Мы хотели бы представить вам общий подход к решению задач, связанных с развитием агломераций, который мы разработали при работе над платформой инвестиционного планирования развития городов. С помощью цифрового двойника мы стремимся преодолеть недостатки, возникающие при недостаточно продуманном строительстве новых городских районов, таких как увеличение пробок на дорогах, дефицит инфраструктуры и снижение конкурентоспособности города в целом и его отдельных частей.
Создание новых районов в городах неизбежно приводит к существенному перераспределению транспортных потоков в агломерации и тайно вносит ухудшения в качество жизни горожан. Чтобы обеспечить продуманные управленческие решения, проводить сценарный анализ и находить оптимальные места для размещения и функционального назначения новых территорий, мы предлагаем использовать методы математического моделирования, сведенные в понятие "Цифровой двойник города".
Комплексная математическая модель города должна удовлетворять следующим требованиям:
Создание новых районов в городах неизбежно приводит к существенному перераспределению транспортных потоков в агломерации и тайно вносит ухудшения в качество жизни горожан. Чтобы обеспечить продуманные управленческие решения, проводить сценарный анализ и находить оптимальные места для размещения и функционального назначения новых территорий, мы предлагаем использовать методы математического моделирования, сведенные в понятие "Цифровой двойник города".
Комплексная математическая модель города должна удовлетворять следующим требованиям:
- Оценка комплексности, включающая социальные, экологические и экономические последствия выбранных решений.
- Учет максимального количества факторов, по которым имеются статистические данные.
- Решение прямых задач типа "что будет, если..." (например, разместить жилье или промышленную площадку здесь).
- Решение обратных задач типа "что необходимо, чтобы..." с целью достижения максимального положительного эффекта для города в целом, а не для отдельных участников проекта.
- Использование аналитических и интерпретируемых моделей на основе ограниченных наборов данных, поскольку применение нейронных сетей и машинного обучения недоступно.
Воплощение этих принципов в процессе разработки инфраструктурных проектов поможет специалистам по инвестиционным банкам принимать более обоснованные и эффективные решения, способствующие устойчивому развитию городов и повышению их конкурентоспособности.
Давайте подробнее рассмотрим наш подход к созданию комплексной модели города:
1. Начинаем с создания и калибровки укрупненной модели города, которая связывает показатели ключевых сфер деятельности города во времени. Эту модель мы называем "Referenced City Model". Мы уже ранее описали концепцию этой модели (ссылка: https://shorturl.at/msyGQ), и постепенно размещаем реализацию модели для 3000 городов на нашем сайте (dtwin.city - вторая вкладка). Наличие актуальной укрупненной модели города позволяет нам приступить к решению пространственных задач.
Давайте подробнее рассмотрим наш подход к созданию комплексной модели города:
1. Начинаем с создания и калибровки укрупненной модели города, которая связывает показатели ключевых сфер деятельности города во времени. Эту модель мы называем "Referenced City Model". Мы уже ранее описали концепцию этой модели (ссылка: https://shorturl.at/msyGQ), и постепенно размещаем реализацию модели для 3000 городов на нашем сайте (dtwin.city - вторая вкладка). Наличие актуальной укрупненной модели города позволяет нам приступить к решению пространственных задач.
2. Мы проецируем макроэкономические данные на отдельные территории и отрасли города, используя косвенные данные, связанные с объектами (зданиями и сооружениями) или субъектами (организациями):
3. Создаем вычислительную модель транспортных потоков пассажиров и грузов между местами проживания, работы и оказания услуг, а также грузовых потоков между местами производства.
- Учитываем площадные характеристики и функциональное назначение зданий.
- Анализируем количество проживающих и работающих людей.
- Рассчитываем потребление энергетических ресурсов.
- Вовлекаем все доступные данные для анализа.
3. Создаем вычислительную модель транспортных потоков пассажиров и грузов между местами проживания, работы и оказания услуг, а также грузовых потоков между местами производства.
4. На основе макроэкономической, пространственной и транспортной моделей мы проводим сценарный анализ для размещения зданий и сооружений в разных частях города. Этот анализ позволяет оценить влияние на основные макроэкономические, пространственные и транспортные показатели. Особое внимание уделяется расчету обобщающих показателей, таких как влияние на темпы социально-экономического развития. (Выбор этого показателя является одной из интереснейших задач, которую стоит рассмотреть отдельно).
5.Завершающий этап состоит в поиске оптимального решения с учетом целевого показателя и ограничений, а также планирования развертывания проекта во времени.
С использованием этого подхода специалисты по инфраструктурным проектам в инвестиционных банках могут принимать более обоснованные и эффективные решения, способствующие устойчивому развитию городов и повышению их конкурентоспособности.
Каждый из вышеописанных шагов реализуется комплексом математических моделей, выполнения калибровочных, прогнозных и оптимизационных расчетов. Математические модели мы реализуем в виде авторских библиотек в среде R Posit. Комплекс моделей включает в себя:
Безусловно, при реализации данного подхода мы зависим от полноты и качества исходных данных, но именно модели помогают нам заполнять пробелы по данным и повышать достоверность наших интуитивных решений, проверяя их достоверность на наборах исторических данных.
Каждый из вышеописанных шагов реализуется комплексом математических моделей, выполнения калибровочных, прогнозных и оптимизационных расчетов. Математические модели мы реализуем в виде авторских библиотек в среде R Posit. Комплекс моделей включает в себя:
- модели системной и волновой динамики,
- модели межотраслевых и межтерриториальных балансов (input-output),
- тепловых моделей для решения задач проекции расчетов на территории.
Безусловно, при реализации данного подхода мы зависим от полноты и качества исходных данных, но именно модели помогают нам заполнять пробелы по данным и повышать достоверность наших интуитивных решений, проверяя их достоверность на наборах исторических данных.
