Universit degli studi di Trieste Facolt di Ingegneria

Corso di laurea in ingegneria civile

Corso di Impianti e Terminali di Trasporto

Simulazione Stazione Metropolitana

Professore Ing. Giuliano Stabon Ing. Giorgio Medeossi Studente Stefano Follador Anno Accademico 2011/2012

Sommario
1. Introduzione ......................................................................................................... 5 2. Modellazione ambiente ....................................................................................... 6 3. Simulazione ......................................................................................................... 8
3.0. 3.1. 3.2. 3.3. 3.4. 3.5. 3.6. Scenario 0: PCB=100; PSB=0; FP=17 ........................................................................ 8 Scenario 1: PCB=100; PSB=0; FP=35 ........................................................................ 9 Scenario 2: PCB=95; PSB=5; FP=34 ........................................................................ 10 Scenario 3: PCB=90; PSB=10; FP=34 ...................................................................... 11 Scenario 4: PCB=85; PSB=15; FP=28 ...................................................................... 12 Scenario 5: PCB=80; PSB=20; FP=21 ...................................................................... 13 Scenari 6-20 ................................................................................................................ 14

4. Analisi dei dati ................................................................................................... 16 5. Conclusione ....................................................................................................... 20 6. Allegato .............................................................................................................. 21

1. Introduzione
In questa relazione sono presentati i risultati ricavati da una simulazione pedonale eseguita con il software AnyLogic prodotto dalla software house XJ Technologies. Anylogic permette di eseguire tre differenti tipi di simulazione, basati su 3 principi diversi, ma che hanno in comune la dipendeza dal tempo, come variabile principale: System Dynamics: si basa su modelli aggregati di una popolazione, in cui le

dinamiche tra i diversi elementi sono note al progettista. La simulazione consente di osservare l'evoluzione nel tempo del sistema in base alle regole comportamentali stabilite. un sistema di macrosimulazione che visto l'elevato grado di approssimazione intrinseco al processo, adatto a studiare argomenti in termini generali e a lungo periodo. particolarmente utile per scelte politiche (e.g. una simulazione della richiesta di trasporto correlata al tasso di crescita della popolazione pu influire sui piani urbanistici della zona) Process Centric/Discret event: un modello di macrosimulazione pi raffinato

del precedente, in cui il processo da analizzare deve essere ben definito nelle sue varie parti. Ciascuna parte del processo rappresenta un evento che il progettista deve saper definire nel modello e soprattutto deve sapere come questi eventi si susseguano tra di loro, in che ordine e che modalit. Questo modello adatto a studiare tutti quei sistemi che hanno rilevanti fattori esterni di disturbo, come i processi della lavorazione di un prodotto, oppure di un servizio (e.g. simulazione delle operazione di carico e scarico all'interno di un terminal logistico) Agent Based: quest'ultimo un modello di microsimulazione, basato

sull'interazione reciproca tra i singoli individui di una popolazione. Rispetto ai due precedenti metodi di simulazione il pi moderno in quanto possibile utilizzarlo solo grazie alla capacit di calcolo dei moderni computer. Infatti il progettista stabilisce solo le regole comportamentali dell'individuo e lascia al software stabilire la risposta all'ambiente di ciascun individuo in base alle preferenze impostate. Tale approccio permette di simulare il comportamento di molti individui, in quanto costituiscono ostacoli in movimento per gli altri agenti, che devono quindi adattarsi ai cambiamenti in ciascun momento. Questo tipo di simulazione adatto per affrontare i problemi che hanno grande natura aleatoria, in quanto il comportamento di un individuo non descrivibile in termini assoluti, ed costantemente influito dai fattori esterni (e.g. flussi pedonali). Nell'esercizio stato usato il modello Agent Based per simulare il comportamento dei pedoni in entrata in una piccola stazione della metropolitana.

2. Modellazione ambiente

Come primo passo stato importato nell'ambiente di lavoro il layout della stazione, rappresentato da un'immagine. Su tale layout sono stati ricalcati la polilinea che definisce i muri, i.e. i vincoli dell'ambiente di simulazione. Affinch il programma riconoscesse come vincolo invalicabile la polilinea stata inserita nella funzione di libreria pedGround, che serve per definire l'ambiente di simulazione. Il secondo passo stato quello di definire l'origine e la destinazione dei pedoni, attraverso due linee disegnate in corrispondenza dell'accesso e dell'uscita della stazione. La linea indicante l'entrata, chiamata entry, stata definita nella funzione pedSource, mentre quella di uscita,

chiamata exit, stata definita nella funzione pedGoTo. Poich i pedoni che raggiungono l'uscita escono dall'ambiente di simulazione la funzione pedGoTo stata connessa alla funzione pedSink, che elimina gli individui dall'ambiente. La funzione pedSource si occupa di generare i pedoni all'interno della simulazione attribuendo loro delle caratteristiche prestabilite, che presentano comunque un certo intervallo di variazione che vengono assegnate al pedone aleatoriamente. Sul percorso sono stati inseriti due elementi che rallentano il pedone, i.e. il gate di controllo del biglietto e la rivendita di biglietti per gli utenti privi di biglietto. Entrambi sono stati rappresentati

come dei ritardi alla velocit desiderata dal pedone. Il gate descritto dalla funzione pedService, mentre la rivendita da pedService1 a livello di percorso dell'utente, mentre il vero e proprio effetto stato definito rispettivamente nelle funzioni Gates e Window_ticket. In ultime due sono state definite sia le linee che rappresentano il vero e proprio servizio (delay), sia le linee che rappresentano la coda (queue) che si forma a causa del ritrardo. Per il gate stato assegnato un ritardo uniforme di 2-3 secondi, del tipo delay and passtrough, mentre per la rivendita stata assegnata un ritardo con una distribuzione triangolare (min 15 s, 25 s, max 35 s) del tipo delay, i.e. che una che l'utente ha completato il service, riprende la sua destinazione originaria. pedService1 connesso a pedService poich chi fa il biglietto deve poi comunque passare dal gate; pedservice infine connesso a pedGoTo. Per stabilire come suddividere il flusso di pedoni generato in pedSource tra chi ha gi il biglietto e salta la rivendita e chi invece deve passare dalla rivendita stata utilizzata la funzione pedSelectOutput in cui l'input viene suddiviso in tra il gate e la rivendita in base a percentuali stabilite dal progettista. pedSelectOutput unisce pedSource a pedService e pedService1, completando il percorso del pedone. Sono inoltre stati aggiunti un controllo per variare il flusso in entrata espresso in pedoni al minuto ed un controllo delle percentuali di utenti con biglietto o senza biglietto, in modo tale da variare a piacimento le condizioni al contorno per simulare diversi scenari. Il modello pronto per la simulazione.

3. Simulazione
Il processo di simulazione permette di valutare diversi scenari, al variare di alcuni parametri generali. In questo caso stato scelto di studiare il problema al variare dell'entit del flusso di pedoni e della percentuale di pedoni che necessit di comprare il biglietto. Si vuole osservare per quali valori si raggiunge il collasso, da cosa causato il collasso ed infine studiare se vi una relazione tra i due parametri scelti. Si definiscono le seguenti variabili: Pedoni con Biglietto (PCB): pedoni che non necessitano di comprare il titolo di viaggio e possono andare direttamente al gate. [%] Pedoni senza biglietto (PSB): pedoni che devono rivolgersi prima alla rivendita e poi passare dal gate (PSB=100-PCB). [%] Flusso Pedoni (FP): flusso entrante di pedoni [ped/min]

3.0.

Scenario 0: PCB=100; PSB=0; FP=17

Questo tipo di scenario non presenta criticit e pu considerato come il funzionamento in condizioni ideali: non ci sono formazioni di code, tutti i pedoni possono mantenere la propria velocit desiderata ed i tempi di percorrenza sono minimizzati.

3.1.

Scenario 1: PCB=100; PSB=0; FP=35

Poich lo scopo della simulazione quello di stressare il modello fino a raggiungere la crisi, in questo scenario stato aumentato il flusso pedonale, fino a raggiungere la crisi, avvenuta a causa della crescita incontrollabile della coda al gate. Con tale flusso, doppio rispetto al precedente (2100 pedoni/ora), il ritardo accumulato al gate si ripercuote su tutto il sistema fino a che la coda non riesce pi ad essere smaltita. Questo scenario stato simulato 10 volte con le stesse condizioni iniziali ed stato registrato il tempo t, per cui si aveva la crisi. Simulazione t (min) 1 47.69 2 54.69 3 92.62 4 35.85 5 46.53 6 85.92 7 85.29 8 138.58 9 65.23 10 57.96 Media 71.04 Dev. Std. 30.38

Come si pu notare il collasso non avviene sempre nello stesso istante, ma molto distribuito nel tempo. Ci da imputarsi alla distribuzione aleatoria di generazione dei pedoni, ed ad altri eventi casuali che non si ripetono mai due volte uguali in simulazioni successive. Di conseguenza qualsiasi considerazione sul tempo di resistenza della struttura al flusso critico deve essere fatta con molta cautela, perch non un dato assoluto, ma andrebbe invece studiato su base statistica, conducendo un numero di simulazioni molto maggiore a parit di condizioni iniziali. In quel casso si osserverebbe un certo andamento della distribuzione, e si potrebbero trarre delle conclusioni cautelative sui tempi massimi di resistenza dell'impianto.

3.2.

Scenario 2: PCB=95; PSB=5; FP=34

In questo ed i successivi scenari si ricercato il valore critico di FP al variare delle percentuale di pedoni con e senza biglietto; tale percentuale varia in passi di 5 punti percentuali alla volta. In questo caso la frazione che prende si ferma a prendere il biglietto ancora molto piccola e non influenza considerevolmente il FP critico che scende a 34 persone/minuto. La crisi avviene ancora dal lato della coda al gate che non riesce ad essere smaltita. La minor capacit della struttura da imputarsi ai pedoni senza biglietto che impegnano il sistema pi a lungo di quelli con il biglietto. Tuttavia i tempi con cui si raggiunge il collasso sono in media pi lunghi e possono essere innescati sia dal pedone che non riesce a mettersi in coda al gate, sia dal pedone

che non riesce a mettersi in coda alla rivendita perch lo spazio della sua coda stato invaso da quella del gate. Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std. t (min) 166.14 199.68 146.52 95.81 68.66 243.82 158.51 72.97 168.44 177.43 149.80 55.97

3.3.

Scenario 3: PCB=90; PSB=10; FP=34

Con l'aumento di PSB, le code alla rivendita cominciano a diventare consistenti, ma tuttavia non c' un calo del FP critico. Anche in questo caso il collasso causato dalle code eccessive formatasi al gate, insufficiente a smaltirle. Tuttavia si nota come il tempo medio di collasso sia aumentato rispetto ai casi precedenti, a significare che un aumento moderato delle frazione di PSB 11

ha effetti positivi sulla capacit del sistema in quanto l'affollamento al gate risulta pi distribuito nel tempo, quindi l'effetto imbuto risulta pi diluito. Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std. t (min) 136.13 200.10 245.06 236.59 99.34 192.63 161.44 211.34 371.12 409.87 226.36 97.54

3.4.

Scenario 4: PCB=85; PSB=15; FP=28

In questo scenario cambia totalmente la modalit di collasso, non pi legata alla formazione di coda eccessiva al gate, ma a quella della rivendita che non riesce a smaltire i PSB in tempo utile.

Ora la coda alla rivendita a invadere lo spazio della coda al gate fino allo straripamento. Inoltre il collasso avviene per un FP molto minore rispetto ai casi precedenti. Per quanto tale collasso avvenga in un tempo medio molto elevato, si pu considerare la struttura gi in crisi molto prima, poich la coda costituisce ostacolo al flusso di PCB. Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std. t (min) 356.85 491.70 85.07 547.08 139.90 170.23 723.60 512.25 257.20 363.08 364.70 204.98

3.5.

Scenario 5: PCB=80; PSB=20; FP=21

13

All'aumento della percentuale di PSB, il calo di capacit della struttura risulta sempre pi marcato e dovuto esclusivamente all'incapacit di gestire la coda formatasi alle rivendite. Per contro al gate la formazione di coda risulta irrilevante per valori cos bassi di FP Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std. t (min) 62.72 161.54 178.62 128.62 339.42 281.92 138.45 131.86 157.62 107.17 168.79 82.42

3.6.

Scenari 6-20

Quanto finora descritto esprime in maniera qualitativa le modalit di collasso del modello. Tuttavia queste modalit sono difficilmente comparabili in quanto hanno tempi di resistenza alla crisi molto differenti tra di loro (ipotizzando significativo il valore medio su 10 osservazioni). Se si considera che durante la giornata il flusso di una stazione soggetta a periodi di punta e di magra, collassi che avvengono in periodi elevati possono essere considerati ancora accettabili. Per

ottenere un set di dati comparabili sono state condotte delle serie di simulazioni lasciando costanti i parametri controllabili, i.e. a FP e PCB costanti.

Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std.

PCB=100% 47.69 54.69 92.62 35.85 46.53 85.92 85.29 138.58 65.23 57.96 71,04 30,38

FP=35 ped/min PCB=95% PCB=90% 77.95 59.00 54.89 52.25 70.33 74.52 65.69 48.76 51.80 56.92 58.07 84.44 51.90 51.24 44.28 66.27 56.22 85.57 67.93 81.80 59,91 66,08 10,26 14,46

PCB=85% 55.37 41.57 72.93 34.03 36.32 35.92 36.57 25.79 42.87 30.90 41,23 13,66

PCB=80% 12.62 21.57 17.33 19.35 14.24 18.32 16.16 16.92 24.01 13.56 17,41 3,58

Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std.

PCB=100% 29.17 42.34 27.25 38.23 21.34 41.96 47.71 25.37 22.85 37.14 33,34 9,26

FP=38 ped/min PCB=95% PCB=90% 14.89 32.87 21.53 21.10 17.52 20.97 29.09 27.00 36.38 28.60 21.26 27.26 22.20 27.53 19.52 28.31 33.47 38.00 19.21 22.62 23,51 27,43 7,08 5,26

PCB=85% 32.18 32.74 23.19 31.64 27.64 30.95 30.26 32.92 31.25 27.37 30,01 3,07

PCB=80% 17.76 23.93 16.26 13.02 19.40 13.01 19.76 15.09 15.67 13.77 16,77 3,49

Simulazione 1 2 3 4 5 6 7 8 9 10 Media Dev. Std.

PCB=100% 17.70 11.86 14.08 21.98 25.33 23.50 18.68 21.43 15.51 17.92 18,80 4,28

FP=41 ped/min PCB=95% PCB=90% 26.31 19.96 16.06 13.97 12.95 21.16 19.52 20.19 19.34 16.42 18.56 21.71 17.13 18.20 12.46 23.09 24.23 17.69 19.00 13.86 18,56 18,63 4,36 3,17

PCB=85% 18.41 19.89 18.98 23.89 21.65 23.11 20.65 16.16 18.94 22.53 20,42 2,40

PCB=80% 18.76 15.07 10.50 14.44 18.15 9.35 11.36 12.88 14.93 10.91 13,64 3,20

15

4. Analisi dei dati

Si pu notare immediatamente che per i casi in cui PCB superiore o uguale al 90% la crisi avviene per il collasso della coda al gate, come previsto dall'analisi precedente; per i PCB inferiori o uguali all'80% il collasso avviene dal lato della coda alla rivendita. Invece per il PCB pari a 85% si ha un meccanismo di collasso combinato, in cui entrambe le code diventano ingestibili con FP cos elevati. Infatti a livello di simulazione il collasso avveniva talvolta a causa della coda del gate e talvolta a causa della coda della rivendita. In realt rispetto ai tempi misurati sarebbe da considerare la struttura in crisi prima, in quanto le due code si sovrappongono e si ostruiscono a vicenda dando luogo ad un effetto sinergico negativo.

Dall'analisi aggregata dei risultati si possono notare dei trend: La deviazione standard delle simulazioni diminuisce al crescere di FP e al crescere della percentuale di PSB; La differenza relativa tra i tempi di collasso tra due osservazioni con PCB differenti pi marcata per FP bassi, mentre tende ad appiattirsi se aumenta FP; La relazione tra PCB e tempo di collasso non lineare. Passando da 100% al 95% di PCB si osserva in media un calo dei tempi di collasso, con una ripresa successiva per percentuali minori. Dopodich si osserva un brusco calo quando il collasso dovuto alla coda alla rivendita diventa il meccanismo preponderante.
"Pedoni Con Biglietto" versus "tempo collasso"

100

95

PCB [%]

90

85 FP=35 ped/min FP=38 ped/min FP=41 ped/min

80 10 20 30 40 50 60 t [min] 70 80

90

100

110

La regressione non lineare che descrive meglio i dati dell'esercizio quella cubica: FP=35 ped/min: Linear model Poly3: f(x) = p1*x^3 + p2*x^2 + p3*x + p4 Coefficients (with 95% confidence bounds): p1 = 0.01085 (-0.2465, 0.2682) p2 = -3.09 (-72.58, 66.4) p3 = 294.2 (-5942, 6530) p4 = -9297 (-1.952e+005, 1.766e+005) Goodness of fit: SSE: 92.29 R-square: 0.9522 Adjusted R-square: 0.8089

17

FP=38 ped/min: Linear model Poly3: f(x) = p1*x^3 + p2*x^2 + p3*x + p4 Coefficients (with 95% confidence bounds): p1 = 0.01972 (0.01788, 0.02156) p2 = -5.348 (-5.845, -4.851) p3 = 482.3 (437.7, 526.9) p4 = -1.444e+004 (-1.577e+004, -1.311e+004) Goodness of fit: SSE: 0.004723 R-square: 1 Adjusted R-square: 0.9999

FP=41ped/min: Linear model Poly3: f(x) = p1*x^3 + p2*x^2 + p3*x + p4 Coefficients (with 95% confidence bounds): p1 = 0.005929 (-0.03161, 0.04347) p2 = -1.633 (-11.77, 8.503) p3 = 149.6 (-760, 1059) p4 = -4536 (-3.166e+004, 2.258e+004) Goodness of fit: SSE: 1.964 R-square: 0.9252 Adjusted R-square: 0.7008

"Pedoni Con Biglietto" versus "tempo collasso" 100

95

PCB [%]

90 FP=35 ped/min fit FP_35 85 FP=38 ped/min fit FP_38 FP=41 ped/min 80 10 20 30 40 50 60 t [min] 70 80 90 fit FP_41

100

110

Analizzando i dati dal punto di vista di PCB costante si pu osservare che in media il tempo di collasso delle simulazioni che vanno in crisi a causa della cosa al gate ha lo stesso andamento. Quando invece si supera la PCB critica per cui il collasso avviene a causa della coda alla rivendita, il comportamento muta radicalmente. Per il caso limite con PCB=85% la situazione pi ambigua, come si poteva prevedere visto il meccanismo di collasso combinato.
"Flusso Pedoni" versus "tempo collasso" 41 PCB=100% PCB=95% PCB=90% PCB=85% PCB=80%

FP [ped/min]

38

35 10

20

30

40 t [min]

50

60

70

80

19

5. Conclusione
Grazie allo strumento di simulazione si potuto osservare il comportamento qualitativo della struttura, ed in minor misura la risposta quantitativa al variare delle condizioni al contorno. Sono stati individuati due meccanismi di collasso, uno dovuto alla coda al gate e l'altro dovuto alla coda alla rivendita. Le code sono causate dai ritardi necessari per il pedone per svolgere l'attivit di passagio al gate, oppure di acquisto biglietto. Come era prevedibile, poich l'entit del ritardo alla rivendita molto maggiore di quello al gate, la crisi dovuta allo straripamento della coda alla biglietteria molto pi gravosa per il sistema rispetto all'altra. Infatti si osservato che per una parte di pedoni senza biglietto relativamente piccola rispetto a quelli con biglietto il sistema entra in crisi mediamente prima. Quando invece la percentuale di PSB contenuta nell'ordine del 5-10%, allora il sistema pu reggere e beneficiare dei pedoni senza biglietto poich, non formandosi coda alla rivendita, la coda al gate pi diluita nel tempo. Per PCB pari all'85% si ha una situazione di collasso misto con effetti sinergici negativi sul sistema, a causa della formazione di entrambe le code. Il sistema ha dimostrato di poter resistere per un certo periodo di tempo se il flusso di pedoni non estremamente alto, per cui potrebbe essere dimensionato correttamente se i flussi dell'ora di punta sono comparabili o inferiori ed hanno una durata limitata nel tempo, in modo tale che finita l'ora di punta il sistema possa riassorbire i ritardi accumulati e riprendere il funzionamento ottimale. Non stata trovata una relazione lineare tra flusso e tempo di collasso; nel caso esaminato una regressione polinomiale cubica riesce a descrivere con notevole precisione la distribuzione dei dati, ma probabilmente con un numero molto pi elevato di simulazioni, si potrebbero ricavare delle relazioni pi accurate.