AnyLogic Forum is moving to other platforms

This forum is now not officially supported and will be discontinued early in 2018. Registration and new topics are no longer possible.


To discuss AnyLogic-related issues, you are welcome to use LinkedIn user group and StackOverflow questions tagged with "anylogic".


Preventing “Bus Bunching” with Smart Phone Application Implementation

Overview:




In public transport, bus bunching refers to a group of two or more transit vehicles (such as buses or trains), which were scheduled to be evenly spaced running along the same route, instead running in the same location at the same time. Dave Sprogis, Volunteer Software Developer, and Data Analyst in Watertown, MA, used AnyLogic to confirm his thesis that preventing "Bus Bunching" would improve the experience of public transit bus riders. Specifically, he proved that long waits at bus stops would be eliminated and bus crowding would be dampened by preventing minor delays to an individual bus before they snowball into the phenomenon we call "Bus Bunching."


Problem:




Residents of Watertown, MA, have long complained about poor service on the bus routes that service the town. Knowing that the Massachusetts Bay Transportation Authority (MBTA) that serves Watertown had published an API through which real-time bus data could be collected, Dave volunteered to build a SaaS system to collect it into a data warehouse for analysis. The results of the analysis were clear, buses lost significant efficiency servicing the route when they bunched together, typically at Rush Hour when riders needed consistency and reliability most.


While the results were convincing, a solution remained elusive. Should full buses skip past riders waiting at stops allowing a trailing bus to pick them up? Should bus schedules be updated to reflect dynamically changing road conditions and rider demands? Alternatively, could simply slowing buses to prevent Bus Bunching pay dividends in the long run?


Bus Transport Modeling

Bus Transportation Simulation

Bus Transportation System Simulation

Solution:




Dave had a hunch that slowing buses would pay dividends but needed a way to prove it. Proving it would require simulation because the problem is not deterministic. Dave wanted to observe the impact of slowing the bus on the overall rider experience. What are the trade-offs? For example, would reducing wait times increase the ride time for passengers and to what degree? Moreover, if the ride times are increased, wouldn't the passenger loads increase as well? Only through simulation in which variables can be tweaked and results measured, could these questions be answered.


Dave modeled an existing route using AnyLogic's GIS features. The model allows Dave to simulate the current situation and his proposed solution, collecting metrics in both scenarios and comparing the results. Dave developed the model with the following components:

  • Bus stops. 
  •  Buses, bus behavior, and operation constraints. 
  •  Riders and rider behavior. 
  • Trips.

The model also includes parameters that can be adjusted before and during run-time (i.e. number of riders, rider load time, rider unload time, max bus speed, and the choice between two policies).

Outcome:




The model allows Dave to visualize the problem and proposed solutions. The best results were seen in the solution Dave titled “equilibrium,” which is to devise a way to maintain distances between buses. Using the equilibrium policy, buses will no longer follow the route freely, but by making continued adjustments and slowing down or stopping until sufficient space in front of them is available.


When the “equilibrium” policy is used, the number of riders on each bus is more uniform and the wait time is a more predictable distribution, which eliminates excessively long wait times and dampens overcrowding of buses.


Dave recommends that the MBTA implement “uber-fication” of buses – a simple “connected” app that advises drivers when to wait based on network metrics, enforcing the “equilibrium” policy.


The transition from Insight to Action is often unclear. Implementation can be costly and/or risky. Simulation, where applicable, is a great middle step, refining direction and creating confidence before investments are made. Sharing the AnyLogic model with the MBTA will assist decision makers in visualizing the problem and the proposed solution, ultimately improving service for riders.

More Case Studies

  • Simulation eines Tunnelbaus mit Hilfe einer Tunnelbohrmaschine
    Die Kosten des Ausfalls einer Tunnelbohrmaschine für eine Stunde sind üblicherweise hoch und Projektmanager müssen ihr Bestes tun, um unnötige Verzögerungen im Bau zu verhindern. Das Ziel des Simulationsprojektes, welches durch die Ruhr-Universität Bochum in Deutschland durchgeführt wurde, war es, ein Simulationsmodell zu entwickeln, das fähig ist die Engstellen im Tunnelbauprozess zu bestimmen, um finanzielle Verluste zu minimieren.
  • Peitscheneffekt in der Lieferkette von Halbleitern
    Das Supply Chain Management bei Infineon, ein sehr großer Hersteller von Halbleitern, wollte den Peitscheneffekt, auch Bullwhip-Effekt genannt, in ihrem Markt untersuchen, um Ausgaben zu senken und das Marktverhalten besser vorhersagen zu können. Sie haben AnyLogic-Software eingesetzt, um das Modell einer Lieferkette zu entwickeln - vom Rohmaterial bis zum Verkauf.
  • Simulation der internen Schienenlogistik für den Hafen von Le Havre
    Der Hafen von Le Havre in Frankreich benötigte Unterstützung für den Bau eines neuen multimodalen Terminals. Kernpunkt der Simulation war es, den Transfer der Container zwischen Schienenzügen / Frachtkähnen und anderen bestehenden Terminals zu fördern, die diese Container zum bzw. vom Seetransport überführen.
  • Optimierung der Französischen Bahn
    Der Betreiber eines Eisenbahnnetzes des Landes wollte wissen, ob der Schienengüterverkehr mit LKW-Transporten konkurrieren kann. Der Transport LKW-Bahn-LKW sollte effektiver werden.
  • Tragfähigkeitsmodell eines Bahnhofs
    Aurizon ist eines von Australiens größten Bahnfrachtunternehmen mit mehr als 700 Lokomotiven und mehr als 16.000 Wagons. Aurizon ist stark im Kohlen-, Eisenerz- und Mineraltransport vertreten. Um die Effizienz der Betriebsabläufe zu erhöhen, hat das Unternehmen entschieden, einen ihrer Bahnhöfe in eine andere Stadt zu verlegen. Dieser Bahnhof war vor allem für die Wagon- und Lokomotiven-Wartung, sowie für die Vorbereitung der Lok zuständig.
  • Die beste Lagerhaltungsstrategie mit Gojii auswählen
    Das bestehende Tool für Lieferkette und S&OP (Absatz- und Vertriebsplanung) sind hervorragend für das Lieferungsmanagement geeignet, um einer gewählten "Prognose" zu entsprechen. Es gibt jedoch keine einzige "korrekte Prognose" des künftigen Bedarfs, und bestehende Tools sind nicht dafür konzipiert, das beste Bedarfslevel für das Unternehmen auszuwählen.
  • Planungs- und Bestandsoptimierung des Vertriebsnetzwerks durch Simulation
    Diageo ist ein britisches, multinationales Unternehmen, das alkoholische Getränke vertreibt. Diageo Russland gehört zu den Top fünf der Großhändler von alkoholischen Getränken, welches traditionell ein margenschwaches Geschäft ist und bei dem der Reingewinn empfindlich auf den Grad der Kundenbetreuung und hohe Logistikkosten reagiert.
  • Modellierung eines kundenzentrierten Verkehrsnetzes
    Ein öffentliches Verkehrsunternehmen wandte sich an PwC Australien, um eine Lösung zu entwickeln, die eine kundenzentrierte Sicht ihrer Bahninfrastruktur bot und dem Unternehmen dabei half, die aktuellen Störfolgen für den Betrieb des Eisenbahnnetzes zu verstehen, und die Situation zu verbessern. Die PwC Berater entschieden sich, das Modell eines Verkehrsnetzes zu erstellen, das Zugbewegungen, Zwischenfälle und Kunden in Bahnhöfen und Zügen simulierte.
  • CSX löst die Herausforderungen des Bahnbetriebs mit der AnyLogic Rail Library
    CSX ist eine US-Eisenbahngesellschaft, mit einem Streckennetz von über 21.000 Meilen (34.000 km). AnyLogic bietet den Nutzern der Eisenbahngesellschaft die Möglichkeit, Probleme bezüglich des Streckenverlaufs, des Terminals und des Bahnhofs zu simulieren. Die folgenden drei Projekte, die 2014 von CSX abgewickelt wurden, deckten eine Vielzahl von Aufgaben ab, die durch die AnyLogic-Software gelöst wurden.
  • Design and Analysis of Marine System for Oil Transportation in the Arctic by Means of Simulation
    The Novoportovskoye oil and gas condensate field is located in the Yamal peninsula and is owned by Gazprom Neft, the fourth largest oil company in Russia. Oil from the field is transferred via a 100km pipeline to the sea terminal at Cape Kamenny (the Gulf of the Ob river), where it is loaded into arctic shuttle tankers for further transportation to Murmansk. The full field development will start in 2016 and continue for several decades.