UDK 625 Дороги. Железные дороги. Железнодорожное строительство. Автомобильные дороги. Дорожное строительство
Possible ways of using the method of regressive support vector machines for predicting passenger traffic are presented. It is proved that the optimization algorithm allows solving the problem within the limits of the considered methods.
PASSENGER FLOW, FORECASTING, SUPPORT VECTOR METHOD, PARTICLE SWAR METHOD.
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. Kolbachev E. B., Naphonenko N. V., Karaeva M. R., Maloshtan Dmitry. Development of specialized models of urban passenger transportation [Electronic resource] / SHS Web of Conferences. - 2019. - Issue. 67: Fifteenth Scientific and Practical International Conference "International Transport Infrastructure, Industrial Centers and Corporate Logistics" (NTI-UkrSURT 2019), Kharkiv, Ukraine, June 6-8, 2019 - Article No. 03005. - 7 p. - 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. - No. 20 (2017). - R. 584 - 590.
3. Pozhidaev M. S. Algorithms for solving the problem of transport routing: Diss. ... cand. tech. Sciences, Tomsk, [Electronic resource] / Access mode: http://www.marigostra.ru/materials/disser. html, 2010. - 134 p.
4. Zhuravlev N. P., Malikov O. B. Transport and cargo systems. M - Route, (2006). - 54 s.
5. Zyryanov V. V., Semchugova E. Yu., Mironchuk A. A. Experience of optimizing public transport route networks in the cities of the southern federal district // Safety, road, children: practice, experience, prospects and technologies: forum materials, 2015 (Rostov-on-Don). - P.121-124.
6. Karaeva M. R., Naphonenko N. V., Perevoznyuk V. Management of dynamically changing traffic flows / International Engineering and Technology Journal. - 2018. - Issue. 7. - S. 222-227.
7. Vorontsov KV Lectures on the support vector method [Electronic resource]. URL: http://www.ccas.ru/voron/download/SVM.pdf (date of access: 11/11/2022).
8. Zhankaziev S. V. [et al.] Efficiency of operation and functioning of the system of indirect regulation and control of traffic flows / S. V. Zhankaziev [et al.] // International Journal of Applied Engineering Research. - 2017. - Issue. 12, is. 13. - S. 3645-3652.
9. Semchugova E. Yu., Kostenko A. A., Ovcharenko A. A. Analysis of transport support for passengers of the Rostov agglomeration / Topical issues of organization of road transport, traffic safety and operation of vehicles: Sat. scientific tr. Based on the materials of the XVI International. sci.-tech. conf. / Saratov State Technical University. Gagarina Yu. A. - Saratov, 2021. - S. 39-42.
10. Khegay Yu. A. Foreign experience of transport policy / Theory and practice of social development. - 2018. - No. 8. - P. 350-352.
11. Proceedings of the ISA RAS: Mathematical problems of the dynamics of inhomogeneous systems. Optimization, identification, game theory. Models and methods of solution. New Ideas / Ed. S. V. Emelyanova. - M. : Krasand, 2011. - 124 p.
12. Bolshev A. K., Lavrov A. A. A method for identifying the system software version of a remote network node based on a comprehensive analysis of TCP / IP characteristics. Izv. St. Petersburg Electrotechnical University "LETI". - 2012. - Issue. 1. - P. 45-51.
13. Birger I. A. Some mathematical methods for solving engineering problems / I. A. Birger. - M. : Lenand, 2015. - 152 p.
14. Gnedenko B.V., Belyaev Yu.K., Soloviev A.D. Mathematical methods in reliability theory: Main characteristics of reliability and their statistical analysis. - M. : KD Librokom, 2017. - 584 p.
15. Sovetov B. Ya. Modeling of systems: textbook / B. Ya. Sovetov, S. A. Yakovlev. - M. : Yurayt, 2016. - 344 p.
16. Yumagulov M. G. Introduction to the theory of dynamical systems: textbook / M. G. Yumagulov. - M. : Lan, 2015. - 272 p.
17. Gasnikov A. V., Klenov S. L., Nurminsky E. A., Kholodov Ya. A., Shamrai N. B. Introduction to mathematical modeling of transport flows: textbook. allowance / ed. Gasnikova A. V. - M. : MIPT, 2010. - 362 p.
18. Buslaev A. P., Novikov A. V., Prikhodko V. M., Tatashev A. G., Yashina M. V. Probabilistic and simulation approaches to road traffic optimization. - M. : Mir, 2003. - 368 p.
19. Smirnov N. N., Kiselev A. B., Nikitin V. F., Kokoreva A. V. Mathematical modeling of motor traffic flows using methods of continuum mechanics. Two-lane traffic flow: a T-junction model, a study of the effect of vehicle lane changes on the capacity of a highway section. - M. : MIPT. - 2010. - No. 4. - S. 141-151 p.
20. T. Bellemans, B. De Schutter, and B. De Moor, Models for traffic control, Journal A, vol. 43, no. 3-4, pp. 13-22, 2002.
