问题:
澳大利亚公共交通服务领域正在经历转型，以应对人口结构的变化，这需要联邦政府进行跨模式整合和重大基础设施投资。为了更好地应对新的挑战，公共交通公司需要从客户的角度了解其网络的行为。智能卡在公共交通中的广泛使用使他们能够收集进行此类研究所需的信息。
公共交通公司聘请普华永道澳大利亚公司开发一种解决方案，该解决方案可以提供以客户为中心的铁路基础设施视图，并帮助该公司了解当前事件对铁路网络运营的影响以及如何改善情况。具体而言，该公司希望：
- 了解受事故影响的潜在客户数量（例如火车脱轨、电机故障、医疗急救）。
- 从高层次的网络角度看待事件，以便了解事件发生时的网络行为。
- 根据客户在网络上的位置，为客户提供更准确的事件相关延迟预测。
- 支持有关事故响应的运营和维护决策，包括预测响应时间的计划，资源的分配，以及事故的优先次序。18luck新利网页版
- 确定需要进行根本原因分析的具体事件，例如，为什么某些事件总是更多地发生在特定位置或特定类型的机车车辆上。
普华永道咨询公司决定建立一个交通网络模型，模拟车站和列车上的列车运行、事故和客户。
解决方案:
为了建立模型，顾问们选择了AnyLogic软件，因为它能够在一个模型中结合各种模拟方法，这是成功模拟列车运行（离散事件建模）和客户行为（基于代理的建模）所需的。第二个原因是它的可伸缩性：在AnyLogic中，很容易扩展现有模型以使其适应网络开发计划，并查看系统在新环境中的工作方式。
模型的输入数据来自不同的来源，包括运输公司、政府和公共资源，包括:
- 网络布局（信号、轨道几何、车站和站台）。
- 列车数据（列车组类型和每节车厢的容量）。
- 时刻表（路线、列车类型、车厢数量）。
- 在炎热天气下恢复网络的操作规则，包括速度限制。
- 事件数据（事件类型）。
- 乘客数据（智能卡数据和现有使用统计数据）。
使用AnyLogic Rail Library再现列车运行逻辑。此外，它还利用了普华永道专家在AnyLogic中创建的一些定制库组件，考虑到这个项目的特殊方面。
首先，该模型提供了站点客户的网络视图：它显示了当前在网络上每个站点等待的客户数量（包括他们的旅行方向）以及每列火车上的乘客数量。
更重要的是，该模型旨在让公司分析网络的事件恢复行为和时间。如果事故发生在铁路上，可能会导致列车时刻表长期延迟，尤其是在高峰时间。在初始问题解决后，网络可能需要几个小时才能从事件中完全恢复，所有列车也可能需要几个小时才能按计划开始运行。这就是为什么模型输出必须包含一个网络事件图，该图清楚地显示了每个事件对整个网络的影响长度，并使用户能够测试和比较不同的事件缓解策略。
收集的主要指标是损失客户分钟数（LCM），计算为特定列车或网段内所有单独行程的延误分钟数之和。在损失这些分钟的情况下（例如，高峰时间和周末损失的分钟具有不同的值），审查LCM非常重要。
输出包括列车图，这是一种在网络中表示列车运动的传统方法(见图)。此外，顾问使用地理信息系统地图使模型生动起来，以直观地表示系统中发生的过程。列车图和网络动画显示:
- 列车在网络上的位置。
- 火车是否按照时刻表运行。
- 火车是否能够返程。
结果:
该模型允许用户获得以乘客为中心的损失客户分钟数计算，这比传统的以列车为中心的方法更精确，后者严重地过度或低估了LCM。由于使用了基于代理的模拟，这种以乘客为中心的方法成为可能。
客户能够测量事件对网络行为的影响，以测试和形成策略，以更有效地缓解事件(例如，建立紧急小组，派遣到某些地点，以快速获得医疗帮助，最大限度地减少与乘客健康状况相关的延误)。它还根据受影响的乘客数量帮助制定事故应对优先政策。在仿真模型的帮助下，用户可以根据他们对客户分钟损失的估计影响来评估他们的投资和业务决策。
此外，将LCM作为一个以客户为中心的延迟度量，使运输公司能够在其结构内创建以客户为中心的目标和KPI。
未来顾问的工作包括将模型扩展为其他形式的交通和未来的网络元素。他们还计划模拟乘客在车站作为行人的身体运动，以调查站台拥挤的问题。
Artem Parakhine在2014年AnyLogic会议上的项目演示视频
