CC BY
20
Vol. 10. No. 4 (58). 2015
О. А. Смирнов, канд. физ.-мат. наук, Московский финансово-промышленный университет «Синергия»,
г. Москва, smirnovoleg1952@mail.ru
С. В. Харитонов, канд. экон. наук, доцент, Московский финансово-промышленный университет
«Синергия», г. Москва, skharitonov@mfpa.ru
Формирование информационной системы управления знаниями в государственном регулировании развития аэропортовой сети
В статье анализируются подходы к формированию информационной системы управления знаниями в области государственного управления такой значимой отраслью транспорта, как гражданская авиация . В частности, показано, что применение алгоритмизации элементов управления знаниями, включающих управление жизненным циклом знаний, применение существующих концепций и создание новых знаний позволяют повысить объективность и прозрачность при принятии решений относительно регулировании развития аэропортовой сети .
Ключевые слова: информационные системы, управление знаниями, регулирование экономики, гражданская авиация, жизненный цикл знаний, развитие транспортной системы, аэропортовая сеть
введение
Управление знаниями является технологией накопления и распространения интеллектуальных ресурсов с целью усиления диффузии инноваций, распространения лучшего опыта в различных функциональных областях, внедрение которого приводит к повышению эффективности экономической деятельности на всех уровнях социально-экономической системы.
Методы менеджмента знаний, реализованные в различных информационных системах, широко применяются при управлении крупными производственными системами, осуществляющими полный цикл научно-исследовательских и опытно-конструкторских разработок (НИОКР). Мировая практика указывает на эффективность применения инструментов данной методологии в различных областях экономической деятельности.
При этом в рамках государственного управления механизмы эффективного управления знаниями находят ограниченное применение. Так, в современных исследо-
ваниях показано, что инструменты управления знаниями в значительной степени ориентированы на применение в деятельности хозяйствующих субъектов, а показатели их эффективности определяются в финансовых показателях — с позиции как повышения прибыли, так и снижения затрат. Однако спектр их применения допускает возможности расширения, в том числе и за счет выбора иных качественных и количественных показателей результативности, с целью повышения эффективности государственного управления. Управлением и регулированием отраслей экономики ведает значительное количество федеральных органов власти, при этом принятие сбалансированных решений требует всестороннего анализа и учета множества факторов экономического и технологического характера.
К таким отраслям, в частности, относится гражданская авиация Российской Федерации, функции по регулированию которой входят в состав полномочий не только профильного министерства — Минтранса России, но и других регуляторов:
Том 10. № 4 (58). 2015
• прямо — ФАС России, ФСТ России, Минэкономразвития России;
• косвенно — Минпромторга России, Минвостокразвития России и ФТС России.
Следует отметить, что на принимаемые решения может оказывать влияние множество специализированных факторов, например отличия в развитии магистральных и региональных направлений, регулирование ценообразования на наземное обслуживание в условиях конкуренции и естественных монополий, различия в составе и объемах аэропортовой инфраструктуры, трансформации подходов к установлению стоимости авиационных перевозок в части формирования сегмента low-cost перевозок.
Применяемые федеральными органами государственной власти методы принятия и обоснования решений относительно регулирования экономических систем включают в себя и такую составляющую, как совокупность механизмов их обсуждения с заинтересованными сторонами. Наряду с этим используется и институт оценки регулирующего воздействия на проекты нормативных правовых актов (НПА). При этом доступ к знаниям, определяющим особенности экономического механизма отрасли, на этапе разработки решений может существенно повысить качество разрабатываемых проектов НПА и принимаемых решений.
Базовым инструментом методологии управления знаниями, определяющим ее архитектуру, является модель жизненного цикла знаний, предложенная в работах М. В. Мак Элроя [1], включающая в себя последовательность следующих этапов:
1 — выявление (идентификация) знаний;
2 — создание знаний;
3 — хранение знаний;
4. — распространение знаний;
5 — использование знаний.
Внедрение системы управления знаниями отражается также и в различных функциональных подпространствах. Так, на уровне выявления (идентификации) и создания знаний применяются различные специализированные исследовательские методы к дан-
ным и информации, исходя из конкретной предметной области:
• для этапа выявления данных — системный анализ, построение карт знаний, опросы экспертов;
• для этапа создания знаний — общие методы научного познания (систематизация, обобщение, синтез и др.), методы анализа данных и применения математических и теоретических моделей.
На этапе хранения и распространения наиболее значимо применение методов создания информационных систем, позволяющих осуществлять обработку алгоритмов управления документами и включающих предоставление различных уровней доступа к ним.
На этапе использования данных наиболее значимо применение организационных механизмов, позволяющих эффективно использовать знания при принятии решений и разработке проектов НПА.
идентификация знаний: показатели развития аэропортовой сети Российской Федерации
Для формирования модели управления жизненным циклом знаний с целью государственного регулирования развитием аэропортовой сети гражданской авиации необходимо определить наиболее значимые системные связи элементов взаимодействующих систем.
В большинстве исследований, рассматривающих вопросы развития гражданской авиации, указывается, что главной тенденцией является изменение структуры маршрутной сети гражданской авиации, в том числе постоянное увеличение объема пассажирских перевозок на магистральных направлениях и сокращение — на региональных.
Однако наиболее значимым условием, влияющим на маршрутную сеть авиаперевозок в Российской Федерации, является сокращение самой аэропортовой сети. Так, по данным Росавиации [2], в 1992 г. осуществляли деятельность 1302 аэропорта.
VJ3
-ч ПРИКЛАДНАЯ ИНФОРМАТИКА / JOURNAL OF APPLIED INFORMATICS
Vol. 10. No. 4 (58). 2015 '
А по состоянию на март 2015 г. в государственный реестр аэропортов Российской Федерации и реестры аэропортов территориальных управлений Росавиации включено только 219 аэропортов. Указанное сокращение сети происходит только за счет прекращения деятельности региональных и местных аэропортов. Так, в 2013 г. использовалось для перелетов по регулярным направлениям только 85% аэропортов уровня 2007 г. (рис. 1), при этом из 65 необслуживаемых аэропортов 50 перевозили не более 1000 пассажиров в год (рис. 1).
Однако можно говорить и о трансформации аэропортовой сети, поскольку в 2013 г. регулярные рейсы осуществлялись в 73 аэропортах, не задействованных в гражданской авиации в 2007 г. Кроме того, следует отметить, что пассажиропоток в указанных аэропортах оказался в среднем выше. Так, более 6 из указанных аэропортов перевозят более 10 тысяч пассажиров в год. При этом максимальное число приходится на аэропорт Геленджик (более 140 тысяч пассажиров в год).
Таким образом, современная аэропортовая сеть гражданской авиации характеризуется разнонаправленными тенденциями и в значительной степени зависит от расположения аэропорта. Поэтому к существую-
щим знаниям относительно развития аэропортовой сети можно отнести:
• состав аэропортовой сети с указанием объема пассажиропотока;
• технологическое состояние аэропортовой сети;
• нормативно определенные механизмы регулирования развитием аэропортовой сети.
В процессе формирования решений относительно развития аэропортовой сети необходимо учитывать не только фактические показатели деятельности, но и особенности функционирования объекта исследования, для выявления которых необходимо применение специальных исследовательских методов. При этом разрыв между наличием и потребностями в существующих знаниях можно сократить за счет применения методов по созданию новых знаний.
Ооздание новых знаний: применение методов и инструментов
Согласно современным исследованиям в области управления знаниями существует значительное количество методов генерирования знаний. Согласно наиболее общему из них принято разделять знания, передающиеся определенной группе сотрудников
100.00%
ИСПОЛЬЗОВАНИЕ МАРШРУТНОЙ СЕТИ 2007 ГОДА ИСПОЛЬЗОВАНИЕ МАРШРУТНОЙ СЕТИ 2013 ГОДА
100.00%
Источник: Транспортная клиринговая палата, расчеты авторов. Source: Transport clearing committee of Russia, authors' calculations.
Рис. 1. Использование аэропортовой сети регулярных внутренних авиаперевозок 2007-2013 гг. Fig. 1. Airport network of regular airline usage 2007-2013 years
105.00°%
100.00%
95.00%
90.00%
85.00%
80.00%
75.00%
70.00%
2007 г
2008 г
2009 г
2010 г
2011 г
2012 г
2013 г
44
ПРИКЛАДНАЯ ИНФОРМАТИКА / JOURNAL OF APPLIED INFORMATICS /-
' Том 10. № 4 (58). 2015
60
if
>s 50 s
X
g 40
m
ra
£ 30
(6
X
2 20 <v
Is 10 ^
О
* 0
50
■
■
■
■ 10
■ 3 2
До 1000 пассажиров
От 1000 до 5000 От 5000 до 10000 Более 10000 пассажиров
пассажиров пассажиров
Размер пассажиропотока направления, количество пассажиров в год
Источник: Транспортная клиринговая палата, расчеты авторов. Source: Transport clearing committee of Russia, authors' calculations.
Рис. 2. Количество аэропортов, действующих в 2007 году и не обслуживающих в 2013 году Fig. 2. Number of airport, acting in 2007 and not worked in 2013
60 50 40 30 20 10 0
49
■
■
■
■ 12 6
■ ■ 5 1
Более 1000 пассажиров
От 1000 до 5000 пассажиров
От 5000 до 10000 От 10000 до 100000 Более 100000 пассажиров пассажиров пассажиров
Источник: Транспортная клиринговая палата, расчеты авторов. Source: Transport clearing committee of Russia, authors' calculations.
Рис. 3. Количество аэропортов, действующих в 2013 году и не обслуживающих в 2007 году Fig. 3. Number of airport, acting in 2013 and not worked in 2007
с помощью механизмов обучения, и знания, созданные в результате выполнения фундаментальных и прикладных исследований.
Источником создания новых знаний в области регулирования сети аэропортов гражданской авиации служат как исследования, непосредственно реализуемые федеральными органами власти, так и научно-исследовательские работы, выполненные по их заказу аналитическими и экспертными группами.
К методам создания новых знаний могут относиться исследовательские методы, такие как статистический анализ данных и применение теоретических моделей.
Примером создания новых знаний является применение теоретической модели — формирование узловых (хабовых) перевозок.
Согласно сложившейся терминологии аэропорт-хаб — это узловой аэропорт, крупный пересадочный и перегрузочный транспортный узел с необходимым набором сервисов, имеющий географическое положение, обеспечивающее концентрацию пассажиропотоков и их распределение по направлениям другого типа. Региональный хаб осуществляет сбор пассажиров с местных направлений и отправление их с помощью магистральных направлений, международный — сбор пассажиров по внутренним магистральным направлениям и отправление их международными линиями.
Хабовая модель впервые стала применяться в результате либерализации рынков авиаперевозок США в конце 1970-х годов.
\ 45
Vol. 10. No. 4 (58). 2015
До этого авиакомпании использовали систему маршрутов «от точки до точки», которая не являлась экономически эффективной. Модель хабовой организации авиаперевозок концентрирует трафик пассажиропотока в одном аэропорту и связывает его с региональными аэропортами и транспортными узлами других видов транспорта.
На этапе формирования хабовой модели перевозок крупные аэропорты взяли на себя роль ключевых при обслуживании пассажиропотока. Небольшие аэропорты стали обслуживать небольшое количество крупных узловых аэропортов. Все это привело к оптимизации маршрутной сети, т. е. отмене нерентабельных маршрутов и увеличению пассажиропотока на значимых маршрутах.
Социально-экономическим эффектом внедрения стало повышение значимости крупных аэропортов. Так, выбранные в качестве хабов аэропорты, как правило, располагались в крупных городах, имели легкий доступ к деловым центрам. В то же время у операторов аэропортов за счет дополнительной концентрации пассажиров появилась возможность экономии на масштабах и соответственно снижении уровня аэропортовых сборов, которые занимают существенную долю в себестоимости авиаперевозок.
В настоящее время в Российской Федерации сформирован один крупный пересадочный и перегрузочный узел — Московский (аэропорты Домодедово, Шереметьево, Внуково).
Изучение литературы относительно проблемы формирования хабовой модели авиационных перевозок, а также статистический анализ динамики изменения количества направлений и объема пассажиропотока аэропортов Российской Федерации позволили выявить следующие факторы отнесения аэропортов к потенциальным хабам:
• наличие магистральных маршрутов, связанных с международными хабами;
• наличие значительного количества региональных маршрутов и большее их число по сравнению с числом магистральных направлений;
• отношение пассажиропотока на региональных маршрутах к пассажиропотоку на магистральных должно быть значительным.
Формирование аэропорта-хаба согласно мировой практике является случайным процессом, между тем его дальнейшее развитие — это сумма воздействия различных инструментов государственного регулирования. Поэтому важно определять потенциальные хабы на этапе формирования с помощью различных инструментов data mining. Так, по состоянию на 2013 г. из всех городов, осуществляющих магистральные пассажирские перевозки, согласно отчетам Министерства транспорта можно выделить группу городов, являющихся потенциальными региональными хабами. Это Владивосток, Екатеринбург, Иркутск, Калининград, Красноярск, Нижневартовск, Новосибирск, Санкт-Петербург, Сургут, Тюмень, Хабаровск. Данные региональные аэропорты имеют магистральные маршруты, связывающие указанные центры с московским авиаузлом. Следует отметить, что на города этой группы приходится 22,9% всех перевозок. В настоящее время потенциальные региональные хабы формируются в СевероЗападном (Калининград, Санкт-Петербург), Уральском (Екатеринбург, Тюмень, Сургут), Сибирском (Иркутск, Красноярск, Нижневартовск) и Дальневосточном (Хабаровск, Владивосток) федеральных округах.
Таким образом, для выявления потенциальных хабов и дальнейшего принятия решений относительно их развития транспортным ведомством используются только показатели пассажиропотока и количества обслуживаемых направлений. Значимым показателем также является динамика роста перевозок, его можно сравнить со значением динамики роста перевозок в аэропортах, уже признанных хабовыми (за исключением аэропортов московского авиаузла и Пулково), — к таким относятся аэропорты Уфы и Казани. Очевидно, что средний прирост их годового объема пассажиров должен быть выше, чем у других аэропор-
46 J
Том 10. № 4 (58). 2015
1,0
0,5
0,0
-0,5
-1,0
2013 г.
2 2012 г. 011 г.
•-- 2010 г. 2009 г. \<Г' / /
2008 г.
-1,0
-0,5
0,0
Фактор 1 : 71,89%
0,5
1,0
Источник: Транспортная клиринговая палата, расчеты автора. Source: Transport clearing committee of Russia, authors' calculations.
Рис. 4. Анализ принципиальных компонентов: проекция единичной окружности Fig. 4. Analysis of principal components: projection of the unit circle
100,00%
99,50%
99,00%
98,50%
98,00%
=t о
о
.5 s
о. та та
Cfl Cfl >• a О Ю о ^ ^ 1 о
JS >• ^
--«гор
Я s h
^O &
X Д- Ш ¥
О
rocflCQ^I-
Источник: Транспортная клиринговая палата, расчеты автора. Source: Transport clearing committee of Russia, authors' calculations.
Рис. 5. Значение апостериорной вероятности принадлежности аэропорта к хабовым Fig. 5. Value of the a posteriori probability of belonging airoirt to hub
Vol. 10. No. 4 (58). 2015
тов. Поэтому возможно применение методов многомерной классификации с обучением — дискриминантного анализа с целью оценки апостериорной вероятности отнесения аэропорта к потенциальному узловому аэропорту на основе сравнения с аналогичными показателями признанного регионального хаба.
Применение показателя роста как признакового пространства задачи дискрими-нантного анализа может снизить адекватность результатов такой оценки, так как в данном случае будет значимо влияние случайных изменений, не связанных с основной тенденцией, например проведение в городе массовых спортивных мероприятий (Универсиада в Казани, Чемпионат мира по биатлону в Ханты-Мансийске, Зимние Олимпийские игры в Сочи и т. д.). Поэтому при использовании данных приростов необходимо применить инструмент сжатия размерности — анализа принципиальных компонентов. Результатом применения данного алгоритма является замена существующих показателей меньшим количество условных факторов, значения которых являются линейной композицией предыдущих.
На рис. 4 представлен результат сжатия 6 годовых значений приростов до двух факторов с общим уровнем выявленной дисперсии более 90% (фактор 1 — 71,89%, фактор 2 — 19,03%) в виде проекции на единичную окружность, причем чем ближе значение показателя к единичной окружности, тем больше характеристик было учтено в заменяющих его значения факторах.
В результате применения алгоритма дис-криминантного анализа к полученным данным при использовании в качестве обучающей выборки данных приростов пассажиропотока аэропорта Уфы можно сделать вывод о том, что с апостериорной вероятностью более 98% к потенциальным хабам можно отнести 35 аэропортов, при этом в данный перечень не входит часть аэропортов, рассматриваемых как потенциальные региональные узловые (например, Хра-брово, г. Калининград).
Так, очевидно, что динамика роста пассажиропотока с 2007 г., или момента отмены лицензирования отдельных маршрутов, является весьма значимым показателем, так как отражает потребности населения и региональной экономики. Поэтому его необходимо учитывать при выборе инструментов развития аэропортовой сети на основе применения модели хабовых аэропортов. Все это возможно алгоритмизировать в единой информационной системе управления знаниями, включающей, как было показано, как ключевые теоретические модели, так и алгоритмы обработки данных, позволяющие выявить скрытые закономерности развития.
Заключение
Система управления знаниями в целях государственного регулирования является проблемной областью исследования, так как для ее развития необходим поиск компромисса между необходимым объемом знаний для принятия решений и набором уже имеющихся знаний. При этом следует одновременно проводить поиск путей оценки эффективности данной системы при формировании и распространении ее организационно-управленческого механизма. Поиск формы управления знаниями является актуальной задачей по повышению прозрачности и эффективности принимаемых решений. Как показал анализ существующих подходов к формированию новых знаний, российские авиационные правила полностью соответствуют международным, но каждое направление развития аэропортовой сети имеет свой многоаспектный характер и должно учитывать не только фактические показатели деятельности работы гражданской авиации, но и отражать эту практику для корректировки развития путем применения различных теоретических моделей и инструментов анализа полученных данных.
Список литературы
1. Дик В. В, Затеса А. В. Применение нечетких моделей при выборе способа приобретения ин-
48 j
Том 10. № 4 (58). 2015
формационной системы // Прикладная информатика. 2012. № 1. С. 5-13.
2. Открытые данные Росавиации России. URL: http://www.favt.ru/opendata/
3. Рубин Ю. Б. Направления развития конкуренции в российской экономике // Современная конкуренция. 2011. № 6. С. 3-8.
4. Смирнов О. А., Харитонов С. В. Автоматизация оценки эффективности аэропортовой инфраструктуры // Прикладная информатика. 2014. № 6 (54). С. 130-137.
5. Смирнова О. О., Смирнов О. А. Развитие конкурентных отношений на рынках наземного обслуживания в аэропортах: практика Российской Федерации и ЕС // Современная конкуренция.
2012. № 5.
6. Харитонов С. В., Дик В. В. Применение задач линейного программирования при управлении стоимостью компании // Прикладная информатика.
2013. № 3 (45). С. 122-126.
References
1. Dik V. V., Zatesa A. V. Primenenie nechetkih mod-elej pri vybore sposoba priobretenija informacionnoj sistemy [Using fuzzy models when choosing the information systems acquisition mode]. Prikladnaja
informatika — Journal of Applied Informatics, 2012, no. 1, pp. 5-13.
2. Open data of Federal aviation service of Russia. Available at: http://www.favt.ru/opendata/
3. Rubin Ju. B. Napravlenija razvitija konkurencii vros-sijskojjekonomike [Directions of competition development in Russian economy]. Journal of Modern Competition, 2011, no. 6, pp. 3-8 (in Russian).
4. Smirnov O. A., Haritonov S. V. Avtomatizacija ocen-ki jeffektivnosti ajeroportovoj infrastruktury [Automation of efficiency estimation of airport infrastructure development]. Prikladnaja informatika — Journal of Applied Informatics, 2014, no. 6 (54), pp. 130-137.
5. Smirnova O. O., Smirnov O. A. Razvitie konkurent-nyh otnoshenij na rynkah nazemnogo obsluzhivani-ja v ajeroportah: praktika Rossijskoj Federacii i ES [Development of competition in ground handling markets: practice of Russian Federation and EU]. Journal of Modern Competition, 2012, no. 5.
6. Haritonov S. V., Dik V. V. Primenenie zadach line-jnogo programmirovanija pri upravlenii stoimost'ju kompanii [Implication of linear programming tasks in field of management of estimation]. Prikladnaja informatika — Journal of Applied Informatics, 2013, no. 3 (45), pp. 122-126 (in Russian).
O. Smirnov, Moscow University of Industry and Finance, Moscow, Russia, smirnovoleg1952@mail.ru S. Kharitonov, Moscow University of Industry and Finance, Moscow, Russia, skharitonov@mfpa.ru
System management formation in government regulation of airport network development
The article analyzes the approaches to the formation of information system of knowledge management in public administration of this important branch of transport civil aviation. In particular, it is shown that the application of algorithmic elements of knowledge management, including lifecycle management of knowledge — use of existing concepts and the creation of new knowledge, allows to increase the objectivity and transparency when making decisions regarding the regulation of development of the airport network.
For example, data analysis of the dynamics of passenger flows using the tools of analysis of principal components and discriminant analysis, and also applications in public administration such concepts as creating an airport network on the basis of a system of airports-hubs shown that existing approaches of choice has a significant limitation. Therefore, the information of a knowledge management system should include information about how theoretical modeling and algorithm data mining tools.
Keywords: information system, knowledge management, economic regulation, civil aviation, life cycle of knowledge, transport system development, airport network.
About authors: O. Smirnov, PhD in Phisics & Mathematics; S. Kharitonov, PhD in Economics, Associate Professor
For citation: Smirnov O., Kharitonov S. Design of distributed information systems management of air transport route network development. Prikladnaya informatika — Journal of Applied Informatics, 2015, vol. 10, no. 4 (58), pp. 42-49 (in Russian).
\ 49
