Облачный сервис для интерактивного моделирования межтерриториальной торговли

В работе описана математическая модель торговых потоков между территориями региона или страны в транспортной сети, представленной одним агрегированным или разнообразными видами морского и наземного транспорта. Используется подход моделирования сложных коммуникационных систем для определения наиболее вероятных значений потоков в условиях неполноты информации о рассматриваемой системе. Транспортные издержки между территориями моделируются в рамках гравитационной модели. Плата за перевозку зависит от расстояния между регионами, оцениваемого как длина кратчайшего пути между пунктами в заданной транспортной сети или определяемого как географическое расстояние. Математическая постановка задачи относится к классу выпуклых задач математического программирования и предполагает численное решение нелинейной оптимизационной задачи с линейными ограничениями. На основе модели реализовано программное средство как облачный сервис на гетерогенных вычислительных архитектурах: модуль моделирования выполнен на высокопроизводительной серверной платформе, модули управления и визуализации – на облачной платформе IACPaaS. Связь между платформами осуществляется через асинхронные http-запросы. Для обмена информацией между модулями разработана и реализована декларативная модель в формате JSON для объектов, рассматриваемых в математической модели: продуктов, зон и коммуникаций. Модуль визуализации позволяет наглядно представить исходные и получаемые в результате моделирования матричные данные, интерактивно изменять входные параметры модели. В работе продемонстрировано использование программного комплекса для моделирования межрегиональных грузопотоков в транспортной сети регионов Дальнего Востока России на основе входных данных, взятых из открытых статистических источников. 

1. Леонтьев В. В., Избранные произведения в 3-х тт, 1, Общеэкономические проблемы межотраслевого анализа, Экономика, М., 2006.

2. Anderson J. E., Wincoop E., “Gravity with gravitas: a solution to the border puzzle”, The American Economic Review, 93:1 (2003), 170–192. DOI: 10.1257/000282803321455214.

3. Вильсон А. Дж., Энтропийные методы моделирования сложных систем, Наука, М., 1978.

4. Fang S. C., Rajasekara J. R., Tsao H. S. J., Entropy Optimization and Mathematical Programming, Kluwer Academic, Dordrecht, 1997.

5. Batten D. F., Boyce D. E., “Spatial interaction and interregional commodity flow models”, Handbook on regional and urban economics, 1, 1987, 357–406.

6. Ham H., Kim T. J., Boyce D., “Implementation and estimation of a combined model of interregional, multimodal commodity shipments and transportation network flows”, Transportation Research. Part B, 2005, № 39, 65–79. DOI: 10.1016/j.trb.2004.02.005.

7. Ham H., Kim T. J., Boyce D., “Assessment of economic impacts from unexpected events with an interregional commodity flow and multimodal transportation network model”, Transportation Research. Part A, 2005, № 39, 849–860.

8. Васильева Е. М., Левит Б.Ю., Лившиц В. Н., Нелинейные транспортные задачи на сетях, Транспорт, М., 1981.

9. Васильева Е. М., Игудин Р. В., Лившиц В. Н., Оптимизация планирования и управления транспортными системами, Транспорт, М., 1987.

10. Попков Ю. С. и др., Системный анализ и проблемы развития городов, Наука, М., 1983.

11. Величко А. С., Давыдов Д. В., “Интервальная энтропийная модель межрегионального производственного баланса”, Пространственная экономика, 3:3 (2009), 20–35.

12. Zhang Q., Cheng L., Boutaba R., “Cloud computing: state-of-the-art and research challenges”, J. Internet Serv. Appl., 1 (2010), 7–18. DOI: 10.1007/s13174-010-0007-6.

13. Sun L. et al., “Cloud service selection: State-of-the-art and future research directions”, Journal of Network and Computer Applications, 45 (2014), 134–150. DOI: 10.1016/j.jnca.2014.07.019.

14. Gribova V. et al., “A Cloud Computing Platform for Lifecycle Support of Intelligent Multi-agent Internet-services”, International Conference on Power Electronics and Energy Engineering (PEEE) (Hong Kong, China, April 19–20, 2015), 231–235.

15. Грибова В. В. и др., “Базовая технология разработки интеллектуальных сервисов на облачной платформе IACPaaS. Часть 1. Разработка базы знаний и решателя задач”, Программная инженерия, 12 (2015), 3–11.

16. Величко А. С., “Вычисление равновесных межрегиональных потоков товаров в условиях интервальной неопределенности с использованием метода перекрестной энтропии”, свидетельство о госрегистрации ПрЭВМ РФ №2011613757 от 13.05.11, RU ОБПБТ, 3(76) (2011), 256–257.

17. AMPL: A Modeling Language for Mathematical Programming, http://www.ampl.com.

18. GNU Octave: High-level language for numerical computations, https://www.gnu.org/software/octave/.

19. Gribova V. V. et al., “A Two-level Model of Information Units with Complex Structure that Correspond to the Questioning Metaphor”, Automatic Documentation and Mathematical Linguistics, 49:5 (2015), 172–181. DOI: 10.3103/S0005105515050052.

20. Gribova V., Fedorischev L., “Cloud service for development of virtual interactive environments”, International Conference on Advanced ICT for Education (ICAICTE) (Dalian, China, August 16–17, 2014), 20–23.