Использование «виртуального слизевика» для проектирования менее уязвимой к сбоям сети метро

Одноклеточный организм Physarum polycephalum, или слизевик, не имеет мозга и питается разлагающейся растительной массой. Однако, по мнению исследователей из Университета Торонто, он может дать ценные идеи для градостроительства.

Сеть его жилок образует трубчатую структуру, оптимизированную для эффективной передачи питательных веществ. Сначала слизевик «исследует» территорию, а затем совершенствует свою сеть для оптимального транспорта.

«Люди — не единственные, кто сталкивается с задачей проектирования эффективных и устойчивых сетей, — говорит Рафаэль Кей, магистрант факультета прикладных наук и инженерии. — Слизевик формировался сотнями миллионов лет эволюции, поэтому в решении некоторых архитектурных проблем он гораздо опытнее нас».

Вдохновившись исследованиями 2010 года, где сеть слизевика повторила схему токийского метро, Кей и его коллега Энтони Маттаччионе создали компьютерную модель, имитирующую рост сети слизевика. Модель была проверена сравнением с реальным организмом, выращенным на агаре с овсянкой. Результаты опубликованы в Scientific Reports.

Созданные моделью сети оценивались по трём ключевым метрикам:

• Стоимость — функция общей длины всех сегментов.
• Среднее время в пути — средняя длина между любыми двумя точками.
• Уязвимость — среднее увеличение времени в пути при удалении одного сегмента.

Расхождение между моделью и живым организмом по соотношениям этих метрик составило менее 4%.

Отличительная черта этой модели — её ориентация на архитекторов и градостроителей. Пользователь может задать максимальную стоимость или минимальное время в пути и получить набор сетей, отвечающих этим требованиям.

Тестирование на реальных примерах:

1. Парк развлечений Canada's Wonderland (расположение аттракционов и ларьков). Сеть от модели при той же стоимости обеспечивала время в пути на 10% меньше, а её устойчивость к блокировке одного сегмента была выше на 80%.
2. Торонтское метро (17 ключевых станций). При том же времени в пути сгенерированная сеть оказалась на 40% менее уязвима к сбоям.

Исследователи не призывают перестраивать существующие сети с нуля, но предлагают использовать модель для определения оптимальных мест добавления новых сегментов и для проектирования будущих систем.

«Ещё одно преимущество нашей модели в том, что она может самостоятельно генерировать узлы притяжения, — отмечает Кей. — Например, можно загрузить плотность населения района, и модель определит, где лучше всего разместить узлы сети».

Команда рассматривает возможность сделать модель открытой. «Этот инструмент может быть полезен не только для транспортных, но и для грузовых или энергетических сетей, — говорит руководитель работы профессор Бен Хаттон. — Оказывается, они решают те же задачи оптимизации, что и слизевик».