Содержание материала

3. СОСТОЯНИЕ ПРОБЛЕМЫ

Поиски подходящих исследований в рамках традиционных направлений наук ни к чему не привели. Можно сказать, что вопросами планирования занимаются и экономика, и психология, и информатика. Однако каждая из этих наук видит проблему по-своему, а не так, как необходимо для решения поставленной задачи.

Экономика вовсе не интересуется планированием будничной деятельности человека. Когда экономисты говорят о планах, то за редким исключением имеются в виду планы производства, распределения или потребления материальных и нематериальных благ. И все же, несмотря на такое разночтение, при разработке алгоритма планирования можно было бы отчасти опереться на методы, получившие широкое распространение в экономике, поскольку задачи, решаемые с их помощью, имеют некоторое внешнее сходство с поставленной задачей. Например на методы исследования операций (например, метод критического пути) или операционного менеджмента (в частности, из раздела “определение очередности работ” (sequencing)), который посвящен тому, как составить наилучшую последовательность выполнения работ из возникающих производственных задач (Чейз, Эквилайн, Якобе, 2004, гл. 17). Однако заимствованные методы потребовали бы серьезной доработки для применения их в отношении индивидуального планирования деятельности с учетом психологических особенностей конкретного человека.

Психологам проблема будничного планирования давно знакома и небезынтересна (например, (Дёрнер, 1997, гл. 7; Миллер, Галантер, Прибрам, 1964)), но мне не удалось найти имитационных (математических или компьютерных) моделей, чтобы на них можно было опереться при разработке искомого алгоритма или в пользу которого можно было бы вовсе отказаться от разработки такового. Более того, в большинстве изученных работ предпочтение отдавалось сугубо словесному, качественному описанию проблем и их решений в ущерб количественному, формульному, алгоритмическому описанию.

Информатика (прежде всего речь идет о ее разделе под названием “искусственный интеллект” и его подразделе “диспетчеризация” (scheduling) (Рассел, Норвиг, 2006, часть IV; Brucker, 2007)) также не занимается проблемами будничного планирования событий, но ее подходы к составлению планов работ для традиционных объектов интереса (элементов вычислительных машин и программ) могли бы оказаться полезными. Однако если попытаться взглянуть на предмет чуть шире, то информатика занимается управлением, организацией неодушевленных объектов (конвейеры, процессоры, автономные роботы, потоки команд и т.п.), и, как и в случае с операционным менеджментом (с которым, кстати, у диспетчеризации много общего), подобный фундамент потребовал бы слишком значительных доработок, чтобы заложить основы искомого алгоритма.

И все-таки можно было бы использовать некоторые идеи всех трех наук и начать разработку алгоритма, если бы не оказалось более подходящей отправной точки. К счастью, удалось найти весьма близкие исследования (по сути, и методам) в междисциплинарной области знаний под названием “транспортная наука” (transportation science). Возникшая на стыке традиционных наук, она подпитывалась идеями из географии, математики, экономики, информатики, психологии, биологии. В центре ее внимания – транспортные вопросы. Но поскольку от распорядка дня зависит режим пользования транспортом, то транспортные проблемы оказываются тесно переплетенными с поведением людей, в частности с тем, как люди планируют свое время.

Ч. Бхат и Ф. Коппельман в своей обзорной работе (Bhat, Koppelman, 2003) предложили делить подходы, которыми определяется спрос на передвижение, на те, которые основаны на поездках (trip-based), и те, что основаны на деятельности (activity-based).

Поставленной задаче удовлетворял лишь подход, основанный на деятельности (в первом подходе внимание концентрировалось не на проблеме планирования), в рамках которого можно выделить два направления: составление планов на основе максимизации полезности и на основе правил (rule-based), или поведенческое направление.

Первое из названных направлений предполагает, что человек формирует свои планы действий путем максимизации функции полезности от исполняемых действий при некоторых ограничениях (например, (Root, Recker, 1981)). Однако принцип максимизации полезности противоречит идеям, заложенным в модель поведения человека, которая дала начало алгоритму планирования. Дело в том, что модель поведения человека разрабатывается исходя из предположения, что человек редко основывает свои действия на оптимизационных расчетах, а его решения зачастую возникают ситуативно под влиянием различных факторов, чью результирующую он даже не способен отследить. Тем самым его решения могут быть и неэффективными, и уж само собой неоптимальными. Названное противоречие делает первое направление неприемлемым.

Поведенческое направление предполагает, что человек приближается к окончательному варианту плана поэтапно, принимая на каждом этапе субоптимальные решения на основе экзогенных правил (Ettema, Borgers, Timmermans, 1993; Gärling, Kalen, Romanus, Selart, Vilhelmson, 1998). Впрочем, надо заметить, что часто авторы, придерживающиеся этого направления, не отказываются от самого понятия полезности, они лишь отклоняют идею ее максимизации (Ettema, Borgers, Timmermans, 1993). И полезность при этом понимается исключительно широко.

Одно из течений в поведенческом направлении предлагает ориентироваться на человеческие потребности (Joh, Arentze, Timmermans, 2001; Märki, Charypar, Axhausen, 2011; Nijland, Arentze, Timmermans, 2012). Считается, что оно возникло в 2006 г. (Arentze, Timmermans, 2006), хотя базовая идея к тому времени уже давно обсуждалась в психологии. Особенность данного течения состоит в том, что, принимая промежуточные решения, агент ориентируется на свои текущие потребности, которые планируемые действия и призваны удовлетворять. Подход на основе потребностей (need-based) наиболее близок поставленной нами задаче.

Попытки классифицировать модели по используемому инструментарию приводят к обширной классификации. Ибо исследователи заимствуют самые разнообразные методы из математики (методы линейного и динамического программирования, теории вероятности и проч.), статистики (методы регрессионного и корреляционного анализа), информатики (методы поиска решения вроде полного перебора, генетического алгоритма, Q-обучения и проч.) и произвольно их комбинируют.
Если говорить о четырех направлениях работ, выделенных К. Майстером (Meister, Frick, Axhausen, 2005, р. 3), то нас будет интересовать четвертое направление, к которому будет относиться предлагаемый нами алгоритм.

Перечислим эти направления:

1) эмпирические исследования на основе наблюдения за исполнением планов и реализации действий;

2) работы на основе исследований следствий из состояний (stated-response);

3) эконометрические оценки функций полезности и прочие попытки воспроизвести и пресказать паттерны поведения;

4) концептуальные и имитационные модели процессов планирования деятельности.

Однако и транспортная наука оказалась неидеальным источником. При всем при том конечная цель проводимых в ней исследований – решение транспортных проблем. Поэтому в работах по планированию неизбежно ощущается весомая транспортная составляющая. К примеру, непременной является привязка задачи к карте, искусственной или реальной: у каждого действия есть место выполнения. Большое внимание уделяется выбору транспортных средств. И привязка к карте, и выбор транспортных средств для поставленной задачи несущественны.

Во многих изученных работах используются методы поисков решений, разработанные в рамках теории искусственного интеллекта. А вместе с этими методами в модель привносятся и родовые проблемы этих методов (с точки зрения поставленной задачи). Так, нередко используются некоторые виды неполного перебора, когда агент в пространстве решений находит решение, используя различные методы сокращенного поиска, или эвристики (например, (Charypar, Nagel, 2006)). В реальной жизни в подавляющем большинстве случаев человек не прибегает к перебору для поиска решений. Гораздо вероятней, что у человека, как правило, есть несколько ключевых критериев, которые позволяют быстро отбросить непривлекательные варианты и свести разнообразие выбора лишь к нескольким альтернативам. Сложно сказать, насколько подмена алгоритмов может сказаться на результате. Вполне возможно, что существуют множества полностью взаимозаменяемых алгоритмов планирования. Но поскольку одна из главных поставленных целей – имитировать человека на компьютере в его истинном, а не улучшенном виде, то отдаляться от алгоритмов, которые он использует в естественной обстановке, не хотелось бы. Не говоря уже о том, что более объемные переборы одновременно являются и гораздо более ресурсоемким.

Есть и другие расхождения, но, несмотря на них, планирование в транспортной науке сегодня представляется мне наиболее удачной отправной точкой для разработки алгоритма планирования.

И все же не нашлось основополагающей работы, начав с которой можно было бы взять уверенный курс на решение поставленной задачи. По видению проблемы мне представляется близким подход Т. Гэрлинга (Gärling, Kalen, Romanus et al., 1998). В разработке своего алгоритма планирования автор основывается на психологических теориях в значительно большей степени, чем на теориях поиска (почерпнутых из теории искусственного интеллекта).

На мой взгляд, путь к верному решению лежит через определение устойчивых способов поведения и принятия решений, присущих реальным людям, а не абстрактным идеальным субъектам. Однако предлагаемые способы в массе своей слишком специфичны, предназначены для решения определенных задач, представленных определенным образом. Хотелось бы, конечно, найти одинаковый для всех задач определенного класса способ, и тем более не зависящий от формы представления задачи. По сути, и максимизация полезности, и стохастические решения, и другие упомянутые, но отклоненные методы как раз и являются такими способами. Однако их использование реальными людьми очень сомнительно или весьма маловероятно. Напомню, что основная цель разработки данного алгоритма планирования – имитация реального поведения и образа мышления человека, а не создание “правильного”, “оптимального” или “идеального” способа решения.

Наконец, перед тем как обсуждать сам алгоритм, было бы интересно узнать, какую роль играют личные планы в повседневной жизни людей. Л. Нийланд отметила в своей работе (Nijland, Arentze, Timmermans, 2012, р. 792) три исследования, в которых приводятся согласующиеся между собой данные, которые говорят о том, что примерно от 20 до 45% выполняемых человеком действий планируются заранее.

Чтобы оставить комментарий, необходимо зарегистрироваться

© 2015 humanmodel.ru