Как математика может помочь девелоперам
и урбанистам

Для многих москвичей двухчасовая поездка до работы — это суровая реальность. Районов с хорошей транспортной доступностью в столице крайне мало, а метрополитен, автобусы и пригородные поезда перегружены. Город и его агломерация подошли к такой стадии своего развития, когда увеличение пассажиропотока только за счет развития уже существующей транспортной инфраструктуры становится почти нерешаемой задачей. Строительство новых развязок, увеличение числа поездов или автобусов, введение выделенных полос и платных парковок уже не кажется эффективным решением.

Но время идет, и девелоперы учатся думать долгосрочно, а не только исходя из краткосрочной перспективы запуска того или иного проекта. На помощь приходит долгосрочное планирование, а вместе с ним и серьезная предваряющая аналитика. Так, один из девелоперов привлек Лабораторию волновых процессов и систем управления МФТИ для того, чтобы понять, как оптимизировать транспортные потоки в одном из новых районов большого города. После анализа загруженности окрестных магистралей получалось, что любой из традиционных видов автомобильного транспорта ситуацию как в районе, так и вокруг только бы ухудшил окончательно — создание новых направлений движения автобусов и маршрутных такси заметно увеличивает нагрузку на магистрали в час пик. Единственно эффективным решением мог бы стать только новый вид транспорта.

Стоит отметить, что большинство инноваций не всегда легко реализуемы на практике. Например, пользующийся успехом в Европе проект скоростного трамвая для Москвы не подойдет из-за того, что его не так-то просто вписать в уже существующую городскую инфраструктуру: для путей и депо необходимо выделять непозволительно большие городские площади. Строительство таких масштабов нужно планировать сильно заранее, и не всегда девелоперы обладают необходимым запасом времени. Похожую проблему представляют и трамвай на эстакаде, и линии легкого метро — создание новых развязок, туннелей и насыпей требует слишком много пространства и времени на строительство.

Оставив за скобками футуристичные идеи Элона Маска о вакуумном поезде, остается не так уж много вариантов. Мы обратили свое внимание на монорельсовые системы, а именно на немецкий проект автоматического подвесного монорельса — H-Bahn. Подвижной состав такого монорельса, в отличие от классических видов рельсового транспорта, крепится к направляющему рельсу снизу, а не сверху. Общая высота конструкции за счет этого уменьшается, благодаря чему новый монорельс проще вписать в городской ландшафт. На данный момент проекты H-Bahn были реализованы в двух немецких городах. В Дюссельдорфе подобной трехкилометровой дорогой соединены аэропорт и железнодорожный вокзал, а дортмундский прообраз будущей московской транспортной системы соединяет городской университет и технопарк. Похожая система, Вуппертальская подвесная дорога, работает в Берлине с 1901 года и является старейшим действующим подвесным монорельсом в мире, но, в отличие от H-Bahn, состав на этой дороге управляется машинистом.

Читайте материал по теме: Как запустить двигатель инноваций за 90 дней

Рассчитав плотность пассажиропотока, эксплуатационные затраты и стоимость строительства, мы пришли к выводу, что технология H-Bahn является самой оптимальной для перевозок пассажиров на короткие расстояния до 30 километров. Приятным бонусом было то, что конструкции подвесного монорельса способны сами себя защитить от снега — направляющий рельс располагается над всеми подвижными частями конструкции, выступая для них еще и заслоном от непогоды. А из-за того, что состав будет двигаться по маршруту автоматически, без машиниста, сокращается число обслуживающего персонала.

К сожалению, реальность внесла свои коррективы в наши расчеты. Дело в том, что немецкие технологии, во-первых, устарели, а во-вторых, были внедрены исходя из совершенно других требований по пассажиропотоку. В Дюссельдорфе монорельс может перевозить лишь 10 тысяч человек в день, нам же требовалось создать систему, которая могла бы перевозить от 6 до 10 тысяч человек в час. Это потребовало разработки абсолютно новой IT-архитектуры всех систем вагона, ведь существующие немецкие IT-решения были созданы для городов с небольшим пассажиропотоком и не работали в мегаполисах. Задумав создать автоматический подвесной монорельс в Москве, мы должны были принципиально пересмотреть подход к расчету интервалов движения, а столь необходимое девелоперу уменьшение времени ожидания поезда потребовало пересмотра существующих математических моделей.

Для решения проблемы интервалов движения мы создали систему автоматического адаптивного управления составом. При этом задать скорость разгона как константу не получилось — масса вагона меняется в зависимости от количества пассажиров и силу тяги приходится ежесекундно подстраивать под параметры среды. А чтобы решить проблему с расписанием, нам понадобилось создать математическую модель, с помощью которой система сама подбирает необходимую для движения поезда силу тяги — компьютеру достаточно знать лишь массу и координату вагона. Управляя силой тяги, мы можем управлять скоростью состава и, следовательно, спрогнозировать точное расписание движения поездов.

Помимо технических параметров пришлось разработать и математическую модель самой транспортной сети, чтобы в будущем можно было анализировать транспортную обстановку в районе с учетом новых факторов. В такой модели перекрестки и изменения количества полос для транспорта обозначаются точками, а дороги между ними — отрезками. Получается своеобразная паутина, с помощью которой ученые могут экспериментировать с еще не построенными магистралями.

Подобные модели, безусловно, существовали и не раз применялись раньше, но нас подстерегала Москва, в которой система автомагистралей построена по радиально-концентрическому принципу. Из-за недостаточной плотности улично-дорожной сети и несовершенства системы организации маршрутов транспортных потоков для столицы характерна так называемая проблема перепробега — подъезжающие к затору водители разворачиваются на объездные дороги, на которых, в свою очередь, возникают новые заторы.

Читайте материал по теме: 6 самых распространенных ошибок в области инноваций

Мы смогли спрогнозировать загрузку будущей системы в разные периоды времени, базируясь на данных метрополитена и ЦОДД. По нашим расчетам выходило, что путь на подвесном монорельсе в часы пик будет быстрее, чем использование остальных видов транспорта.

По сути, данную математическую модель, созданную для Москвы, можно применить к любому региону, где планируется какое-либо строительство, будь то торговый центр или новая транспортная развязка. Особенно эффективно система будет работать в относительно небольших городах, где четко прослеживаются главные точки стоков и истоков пассажиропотоков. Наукоемкий подход к строительству поможет избежать не совсем удачных проектов, каким оказался, например, Московский монорельс. При его возведении город надеялся, что доходов с продаж билетов хватит, чтобы окупать не только эксплуатационные, но и капитальные затраты. К сожалению, этого не произошло — доходы с билетов не окупают даже эксплуатацию, и проект получился убыточным. Математическое моделирование могло бы показать выигрышные варианты строительства заранее, сэкономив городу большое количество средств.

Что интересно, в случае с H-Bahn в строящемся микрорайоне работает принципиально новая бизнес-модель: за счет продажи билетов планируется компенсировать только эксплуатационные расходы, а именно траты на электроэнергию и ремонт подвижного состава. Капитальные затраты будут включены в стоимость жилья, сделав его незначительно дороже. Предполагается, что за возможность комфортного пути до микрорайона жители готовы доплачивать.

С каждым годом влияние ИТ на российские мегаполисы становится все ощутимее. Оплата парковок, информация о движении транспорта в режиме онлайн, расчет времени поездки — вот лишь неполный список полезных опций, ставших возможными благодаря ИТ. Но это вещи, напрямую направленные на потребителя, облегчающие его жизнь конкретными точечными решениями. Не менее важно научиться правильно использовать многочисленные данные, которые эти потребительские решения генерируют. Если мы научимся собирать данные со всех ИТ-систем и будем ориентироваться на них при принятии серьезных строительных решений, от этого в конечном счете выиграют все: и жители городов, и бизнес, и правительство.

Автор выражает благодарность за помощь в подготовке материалов статьи научному сотруднику Лаборатории волновых процессов и систем управления МФТИ Надежде Мороз.