2535

расширить сферу своей деятельности, приобрести новых клиентов, а, возможно, и выйти на новые рынки.

Суммарный экономический эффект, учитывающий выгоду автовладельцев на экономии топлива, страховых компаний и судебных органов на упрощении разбирательств обстоятельств ДТП, телекоммуникационных компаний на обеспечении трафика информации, равно как и сроки окупаемости проекта без серьёзных экономических расчётов определить на данном этапе трудно. Достаточно лишь сказать, что по оценке фонда «Индем» объем взяток на российских дорогах за год оценивается в 1 млрд $ [5], объём выплат по ОСАГО по данным РСА за 2009 год – 1,53 млрд $ [6], суммарный экономический ущерб от ДТП в 2-2,5 % ВВП – для 2009 года – порядка 2,6-3,2 трлн $.

Помимо этого система поможет тысячам автовладельцев найти угнанные автомобили, а правоохранительным органам открывает широкие оперативные возможности для выявления, отслеживания и ликвидации таких опасных угроз для общества, как терроризм и организованная преступность.

Для законопослушных граждан введение системы принесёт только экономию на расходах по налогам, страховым взносам и оплате за топливо. В то же время, вождение автомобиля по дорогам будет намного приятнее и цивилизованнее.

Библиографический список

1.FIA Declaration on global road safety “Make roads safety”, Barcelona, 20-th October 2006. – http://www.fia.com/.

2."Российская газета" - Федеральный выпуск №5002 (178) от 23.09.2009 г.

3.Постановление Правительства РФ №100 от 20 февраля 2006 г. N 100 от 20 февраля 2006 г. «О Федеральной целевой программе «Повышение безопасности дорожного движения на в 2006-2012 годах»

4.Заявка на патент РФ на изобретение от 04.08.2010 г.

5.«Общенациональная газета «ИЗВЕСТИЯ» - «Как нам реорганизовать ГИБДД?», выпуск от 18.02.2008.

6.Отчёт РСА по выплатам ОСАГО за 2009 год – http://www.autoins.ru/.

УДК 519.872.6

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ДВИЖЕНИЯ ГОРОДСКОГО АВТОТРАНСПОРТА

Д.Ю. Долгушин, аспирант; Т.А. Мызникова, канд. техн. наук, доцент Сибирская государственная автомобильно-дорожная академия

Интенсивная автомобилизация последних десятилетий послужила толчком к развитию перевозок грузов и пассажиров, однако, автотранспорт

68

в своём развитии имеет и оборотную сторону – превышение пропускной способности магистралей ведёт к образованию заторов и рождает ряд негативных последствий, в том числе потери времени, значительные выбросы загрязняющих веществ и т.п. Необходимость распределения потоков машин в условиях ограничений улично-дорожной сети (далее УДС) делает проблему эффективного управления потоками автотранспорта актуальной. В системе такого управления необходимо использовать моделирование движения городского автотранспорта ввиду потенциальной опасности экспериментов с реальным объектом.

На сегодняшний день существует множество моделей движения транспортных потоков. По уровню детализации представляемого объекта их принято делить на макро-, мезо- и микромодели [1]. К последнему классу принадлежат модели на основе клеточных автоматов, зарекомендовавшие себя как эффективное средство отображения динамики потока машин. Разработанная модель [2] основана на стохастическом транспортном клеточном автомате с двухэтапным алгоритмом обновления, позволяет моделировать многополосную однонаправленную дорогу. Клеточный автомат представлен массивом ширины M и длины N. Каждая ячейка массива имеет длину 5,5 метров, что соответствует пространству, занимаемому машиной в пробке, а также позволяет моделировать движение машин со скоростью 20, 40 и 60 км/ч. Обновление автомата ведётся в два этапа: перестроение и перемещение машин. Конфигурация, полученная на первом

этапе, служит исходной для второго.

На поведение машин, кроме других участников движения, влияют следующие факторы:

1.Качество дорожного полотна.

2.Локальные скоростные ограничения, устанавливаемые знаками дорожного движения.

Кроме того, модель учитывает разнородность потока машин, который может включать как легковые, так и грузовые автомобили и автобусы, обладающие различными техническими характеристиками.

Известны недостатки в работе классической модели [3] и построенной на её основе двух- и многополосной [4, 5], связанные с высокой скоростью движения ударных волн и высоким темпом оттока автомобилей из затора; появлением “пинг-понг” эффекта; возникновением “конфликта распределения” [3]. Эти проблемы решены с помощью дополнительных параметров

иправил [3]. Значения параметров были установлены эмпирически или на основе общепринятых величин: случайное замедление p=0,18; вероятность смены полосы pc=0,05; вероятность срабатывания правила медленного старта psts=0,68; вероятность срабатывания правила пространственного упреждения psa=0,8; дистанция, выдерживаемая водителем в случае срабатывания правила медленного старта dsts=1 (ячейка); дистанция, в пределах

69

которой водитель начинает адаптировать скорость к скорости лидера (при срабатывании правила пространственного упреждения) dsa=5 (ячеек).

Модель движения транспорта на основе клеточных автоматов по своей природе прямолинейна, в то же время городское движение характеризуется наличием нелинейных участков дороги, пересечений магистралей, наличием нерегулируемых пешеходных переходов. Для отображения сложных участков УДС в модели используются узлы – объекты, осуществляющие передачу транспортных средств между связанными дорогами. Узел функционирует по следующему принципу: пусть имеются две дороги, А и Б, связанные узлом. Водитель, достигший конца дороги А, проверяет наличие свободных ячеек на дороге Б. Если свободные ячейки есть, машина переносится на дорогу Б, в противном случае остаётся на дороге А в ожидании появления возможности перехода.

Аналогичную функцию выполняют и перекрёстки – Т-образные пересечения нескольких магистралей на одном уровне, движение на которых регулируется с помощью светофоров или знаков дорожного движения. В первом случае перекрёсток разрешает конфликты встречных направлений, во втором – конфликты разрешаются на основе установленных приоритетов движения. В случае отсутствия знаков, приоритеты определяются по правилу “правой руки” [6].

Светофоры в модели представляют собой обычные автомобильные светофоры с трёхцветной схемой сигнализации, каждый сигнал которых длится в течение заданного времени. Светофорный объект может быть установлен как на произвольном участке дороги, так и у перекрёстков. В последнем случае работа светофоров на всех пересекающихся дорогах синхронизируется для обеспечения корректного распределения потоков конфликтующих направлений. Реакция водителей на светофоры вводится набором правил, дополняющим второй этап обновления автомата.

Нередко причиной заторов становятся нерегулируемые пешеходные переходы. В модели предусмотрен соответствующий объект, работа которого определяется двумя параметрами: вероятностью появления пешехода pp и временем, необходимым для преодоления дороги tp. При выходе пешехода движение на всех полосах данного сегмента блокируется в течение времени перехода. Как показывают численные эксперименты, нерегулируемые переходы даже с небольшим значением pp понижают пропускную способность по сравнению с присутствием на дороге светофорного объекта. Так, пропускная способность ул. Маркса (у остановки “Голубой огонёк”), имеющей три полосы движения в каждом направлении и нерегулируемый пешеходный переход, может быть увеличена до 93% в условиях высокой интенсивности движения и активности пешеходов при внедрении на соответствующем участке светофорного объекта.

70

Для обеспечения “подачи” автомашин надорогу используются источники транспортных средств, которые могут располагаться в произвольном месте дороги. Работа этих объектов определяется вероятностью появления машины на дороге pf. Тип машины также задаётся случайно, в рамках указанных значений для легковых, грузовых и автобусов (pfc, pft и pfa, соответственно).

С помощью компьютерной реализациибыл смоделирован участок УДС г. Омска площадью 25 км2 и протяжённостью 37 км. Для оценки адекватности модели проведена серия опытных и вычислительных экспериментов. Опытный эксперимент заключался в передвижении по заранее выбранному маршруту, который характеризовался следующими параметрами: протяжённость

– 14,8 км, присутствовали участки со скоростными ограничениями и повреждённым полотном, 3 нерегулируемых пешеходных перехода и 33светофора. Сравнение результатов опытов и численных экспериментов показало незначительные расхождения: во времени преодоления маршрута (в пределах минуты); длительности простоя в заторах (в пределах полутора минут); средней скорости передвижения ( 3 км/ч). Это позволяет судить о достаточно адекватном отражении динамики движения автотранспорта.

Представленная модель дорожного движения и основанная на ней модель УДС имеют следующие особенности, отличающие её от существующих аналогов [3, 7, 8]:

1.Модель позволяет учитывать качество дорожного полотна.

2.Имеется возможность установки локальных скоростных ограничений.

3.Транспортный поток разнородный, образован машинами разных типов, с различными техническими характеристиками (максимальная скорость, потребляемое топливо).

4.Модель УДС позволяет представлять нерегулируемые пешеходные переходы.

Среди достоинств модели следует выделить, во-первых, простоту и естественность задания правил, определяющих поведение водителей. Благодаря этому калибровка и модификация модели становятся простыми задачами. Представление разнородного потока на дорогах открывает третье качество модели – возможность получения с её помощью данных для оценки выбросов загрязняющих веществ автотранспортом.

К недостаткам модели следует отнести высокую ресурсоёмкость компьютерной реализации, поскольку для работы необходимо имитировать поведение каждого автомобиля. Скорость вычислений может быть повышена благодаря параллельной реализации модели, требующей решения таких вопросов, как выбор платформы для распределённых вычислений; реализация алгоритма разбиения исходного сегмента УДС на равноценные по сложности участки, в дальнейшем распределяемые между узлами кластера; координация узлов кластера и т.п. Названные задачи являются обширными и вполне могут стать частью новой научной работы.

71

Библиографический список

1.Долгушин Д.Ю., Мызникова Т.А. Моделирование транспортных потоков города на основе клеточных автоматов // Вестник СибАДИ: Научный рецензируемый журнал. – Омск: СибАДИ. – №2(8) – 2008, С. 18-23.

2.Долгушин Д.Ю., Мызникова Т.А. Имитационное моделирование дорожного движения для оценки экологического влияния автотранспорта // Системы управления и информационные технологии, 4.1(38), 2009. – С. 139-142.

3.Maerivoet S., Moor B. Cellular automata models of road traffic // Physics Reports. 2005. – November. Vol. 419, no. 1, Pp. 1-64.

4.Nagel K., Schreckenberg M. A cellular automaton model for freeway traffic // J. Phys. I France. 1992. Vol. 2. Pp. 2221-2229.

5.Knopse W., Santen L., Schadschneider A., Schreckenberg M. A realistic two-lane traffic model for highway traffic // J. Phys. A: Math. Gen. 2002. – March. Vol. 35, no. 15.

6.ПравиладорожногодвиженияРоссийскойФедерации.–М.:ООО“ИДТР”,2009.–48с.:ил.

7.Maerivoet S., Moor B. Development of an improved traffic cellular automaton model for traffic flows on a highway road network // Proceedings of the 10th World Congress and Exhibition on Intelligent Transport Systems and Services / ERTICO, ITS Europe. Madrid, Spain: 2003. – Nov.

8.Arto Hämäläinen. Studies of traffic situations using cellular automata: Doctor of science dissertation / Helsinki University of Technology. Espoo, Finland, 2006.

УДК 516.4

ПРОБЛЕМНЫЙ АНАЛИЗ ПРОГРАММНЫХ ПРОДУКТОВ ДЛЯ КОМПЬЮТЕРНОЙ ПОДДЕРЖКИ ИНВЕСТИЦИОННЫХ РЕШЕНИЙ

Д.С. Зоткин, аспирант Сибирская государственная автомобильно-дорожная академия

Одним их видов управленческих решений является решение по оценке инвестиционных проектов. При принятии такого решения необходимо обработать большие массивы информации. С этой целью разработан ряд программных продуктов, позволяющих осуществить поддержку принимаемого менеджером решения.

Вцелом, оценка инвестиционных проектов относится к задачам стратегического уровня, а точнее к уровню стратегического планирования и финансового моделирования. В их основе лежит общий принцип работы– создание финансовой модели, прогноз финансовых результатов, анализ и подготовка необходимых отчётом и документов для акционеров, банков и инвесторов [1].

Вусловияхглобальногофинансово-экономическогокризиса волатильность всехпараметровроссийскойэкономикии(в том числе)факторов, определяющих эффективностьирезультатыинвестиционныхпроектов, возрастаетмногократно.

Всвязисэтим проблемыповышения качества оценкиипрогнозирования всех параметровинвестиционныхпроектови учета неопределенностиврасчетахих

72

эффективностистановятся определяющими. Существующиеметодикиподдержкирешенийвобластиинвестиционныхпроектов, какправило, сводится канализучувствительностиисценарномуподходу. Приэтом используемые финансовые иэкономико-математическиемоделиипрограммное обеспечениерасчетовэффективностипроекта обеспечиваютдлязаданныхисходныхданныхпопроекту расчетдетерминированныхзначенийпоказателейNPV, IRRидругих[2].

В настоящее время в России наибольшее распространение получили следующие два вида компьютерных программ, с помощью которых можно произвести оценку инвестиционного проекта.

1. Программы, предназначенные для планирования, сравнительного расчёта, анализа и оценки конкретных инвестиционных проектов. Из зарубежных программ наиболее популярными являются «COMFAR» и «PROPSPIN». Отечественные программные продукты представлены гораздо шире и применяются гораздо чаще. Видимо, основным критерием здесь является стоимость, а также адаптация программы к российским условиям ведения хозяйственной и бюджетной политики.

2. Программы, предназначенные для анализа деятельности предприятия за прошедшие периоды, а также прогнозирование изменений на будущие периоды, т. е. для экономической диагностики предприятия, а также выработки рекомендаций по её совершенствованию. Сюда можно отнести программные продукты «Альт-финансы», «Аналитик», «Финансовый анализ». [3]

Также, для анализа инвестиционных проектов применяют программы, предназначенные для управления схожими процессами. В этом случае существующую классификацию необходимо дополнить следующими видами программных продуктов:

3.Программы для бизнес-планирования. Наиболее популярным решением является «Business Plan Pro». Такие программы включают в себя как расчеты бюджета инвестиционного проекта, так и шаблоны/решения для написания текстов к бизнес-плану. При этом расчеты сделаны поверхностно, без детализации или глубокой аналитики.

4.Решения для бизнес-планирования, встроенные в корпоративные управленческие системы. Эти решения весьма многообразны, но все они предназначены не столько для новых крупных инвестиционных проектов, сколько для сценариев бюджета компании. Отдельно от «материнской» корпоративной системы не функционируют.

5.Программы управления проектами. Типичный представитель– MS Project. Хороши для формирования затратной частибюджета проекта, но целиком бюджет не формируют и очень слабы в анализе доходной части. Тем не менее, редко когда анализ крупных проектов проходит без их использования.

Применение тогоили иного вида программ обусловленоцелью, которую ставитперед собойлицо, проводящееанализ. Нередко цель зависитот рода деятельности. Например, для кредитора наиболее интересным будут укрупнённые

73

показатели проекта – NPV, IRR, срок окупаемости. Для руководителя проекта также представляют интерес временные рамки процессов, бюджет доходов и расходов, налоговые последствия. Поэтому, углубимся на более подробном изучении и сравнительном анализе программ именно первого типа. Результат представлен в Таблице 1.

В настоящее время рынок программ для оценки инвестиционных проектов представлен довольно широко. Появляется всё больше компаний, разрабатывающих собственные программные продукты, позволяющие проводить упрощённый анализ инвестиционных проектов, выдавая основные показатели, интересующие инвестора. Кроме того, при реализации однотипных проектов, компания-инициатор проекта может создать собственную модель, реализованную в среде Microsoft Excel.

Как видно из Таблицы 1, большинство продуктов используют готовую программную среду для реализации своего алгоритма. Достоинствами данной среды разработки являются гибкость и возможность для инвестиционного аналитика реализовать собственные методики и наработки. Однако, оптимальным является вариантом является использование отраслевого решения существующего программного продукта, либо адаптированный для деятельности конкретной компании экземпляр.

При определении эффективности проектов особое внимание должно уделяться учету фактора риска. Существует ряд мероприятий, обеспечивающих снижение риска и неопределенности. В целом все виды рисков подразделяют на дискретные (риски, связанные со стратегическими решениями) и непрерывные (рыночные). Наиболее существенными при оценке проектов являются факторы риска, обусловленные изменчивостью и слабому прогнозированию: экономического законодательства; условий инвестирования и использования прибыли; условий внешнеэкономической деятельности; политической ситуации; технико-экономических показателей использования новой техники, технологии и др.; природно-климатических условий; производственно-технологических процессов производства; поведения участников проекта и их финансового положения и др.

При анализе и оценке риска находят применение различные подходы, в том числе анализ уместности затрат, метод аналогий, анализ чувствительности, метод сценариев и др., каждый из которых отличается точностью, надежностью и сложностью получаемых результатов. Риск оценивают по определенному алгоритму, учитывающему интервал планирования и прогнозирования возможных рисковых событий, объем информации и выбранный метод решения задачи.

75

Поэтому, дополнительное исследование результатов моделирования инвестиционного процесса с применением методов анализа риска является необходимым условием для более точного прогнозирования результата и возможных последствий при отклонении от запланированного плана реализации. Метод дисконтирования денежных потоков даёт удовлетворительные результаты, только если дискретные и непрерывные риски находятся на низком уровне. В случае наличия значительных дискретных рисков используют метод дерева решений. При значительной непрерывной неопределённости применяется компьютерное моделирование по методуМонте-Карло. [4]

Несоответствие особенностей традиционного подхода реальным потребностям моделирования в области экономики и финансов заставляет искать нетрадиционные подходы, для которых не были бы характерны алгоритмичность, узкоцелевой характер моделей, излишняя определенность, разграничение «входов» и «выходов», сложный отбор информации. Именно таким нетрадиционным подходом является технология Н-вычислений, обеспечивающая разработку Н-моделей сложных явлений и процессов.

В работах Нариньяни А.С. предложена новая теория и технология эффективного решения проблем учета неопределенности в экономических моделях – недоопределенные модели (Н-модели), которые относятся к направлению сonstraint programming, активно развиваемому последнее время в мире, как одно из наиболее перспективных в ИТ.

Для расширения возможностей практического применения разработок в области Н-моделирования инвестиционных проектов и оценки их эффективности необходима верификация Н-модели инвестиционных проектов с моделями Project Eхpert и Альт-инвест и выпуск межотраслевого методического руководства по применению описанного инновационного инструмента оценки инвестиционных проектов [2].

Ведущим научным сотрудником ИОЭПП СОРАН Новиковой Т.С. описан модифицированный механизм двухпериодичной оптимизационная межотраслевая межрегиональная модель, основой которой является добавление в исходную модель технологического способа инвестиционного проекта, в свою очередь определяемого как результат формирования блока соответствующего проекта в системе показателей межотраслевых межрегиональных моделей.

Также проблемами совершенствования оценки эффективности инвестиций занимались учёные и экономисты Дасковский В.Б. [5], Липсиц И.В., Корнеев А.Е., Лукашов А.В., Виленский П.Л., Лившиц В.Н.

К сожалению, возможность внедрения дополнительных методик предусмотрена не во всех программах для анализа проектов. Поэтому, необходима разработка новых программных продуктов, позволяющих соединить классические подходы к оценке вложения инвестиций с новыми разработанными методиками, что позволит существенно повысить качество итогового результата и точность оценки инвестиционного проекта.

76

Библиографический список

1.КоркишкоМ. Как управлятьинвестициями.//Генеральный директор.–2006.-№11.–с.67.

2.Никонова И. Проблемы оценки инвестиционных проектов в условиях финансовоэкономического кризиса. // Полезные советы/Теория и практика. – 2009. - № 02. – с. 67.

3.Маюнова Н.В. Основы управления проектами. – М.: Эксмо, 2009.

4.Лукашов А.В. Метод Монте-Карло для финансовых аналитиков: краткий путеводитель. // Управление корпоративными финансами. – 2007. - № 01 (19).

5.Дасковский В.Б., Киселёв В.Б. Совершенствование оценки эффективности инвестиций // Экономист. - М.2009.№1.

УДК 415.2

АКТУАЛИЗАЦИЯ ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ «БЫСТРОЙ» РАЗРАБОТКИ ИНФОРМАЦИОННЫХ СИСТЕМ ДЛЯ БИЗНЕСА

Л.И. Коломейцева, директор Сургутского филиала; Е.Л. Першина, ст. преподаватель, О.А. Попова, канд. техн. наук, доцент;

Л.М. Стихановская, канд. техн. наук, доцент Сибирская государственная автомобильно-дорожная академия

Развитие информационныхтехнологий приводит к всебольшемуувеличениюсложности информационныхсистем (ИС), основное назначение которых служить пользователюдля решения различныхпроблем и практическихзадач. С однойсторонысовременныебизнес-задачи представляютсобой слабоструктурированные илинеструктурированные проблемы, которыеотличаются сложностьюописания (достаточнобольшоеколичествофункций, процессов, элементов, данныхисложные взаимосвязи междуними), требующие тщательногомоделирования и анализаданныхипроцессов, наличиесовокупности тесно взаимодействующихкомпонентов (подсистем), имеющихсвоилокальные задачии целифункционирования,ас другойстороны, бизнес требуетскорейшего решения своихпроблем, что выдвигает жесткие требования кскорости создания иадаптации ИС кспецифическим задачам объектаисследования.

Среди современных методов, отвечающих требованию «быстрой» разработки ИС, можно указать на следующие: Generative programming (порождающее программирование), которое базируется на использовании некоторого механизма (генератора кода); MD(A,D,E) или модель – управляемая архитектура, которая позволяет последовательно создавать уровнимодели описания предметной области; технология Agile, реализующая идею гибкого подхода к разработке ИС на основе принципа «короткого цикла обратной связи, когда за максимально короткое время создается прототип или готовое программное обеспечение (ПО), отвечающее требованиям заказчика при его непосредственном участии, что обеспечивает эффективную обратную связь между разработчиком и заказчиком и делает

77