УДК 625 Дороги. Железные дороги. Железнодорожное строительство. Автомобильные дороги. Дорожное строительство
Представлены возможные пути использования метода регрессивных машин опорных векторов для прогнозирования пассажиропотоков. Доказано, что алгоритм оптимизации позволяет решать поставленную задачу в пределах рассмотренных методов.
ПАССАЖИРОПОТОКИ, ПРОГНОЗИРОВАНИЕ, МЕТОД ОПОРНЫХ ВЕКТОРОВ, МЕТОД РОЯ ЧАСТИЦ.
1 Состояние вопроса исследования и актуальность работы
Современные условия развития экономики и повсеместное внедрение клиенто-ориентированного подхода требуют совершенствования методов и подходов в управлении городским пассажирским транспортом. Являясь сложной системой, на которую влияет множество факторов, комплекс пассажирского транспорта вносит неоценимый вклад в развитие культуры, туризма и экономики городов и регионов. Развитие и совершенствование транспортной системы пассажирских перевозок способствует повышению привлекательности транспорта, что особенно актуально в условиях роста уровня автомобилизации и негативного влияния транспорта на окружающую среду.
По этой причине возникает необходимость построения и развития методов совершенствования системы пассажирского транспорта, позволяющих учесть особенности прогнозирования и формирования динамически меняющихся пассажиропотоков в районах городов и мегаполисов. Применение математических методов позволяет повысить эффективность этих процессов.
В настоящее время в процессе реформ большое значение в формировании и оценке новых экономических отношений, приобретают подходы, учитывающие особенности территорий формирования и предоставления услуг. При этом принципы построения любой транспортной модели имеют признаки общности и требуют учета объективных закономерностей функционирования рынка транспортных услуг и изменения пассажиропотоков [1-3].
С целью повышения обоснованности принимаемых управленческих решений, в первую очередь, необходимо использование экономико-математических методов, что в конечном итоге позволит спрогнозировать спрос на пассажирские перевозки. Работа посвящена достижению данной цели для оптимизации и прогнозирования пассажиропотоков с использованием метода регрессивных машин опорных векторов.
Проблемам развития пассажирского транспорта в городах посвящены работы следующих отечественных ученых: В.А. Гудкова, С.А. Дугина, И.В. Спирина, В.М. Курганова, С.А. Ваксмана, Н.Б. Островского, И.Е. Ефремова, В.В. Зырянова, А.И. Седова, В.А. Юдина и многих других. Они рассматривали вопросы организации, управления, повышения эффективности деятельности общественного транспорта. Применение экономико-математических методов для оценки и оптимизации работы городского транспорта описано в работах Л.Б. Миротина, В.М. Хрущева, В.Б. Зотова, А.С. Михайлова, Е.В. Бережного, Н.Н. Тельновой и многих других отечественных и зарубежных ученых-транспортников [4, 5].
Управление системой городских пассажирских перевозок регламентирует обеспечение регулярности движения подвижного состава на маршрутах, повышение плотности и других характеристик транспортной сети, но при этом удовлетворенность спроса на пассажирские услуги в городах решается не всегда. Поэтому в рамках поставленной цели задачей исследования мы определили развитие применения методов анализа и оценки функционирования городского пассажирского транспорта. Кроме того, в некоторых случаях необходимо организовать работу транспорта таким образом, чтобы за короткий промежуток времени освоить массовые пассажиропотоки из районов городских агломераций по всем направлениям и при этом обеспечить достаточно высокий уровень качества [6-8].
2 Материалы и методы
Известно, что разработка специальных моделей организации транспортного обслуживания населения, даже для отдельных участков маршрутной сети, представляет собой сложный процесс. В связи с этим, практическое применение могут иметь модели, которые позволяют определить разницу между прогнозируемым транспортным потоком и фактическим объёмом предоставленной услуги. Этим объясняется необходимость разработки моделей более высокого класса, которые позволят с наименьшими временными потерями спрогнозировать необходимый объем услуг. Это, в свою очередь, влияет на инфраструктуру и развитие транспортной системы в целом [9, 10].
На основании анализа существующих методов оценки и прогнозирования изменений объемов пассажиропотоков, и спроса на транспортные услуги, можно сделать вывод, что большинство из них применяются для стратегического прогнозирования спроса на транспортные услуги, что обусловлено периодичностью получения необходимой информации о влияющих на спрос факторах: численности населения, валового регионального продукта, среднедушевого дохода, транспортной подвижности населения и т.д. При этом оценки удовлетворения потребностей пассажиров к различным факторам (социально-экономическим, финансовым, качественным характеристикам транспорта, инфраструктурным) являются частью прогнозирования изменений объемов пассажирских перевозок и спроса на транспортные услуги.
Предлагается использовать процесс прогнозирования с помощью регрессионной машины опорных векторов (support vector machine-SVR), основанный на принципе минимизации структурного риска. Его обучающий процесс состоит в поиске оптимального решения выпукло-квадратичного программирования, поэтому его решение является единственным глобальным оптимальным решением. Внедрение алгоритма оптимизации роя частиц (PSO) в оптимизацию параметров позволит повысить точность прогнозирования [10-12].
1. Колбачев Е. Б., Напхоненко Н. В., Караева М. Р., Малоштан Дмитрий. Разработка специализированных моделей городских пассажирских перевозок [Электронный ресурс] / SHS Web of Conferences. - 2019. - Вып. 67: Пятнадцатая научно-практическая международ-ная конференция «Международная транспортная инфраструктура, промышленные центры и корпоративная логистика» (НТИ-УкрСУРТ 2019), г. Харьков, Украина, 6-8 июня 2019 г. - № статьи 03005. - 7 с. - URL : https://www.shs-conferences.org/articles/shsconf/pdf¬/2019/08/ shsconf_NTI-UkrSURT2019_03005.pdf.
2. Models of Estimation of Application of Passenger Service Quality Parameters / E. Semchugova, V. Zyryanov, N. Negrov, A. Nikitina // Transportation Research Procedia . - 2017. - № 20 ( 2017 ). - Р. 584 - 590.
3. Пожидаев М. С. Алгоритмы решения задачи маршрутизации транспорта : дисс. ... канд. техн. наук, Томск, [Электронный ресурс] / Режим доступа: http://www.marigostra.ru/ materials/disser. html, 2010. - 134 с.
4. Журавлев Н. П., Маликов О. Б. Транспортные и грузовые системы. М - Маршрут, (2006). - 54 с.
5. Зырянов В. В., Семчугова Е. Ю., Мирончук А. А. Опыт оптимизации маршрутных сетей общественного транспорта в городах южного федерального округа // Безопасность, дорога, дети : практика, опыт, перспективы и технологии: материалы форума, 2015 (Ростов-на-Дону). - С.121-124.
6. Караева М. Р., Напхоненко Н. В., Перевознюк В. Управление динамически изменяющимися транспортными потоками / Международный инженерно-технологический журнал. - 2018. - Вып. 7. - С. 222-227.
7. Воронцов К. В. Лекции по методу опорных векторов [Электронный ресурс]. URL : http://www.ccas.ru/voron/download/SVM.pdf (дата обращения : 11.11.2022).
8. Жанказиев С. В. [и др.] Эффективность эксплуатации и функционирования системы непрямого регулирования и контроля транспортных потоков / С. В. Жанказиев [и др.] // Международный журнал прикладных инженерных исследований. - 2017. - Вып. 12, ис. 13. - С. 3645-3652.
9. Семчугова Е. Ю., Костенко А. А., Овчаренко А. А. Анализ транспортного обеспечения пассажиров Ростовской агломерации / Актуальные вопросы организации автомобильных перевозок, безопасности движения и эксплуатации транспортных средств : сб. науч. тр. по материалам XVI Междунар. науч.-техн. конф. / Саратовский государственный технический университет им. Гагарина Ю. А. - Саратов, 2021. - С. 39-42.
10. Хегай Ю. А. Зарубежный опыт транспортной политики / Теория и практика общественного развития. - 2018. - № 8. - С. 350-352.
11. Труды ИСА РАН : Математические проблемы динамики неоднородных систем. Оптимизация, идентификация, теория игр. Модели и методы решения. Новые идеи / Под ред. С. В. Емельянова. - М. : Красанд, 2011. - 124 с.
12. Большев А. К., Лавров А. А. Метод идентификации версии системного программного обеспечения удаленного сетевого узла, основанный на комплексном анализе характеристик TCP / IP // Изв. СПбГЭТУ «ЛЭТИ». - 2012. - Вып. 1. - С. 45-51.
13. Биргер И. А. Некоторые математические методы решения инженерных задач / И. А. Биргер. - М. : Ленанд, 2015. - 152 c.
14. Гнеденко Б. В. Математические методы в теории надежности : Основные характеристики надежности и их статистический анализ / Б. В. Гнеденко, Ю. К. Беляев, А. Д. Соловьев. - М. : КД Либроком, 2017. - 584 c.
15. Советов Б. Я. Моделирование систем : учебник / Б. Я. Советов, С. А. Яковлев. - М. : Юрайт, 2016. - 344 c.
16. Юмагулов М. Г. Введение в теорию динамических систем : учебное пособие / М. Г. Юмагулов. - М. : Лань, 2015. - 272 c.
17. Гасников А. В., Кленов С. Л., Нурминский Е. А., Холодов Я. А., Шамрай Н. Б. Введение в математическое моделирование транспортных потоков : учеб. пособие / под ред. Гасникова А. В. - М. : МФТИ, 2010. - 362 с.
18. Буслаев А. П., Новиков А. В., Приходько В. М., Таташев А. Г., Яшина М. В. Вероятностные и имитационные подходы к оптимизации автодорожного движения. - М. : Мир, 2003. - 368 с.
19. Смирнов Н. Н., Киселев А. Б., Никитин В. Ф., Кокорева А. В. Математическое моделирование автотранспортных потоков методами механики сплошной среды. Двухполосный транспортный поток : модель Т-образного перекрестка, исследование влияния перестроений транспортных средств на пропускную способность участка магистрали. - М. : МФТИ. - 2010. - № 4. - С. 141-151 с.
20. T. Bellemans, B. De Schutter, and B. De Moor, Models for traffic control, Journal A, vol. 43, № 3-4, pp. 13-22, 2002.
