Bulk Service Queueing for Transit Resilience under Short Random Service Suspensions

एक शहर की सार्वजनिक परिवहन प्रणाली की कल्पना लोगों की एक विशाल, जीवित नदी के रूप में करें जो पाइपों के माध्यम से बह रही है। एक आदर्श दुनिया में, यह नदी पूर्ण, लयबद्ध स्पंदनों (pulses) में चलती है: एक बस या ट्रेन आती है, सभी लोग उस पर सवार होते हैं, और वह ठीक समय पर निकल जाती है, ताकि अगले समूह के लिए तैयार रहे। लेकिन वास्तविक दुनिया में, यह नदी उबड़-खाबड़ हो जाती है। कभी-कभी एक बस एक ऐसे लाल सिग्नल पर फंस जाती है जो बहुत लंबे समय तक रहता है, या एक ट्रेन का दरवाजा कुछ मिनटों के लिए जाम हो जाता है। ये "सेवा निलंबन" (service suspensions) हैं—छोटी, यादृच्छिक (random) रुकावटें जो पूरे शेड्यूल को पटरी से उतार देती हैं। जब एक वाहन में देरी होती है, तो उसके पीछे वाला वाहन उसे पकड़ लेता है, जिससे वाहनों का एक "गुच्छा" (bunch) बन जाता है जो एक साथ पहुँचते हैं, जिससे अगली बस आने से पहले एक लंबा अंतराल रह जाता है। यह यात्रियों के लिए बुरी खबर है, क्योंकि उन्हें अधिक प्रतीक्षा करनी पड़ती है और लंबी लाइनों में खड़ा होना पड़ता है।

इसे कैसे ठीक किया जाए, यह समझने के लिए, वैज्ञानिक "क्यूइंग थ्योरी" (queueing theory) नामक गणित की एक शाखा का उपयोग करते हैं। इसे लाइनों का अध्ययन मानिए। यदि आपने कभी कॉफी शॉप में लाइन में प्रतीक्षा की है, तो आप जानते हैं कि यदि ग्राहक उनके आने की दर से तेज़ आते हैं जितने तेज़ी से बरिस्ता उन्हें सेवा दे सकता है, तो लाइन बढ़ती ही जाएगी। यदि वे धीरे आते हैं, तो लाइन छोटी रहती है। पेचीदा हिस्सा यह है कि जब बरिस्ता अचानक एक यादृच्छिक समय के लिए काम करना बंद कर देता है। क्या लाइन अनियंत्रित रूप से बढ़ जाएगी, या यह अंततः स्थिर हो जाएगी? यह शोध पत्र ठीक इसी प्रश्न को संबोधित करता है, लेकिन एक मोड़ के साथ: यह लंबे समय तक खराब होने वाले बस ब्रेकडाउन के बजाय बहुत छोटी, यादृच्छिक रुकावटों (जैसे 2 मिनट की देरी) पर ध्यान केंद्रित करता है। लक्ष्य यह पता लगाना है कि ये छोटी, बार-बार होने वाली बाधाएं लाइन की लंबाई और लोगों के प्रतीक्षा समय को कैसे प्रभावित करती हैं, और यह भविष्यवाणी करना है कि कब एक स्टेशन इतना भीड़भाड़ वाला हो सकता है कि सिस्टम टूट जाए।

शोध पत्र: "शॉर्ट रैंडम सर्विस सस्पेंशन के तहत ट्रांजिट रेजिलिएंस के लिए बल्क सर्विस क्यूइंग"

यह शोध पत्र इस बारे में एक जासूसी कहानी की तरह है कि बस स्टॉप क्यों भीड़भाड़ वाले हो जाते हैं, लेकिन अपराधी की तलाश करने के बजाय, लेखक एक गणितीय सूत्र की तलाश कर रहे हैं जो इस अराजकता की भविष्यवाणी कर सके। लेखकों ने, जो चीन, अमेरिका और यूके के विश्वविद्यालयों के शोधकर्ताओं की एक टीम है, एक नया "गणितीय सूक्ष्मदर्शी" (mathematical microscope) बनाया है ताकि यह देखा जा सके कि जब एक ट्रांजिट लाइन छोटी, यादृच्छिक देरी की बौछार से टकराती है तो क्या होता है।

सेटअप: बस, यात्री और गड़बड़ी (The Bus, The Passengers, and The Glitch)
एक बस मार्ग की कल्पना एक लंबी कन्वेयर बेल्ट के रूप में करें। यात्री स्टेशनों पर फुटपाथ पर गिरती बारिश की बूंदों की तरह आते हैं। सामान्यतः, एक बस आती है, जितने लोगों को वह समा सकती है (उसकी क्षमता तक) उन्हें लेती है, और निकल जाती है। इसे "बल्क सर्विस" क्यू कहा जाता है क्योंकि बस लोगों के एक "बल्क" (समूह) को एक साथ सेवा देती है, न कि केवल एक-एक करके।

अब, कल्पना करें कि हर बार जब एक बस स्टेशनों के बीच यात्रा करती है, तो उसके पास एक "गड़बड़ी" (glitch) होने की संभावना होती है—एक संक्षिप्त निलंबन जहाँ वह पूरी तरह रुक जाती है। शायद कोई यात्री फिसल गया, सिग्नल विफल हो गया, या ट्रैफिक अजीब हो गया। लेखक इन गड़बड़ियों को "रुकने और चलने" (stop and go) के खेल के रूप में मॉडल करते हैं। बस सामान्य गति से चलती है, फिर अचानक एक "डिसरप्शन स्टेट" (विघटन अवस्था) में पहुँच जाती है जहाँ वह पूरी तरह रुक जाती है (जैसे कि एक टायर पंक्चर होना जो 30 सेकंड में ठीक हो जाता है)।

बड़ी चुनौती: डोमिनो प्रभाव (The Domino Effect)
असली समस्या केवल एक बस के रुकने की नहीं है; बल्कि यह है कि इसके बाद क्या होता है। यदि बस A एक मिनट के लिए रुकती है, तो बस B (जिसे इसके पीछे होना चाहिए था) उसे पकड़ लेती है। जब बस A आखिरकार चलती है, तो बस B ठीक उसकी पूंछ पर होती है। यह बसों का एक "गुच्छा" बना देता है। लेकिन यहाँ मुख्य बात यह है: यदि बस A लोगों से भरी हुई है, तो बस B स्टेशन पर बहुत कम खाली सीटों के साथ, या शायद शून्य सीटों के साथ पहुँच सकती है। जो यात्री बस B में चढ़ना चाहते थे, वे पीछे रह जाते हैं, और उन्हें अगली बस के लिए प्रतीक्षा करनी पड़ती है। यह एक रिपल इफेक्ट (लहर जैसा प्रभाव) पैदा करता है जहाँ एक छोटी 1-मिनट की देरी अगले स्टॉप पर किसी व्यक्ति के लिए 10-मिनट की प्रतीक्षा में बदल सकती है।

समाधान: गणना करने का एक नया तरीका
लेखकों ने इसे गणना करने का एक चतुर नया तरीका विकसित किया है। हर एक बस और हर एक यात्री को एक विशाल, अव्यवस्थित सिमुलेशन में ट्रैक करने के बजाय (जो बहुत तेज़ी से करना कठिन है), उन्होंने एक "एनालिटिकल फ्रेमवर्क" (विश्लेषणात्मक ढांचा) बनाया है। इसे एक शॉर्टकट फॉर्मूला मानिए।

उन्होंने गणित को काम करने योग्य बनाने के लिए कुछ स्मार्ट अनुमान लगाए:

1. "स्वतंत्र" धारणा (The "Independent" Assumption): उन्होंने माना कि बसों के बीच का समय (हेडवे) प्रत्येक जोड़ी बसों के लिए पासे के एक नए रोल की तरह कार्य करता है, इस तथ्य को अनदेखा करते हुए कि वास्तव में बस A की देरी अक्सर बस B को भी प्रभावित करती है। यह एक सरलीकरण है, लेकिन यह गणित को हल करने योग्य बनाता है।
   तथापि, उन्होंने महसूस किया कि कई छोटी गड़बड़ियों के कारण होने वाला कुल नुकसान एक "बेल कर्व" (सामान्य वितरण) की तरह दिखता है। इसने उन्हें अराजकता की भविष्यवाणी करने के लिए मानक गणितीय उपकरणों का उपयोग करने की अनुमति दी।

उन्होंने क्या पाया
अपने नए सूत्रों का उपयोग करते हुए, लेखकों ने खोजा कि ट्रांजिट सिस्टम तनाव को कैसे संभालते हैं:

• "टिपिंग पॉइंट" (The Tipping Point): उन्होंने एक विशिष्ट नियम पाया कि कब एक स्टेशन अस्थिर हो जाता है। यदि एक स्टेशन पर लोगों के आने की दर बहुत अधिक है, तुलना में जितनी सीटें बसों में उपलब्ध हैं, तो लाइन हमेशा के लिए बढ़ती जाएगी। उनका गणित सटीक रूप से दिखाता है कि गड़बड़ी कितनी बार होती है, वे कितनी लंबी होती हैं, और आपके पास कितनी बसें हैं, ये कारक मिलकर यह निर्धारित करते हैं कि क्या आप इस टिपिंग पॉइंट पर पहुँचेंगे।
• छोटी गड़बड़ियाँ सबसे अधिक भीड़ वाले स्थानों को प्रभावित करती हैं: अध्ययन से पता चलता है कि छोटी, यादृच्छिक देरी सभी को समान रूप से प्रभावित नहीं करती है। वे पहले से ही भीड़भाड़ वाले स्टेशनों को सबसे अधिक प्रभावित करती हैं। यदि कोई स्टेशन पहले से ही व्यस्त है, तो एक छोटी 1-मिनट की देरी प्रतीक्षा समय में भारी उछाल ला सकती है।
• क्षमता बनाम आवृत्ति (Capacity vs. Frequency): लेखकों ने यह देखने के लिए सिमुलेशन चलाया कि कौन सा समाधान सबसे अच्छा काम करता है। उन्होंने पाया कि केवल अधिक बसें जोड़ना (क्षमता बढ़ाना) हमेशा सबसे प्रभावी समाधान नहीं होता है। कभी-कभी, शेड्यूल को बदलना ताकि बसें अधिक बार आएं (कम हेडवे) या घटनाओं की अवधि (इंसिडेंट ड्यूरेशन) को कम करना, प्रतीक्षा समय को कम करने में बहुत अधिक प्रभाव डालता है। वास्तव में, कुछ परिदृश्यों के लिए, बस में अधिक सीटें जोड़ने की तुलना में शेड्यूल बदलना अधिक शक्तिशाली था।

वे कितने आश्वस्त हैं?
लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने अपने गणित का परीक्षण किया। उन्होंने अपने नए सूत्रों की तुलना एक विशाल कंप्यूटर सिमुलेशन के विरुद्ध की, जिसने एक "फर्स्ट-इन, फर्स्ट-आउट" (FIFO) दुनिया में प्रत्येक बस और प्रत्येक यात्री को ट्रैक किया, जहाँ देरी वास्तव में सिस्टम में लहरें पैदा करती है।

परिणाम प्रभावशाली थे। अधिकांश परिदृश्यों के लिए, उनके सूत्र सिमुलेशन परिणामों के बहुत करीब थे, जिसमें त्रुटियां आमतौर पर 5% से कम थीं। हालाँकि, उन्हें एक सीमा भी मिली। जब देरी बहुत लंबी हो जाती है (जैसे औसतन 2 मिनट) या सिस्टम अत्यधिक भीड़भाड़ वाला होता है, तो उनका "स्वतंत्र" शॉर्टकट वास्तविकता से थोड़ा भटकने लगता है। उन चरम मामलों में, कतार की लंबाई की भविष्यवाणी करने में त्रुटि लगभग 16% तक बढ़ जाती है। यह बताता है कि उनकी विधि "छोटी" यादृच्छिक निलंबन के लिए बेहतरीन है लेकिन लंबी, अधिक अराजक देरी के लिए इसमें बदलाव की आवश्यकता हो सकती है।

यह क्यों महत्वपूर्ण है
यह शोध पत्र ट्रांजिट योजनाकारों को एक नया उपकरण देता है। केवल यह अनुमान लगाने के बजाय कि उन्हें कितने बसों की आवश्यकता है या उन्हें कितनी बार चलना चाहिए, वे इन सूत्रों का उपयोग यह भविष्यवाणी करने के लिए कर सकते हैं कि उनका सिस्टम कितना लचीला (resilient) है। वे पूछ सकते हैं, "यदि अगले साल गड़बड़ियाँ 10% बढ़ जाती हैं, तो क्या हमारा सिस्टम टूट जाएगा?" या "क्या बड़ी बसें खरीदना बेहतर है या उन्हें अधिक बार चलाना?"

लेखक सुझाव देते हैं कि यह ढांचा शहरों को ऐसे ट्रांजिट सिस्टम डिजाइन करने में मदद कर सकता है जो न केवल छोटी, परेशान करने वाली देरी से बचते हैं, बल्कि चीजें गलत होने पर भी सुचारू रूप से चलते रहते हैं। यह एक देरी हुई बस की अराजक स्थिति को एक अनुमानित पैटर्न में बदल देता है, जिससे योजनाकारों को अधिक मजबूत और विश्वसनीय सिस्टम बनाने में मदद मिलती है।