【正文】 為 50s，最小服務(wù)時間為 23s 算出級差 R=27 依據(jù)觀測預(yù)次數(shù)為 15 次，查表得 d2= 依據(jù)觀測數(shù)據(jù)得到 5421512 ???i iX 由公式21239。 40???????????????niiXdRnn 得到最佳觀測次數(shù)約為 75 次，但由于服務(wù)時間隨機(jī)性波動較大，因此我們把觀測次數(shù)定位 240 次。分不同的 4天記錄了 240 位旅客的服務(wù)時間。數(shù)據(jù)如表1所示； 表格 1 服務(wù)時間原始數(shù)據(jù) 時段 1 窗口 1 窗口 2 窗口 3 窗口 4 窗口 5 窗口 6 窗口 7 窗口 8 旅客 1 49 19 45 32 15 34 13 19 旅客 2 71 55 22 22 43 59 34 24 旅客 3 33 25 33 56 53 6 40 13 旅客 4 16 32 45 32 24 23 108 44 旅客 5 41 34 56 42 37 67 49 68 旅客 6 55 41 24 34 31 78 36 49 旅客 7 27 34 34 45 36 35 41 22 旅客 8 14 44 55 43 76 86 58 41 旅客 9 13 43 34 44 22 37 88 58 旅客 10 27 43 28 16 55 20 46 88 時段 2 窗口 1 窗口 2 窗口 3 窗口 4 窗口 5 窗口 6 窗口 7 窗口 8 旅客 1 2 15 35 85 62 33 34 37 旅客 2 25 47 45 88 72 31 55 24 The genral stf(1mpoyidvc,uh)0jb。5wT旅客 3 41 63 31 32 23 65 55 13 旅客 4 19 35 45 35 95 33 62 19 旅客 5 36 44 75 25 33 85 45 32 旅客 6 32 56 56 44 41 42 27 3 旅客 7 41 31 35 45 25 23 48 53 旅客 8 18 32 41 33 25 27 27 51 旅客 9 67 27 29 34 31 43 29 54 旅客 10 68 18 27 41 45 27 34 27 時段 3 窗口 1 窗口 2 窗口 3 窗口 4 窗口 5 窗口 6 窗口 7 窗口 8 旅客 1 59 32 31 49 111 4 35 43 旅客 2 6 34 25 23 28 28 23 23 旅客 3 112 33 22 33 48 45 20 72 旅客 4 41 67 56 41 32 75 48 20 旅客 5 46 35 117 23 45 19 32 34 旅客 6 36 23 88 16 23 36 25 33 旅客 7 13 20 46 62 27 32 31 41 旅客 8 54 104 34 2 43 35 36 46 旅客 9 86 36 82 27 23 42 76 41 旅客 10 22 52 15 32 72 32 49 58 為了是降低離散事件系統(tǒng)仿真的固有隨機(jī)性，我們對原始數(shù)據(jù)進(jìn)行處理。 處理的辦法是利用拉伊達(dá)準(zhǔn)則法（即 3?標(biāo)準(zhǔn)）判定并剔 除異常值。 具體辦法是：算出數(shù)據(jù)均值、標(biāo)準(zhǔn)差。凡是在均值加減 3個標(biāo)準(zhǔn)差區(qū)間以為的數(shù)據(jù)均為高異常值需要剔除。 樣本均值為： ??? ?niinxx 標(biāo)準(zhǔn)差為： )(12 ??????niin xxs 得到有效數(shù)據(jù)方位是（μ 3?，μ +3?），即（ 22， 103），又由于服務(wù)時間大于零，故有效數(shù)據(jù)范圍應(yīng)該是（ 0,103）。剔除 10 10 11 11 117五個高異常 值。有效測量樣本量為 235 個。剔除高異常值后，數(shù)據(jù)的點(diǎn)圖如圖 9所示； The genral stf(1mpoyidvc,uh)0jb。5wT25 依據(jù)此數(shù)據(jù)，得到服務(wù)時間的經(jīng)驗(yàn)分布，模型中服務(wù)時間的隨機(jī)變量依據(jù)該經(jīng)驗(yàn)分布產(chǎn)生。 . 行人間隔 所謂行人間隔即某位顧客與前一位顧客的距離加上這位顧客的胸厚。它反映出的是實(shí)際隊(duì)列中行人的疏密。在模型中它是計(jì)算隊(duì)列長度狀態(tài)的重要隨機(jī)變量。 我們通過觀測記錄隊(duì)列中從等候窗口到某行柱子這段空間中的旅客的人數(shù)，以及窗口到柱子的距離，得到 80 組不同隊(duì)列的行人間隔的平均數(shù)。 表格 2 行人間隔 行人間隔 出現(xiàn)次數(shù) 出現(xiàn)頻率 第一組數(shù)據(jù) 1 % 8 % 12 % 15 % 1 4 % 第二組數(shù)據(jù) 2 % 9 % 7 % 20 % 圖 9 服務(wù)時間點(diǎn)圖 The genral stf(1mpoyidvc,uh)0jb。5wT 我們分兩組方法觀測旅客個數(shù)。第一組觀測，有 40 個樣本，是觀測服務(wù)窗口到第一行柱子間的隊(duì)列人數(shù)。第二組觀測，也 有 40 個樣本，是觀測等候隊(duì)列到第二行柱子間的隊(duì)列人數(shù)。之后除以兩組數(shù)據(jù)分別窗口到不同柱子的距離，得到每個隊(duì)列中行人間隔的平均數(shù)結(jié)果保留 1 位有效數(shù)字，精確到分米，用這 80個行人間隔平均數(shù)組成一個行人間隔經(jīng)驗(yàn)分布，如表 2所示； 對于行人間隔，我們無法說明它是否與隊(duì)列中人數(shù)狀態(tài)量有關(guān)，因此我們隊(duì)觀測到的兩組數(shù)據(jù)做雙樣本 T 檢驗(yàn)。進(jìn)而證明 10 多人的隊(duì)列與 20 多人的隊(duì)列其行人間隔分布基本無差異。這樣我們就能將由這 80 組樣本所得行人間隔經(jīng)驗(yàn)概率分布輸入模型，來產(chǎn)生行人間隔的隨機(jī)變量。 原假設(shè) 210H ?? ?： 備擇假設(shè) 211H ?? ?： 利用 matlab 軟件，得到結(jié)果如下 ： 平均值 N 平均值 標(biāo)準(zhǔn)差 標(biāo)準(zhǔn)誤 第一組 40 第二組 40 差值 = mu (C1) mu (C2) 差值估計(jì) : 差值的 95% 置信區(qū)間 : (, ) 檢 驗(yàn) : P 值 = P值約等于１ 原假設(shè)成立，說明行人間隔與隊(duì)列長度無關(guān)。 . 仿真策略 北京西站離散事件系統(tǒng)中事件，實(shí)體活動較復(fù)雜，因此我們選用進(jìn)程交互法作為仿真策略，面向時間間隔推進(jìn)時鐘。 當(dāng)?shù)谝晃活櫩鸵罁?jù)行人到達(dá)隨機(jī)變量進(jìn)入系統(tǒng)時，把 FEL 中發(fā)生時間不 大于仿真時鐘的所有事件全部調(diào)入到 CEL 中。之后依次判斷出每個事件在其隸屬的進(jìn)程中的位置。在判斷其實(shí)體是否滿足該事件發(fā)生條件，若滿足則發(fā)生該事件，只要在時鐘推進(jìn)范圍內(nèi)且滿足條件，就盡可能的多執(zhí)行進(jìn)程依次事件，直到進(jìn)程結(jié)束為止。如果發(fā)生條件不滿足或 超過仿真時鐘間隔，則停止，推出該進(jìn)程。等到仿真時鐘推進(jìn)后，再執(zhí)行進(jìn)程后面的部分。當(dāng) CEL 中所有事件都處理過以后。結(jié)1 2 % The genral stf(1mpoyidvc,uh)0jb。5wT27 束 CEL 掃描，以固定時間間隔推進(jìn)時鐘，本文模型所取的推進(jìn)間隔為 。之后再將 FEL 中發(fā)生時間不大于仿真時鐘的所有事件調(diào)入 CEL 中。循環(huán)往復(fù)，直到仿真結(jié)束。 . 仿真模型 確定仿真策略后，我們就要依托 AnyLogic 平臺建立西站售票離散系統(tǒng)仿真模型了。建立起來的仿真程序結(jié)構(gòu)如圖 10 所示 它可以分為五個部分： 第一部分：參數(shù)輸入及初始化子程序部分 圖 10 Main 類 圖 11 初始化子程序 The genral stf(1mpoyidvc,uh)0jb。5wT在這部分中我們要完成對于原始數(shù)據(jù)的輸入其結(jié) 構(gòu)如圖 11 所示； 在這里我們把兩個大廳的 8 個小時的數(shù)據(jù)整理出的經(jīng)驗(yàn)概率分布輸入到 16個表函數(shù)中（ customPDF）。主程序啟動 ,仿真時鐘推進(jìn)前會調(diào)用 DataInPut 函數(shù)，將每個表函數(shù)作為一個元素輸入到 custom_collection 集合中。之后仿真時鐘推進(jìn)，用 initial 組的表函數(shù)作為初始化數(shù)據(jù)來自源， event 事件觸發(fā)，作用是得到 customDistribution 變量中的值，該變量被調(diào)用值后會重新從對應(yīng)的表函數(shù)中得到一個新值，而 event 事件每 30秒觸發(fā)一次，故而得到的變量值符合不同表函數(shù)中 30秒行人到達(dá)數(shù)經(jīng)驗(yàn)概率分布。之后相繼觸發(fā) N個 Inject的動態(tài)事件，觸發(fā)次數(shù) N 就是剛剛所取到的變量值。每一個動態(tài)事件觸發(fā)后，都有一個延遲期，這個延遲期由 event 事件控制；以保證所有動態(tài)事件是在 30 秒內(nèi)均勻觸發(fā)。每一個動態(tài)事件都會產(chǎn)生一個旅客實(shí)體。我們的仿真時間是從早上 8 點(diǎn) 50 到下午5點(diǎn)整。 8點(diǎn) 50 到 9點(diǎn)之間我們調(diào)用的是 initial 初始化數(shù)據(jù)。當(dāng)仿真時鐘推進(jìn)到 9 點(diǎn)時， dataEvent 事件觸發(fā)，它將 customDistribution 的數(shù)據(jù)源改為custom_collection 中第一個元素（即對應(yīng) 9 點(diǎn)的數(shù) 據(jù)的表函數(shù)）。之后每個小時觸發(fā)一次，觸發(fā)時依次提取 custom_collection 集合中元素。變量 hour 的作用就是記錄已經(jīng)提取到那個位置的元素了。這樣我們就得到了與實(shí)際情況相似的旅客到達(dá)。 Event 關(guān)鍵代碼如下： date_Left = (hour8)。 date_Right = (hour8)。 hour += 1； 第二部分，選隊(duì)功能部分 在這部分中需要實(shí)現(xiàn)選隊(duì)功能。這部分仿真模型結(jié)構(gòu)如圖 12 所 示； The genral stf(1mpoyidvc,uh)0jb。5wT29 旅客進(jìn)入大廳后，滿足 selectOutput6 事件發(fā)生條件， CEL 中該事件觸發(fā)，該事件隨機(jī)將 90%的人分為單側(cè)大廳選隊(duì)，將 10%的人分為雙側(cè)大廳選隊(duì)。兩種不同類型的旅客會調(diào)用 whole 和 half 兩個不同的選隊(duì)函數(shù)，其中 half 依據(jù)旅客實(shí)體當(dāng)前所在位置的屬性值，分別調(diào)用 selectLeft 和 selectRight 函數(shù)。所有選隊(duì)函數(shù)都是為了確定選隊(duì)范圍（即行人會從那幾條隊(duì)列實(shí)體中選擇），他們會將這個范圍作為輸入?yún)?shù)，調(diào)用 queueSelect 核心選隊(duì)函數(shù)。核心選隊(duì)函數(shù)會依據(jù)選隊(duì)范圍內(nèi)隊(duì)列當(dāng)前的狀態(tài)值（人 數(shù)狀態(tài)值、長度狀態(tài)值）來挑選一定規(guī)則下的最佳隊(duì)列，并根據(jù)該隊(duì)列屬性值、狀態(tài)值來觸發(fā)旅客活動、修改旅客參數(shù)。至此旅客進(jìn)入隊(duì)列實(shí)體的集合內(nèi)。 第三部分，旅客離開，換隊(duì)，調(diào)度行為部分 這個部分主要用于實(shí)現(xiàn)旅客購票后離開，旅客執(zhí)行換隊(duì)行為，旅客執(zhí)行調(diào)度行為的功能。它包含了旅客有隊(duì)列實(shí)體 (queueClass)中退出來的一切行為。其結(jié)構(gòu)如圖 13 所示； 圖 12 選隊(duì)部分模型結(jié)構(gòu) 圖 13 離開、換隊(duì)、調(diào)度行為 The genral stf(1mpoyidvc,uh)0jb。5wT 其中由 port1 端口出來的是接受完服務(wù)準(zhǔn)備離開的旅客，旅客由端口出來后滿足觸發(fā) selectOutput 事件的條件， CEL 表執(zhí)行該事件。旅客實(shí)體會依 據(jù)自身所在位置的屬性值來判斷從哪個出口離開大廳。在大廳出口處，觸發(fā)數(shù)據(jù)輸出事件，將旅客自身的在隊(duì)列中的等待時間，在系統(tǒng)中的等待時間到處到外接 Execel表中。至此該旅客實(shí)體完成整個仿真過程。 由 port2 端口出來的是處于換隊(duì)或被調(diào)度狀態(tài)的旅客。他們處于換隊(duì)或被調(diào)度活動中。旅客出來后觸發(fā) selectOutput5 事件，依據(jù)旅客當(dāng)前的狀態(tài)值，判斷出它是在換隊(duì)還是在被調(diào)度。換隊(duì)的旅客依據(jù)新的所在隊(duì)列屬性值開始旅客行走活動，進(jìn)入相應(yīng)隊(duì)列中去。這個過程中會改變自身狀態(tài)（由換隊(duì)變?yōu)樾凶撸?，改變自身屬性（速度，所在位置?）；改變所選隊(duì)列狀態(tài)（人數(shù)狀態(tài)、長度狀態(tài)等）。調(diào)度的旅客，首先會從隊(duì)列出來到達(dá)另一側(cè)大廳 ，之后二次選隊(duì)的事件觸發(fā)，進(jìn)行二次選隊(duì)。事件所調(diào)用函數(shù)依舊是選隊(duì)時所調(diào)用函數(shù)，只不過輸入的選隊(duì)范圍不同。這部分的流程如圖 14 所示 第四部分，排隊(duì)及接受服務(wù)部分 判斷行人狀態(tài)值 行人在換隊(duì) 行人在被調(diào)度 等于 1 等于 2 觸發(fā)換隊(duì)行為事件 前往另一側(cè)大廳 速度屬性值改為， 加入新隊(duì)列實(shí)體，改變相應(yīng)屬性值、狀態(tài)值 觸發(fā)被調(diào)度事件 速 度屬性值改為 向右調(diào)度 從右向左調(diào)度 在右邊窗口中選擇隊(duì)列 在左邊窗口中選擇隊(duì)列 怎么調(diào)度 觸發(fā)選隊(duì)活動 圖 14 離開、換隊(duì)、被調(diào)度功能模塊結(jié)構(gòu)流程圖 The genral stf(1mpoyidvc,uh)0jb。5wT31 這個部分中，包含了隊(duì)列實(shí)體以及窗口服務(wù)人員實(shí)體。此部分需要實(shí)現(xiàn)旅客排隊(duì)等待中的換隊(duì)活動，服務(wù)活動。在建立仿真模型時，由于每一個窗口都對應(yīng)一個獨(dú)立隊(duì)列，因此將隊(duì)列實(shí)體與窗口實(shí)體結(jié)合到一起，構(gòu)成一個隊(duì)列服務(wù)實(shí) 體，該類屬于永久實(shí)體。該類屬性是服務(wù)人員實(shí)體和隊(duì)列實(shí)體的加和。該類狀態(tài)為三維狀態(tài)組，既包含 {繁忙，空閑，停止服務(wù) }又包含 {人數(shù) }{隊(duì)長 }，狀態(tài)值依據(jù)不同需要取不同維度。例如旅客在換隊(duì)時調(diào)用的就是 {人數(shù) }狀態(tài)維度或 {隊(duì)長 }狀態(tài)維度。其結(jié)構(gòu)如圖 所示； 第五部分，換隊(duì)子程序 該部分程序復(fù)雜實(shí)現(xiàn)旅客的自主換隊(duì)功能。我們通過一個循環(huán)步長為 5 秒的