JHF UFO
TRANSPORTOWYCH M ałgorzata ŁATUSZYŃSKA
3. Kierunki rozwoju systemu
System symulacyjny KORTRANS jest przeznaczony dla decydentów kształtujących ponadnarodowe strategie transportowe. Decyzje podejmowane na tym szczeblu nie są decyzjami indywidualnymi. W ym agają wielu konsultacji z ekspertami, z organami odpowiedzialnymi za form ułowanie polityki transportowej na różnych poziomach organizacyjnych (lokalnym, regionalnym, krajowym), a także z różnymi grupami nacisku. M ożna zatem stwierdzić, że są to decyzje grupowe24. Dane, potrzebne do tworzenia i eksperym entowania na modelach symulacyjnych generujących predykcję skutków różnych wariantów w zakresie rozwoju korytarzy transportowych, pochodzą z wielu źródeł. M oduły umieszczane w bibliotece modułów oraz metody w banku metod m ogą być opracowywane przez naukowców z różnych instytucji naukowo-badawczych.
W szystko to składa się na obraz specyficznej sytuacji decyzyjnej, który w sposób jednoznaczny określa jeden z kierunków rozwoju systemu KORTRANS.
System ten winien zapewniać możliwość wymiany informacji pomiędzy wszystkimi rozproszonymi terytorialnie uczestnikami procesu decyzyjnego, a także możliwość korzystania przez nich z jego zasobów. KORTRANS powinien zatem być wirtualnym, rozproszonym systemem symulacyjnym (ang. distributed 24 Przez pojęcie decyzji grupowych rozumie się tu za W.T. Bieleckim „świadome
postępowanie grupy decyzyjnej, według przyjętych procedur, mające na celu podjęcie jak najlepszej decyzji, wykorzystującej efekt synergiczny działania zespołowego”
[3, s. 46-47],
system) zorganizowanym jako otwarty system, z elementami rezydującymi na różnych serwerach w zintegrowanej sieci. Proponowana w poprzednim punkcie architektura umożliwia taką organizację systemu w ramach wielowarstwowej struktury „klient - serwer” zanurzonej w środowisku Internet/Intranet.
W strukturze rozproszonego systemu KORTRANS można wyróżnić trzy warstwy (rys. 7):
- warstwę kom unikacyjną odpowiadającą rozszerzonemu podsystemowi współpracy z użytkownikiem (klientem), która oprócz obsługi dialogu z operatorem powinna zapewniać sprawne współdziałanie wszystkich rozproszonych elementów systemu za pom ocą centralnego serwera komunikacyjnego;
- warstwę aplikacji, która przejmuje funkcje podsystemów banku modeli i banku metod;
- warstwę danych korespondującą z podsystemem banku danych, umożliwiającą dostęp do wewnętrznych i zewnętrznych baz danych.
W arstwę komunikacji tw orzą komputery użytkowników (klientów) i centralny serwer komunikacyjny. W komputerze klienta rezyduje tylko interfejs, mający postać przeglądarki stron WWW, która umożliwia operatorowi wysyłanie poleceń i śledzenie rezultatów ich wykonania. W porównaniu z tradycyjną konstrukcją, tego typu interfejs zapewnia użytkownikowi więcej informacji, w bardziej zróżnicowanej formie. Oprócz danych liczbowych użytkownik może przeglądać informacje nie w pełni ustrukturalizowane, podawane w formie tekstów, obrazów albo map cyfrowych, przy czym połączenia hyperlinkowe pozw alają na sw obodną nawigację po strukturze dostępnych zbiorów informacji.
Oprogramowanie centralnego serwera komunikacyjnego zapewnia współpracę baz danych, modeli, modułów i metod w sposób umożliwiający obsługę żądań użytkowników, udostępnia narzędzia pracy grupowej, kontroluje dostęp oraz chroni cały system.
N a warstwę aplikacji składają się serwery, na których rezydują programy obsługujące bank metod oraz modeli. Procesory tych serwerów przetwarzają zadania zlecane przez klienta. W arstwa danych natomiast zawiera zasoby informacyjne niezbędne do prawidłowego działania systemu symulacyjnego.
Składają się na nią zbiory zewnętrzne, obejmujące wszelkie zasoby oferowane przez Internet, oraz zbiory wewnętrzne.
Najbardziej odpowiednim sposobem budowy takiego rozproszonego systemu je s t technologia Extranetu (Internet z kontrolowanym dostępem). Extranet jest rozszerzoną w ersją Intranetu z dostępem do określonych zasobów informacji ograniczonym dla pewnej grupy użytkowników. W przeciwieństwie do Intranetu do pokonania zabezpieczeń typu ,fir e w a ir używa się tu technologii internetowych TCP/IP.
Z punktu widzenia użytkownika rozproszony system KORTRANS powinien pracować w sposób następujący: użytkownik, po rejestracji w centralnym serwerze systemu symulacyjnego wybiera żądaną usługę. M otor wyszukujący identyfikuje serwer udostępniający w ybraną usługę i łączy z nim klienta. Serwer aplikacji zarządza niezależnie od serwera komunikacyjnego
143
żądaniami użytkownika. Bazy danych i narzędzia do specjalistycznej analizy nie są przesyłane do komputera klienta - m ogą być tymczasowo przechowywane w centralnym serwerze komunikacyjnym i stamtąd pobierane podczas współpracy użytkownika z innymi warstwami systemu.
Rys. 7. Otwarta architektura systemu KORTRANS Źródło: opracowanie własne
Innym kierunkiem rozwoju systemu KORTRANS może być udoskonalenie procesu zarządzania danymi potrzebnymi do tworzenia modeli oraz dokonywania na nich eksperymentów symulacyjnych poprzez budowę hurtowni danych. Przy założeniu rozproszonej architektury systemu usługi hurtowni danych powinien zapewniać centralny serwer komunikacyjny.
Znajomość struktury danych źródłowych umożliwi ich ETT (ang.
Extraction, Transportation, Transformation). Filtrem informacyjnym dla zasilania hurtowni danych jest analiza efektów rozwoju międzynarodowych korytarzy transportowych. Grupy tematyczne powinny być definiowane na podstawie obszarów wspomagania decyzji dotyczących inwestycji infrastrukturalnych., np.:
przewidywanie popytu na transport. Filtr informacyjny i grupy tematyczne stanow ią podstawę do zdefiniowania schematu metadanych, który jest niezbędny w procesie budowy hurtowni danych. M etadane pam iętają w swoim systemie dane o procesach biznesowych i technicznych (metadane techniczne i biznesowe)25.
25 Por. [29].
144
Metadane techniczne należą do grupy dobrze ustrukturalizowanych. Są to:
pola bazy danych, filtry, formuły matematyczne, indeksowanie, przydział miejsca na dysku. M etadane biznesowe są natomiast słabo ustrukturalizowane. N ależą do nich: reguły biznesowe, aktualność danych, interpretacja danych. W ramach metadanych technicznych może być również wykorzystywany model symulacyjny.
Hurtownia danych (ang. data warehouse) rozumiana jako zintegrowany, zmienny w czasie zbiór danych do wspomagania procesów decyzyjnych [18, s.
161] umożliwia stosowanie technik OLAP (ang. On-line Analytical Processing) oraz data-mining, czyli pozyskiwanie wiedzy z danych zapisanych w wielu bazach operacyjnych. Jednolity zbiór danych oraz ich definicje, zapewniają prawidłową charakterystykę problemów decyzyjnych.
Symulacyjny system wspom agania decyzji wykorzystujący hurtownię danych, jako podstawowy zbiór danych analitycznych, staje się zaawansowanym instrumentem informatycznym. Zarządzanie danymi w takim systemie obejmuje elementy ogólnej architektury hurtowni danych oraz dodatkowo narzędzia przekształcania danych (rys. 8).
Rys. 8. Ogólna architektura hurtowni danych systemu KORTRANS z uwzględnieniem dodatkowych narzędzi przekształcania danych
Źródło: [20, s.33]
Podstawowym źródłem danych są wewnętrzne i zewnętrzne bazy danych systemu KORTRANS. Istotnym elementem przygotowania danych jest proces integracji, który poprawia jakość danych i eliminuje redundancje. Proces integracji danych przebiega wg następujących etapów [34, s. 172-173]:
pozyskiwanie danych źródłowych, konsolidacja danych, konwersja danych, przenoszenie danych.
W systemie symulacyjnym, model wymaga dodatkowo metadanych transformacji. Odw zorow ują one dane z hurtowni na narzędzie użytkownika czyli
145
model symulacyjny. Znaczną część informacji o badanym systemie potrzebnych do skonstruowania i uruchomienia modelu symulacyjnego tw orzą dane o parametrach i mnożnikach [40, s. 208-210], Parametry i mnożniki w yrażają właściwości elementów korytarza transportowego i jego otoczenia. Parametrami lub mnożnikami m ogą być przykładowo: współczynniki emisji zanieczyszczających, średnia prędkość na krawędziach sieci transportowej, długość czasu trwania poszczególnych działań inwestycyjnych itp. Szczególnie ważne są tzw. przesunięcia (inaczej opóźnienia) czasowe występujące w każdej działalności (np. czas od momentu uruchomienia funduszy inwestycyjnych do momentu realizacji danej fazy inwestycyjnej). Przesunięcia czasowe determinują dynamikę zachowania się systemu.
Hurtownia scalając dane z wewnętrznych i zewnętrznych baz danych, um ożliwia ustalenie tego typu danych, a tym samym zbudowanie modelu symulacyjnego uwzględniającego obraz całego korytarza transportowego i jego otoczenia niezbędny dla predykcji skutków określonych wariantów inwestycyjnych. Wykorzystując narzędzia przekształcania danych, można wykonać serię eksperymentów na zbudowanym modelu symulacyjnym.
Symulacyjny system KORTRANS korzystający z możliwości pozyskiwania danych wsadowych do konstruowania i rozwiązywania modeli symulacyjnych, jakie daje hurtownia danych może być doskonałym narzędziem generowania informacji o efektach rozwoju międzynarodowych korytarzy transportowych.
Rozważając kierunki doskonalenia systemu KORTRANS należy również wspomnieć o możliwości wbudowania do systemu symulacyjnego mechanizmów obsługi wszystkich technik symulacji komputerowej26 oraz zastosowania na różnych etapach pracy z modelem symulacyjnym technik sztucznej inteligencji27.
Badacze posługujący się sym ulacją kom puterową długo czekali na możliwość włączenia technik sztucznej inteligencji do języków symulacyjnych.
Niestety języki program owania nadające się do implementacji sztucznej inteligencji, nie były odpowiednie do definiowania zadań symulacyjnych. Takie możliwości stworzyły dopiero współczesne języki zorientowane na obiekty, które szczególnie intensywnie rozwinęły się w ciągu ostatnich dziesięciu lat28. Przy założeniu, że komputerowa implementacja systemu KORTRANS nastąpi przy wykorzystaniu obiektowego języka programowania (np. C++ lub Java), każda faza tworzenia modelu symulacyjnego może być wspierana technikami inteligentnymi29.
Łączenie symulacji komputerowej z technikami wywodzącymi się z zakresu sztucznej inteligencji, jest konstrukcją przyszłościową dla
26 Przykładami systemów symulacyjnych umożliwiających jednoczesne korzystanie z techniki symulacji ciągłej i dyskretnej jest MOOSE [8] oraz FUNSYS [5, s. 200-201].
27 Por. [6],
28 Wiele informacji na ten temat znajduje się w pracach [37], [15, s. 702-710] oraz [7].
29 Szerzej w [25],
symulacyjnych systemów wspomagania decyzji. Korzyści płynące z tego rodzaju mariażu są między innymi następujące:
- doskonalsza formalna reprezentacja struktury systemu na etapie konstruowania modelu symulacyjnego - modelujący mając do wyboru różne techniki wybiera tę, która pozwala na optymalny opis systemu w określonej sytuacji badawczej;
- skrócenie czasu budowania modelu symulacyjnego - dzięki technikom sztucznej inteligencji (przykładowo przy użyciu teorii zbiorów rozmytych) proces doboru analizowanych zmiennych oraz znajdowanie relacji między nimi staje się łatwiejszy;
- możliwość znajdowania optymalnych rozwiązań danego problemu za pom ocą modelu symulacyjnego - wyniki eksperymentów symulacji m ogą być poddawane analizie optymalizacyjnej (na przykład przy zastosowaniu algorytmów genetycznych lub sieci neuronowych);
- poziom informatycznej wiedzy użytkowników korzystających z modelu symulacyjnego może być mniejszy - nie wymagane są specjalistyczne umiejętności, bowiem w użytkownik w trakcie pracy z modelem jest prowadzony przez kom puter „za rękę”, szczególnie w układzie symulacja komputerowa & system ekspertowy;
- szybsze przeprowadzanie symulacji za pośrednictwem komputera i łatwiejsze konserwowanie modelu - stosowanie języków programowania obiektowego sprawia, że programy symulacyjne są tworzone szybciej a proces ich modyfikacji jest efektywniejszy.
Realizacja konkretnych planów inwestycyjnych dotyczących rozwoju międzynarodowych korytarzy transportowych daje namacalne efekty. Są one długotrwałe i wielokierunkowe, co dodatkowo komplikuje proces decyzyjny, którego elementem je s t przewidywanie efektów realizacji owych planów.
Predykcja skutków to bardzo złożone zadanie, które wymaga dużej ilości danych i procedur. System symulacyjny KORTRANS może być narzędziem pozwalającym na ustrukturalizowanie i usystematyzowanie tego etapu. Ponadto, dzięki planowanej elastycznej organizacji systemu można go dostosować do wspomagania decyzji dotyczących innych, aczkolwiek podobnych problemów transportowych.
Literatura
1. “A Fright Transport Simulation System for the European Community and Spain. Part 1”; Netherlands Institute o f Transport; Rijswijk; 1978
2. Alter S.L.; “Decision support systems: Current practice and continuing challenges”; Addison-W esley; 1980.
3. Bielecki W.T.; „Informatyzacja zarządzania”; PWE; 2000
4. Biniek Z., Buczyński P., Drążek Z., Kappel R., Krallman H.; „Symulacja kom puterowa dynamiki systemów gospodarczych” ; Wydawnictwo Naukowe Uniwersytetu Szczecińskiego; 1988
147
5. Biniek Z.; “ System symulacyjny jako system wspom agania decyzji” , [w:]
“Problemy informatyki stosowanej”. Roczniki Informatyki Stosowanej Wydziału Informatyki PS nr 3; Wydawnictwo W ydziału Informatyki Politechniki Szczecińskiej; 2002
6. Bolte J.P., Fisher J.A., Ernst D.H.; “An Object-Oriented, Message-Based Environment for Integrating Continuous, Event-Driven and Knowledge-Based Simulation”; [w:] materiały na konferencję „Application o f Advanced Information technologies: Effective M anagement o f Natural Resources”, ASAE, W ashington; 1993
7. Bonarini A., Bontempi G.; “A Qualitative Simulation Approach for Fuzzy Dynamical M odels”; ACM Transactions on Modelling and Computer Simulation, Vol. 4/1994, s. 285-313
8. Cubert, R. M., Fishwick, P. A.; „Moose: An object-oriented multimodeling and simulation application framework”; Department o f Computer
& Information Science and Engineering; University o f Florida; 1997 9. Date C.J.; „W prowadzenie do systemów baz danych”; WNT; 2000
10. Dias T., Ferreira J., Cunha J.; “Evaluating a DSS for Operational Planning in Public Transport Systems: Ten Years o f Experience with the GIST System”;
Computer-Aided Scheduling o f Public Transport; 2000, s. 167-79, http://www.winforms.phiI.tu-bs.de/caspt/full_paper/galvao.pdf, 27.08.03.
11. Drążek Z.; „Ein Simulationssystem als Instrument zur Entscheidungsunterstuetzung im Transport“; W ydawnictwo Naukowe Uniwersytetu Szczecińskiego; 1991
12. Dueker K.J., Ton T.; „Geographical Information Systems for Transport” , [w:]
Hensher D.A., Button K.J. (red.); “Handbook o f Transport M odelling”;
Pergamon; 2000, s. 253-269.
13. Emden-W einert T., Kotas H.G., Speer U.; „DISSY - A Driver Rostering System for Public Transport”; Internet; 2001, http://www.cs.chalmers.se/Cs/Grundutb/Kurser/tranopt/Specialization/public_t ransportation/CASPT-DISSY-lO.pdf 27.08.03.
14. Fishman G.S.; „Symulacja komputerowa. Pojęcia i metody”; PWE; 1981 15. Fishwick P.; “Neural Network Models in Simulation: A Comparison with
Traditional M odelling Approaches”; W inter Simulation Conference;
W ashington; 1989.
16. Fishwick P.A.; “Computer Simulation: Growth through Extension”; European Simulation M ulticonference; Barcelona; 1994
17. Gaudry M., Nielsen O., Tsamboulas D., W alker W., W illumsen L.; “Dcode:
the SPQR pedigree form .requirement proposal for European Transportation policy Information System (ETIS) recognised data and m odels”; Agora Jules Dupuit (AJD), Université de Montreal; 2002
18. Inmon W .H.; “Building the Data W arehouse”; Wiley Com puter Publishing;
1996
19. Jankowski M., Łatuszyńska M.; „Dobór wartości param etrów do modelu symulacyjnego przedsiębiorstwa transportu samochodowego za pom ocą
algorytmu genetycznego”; Problemy Ekonomiki Transportu nr 2; 2001, s. 5-16.
20. Królikowska B., Łatuszyńska M.; „Rola danych w symulacyjnym systemie wspomagania decyzji”; Ekonomika i Organizacja Przedsiębiorstwa nr 5; 2003 21. le Clercq F., Bertolini L., de N iet E., Dugundji E., Kapoen L.; “Towards
a methodology for the development o f sustainable regional transportation and land use systems”; Amsterdam Study Center for the M etropolitan Environment (AME); University o f Amsterdam; 2001
22. Leavesley G.H., Grant G.E., Markstrom S.L., Viger R.J. Brewer M.S.;
“A modular modelling Aproach to Watershed Analysis and ecosystem M anagem ent”. Watershed96 conference proceedings; Baltimore; 1996, http://www.epa.gov/owow/watershed/proceed/leavesIe.htm
23. Łatuszyńska M.; „Modelowanie międzynarodowych korytarzy transportowych”; Ekonomika i Organizacja Przedsiębiorstwa nr 1(648); 2004, s. 41-48.
24. Łatuszyńska M.; „W pływ rozwoju infrastruktury transportu na jakość życia w regionie” [w:] Karwowski J. (red.): „Jakość życia w regionie”;
W ydawnictwo Naukowe Uniwersytetu Szczecińskiego; 2003
25. Łatuszyńska M.; „Nowe nurty w rozwoju narzędzi do symulacji komputerowej” [w:] „Systemy informatyczne. Zastosowania i wdrożenia”, tom III, część 2. Praca zbiorowa pod red. J.K. Grabary i J.S. Nowaka; WNT;
2003, s. 125-134
26. Łatuszyńska M.; „Holistyczne modelowanie efektów decyzji transportowych” ; Firma i Rynek nr 2-4(27-29);2003, s. 158-161.
27. Łatuszyńska M.; „Komputerowe wspomaganie oceny projektów w zakresie rozwoju infrastruktury transportu”, [w:] „Komputerowo zintegrowane zarządzanie”, tom II. Praca zbiorowa pod red. R. Knosali; WNT; 2004
28. Łatuszyńska M., Królikowska B.; „Zarządzanie danymi do analizy przewozów towarowych w korytarzu transportowym” [w:] „Efektywność zastosowań systemów informatycznych”, tom I. Praca zbiorowa pod red. J.K. Grabary i J.S. Nowaka; WNT; 2002
29. Marco D.; “M eta Data Repositories: Where We've Been and Where We're Going”; DM Review; Internet; 2002, http://www.dmreview.com/.
30. M eyer B.E.: Schneider H.J., Stubel G.; „Computergestutze Unternehmensplanung. Eine Planungsmethodologie mit Planungsinstrumentarium fur das M anagement“ ; W. de Gruyter; 1983.
31. „M odellbanksystem, Einfuhrung in das System, Gesselshaft fur Mathematik und Datenvararbeitung“; raport wewnętrzny IPES 82.0210; Bonn; 1982.
32. Naylor T.H.; „M odelowanie cyfrowe systemów ekonomicznych”; PWN; 1975 33. Piwowarski M.; „Podstawy teoretyczne systemów informacji przestrzennej”;
[w:] Studia Informática nr 14; Wydawnictwo Naukowe Uniwersytetu Szczecińskiego; 2000, s. 111 - 126
34. Poe V., Klauer P., Brobst S.; „Tworzenie hurtowni danych”; WNT; 2000
149
35. Quade E.S.; „Analiza systemowa: możliwości i ograniczenia” , [w:] „Analiza systemowa - podstawy i metodologia”. Praca zbiorowa pod red.
W. Findeisena; PWN; 1985
36. Radosiński E.; „Algorytmy genetyczne w projektowaniu ekonomicznych eksperymentów symulacyjnych” [w:] materiały III Krajowej Konferencji Naukowej nt. „Inżynieria Wiedzy i Systemy Ekspertowe”; W rocław; 1997 37. Radosiński E.; „Inteligentne techniki hybrydowe w analizie ekonomicznej
firmy” [w:] Szkoła Symulacji Systemów Gospodarczych - Antałówka
’98;WSPiZ; 1998
38. Radosiński E.; „Systemy informatyczne w dynamicznej analizie decyzyjnej”;
PWN; 2001
39. Rehfeld C.; “Transport Infrastructure Investments and Decision Support Systems”; The Technical University o f Denmark; 2000
40. Soućek Z.; „M odelowanie i projektowanie systemów gospodarczych”; PWN;
1979
41. Załoga E.; „Paneuropejskie korytarze transportowe jako czynnik konkurencyjności gospodarki” [w:] materiały konferencyjne Szczytu Gospodarki Morskiej nt. „Gospodarka morska - jaka przyszłość?”; Szczecin;
2001
42. Zwickert E.; „Simulation und Analyse dynamischer Systeme“; W alter de Gruyter; 1981
150
R O Z D Z IA Ł X III
MODELE SYSTEMU INFORMACYJNEGO DLA METODY ATP