблено алгоритм генерації випадкових маршрутів та класифікації поїздок за їх взаємодією із зоною обмежень. Результати моделювання показали, що найбільшої ефективності у зниженні викидів досягає зона розміром 40% від загальної площі міста. При цьому ключову роль відіграють поведінкові реакції водіїв – скасування поїздок або їх відтермінування до періодів з меншими обмеженнями. Представлено рекомендації щодо подальшого вдосконалення моделі, зокрема через розробку більш детальних алгоритмів розрахунку викидів та інтеграцію з картографічними сервісами.
Посилання
Богуславська К. Мережевий підхід: причини виникнення, напрями дослідження мереж та їх типологізація. Наукові записки Інституту політичних і етнонаціональних досліджень ім І.Ф. Кураса НАН України: Збірник наукових праць. Київ, 2006. Вип. 32. C. 402–414. URL: https://ipiend.gov.ua/wp-content/uploads/2018/07/bohuslavska_merezhevyi.pdf. Дата доступу: 2024-10-28.
Будур І.М., Бойко С.А. Мультиагентна модель системи підтримки прийняття рішення по управлінню розподіленими об’єктами. Системи озброєння і військова техніка. 2020. 3(63). C. 54–61. URL: https://doi.org/10.30748/soivt.2020.63.08. Дата доступу: 2024-10-28.
Венгріна І.Є. Досвід застосування імітаційного моделювання у дослідженнях соціальних явищ та процесів. Наукові записки НаУКМА. Соціологічні науки. 2011. T. 122. С. 14–18. URL: https://ekmair.ukma.edu.ua/handle/123456789/3671. Дата доступу: 2024-10-28.
Комнатний С.О. Філософія сталого розвитку як дороговказ для формування сучасної державної житлової політики. Філософські та методологічні проблеми права. 2021. Т. 1. Вип. 21. С. 60–71. URL: https://doi.org/10.33270/02212101.60. Дата доступу: 2024-10-28.
Паніотто В. Амосов і моделювання соціальних процесів. Соціологія: теорія, методи, маркетинг. 2014. Випуск 1. С. 199–205. URL: http://nbuv.gov.ua/UJRN/stmm_2014_1_17. Дата доступу: 2024-10-28.
Axtell R.L., Farmer J.D. Agent-Based Modeling in Economics and Finance: Past, Present, and Future. INET Oxford Working Paper No. 2022-10. 2022. URL: https://oms-inet.files.svdcdn.com/production/files/JEL-v2.0.pdf. Accessed: 2024-10-28.
Bigazzi A., Rouleau M. Can traffic management strategies improve urban air quality? A review of the evidence. Journal of Transport & Health. 2017. Issue 7. URL: https://doi.org/10.1016/j.jth.2017.08.001. Accessed: 2024-10-28.
Ceccato R., Rossi R., Gastaldi M. Low emission zone and mobility behavior: Ex-ante evaluation of vehicle pollutant emissions. Transportation Research. Part A: Policy and Practice. 2024. Issue 185. URL: https://doi.org/10.1016/j.tra.2024.104101. Accessed: 2024-10-28.
Celaya J.R., Desrochers A.A. Modeling and Analysis Methods for Multi-Agent Systems. I-Tech Education and Publishing. 2009. URL: https://doi.org/10.5772/6596. Accessed: 2024-10-28.
Cosenz F., Noto G. Applying System Dynamics Modelling to Strategic Management: A Literature Review. Systems Research and Behavioral Science. 2016. Volume 33, Issue 6. P. 703–741. URL: https://doi.org/10.1002/sres.2386. Accessed: 2024-10-28.
Chernyshov K.R. Multi-Agent Systems within Modeling and Identification Problems. IFACPapersOnLine. 2015. Volume 48, Issue 3. P. 1308–1313. ISSN 2405-8963. URL: https://doi.org/10.1016/j.ifacol.2015.06.266. Accessed: 2024-10-28.
Hendijani R. Behavioral Operations Management: A Review of the Field. Journal of Psychological Research. 2019. Volume 1, Issue 3. P. 12–30. URL: https://doi.org/10.30564/jpr.v1i3.736. Accessed: 2024-10-28.
Low Emission Zones. Urban Access Regulations in Europe. 2018. URL: https://urbanaccessregulations.eu/low-emission-zones-main. Accessed: 2024-10-28.
Lurkin V, Hambuckers J., Woensel T. van. Urban Low Emissions Zones: A Behavioral Operations Management Perspective. Transportation Research Part A. 2021. Issue 144. P. 222–240. URL: https://doi.org/10.1016/j.tra.2020.11.015. Accessed: 2024-10-28.
Monti C., Pangallo M., De Francisci Morales G. et al. On Learning Agent-based Models from Data. Scientific Reports. 2023. Issue 13. URL: https://doi.org/10.1038/s41598-023-35536-3. Accessed: 2024-10-28.
Moral‑Carcedo J. Dissuasive Effect of Low Emission Zones on Traffic: the Case of Madrid Central. Transportation. 2024. Issue 51. P. 25–49. URL: https://doi.org/10.1007/s11116-022-10318-4. Accessed: 2024-10-28.
Poledna S., Miess M.G., Hommes C., Rabitsch K. Economic forecasting with an agent-based model. European Economic Review. 2023. Volume 151. URL: https://doi.org/10.1016/j.euroecorev.2022.104306. Accessed: 2024-10-28.
Rahman M.A., Pakštas A., Wang F.Z. Network modelling and simulation tools. Simulation Modelling Practice and Theory. 2009. Volume 17, Issue 6. P. 1011–1031. URL: https://doi.org/10.1016/j.simpat.2009.02.005. Accessed: 2024-10-28.
Šešelja Dunja. Agent-Based Modeling in the Philosophy of Science. Stanford Encyclopedia of Philosophy. 2023. URL: https://plato.stanford.edu/entries/agent-modeling-philscience. Accessed: 2024-10-28.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
