Научный журнал
Вестник Алтайской академии экономики и права
Print ISSN 1818-4057
Online ISSN 2226-3977
Перечень ВАК

МОДЕЛИРОВАНИЕ РЫНКА УТИЛИЗАЦИИ ТВЕРДЫХ БЫТОВЫХ ОТХОДОВ ГОРОДА-КУРОРТА

Копырин А.С. 1 Бурунин О.А. 1
1 ФГБОУ ВО «Сочинский государственный университет»
Статья посвящена методике построения и валидации многоподходной компьютерной имитационной модели. Объектом моделирования является сбор, вывоз и утилизацию твердых бытовых отходов курортного города (на примере г. Сочи). Построенная модель позволяет анализировать сложную городскую систему с учетом большого количества факторов и элементов неопределенности, прогнозировать будущее состояние системы, а также выявлять взаимосвязи и аномалии. Администрация города и частные компании могут использовать полученный инструмент при подготовке управленческих решений на этом социально значимом рынке. Статья включает обоснование актуальности темы исследования, определение цели исследования. Обоснован выбор в качестве метода многопоходного моделирования; представлена когнитивная модель и блок-схема системы взаимодействия населения и формирования мусорных потоков. Предложена дискретно-событийная диаграмма состояний объектов в агентной модели сборки мусора и демонстрируются выполненные процедуры верификации модели.
имитационное моделирование
курортный город
вывоз твердых бытовых отходов
1. Сметанин В.И., Красовская С.П., Щекудов Е.В., Воробьев Л.А. Динамика образования и накопления отходов производства и потребления в курортных городах (на примере города Сочи) // Природообустройство. – 2012. – №. 1. – C. 7-13.
2. Antmann E.D., Celik N., Shi X., Dai Y. Simulation-based optimization of solid waste management and recycling programs // IIE Annual Conference. Proceedings. – Institute of Industrial and Systems Engineers (IISE). – 2012. – Р. 759-768.
3. Апталаев М.Н., Жалко М.Е., Балабанов Д.С., Калинина К.А. Применимость методов имитационного моделирования при решении задачи оптимизации специализированного автомобильного парка для сбора и вывоза твердых коммунальных отходов // Отходы и ресурсы. – 2017. – №4. – URL: https://resources.today/PDF/12RRO417.pdf
4. Манаев К., Мельников А.Н. Оптимизация автомобильного и контейнерного парка при сборе и вывозе твердых бытовых отходов // Вестник Оренбургского государственного университета. – 2014. – № 10 (171). – С. 130-134.
5. Cremiato R., Mastellone M.L., Tagliaferri C., Zaccariello L., Lettieri P. Environmental impact of municipal solid waste management using Life Cycle Assessment: The effect of anaerobic digestion, materials recovery and secondary fuels production // Renewable Energy. – 2018. – Т. 124. – С. 180-188.
6. Гутова Н.И., Шостак А.А. Проблемы утилизации отходов г. Сочи // Курортно-рекреационный комплекс в системе регионального развития: инновационные подходы. – 2017. – №. 1. – С. 97-100.
7. Podchashinskiy Y., Kotsiuba I., Yelnikova T. Math modeling and analysis of the impact of municipal solid waste landfill leachate on the environment // Восточно-Европейский журнал передовых технологий. – 2017. – № 1 (10). – С. 4-10.
8. Shanmugam, Mageswari & Lakshmanan, Iyappan & Aravind, S & Mohammed, Sameer & Vignesh, R & Vinoth Kumar, P. Contamination of Groundwater Quality Due to Municipal Solid Waste Disposal – A GIS-Based Study in Perungudi Dump Yard // International Journal of Engineering and Technology. – 2017. – № 4. – Р. 952-964.
9. Белоусов М.Ю. Влияние социально-экономических факторов на решение муниципальных властей о выборе формы организации рынка социально значимых услуг (на примере услуг по вывозу твердых бытовых отходов в России) // Экономический журнал Высшей школы экономики. – 2010. – Т. 14. – № 3. – С. 379-394.
10. Арустамов Э.А. Обращение с отходами и создание мусоросжигательных заводов в России и Московской области // Отходы и ресурсы. – 2018. – № 2. – URL: https://resources.today/PDF/05ECOR218.pdf
11. Проскурникова И.А. Методологические основы эколого-экономического подхода к утилизации твердобытовых отходов с использованием мусоросжигательного завода // ГИАБ. – 2013. – № 3 (1). – URL: https://cyberleninka.ru/article/n/metodologicheskie-osnovy-ekologo-ekonomicheskogo-podhoda-k-utilizatsii-tverdobytovyh-othodov-s-ispolzovaniem-musoroszhigatelnogo ).
12. Kopyrin A. Simulation modelling of the municipal sanatorium-tourist branch // MATEC Web Conf. 170 01030 – 2018.
13. Постановление главы администрации (губернатора) Краснодарского края от 26 сентября 2016 года № 747 «Об утверждении территориальной схемы обращения с отходами, в том числе с твердыми коммунальными отходами, в Краснодарском крае».
14. Соломин И.А. Элементы разработки экологически безопасной городской системы переработки твердых бытовых отходов на примере города Сочи // Природообустройство. – 2015. №2. – URL: https://cyberleninka.ru/article/n/elementy-razrabotki-ekologicheski-bezopasnoy-gorodskoy-sistemy-pererabotki-tverdyh-bytovyh-othodov-na-primere-goroda-sochi.

Введение

Развитие туристического сектора экономики является одним из приоритетов, поставленных руководством Краснодарского края и России. Однако экономическое развитие региона сопровождается усилением антропогенной нагрузки на территорию и вызывает экологические проблемы. Одной из таких проблем является вывоз и утилизация твердых бытовых отходов (ТБО).

Технологии, в настоящее время используемые для сбора, хранения и утилизации твердых отходов, являются устаревшими и неадекватными природно-климатическим условиям территории и рекреационным требованиям курорта Сочи. Отходы практически не используются в качестве вторичных материальных ресурсов, из-за чего ценные компоненты, пригодные для переработки после соответствующей настройки, необратимо теряются. Программа Zero Waste, принятая в рамках подготовки к Олимпийским играм, так и не была реализована.

Следует также отметить, что утилизация ТБО является социально значимым рынком, а отсутствие современных технологий, с одной стороны, и строгих санитарных норм, с другой, резко увеличивает стоимость услуг. Утилизация твердых отходов в Сочи является самой дорогой в регионе [1].

Цель исследования: в целях оптимизации системы управления утилизацией твердых бытовых отходов в настоящее время необходимо применять передовые методы и инструменты, основанные на достижениях российских и зарубежных ученых. Одним из таких методов является построение компьютерной имитационной модели и последующий сценарный анализ с целью выявления преимуществ и недостатков различных концепций развития изучаемой сферы [2].

Объектом исследования является система образования, вывоза и утилизации твердых бытовых отходов в городе Сочи. Предметом исследования является взаимодействие населения города, организация вывоза мусора и туристических потоков. Целью работы является построение интегрированной компьютерной модели, с помощью которой будет возможно:

- изучить тенденции развития конкретного рынка;

- провести анализ сценариев и имитационное моделирование для определения возможных последствий управленческих решений.

Информационной базой исследования являются открытые статистические данные Федеральной службы государственной статистики, Администрации города Сочи и Министерства топливно-энергетического комплекса и ЖКХ Краснодарского края.

Материал и методы исследования

Обзор существующих моделей

Много публикаций были посвящены моделированию утилизации твердых отходов, но эти исследования в основном сосредоточены на одной стороне проблемы. В одной части работ рассматривается логистика вывоза мусора различными видами транспорта [3, 4], в другой – экологическая проблема накопления мусора [5, 6, 7, 8], в третьей – экономическая сторона процесса [9, 10, 11].

Авторы попытались разработать единую синтетическую модель, сочетающую социальные, экономические и экологические аспекты предмета исследования. Технологической основой работы является многоподходное моделирование, сочетающее системную динамику, дискретно-событийное и агентное моделирование [12].

Описание объекта исследования

В городе Сочи насчитывается более 300 лечебно-оздоровительных комплексов, гостиниц и туристических баз различного уровня комфортности общей вместимостью около 200 тыс. мест. Ведущую роль в отраслевой структуре региона занимают курортно-туристические комплексы, величина и доля которых в валовом региональном продукте со временем увеличиваются. Экономика региона ориентирована на туризм и его обслуживание. В сфере материального производства лидируют строительство, пищевая промышленность и сельское хозяйство. Туристические потоки в Сочи достигают 4500-4800 тысяч человек в год. Основная их часть приходится на период с апреля по октябрь, то есть максимальный наплыв туристов приходит летом.

Система очистки территории Сочи регулируется «территориальной схемой обращения с отходами, в том числе с твердыми бытовыми отходами в Краснодарском крае» [13], в соответствии с которой планировалось строительство мусоросортировочного комплекса (МСК) мощностью 200 тыс. тонн в год с компостирующим заводом. Второй этап включал строительство завода по компостированию органических отходов и цеха по переработке пластмасс.

Из всех объектов на МСК в 2018 году была введена в эксплуатацию только станция по сортировке отходов, мощностью 200 тысяч тонн в год (500-600 тонн в день). Запуск второго этапа был отменен.

В настоящее время на территории города Сочи, от Красной Поляны до села Детляжка Лазаревского района, организована следующая система управления ТБО: сбор ТБО, его транспортировка на станцию сортировки, ручная сортировка, прессование и упаковка твердых отходов в брикеты, транспортировка упакованных брикетов и органических отходов автомобильным транспортом на полигон в Белореченске Краснодарского края. Расстояние от Сочи (Центральный район) до Белореченской свалки ТБО составляет 250 км (через Шаумянский перевал), или 325 км через Горячий Ключ, в обе стороны – 650 км.

Для Лазаревского района от Детляжки до Магри схема управления имеет вид: сбор твердых отходов, вывоз мусоровозами до Белореченского полигона ТБО [6, 14]. Логистическое плечо от Лазаревского до полигона в Белореченском районе через город Горячий Ключ составляет 500 км (в обе стороны). Такие большие расстояния для транспортировки ТБО до полигона требуют значительного количества мусоровозов, что увеличит нагрузку на дороги и загрязнение воздуха, а также выбросы вредных веществ из автотранспорта.

При такой схеме очистки ТБО в Сочи вся органическая часть ТБО поступает на свалку, что негативно влияет на состояние окружающей среды.

ТБО сортируются с низким процентом сбора переработанных материалов (7% фракций отходов), а вывоз практически всего объема сочинского мусора на свалку невыгоден. Таким образом, можно сделать вывод, что разработка и внедрение современной системы очистки городских ТБО крайне необходимы.

Текущая мощность МСК рассчитана на 200 тысяч тонн в год, а средний объем образования твердых отходов скоро достигнет 330-400 тысяч тонн в год [12]. Летом объем образования твердых отходов превышает средний уровень на 30%

Когнитивная модель

Представим когнитивную модель рынка вывоза и утилизации ТБО на высоком уровне абстракции. Основными факторами, влияющими на поступление твердых бытовых отходов, являются постоянное население и количество туристов. Увеличение количества отходов влияет на загрязнение окружающей среды, что в свою очередь снижает комфорт проживания на территории и увеличивает заболеваемость. Увеличение заболеваемости снижает среднюю продолжительность жизни и, следовательно, население. Снижение комфорта окружающей среды негативно сказывается на туристическом потоке и населении (усиливается эмиграция из города).

После формализации модель приобретает вид, показанный на рис. 1.

Описание показателей когнитивной модели представлено в таблице 1, а отношения – в таблице 2.

Doc21.pdf

Рис. 1. Когнитивная модель общих отношений.

Таблица 1

Показатели когнитивной модели

Показатель

Описание

Единица

измерения

Population

Население, количество людей, постоянно проживающих в городе

чел.

Tourists

Туристы, среднемесячное количество туристов

чел.

Garbage

Мусор, объем аккумулированных ТБО в городе

тонн

Pollution

Загрязнение, уровень загрязнения окружающей среды

усл.ед.

Incidence

Заболеваемость, среднемесячное количество заболевших людей

чел./мес.

Comfort environment

Комфортность среды

усл.ед.

Таблица 2

Взаимосвязи когнитивной модели

Связь

Описание

Тип

R1

Comfort environment – Tourists, Комфортность среды – Туристы

Прямая

R2

Population – Garbage, Население – Мусор

Прямая

R3

Tourists – Garbage, Туристы – Мусор

Прямая

R4

Garbage – Pollution, Мусор – Загрязнение

Прямая

R5

Pollution – Incidence, Загрязнение – Заболеваемость

Прямая

R6

Pollution – Comfort environment, Загрязнение – Комфортность среды

Обратная

R7

Incidence – Population, Заболеваемость – Население

Обратная

R8

Comfort environment – Population, Комфортность среды – Население

Прямая

Результаты исследования и их обсуждение

Построение имитационной модели

На основе когнитивной модели в среде моделирования Anylogic была построена потоковая диаграмма

Все переменные в потоковой диаграмме делятся на 3 типа:

- переменные уровня (или состояния), связанные потоками;

- переменные темпа, регулирующие изменение уровней;

- вспомогательные переменные.

Математический аппарат модели представляет собой систему дифференциальных уравнений.

На рис. 2 приведена потоковая диаграмма модели. Она содержит 3 уровня и 17 переменных. Ключевые факторы когнитивной модели выделены цветом. Блок-схема также содержит связь с агентной моделью через переменную AgentModelRemoval. Описание уровней и переменных представлено в таблице 3.

Агентская часть модели включает в себя 3 класса объектов:

- комплекс по сортировке отходов;

- мусоровоз, собирающий отходы с контейнерных площадок и вывозящий его на МСК;

- крупнотоннажный грузовик, перевозящий отсортированные и прессованные отходы на свалку в Белореченске.

Комплекс генерируется в единственном числе; диаграмма дискретных событий показана на рис. 3. Мусоровозы и транспортные средства создаются по мере необходимости, в зависимости от объема отходов, но не более максимального количества доступных специальных транспортных средств.

Doc22.pdf

Рис. 2. Блок-схема модели

Таблица 3

Описание переменных потоковой диаграммы

Переменная

Описание

Обозначение

Уравнение

Population

Население

P

P(t+dt)=P(t)+B(t)*dt-D(t)*dt+M(t)*dt

Garbage

Мусор

G

G(t+dt)=F(t)+GD(t)*dt-GR(t)*dt

PollutionLevel

Уровень загрязнения

PL

PL(t+dt)=PL(t)+Po(t)*dt-CU(t)*dt

Births

Рождаемость

B

P*F, (F – Коэффициент рождаемости – 0.0152)

Deaths

Смертность

D

D=P/AL

Migration

Миграция

M

M=P*MN*AC, (MN –Коэффициент миграции – 0.0231)

GarbageDisposal

Вывоз мусора

GD

GD=(P+TF*0.3101)*DN, (DN – Disposal Normal – 0.251)

GarbageRemoval

Удаление ТБО

GR

GR=AMR (связь с агентской моделью)

Pollution

Загрязнение окружающей среды

Po

Po=(G/243000)/(1-(G/234000)*2)0.5

CleanUp

Очистка окружающей среды

CU

CU=PL/15

ComfortEnvironment

Комфортность среды

CE

CE=1-PL

Incidence

Заболеваемость

IN

IN=PL

AverageLifetime

Средний срок жизни

AL

AL=69.5-In*1.5359

AttractionDueComfort

Привлекательность курорта

AC

AC=0.414*CE+0.814

TouristsFlow

Поток туристов

TF

TF=TFLT*CE, (TFLT – статистическая табличная функция)

Doc23.pdf

Рис. 3. Диаграмма состояния модели комплекса сортировки отходов.

Верификация модели

Для повышения уровня достоверности результатов моделирования были проведены формальные процедуры верификации модели.

Проверка (валидация) модели выполняется с целью улучшения модели и проверки ее достоверности, то есть насколько хорошо полученная модель описывает поведение моделируемой системы. При проверке модели структура и переменные (например, начальные условия и константы) могут быть уточнены, то есть модель откалибрована.

В ходе выполнения формальных процедур валидации были проверены логические взаимосвязи, чтобы подтвердить правильность структуры имитационной модели. Проверка была сделана с фактическими доступными статистическими данными.

Например, приведем соотношение ретроспективных фактических данных и результатов, полученных моделью, по 2 параметрам: население и вывоз мусора. Все исходные данные соответствуют развитию системы в период с 2012 по 2017 год. Шаг моделирования – 1 год; горизонт моделирования 2017. Результаты прогноза приведены на рис. 4, 5.

Как видно на представленных рисунках моделирование воспроизводит актуальную статистику. В первом эксперименте средняя ошибка отклонения составляет 2,45%, а во втором – 3,26%.

Выводы или заключение

На основании проведенного исследования можно сформулировать следующие выводы.

1. Разработана многоподходная модель системы утилизации ТБО в Сочи, которая позволяет изучать тенденции развития рынка, а также анализ сценариев последствий различных управленческих решений.

2. Использование этого инструмента для среднесрочного и долгосрочного планирования предоставит лицу, принимающему решение, больше информации в условиях неопределенности, что позволит избежать многих ошибок в управлении.

Doc24.pdf

Рис. 4. Результаты моделирования по показателю «Население»

Doc25.pdf

Рис. 5. Результаты моделирования по показателю «Вывоз мусора»

3. Точность модели основана на общедоступных статистических данных. К сожалению, эти данные не являются полными и не включают в себя множество показателей, значения которых в модели были получены методом экспертных оценок.

В дальнейшем, предполагается уточнить и скорректировать модель с использованием более новых статистических данных; организовать вычислительные эксперименты, которые выявят экономические тенденции влияния сложных программ и сценариев на развитие рынка ТБО, как с точки зрения муниципалитета, так и частных компаний.


Библиографическая ссылка

Копырин А.С., Бурунин О.А. МОДЕЛИРОВАНИЕ РЫНКА УТИЛИЗАЦИИ ТВЕРДЫХ БЫТОВЫХ ОТХОДОВ ГОРОДА-КУРОРТА // Вестник Алтайской академии экономики и права. – 2019. – № 1-1. – С. 70-76;
URL: https://vaael.ru/ru/article/view?id=239 (дата обращения: 29.03.2024).