Stikprøvekontrol af billetter: Hvordan optimeres dette?

Transkript

1 Stikprøvekontrol af billetter: Hvordan optimeres dette? Fra AnalyseWiki En introduk tion til fire optimeringsmodeller for stik prøvek ontrol af billetter Artik el til Trafik dage på Aalborg Universitet, August 2008 Af Per Thorlacius, Civilingeniør, Operationsanalytik er, DSB S-tog A/S Indholdsfortegnelse 1 Sammenfatning 2 Indledning 3 Optimeringsmodeller for stik prøvek ontrol af billetter 3.1 Optimeringsmodel A Overblik Inddata Modelvariable Objek tfunk tion Modelbetingelser Uddata 3.2 Optimeringsmodel B Overblik Inddata Uddata 3.3 Optimeringsmodel C Overblik Modelleringsprincip 3.4 Optimeringsmodel D Overblik Model Visualisering Foreløbige resultater 4 Disk ussion 5 Kildefortegnelse Sammenfatning Den k øbenhavnsk e S-bane drives efter princippet egenk ontrol: Det er den enk elte passagers eget ansvar at sørge for gyldig billet. For at sik re, at så mange som muligt har gyldig billet, og dermed sik re, at der også er billetindtægter fra driften af S-banen, gennemføres regelmæssig stikprøvekontrol af billetter i tog og på stationer. Ved optimering af stik prøvek ontrol af billetter forstås her at opnå så store indtægter som det er prak tisk muligt for det samlede transportsystem. Indtægternes størrelse afhænger af hvornår, hvor, med hvor meget k ontrolpersonale og hvordan stik prøvek ontrollen udføres. 1 of 12

2 Til bestemmelse af, hvilk e af de nævnte k riterier, der giver de størst mulige samlede indtægter, er DSB S-tog i øjeblik k et i gang med at udvik le fire optimeringsmodeller. Formålet med denne artik el er at give en k ort introduk tion til disse fire optimeringsmodeller. Indledning Stik prøvek ontrollen af billetter på den k øbenhavnsk e S-bane udføres af revisorerne fra DSB S-togs togrevisork orps. Til brug for planlægningen af stik prøvek ontrollen udvik ler DSB S-tog p.t. fire optimeringsmodeller: Model A: En tak tisk/strategisk planlægningsmodel til bestemmelse af hvornår der sk al gennemføres stik prøvek ontrol Model B: En tak tisk disponeringsmodel til bestemmelse af hvor der sk al k ontrolleres billetter Model C: En strategisk model for hvor meget k ontrolpersonale det k an svare sig at have ansat Model D: En strategisk simuleringsmodel for hvorledes billetk ontrollen sk al foregå i og omk ring toget Idet model A er færdigudvik let og taget i brug lægges hovedvægten på besk rivelsen af denne. De øvrige modeller behandles overordnet idet modellerne B og C stadig er under udvik ling og model D i en idéfase. Optimeringsmodeller for stikprøvekontrol af billetter Optimeringsmodel A Overblik Sigtet med optimeringsmodel A er at bestemme hvornår der sk al gennemføres stik prøvek ontrol. Modellen er formuleret som en blandet heltalsmodel med dertil hørende modelvariable, objektfunktion og betingelser, som den k endes fra litteraturen, se fx [1] og [2]. Modellens variable udgøres af de exogene variable, dvs. de variable som bestemmes af forhold der ligger udenfor modellen, samt de endogene variable, dvs. de variable som modellen selv bestemmer. De exogene variable udgør inddata til modellen - de Optimeringsmål Modelsynopsis Hvornår skal der k ontrolleres? Planlægningshorisont Tak tisk/strategisk Modeltype Udvik lingsstatus Blandet heltalsmodel (MIP) Taget i brug endogene variable uddata fra modellen. De endogene variable k aldes også beslutningsvariable - de variable modellen anvender til at beslutte noget om. I dette tilfælde angiver beslutningsvariablene hvor mange S-togsrevisorer, der sk al møde på arbejde på et bestemt tidspunk t. At modellen er en såk aldt blandet heltalsmodel indebærer, at nogle af modellens variable antager heltalsværdier medens andre antager reelle værdier. I dette tilfælde er det fx modellens beslutningsvariable der antager heltalsværdier, idet man k un k an have et helt antal S-togsrevisorer på arbejde. Modellens objektfunktion (dvs. det udtryk i modellen, som siger noget om, hvor god en given beslutning er) angiver hvilk e indtægter man k an forvente af, at have et bestemt antal 2 of 12

3 S-togsrevsiorer til at møde på arbejde til et bestemt tidspunk t. Videre siger modellens betingelser noget om sammenhængen mellem beslutningsvariablene og den virk elige verden, fx at der ik k e k an være flere revisorer på arbejde end der er revisorer ansat. Modellens inddate, variable, objek tfunk tion, betingelser og uddata gennemgås i detaljer i afsnittene nedenfor. Model A har visse ligheder til k endte modeller for mandsk absplanlægning, se fx [3]. Den datamæssige platform for modellen udgøres af open source-databasen MySQL [4], den modelleringsmæssige platform af softwarepak k en General Algebraic Modeling System (GAMS) [5, 6], og den visualiseringsmæssige platform af graftegningspak k en GnuPlot [7], der også er open source. Inddata Model A tager udgangspunk t i data om tidligere udsk revne k ontrolafgifter (figur 1). Disse data sammenholdes med data for, hvornår og i hvilk et omfang der er gennemført stik prøvek ontrol, dvs. hvor mange revisorer, der har arbejdet med billettering fordelt over tid (figur 4). Tallene for hvornår, der er gennemført stik prøvek ontrol (figur 4) er fremk ommet ved at træk k e tallene fra revisorernes pauser (figur 3) fra tallene for, hvor mange revisorer der er på vagt (figur 2). Ved at dividere tallene for udsk revne k ontrolafgifter (figur 1) med tallene for hvornår der er gennemført stik prøvek ontrol (figur 4) fås gratistintensiteten (figur 5) opgjort som afgiftsk roner pr. time pr. revisor på billettering. Gratistintensiteten er et udtryk for, hvor mange gratister der k an forventes. På udgiftssiden anvender modellen data for hvilk e omk ostninger, der er forbundet med at have en revisor på arbejde på forsk ellige tidspunk ter på døgnet og ugen (figur 6). Figur 1: Afgiftskroner pr. time Figur 2: Revisorer på vagt 3 of 12

4 Figur 3: Revisorer til pause, se note 1 Figur 4: Revisorer på billettering, se note 2 Figur 5: Afgiftskroner pr. time pr. revisor på billettering, jf. g(t) nedenfor Figur 6: Lønsatser, jf. l(t) nedenfor Noter Der foreligger p.t. ingen data for, præcis hvornår den enk elte revisor holder pause. Tallene for revisorer, der holder pause er derfor p.t. udregnet på baggrund af antagelsen om, at halvdelen af revisorerne holder 1 times pause 3 timer inde i vagten og den øvrige halvdel 4 timer inde i vagten. Ved begrebet pause forstås her pause i billetteringen, ik k e den overenskomstbestemte pause. Revisorer, der billetterer, er p.t. udregnet som revisorer på vagt fratruk k et revisorer der holder pause. Det antages, at øvrige opgaver end billettering er jævnt fordelt over tid, hvorfor der p.t. ik k e foretages k orrek tion for dette. Modelvariable Exogene variable Modellen er bygget op af følgende exogene variable (dvs. variable, der bestemmes af forhold, der ligger udenfor modellen): 4 of 12

5 er mængden af tidsintervaller over døgnet, indeks for denne mængde: er mængden af mulige tidsintervaller for tilmelding, indek s for denne mængde: Mængden af mulige tidsintervaller for tilmelding er en ægte delmængde af mængden af tidsintervaller over døgnet: En vagtskabelon besk river, hvornår i vagten der billetteres og holdes pause, uafhængigt af hvornår vagten påbegyndes. er mængden af vagtsk abeloner, indek s for denne mængde: er mængden af tidsintervaller i den enk elte vagtsk abelon, indek s for denne mængde: er gratistintensiteten til tiden, opgjort som afgiftsk roner pr. revisor på billettering. Vagtsk abelonernes tidsintervalindek s begynder med intervallet for tilmelding. Der gælder således følgende sammenhæng til tidsintervalindek s over døgnet : er billetteringsintensiteten i vagtsk abelon til vagtsk abelonenens tidsinterval. Billetteringsintensiteten angiver for hvert interval, hvor stor en andel af tiden, der anvendes til billettering. Når der holdes pause i hele det pågældende interval er. Når der billetteres i hele intervallet er er indtægterne pr. revisor ved k ontrolafgifter i intervallet i vagtsk abelon for revisorer, der tilmelder sig i intervallet. Indtægterne opgøres som produk tet af gratistintensiteten (hvor mange afgiftsk roner k an vi få ind pr. billetterende revisor) og billetteringsintensiteten (hvor stor en andel af intervallet revisoren anvender til billettering): er lønsatsen pr. revisor i tidsintervallet. Lønsatsen udgøres af en grundløn med tillæg for tidlige og sene arbejdstider, samt arbejde i week enden. er lønudgifterne pr. revisor i tidsintervallet når der foretages tilmelding i interval med vagtsk abelon. Lønudgifterne bestemmes ved variabelsubstitution i fht. tidsintervalindek s over døgnet som: er mødetillægget pr. tjeneste som revisoren får udbetalt med lønnen. Endogene variable Modellen anvender følgende endogene variabel (dvs. variabel, der bestemmes af modellen selv): 5 of 12

6 er antallet revisorer med vagtskabelon modellens beslutningsvariabel. der skal tilmelde sig til tiden. Dette er Objektfunktion Modellens objek tfunk tion er: Objek tfunk tionen er således et udtryk for summen af indtægter fraregnet udgifter og fraregnet mødetillæg for alle revisorer over alle mulige k ombinationer af vagtsk abeloner, tilmeldingsintervaller og tidsintervaller. Objek tfunk tionen mak simeres i optimeringen. Modelbetingelser Nedenfor er listet de fem betingelser som modellen k an tage højde for: Antal revisorer til rådighed Mindstebemanding udtryk t i forhold til revisorer på vagt Størstebemanding analogt til mindstebemanding ovenfor Antal revisorer der holder pause samtidig Antal revisorer der tilmelder sig (dvs. starter deres vagt) samtidig Betingelse 2 til 5 kan differentieres over tid således, at der til en given tid kan defineres en given mindstebemanding, størstebemanding eller øvre grænse for antal revisorer, der holder pause eller tilmelder sig samtidig. Modelbetingelserne formuleres matematisk som følger: hvor er størrelsen af k ontrolk orpset, dvs. antal revisorer til rådighed. er en hjælpefunk tion der antager værdien 1 hvis et tidsinterval falder indenfor vagtsk abelonen, med tilhørende varighed, når der tilmeldes i intervallet, og 0 ellers: er den ønsk ede minimumsbemanding til tiden. 6 of 12

7 er den ønsk ede maximumsbemanding til tiden. er det ønsk ede minimum for billetteringsintensiteten (dvs. antallet af revisorer på arbejde fraregnet antallet af revisorer til pause) til tiden. Uddata er det ønsk ede maximum for antallet af tilmeldinger til tiden. Modellens uddata er en såk aldt optimeringsrapport indeholdende tabeldata og grafer for den beregnede, optimale bemandingsplan og en opgørelse over forventede indtægter og udgifter. Modellens beregninger håndteres i scenarier, dvs. i sæt af exogene variable og modelbetingelser. Et scenario kunne fx være med den betingelse, at der hver dag fra kl. 04 til kl. 02 skal være mindst 15 revisorer på arbejde. Et andet scenario k unne være som nedenstående, illustreret ved figur 7 til 10, der viser ek sempler på modellens uddata i grafform. Figur 7: Eksisterende og optimeret bemandingsplan beregnet med modellen Figur 8: Opgørelse over revisorernes pausemønster før og efter optimering 7 of 12

8 Figur 9: Opgørelse over revisorernes tilmeldingsmønster før og efter optimering Figur 10: Visualisering af vagtskabeloner anvendt i optimeringen: T re fuldtidsvagter med hhv. pausen i midten, mod starten og mod slutningen af vagten, og en deltidsvagt uden pause I dette scenario må der mak simalt må være 65 revisorer på arbejde af gangen i hverdagen og 55 i week enden (jf. gråt område, figur 7). Videre sk al der mindst være 10 revisorer på arbejde fra k l. 04 til k l. 02 (igen jf. gråt område, figur 7). Der må ik k e tilmelde sig mere end 35 revisorer samtidigt (brun k urve, figur 9), og der må mak simalt være 15 revisorer til pause samtidigt (orange k urve, figur 8). Det viste scenario tillader ligeledes, at revisorernes pause lægges til et forsk elligt tidspunk t efter tilmeldingen, samt at nogle af revisorerne arbejder deltid (figur 10). Det ses af figur 7, at modellen i det givne scenario optimerer ved at lægge flere tjenester (gul k urve) i morgen- og eftermiddagsmyldretiden, samt tillige i aftentimerne i forhold til, hvorledes bemandingen er i dag (grøn kurve). Modellen k an p.t. gennemføre en beregning af et scenario på under 2 sek under. Optimeringsmodel B Overblik Model B tjener til bestemmelse af, hvor der skal gennemføres stik prøvek ontrol. Modellen er en geografisk orienteret, statistisk realtids-model, der viser den forventede intensitet af passagerer uden billet, fx for de næste to timer. Modellen tænk es anvendt i disponeringsmæssig sammenhæng, således at k ontrolpersonalet k an dirigeres derhen, hvor den største gratistintensitet forventes. Inddata Optimeringsmål Modelsynopsis Hvor skal der k ontrolleres? Planlægningshorisont Tak tisk Modeltype Udvik lingsstatus Statistisk, realtid Under udvik ling Til modellen sk al anvendes nøjagtige, geografisk e data om, hvor og hvornår der har fundet k ontrol sted, og hvor og hvornår der er blevet udsk revet k ontrolafgifter. Sidstnævnte data foreligger i dag, men datamaterialet for hvor og hvornår der har fundet k ontrol sted er p.t. mangelfuldt. Dette sk yldes, at GPS-modtageren i k ontrolpersonalets ek sisterende Tetra-radioer (figur 12) ik k e er følsom nok. Nye radioer (figur 13) med mere følsom GPS-modtager er under indførelse. Når et tilstræk k eligt datamateriale er tilvejebragt med de nye Tetra-radioer, k an modellen k alibreres og 8 of 12

9 tages i anvendelse. Model B opbygges på samme dataplatform som model A. Uddata Grafen i figur 11 er et ek sempel på, hvorledes output fra modellen tænk es udformet. Grafen viser den forventede andel af passagerer uden billet i % for et givet tidsrum. Det er tank en, at model B sk al visualisere modellens resultater i realtid på k ontrolpersonalets nye Tetra-radioer (figur 13). Figur 11: Forventet andel af gratister i % for de næste to timer Figur 12: Kontrolpersonalets gamle T etra-radio Figur 13: Kontrolpersonalets nye T etra-radio Optimeringsmodel C Overblik Model C tjener til bestemmelse af, hvor mange revisorer det k an svare sig at have ansat. Modellen er en statistisk orienteret beslutningsstøttemodel til at beregne forventede indtægter og udgifter i forbindelse med stik prøvek ontrollen og dermed den optimale størrelse af k ontrolk orpset. Optimeringsmål Modelsynopsis Planlægningshorisont Strategisk Hvor stort skal k ontrolk orpset være? Modelleringsprincip Modeltype Statistisk Udvik lingsstatus Under udvik ling Modellen tager udgangspunk t i sammenhængen mellem k ontrolgraden og andelen af passagerer uden billet, analogt til [8] og til dels også [9]. Ved k ontrolgraden forstås andelen af alle passagerer, der bliver k ontrolleret af togrevisork orpset. På baggrund af sammenhængen mellem k ontrolgraden 9 of 12

10 og andelen af passagerer uden billet (gratistandelen) beregnes indtægter og udgifter som vist på nedenstående figurer 14 og 15. Idet modellen endnu ik k e er k alibreret, er figurerne vist uden sk alær angivelse. Figur 14: Visualisering af sammenhængen mellem parametre i model C: Gratistandel, tabte billetindtægter, lønomkostninger til revision, samt værdi af udskrevne kontrolafgifter Figur 15: Visualisering af sammenhængen mellem parametre i model C: Gratistandel, antal nødvendige revisorer, samt balance På figur 14 vises gratistandelen (mørk eblå) som funk tion af k ontrolgraden. Gratistandelen antages omvendt proportional eller ek sponentielt aftagende med k ontrolgraden. Kalibreringen af modellen vil vise, hvilk en k urveform der passer bedst til de fak tisk e forhold. De tabte billetindtægter er proportionale til andelen af gratister, hvorfor k urven for de tabte billetindtægter (rød) vil have samme form som k urven for gratistandelen (mørk eblå). Lønomk ostningerne (grønne) til revisionen stiger lineært med k ontrolgraden. Værdien af de udsk revne k ontrolafgifter (gul) stiger først med stigende k ontrolgrad for dernæst at aftage. Dette fork lares med, at der til lave værdier for k ontrolgraden er mange gratister for hver revisor, medens der for højere værdier af k ontrolgraden er færre gratister for hver revisor. Figur 15 viser foruden gratistandelen (mørk eblå) også antallet af nødvendige revisorer til en given k ontrolgrad (lyseblå). Denne er tillige proportional med k ontrolgraden. Kurven for balance (bordeaux) er opgjort som indtægter fraregnet udgifter, dvs. summen af indtægterne fra salg af billetter og udstedelse af k ontrolafgifter fratruk k et udgifterne til billetk ontrol og tabte billetindtægter begrundet i gratistandelen. Det øk onomisk e optimum sk al således findes på k urven for balance (bordeaux). Til dette optimum hører en given k ontrolgrad og af k ontrolgraden følger det optimale antal ansatte s-togsrevisorer. Optimeringsmodel D Overblik Model D tjener til bestemmelse af, hvordan stik prøvek ontrollen sk al gennemføres i og omk ring toget. Formålet med løsningsmodellen er at undersøge forsk ellige fysisk e måder at k ontrollere toget på mhp. at beregne, hvor stor en andel af gratisterne vi k an regne med at tage. Grundidéen Optimeringsmål Modelsynopsis Hvordan sk al k ontrollen foretages i 10 of 12

11 er at kontrollere toget på en sådan måde, at gratisterne ik k e k an undslippe. Formålet er også at udvide repertoiret af k ontrolmuligheder, bla. mhp. at tage flere af de såkaldte bevidste gratister. Model Model D tager udgangspunkt i en analytisk undersøgelse af billetteringsprocessen. På baggrund heraf tænk es der udført agentbaserede simuleringer [10] i Java [11], dette vha. simuleringspak k en Repast [12], der er open source. toget? Planlægningshorisont Strategisk Modeltype Udviklingsstatus Agentbaseret simulering på baggrund af analytisk model I idéfase Visualisering Modellen anvender animering til visualisering af resultaterne af simuleringen. Nedenstående figur 17 viser et stillbillede af en animeret visualisering af en k ontrol med to revisorer (blå), der bevæger sig parallelt blandt betalende passagerer (grønne). Gratisten (rød) opdager revisorerne og slipper væk. En tilsvarende animation viser en k ontrol med to revisorer, der bevæger sig mod hinanden. Gratisten opdager revisorerne, men k an ik k e slippe væk. De viste animationer er fremstillet vha. værk tøjet Synfig [13], der er open source. Figur 17: Stillbillede fra den animerede visualisering i model D Foreløbige resultater Animationen (jf. figur 17) er blevet vist for udvalgte S-togsrevisorer og deres ledere. Bla. som følge heraf, er der nu en langt større bevidsthed i k ontrolk orpset omk ring hvorledes k ontrollen sk al udformes i og omkring toget. Der er således tale om, at model D har haft synlig, positiv effekt i organisationen allerede inden egentlige modelberegninger har fundet sted. Diskussion Resultaterne af arbejdet indtil nu viser et stort optimeringspotentiale indenfor stik prøvek ontrollen af billetter hos DSB S-tog. Den p.t. største udfordring i forbindelse med opstillingen at optimeringsmodellerne udgøres af det 11 of 12

12 til dels mangelfulde datagrundlag. Der er p.t. mange tiltag i gang for at forbedre datagrundlaget for hele virk somheden DSB S-tog. Tidligere er nævnt de nye Tetra-radioer med forbedret GPS. Derudover arbejdes der bla. på et elek tronisk system til nøjagtigt at registrere, hvornår den enk elte revisor udfører billetk ontrollen. Dette system sk al også lette revisorernes daglige rapportering, hvorfor en højere datak valitet og bedre dæk ning forventes. Datagrundlaget for optimeringsmodellerne vil opleve endnu et løft, når rejsek ortet tages i brug (se ort.dk). Til denne tid vil der være detaljerede oplysninger om, hvornår den enk elte billet er blevet k ontrolleret. Dette vil k unne forbedre modellerne betydeligt. En anden stor udfordring i forhold til anvendelsen af optimeringsmodellerne udgøres af samspillet mellem tek nik og mennesk er. Det er af afgørende vigtighed, at de løsninger, som optimeringsmodellerne producerer, også er gennemførlige i virk elighedens verden, endsige, at de implicerede parter betragter dem som ønsk elige. Der er under udvik lingen af modellerne derfor lagt stor vægt på en tæt dialog mellem medarbejdere, analytik ere og ledelse. Ved anvendelsen af de nævnte optimeringsmodeller for stik prøvek ontrol af billetter sik rer DSB S-tog sig, at virk somheden er indtægtsgivende og dermed fortsat k an være en velfungerende arbejdsplads for sine ansatte og fortsat k an tilbyde byen København effek tiv, k ollek tiv transport. Kildefortegnelse 1. Wolsey, Laurence A.: "Integer Programming", Wiley-Interscience Series in Discrete Mathematics and Optimization, ISBN , New York, Taha, Hamdy A.: "Operations Research", Prentice-Hall, ISBN , New Jersey, Folk mann, Michael; Jespersen, Julie; Nielsen, Morten: "Estimates on Rolling Stock and Crew in DSB S-tog Based on Timetables", DSB S-tog, Produk tionsplanlægning, Kalvebod Brygge 32, 1560 København V; i: Lecture Notes in Computer Science, Springer, ISSN (Print) (Online), Berlin, MySQL: Se 5. GAMS: Se 6. McCarl, Bruce A.: "GAMS User Guide", Version 22.7, Texas A&M University, College Station, Texas, GnuPlot: Se 8. Verband Deutscher Verk ehrsunternehmen: "Maßnahmen zur Einnahmensicherung, Teil II: Kennzahlen der Fahrausweisprüfung und optimaler Kontrollgrad", VDV Mitteilung Nr. 9708, Köln, Schuler, Patrick: "Schwarzfahren: Eine ök onomische Betrachtung", Lehrstuhl für Industrieök onomik, Sozialök onomisches Institut, Universität Zürich, Zürich Wik ipedia: Se ipedia.org/wik i/agent-based_model 11. Java: Se Repast: Se Synfig: Se Hentet fra " i/index.php/stik pr %C3%B8vek ontrol_af_billetter:_hvordan_optimeres_dette%3f" Kategorier: Faglige artik ler 12 of 12