Использование интегрального программирования для минимизации затрат и воздействия на окружающую среду проектов городской инфраструктуры

Понимание целочисленного программирования

Целое программирование (IP) является ветвью математической оптимизации, которая ограничивает некоторые или все переменные решения целыми значениями. В отличие от линейного программирования, где переменные могут принимать любое реальное число, целое программирование заставляет дискретные выборы - например, строить мост или нет (двоичное решение 0-1) или сколько автобусных остановок для установки ( переменная счета). Это делает его естественным для планирования инфраструктуры, где многие решения да / нет или приходят в целые единицы.

Основная идея целочисленного программирования заключается в том, чтобы определить объективную функцию , которая должна быть минимизирована (или максимизирована) при условии набора линейных ограничений . Для городских проектов объективная функция обычно сочетает в себе затраты и экологические показатели. Ограничения могут включать бюджетные ограничения, пространственные ограничения, юридические требования и доступность ресурсов. Решение целочисленной программы включает поиск через возможные целочисленные комбинации, чтобы найти ту, которая дает наилучшую объективную ценность. Поскольку пространство поиска может быть огромным, специализированные алгоритмы, такие как , ветвь и связь и методы вырезания плоскости используются для эффективного обрезки субоптимальных решений.

Двойная задача: стоимость и воздействие на окружающую среду

Городские инфраструктурные проекты находятся под растущим давлением для достижения двух потенциально противоречивых целей: минимизации финансовых затрат и снижения вреда окружающей среде. Традиционный анализ затрат и выгод часто упускает из виду экологические последствия, в то время как чисто зеленые проекты могут быть слишком дорогими для реализации. Целостное программирование предлагает способ количественной оценки и баланса этих целей в рамках единой системы оптимизации.

Формулируя многоцелевую программу из нескольких чисел, планировщики могут создать границу компромиссов из Парето (FLT: 2) — набор решений, в которых ни одна цель не может быть улучшена без ухудшения другой. Заинтересованные стороны могут затем выбрать решение, которое соответствует приоритетам сообщества, нормативным порогам или целям устойчивости.

Разработка модели целочисленного программирования для городской инфраструктуры

Определение переменных решений

Переменные решения отражают дискретные параметры выбора, с которыми сталкиваются планировщики. Общие примеры включают:

Настройка объективной функции

Математически, целевая функция - это взвешенная сумма затрат и факторов окружающей среды. Весы отражают относительную важность, придаваемую политиками. Например:

Минимизируйте w1 × (стоимость строительства) + w2 × (выбросы жизненного цикла) + w3 × (воздействие на землепользование)

Мы также можем включить в список штрафные санкции за нарушение мягких ограничений (например, превышение предела шума). Когда веса трудно определить, планировщики могут использовать лексикографический порядок — сначала расставить приоритеты в сокращении затрат, а затем минимизировать выбросы среди одинаково дорогостоящих альтернатив.

Включение ограничений

Ограничения переводятся в математические уравнения в реальном мире:

Решить модель

Специализированные решатели, такие как CPLEX, Gurobi, или SCIP, могут решать проблемы с тысячами переменных и ограничений. Альтернативы с открытым исходным кодом, такие как PuLP (Python) или JuMP (Julia) позволяют быстрое прототипирование. Для больших городских проблем методы разложения преградРаспад преград или Лагранжианская релаксация, разделяя проблему на более мелкие, управляемые части.

Тематические исследования и практические применения

Дизайн дорожной сети

Городское планирование новой сети шоссе использует целочисленное программирование, чтобы выбрать, какие сегменты дороги построить, минимизируя затраты на строительство и фрагментацию среды обитания. Переменные решения представляют каждый сегмент кандидата (двоичный). Ограничения обеспечивают сетевое подключение и удовлетворение спроса на трафик. Цель сочетает стоимость за километр и экологический балл, полученный из оценок экологического воздействия. Результаты показывают, что смещение двух сегментов на немного более длинный путь уменьшает разрушение среды обитания на 30%, добавляя только 4% к стоимости.

Установка для размещения отходов

Выбор мест для установок по переработке отходов в энергию включает в себя целые решения: выбрать подмножество потенциальных площадок. Модель включает в себя стоимость транспортировки отходов, стоимость строительства завода, выбросы от эксплуатации и ограничения близости (например, не в пределах 500 м от школ). Целая программа одновременно оптимизирует местоположения и мощности. Один реальный проект в Европе обнаружил, что конфигурация с тремя площадками экономит 18% стоимости по сравнению с планом с пятью площадками и снижает общие выбросы на 12%.

Для дальнейшего чтения по оптимизации местоположения объекта см. , эта статья по транспортной науке о многообъективном местоположении объекта.

Электрификация общественного транспорта

Переход автобусных парков на электрические требует целочисленных решений: какие автобусные депо устанавливать зарядную инфраструктуру, сколько зарядных устройств и какие маршруты конвертировать. Цель балансирует капитальные затраты, ежедневные эксплуатационные расходы и выбросы в сети. Ограничения включают ограничения дальности электрических автобусов, пропускную способность депо и временные окна зарядки. Модель IP помогла городу среднего размера определить, что поэтапная конверсия в течение пяти лет, уделяя приоритетное внимание маршрутам с высокой степенью магистральности, сократила как затраты, так и выбросы на 22% по сравнению с быстрым развертыванием в течение одного года.

Проблемы осуществления

Несмотря на свою мощь, целочисленное программирование для городской инфраструктуры не является инструментом plug-and-play.

Для всеобъемлющего руководства по исследованиям операций в области государственной политики, включая целочисленное программирование, курс OpenCourseWare MIT «The Analytics Edge» предлагает практические примеры.

Будущие направления: интеграция IP с другими инструментами

Географические информационные системы (ГИС)

Комбинирование IP с ГИС позволяет пространственно явной оптимизации. Планировщики могут накладывать карты землепользования, зоны наводнений и демографические данные. ГИС выходы становятся входами в целочисленную программу (например, расстояния, оценки пригодности). Этот синтез используется в планировании зеленой инфраструктуры - решение, где разместить дождевые сады и проницаемые тротуары, чтобы максимизировать захват ливневых вод при минимизации затрат.

Машинное обучение для оценки параметров

Предсказательные модели могут оценивать затраты на строительство, спрос на энергию или коэффициенты экологического воздействия, которые поступают в ИС. Например, нейронная сеть, обученная на прошлых проектах, прогнозирует коэффициент выбросов на километр дороги, который затем появляется непосредственно в цели ИС.

Стохастическое интегральное программирование

Будущие городские проекты столкнутся с неопределенностью спроса, климатических моделей и цен на материалы. Стохастическая ИС включает в себя несколько сценариев с вероятностными весами, создавая надежные решения, которые хорошо работают в различных фьючерсах. Это особенно актуально для инфраструктуры борьбы с наводнениями в прибрежных городах.

В статье INFORMS по городской инфраструктуре и OR подробно рассматриваются эти передовые направления моделирования.

Вывод: сделать города умнее и экологичнее

Целое программирование обеспечивает строгую, основанную на данных основу для планирования городской инфраструктуры. Когда затраты и воздействие на окружающую среду должны быть сбалансированы, модели ИС помогают планировщикам оценивать тысячи альтернатив и находить решения, которые невозможно было бы найти только по интуиции. От дорожных сетей и электрификации транзита до размещения отходов, реальные приложения демонстрируют явные преимущества: снижение затрат, сокращение выбросов и более эффективное использование земли и материалов.

По мере того, как города продолжают расти и сталкиваются с более жесткими бюджетами и более строгими экологическими нормами, целостное программирование станет важным инструментом в наборе инструментов городского планировщика. Ключ к успеху заключается в инвестировании в качественные данные, использовании соответствующих решателей и привлечении заинтересованных сторон на протяжении всего процесса оптимизации. Благодаря использованию этих методов города могут создавать инфраструктуру, которая обслуживает как людей, так и планету.