Корреляционно-регрессионные модели в прогнозировании загруженности транспортных магистралей города Текст научной статьи по специальности «Строительство и архитектура»

УДК 519.233.5

КОРРЕЛЯЦИОННО-РЕГРЕССИОННЫЕ МОДЕЛИ В ПРОГНОЗИРОВАНИИ ЗАГРУЖЕННОСТИ ТРАНСПОРТНЫХ МАГИСТРАЛЕЙ ГОРОДА

Юрий Анатольевич Новосёлов

Сибирский университет потребительской кооперации, 630087, Россия, г. Новосибирск, пр. К. Маркса, 26, профессор кафедры менеджмента СибУПК, доктор экономических наук, профессор, член-корр. Россельхозакадемии, тел. (383)346-56-34, тел. 8-913-897-6023,

тел. 8-965-820-17-54, e-mail: 34novya37@mail.ru Антон Алексеевич Новосёлов

Сибирская государственная геодезическая академия, 630108, Россия, г. Новосибирск, ул. Плахотного, 10, магистрант, тел. (383)361-04-71, e-mail: pm-ssga@mail.ru

В статье рассмотрены результаты исследований по корреляционно-регрессионному анализу загруженности транспортных магистралей крупного мегаполиса с целью последующего прогнозирования ситуации на дорогах и отображения её в геоинформационных системах. Исследования подтвердили возможность прогнозирования загруженности дорог на основе линейных и нелинейных регрессионных моделей с приемлемой точности. Средние ошибки прогнозирования на среду по данным за вторник составила 0,5%, а на пятницу - 1,5%.

Ключевые слова: загруженность дорог, корреляционно-регрессионный анализ, прогнозирование ситуации на дорогах, ГИС «Загруженность дорог».

CORRELATION-REGRESSION MODELS FOR FORECASTING CITY HIGHWAYS TRAFFIC INTENSITY

Yury A. Novoselov

Siberian University of Consumer’s Cooperation, 630087, Russia, Novosibirsk, 26 K. Marx St., Ph.D., Prof., Department of Management, corresponding member of Russian Academy of Agriculture, tel. (383)346-56-34, tel. 8-913-897-60-23, tel. 8-965-820-17-54, e-mail: 34novya37@mail.ru

Anton A. Novoselov

Siberian State Academy of Geodesy, 630108, Russia, Novosibirsk, 10 Plakhotnogo St., Postgraduate student, tel. (383)361-04-71, e-mail: pm-ssga@mail.ru

The research results on correlation-regression analysis of megalopolis highways traffic intensity are considered. They are used to forecast the follow-up road traffic intensity and represent it in GIS. The investigation provides support for forecasting road traffic intensity on the basis of non-linear and linear regression models with adequate accuracy. The average error of forecasting for Wednesday on the basis of Tuesday data was 0.5 % and that for Friday - 1.5 %.

Key words: highways traffic intensity, correlation-regression analysis, forecasting highway situations, GIS «Road traffic intensity».

Загруженность дорог в крупном мегаполисе и возникающие при интенсивном движении «пробки», являются весьма актуальной проблемой, затрагивающей интересы всех жителей города и органов местного самоуправления. В связи со сложностью

проблемы и необходимостью оперативно обрабатывать большие массивы информации, распределенной в пространстве, целесообразно применить комплекс компьютерных информационных технологий, что и предопределило выбор темы исследования.

В научной литературе опубликованы результаты исследований ситуации в крупных населенных пунктах с использованием современных средств обработки информации. В работе Антипова И.Т., Бугаковой Т.Ю. и Яковлева Д.А. [1] приведена оценка изменения пространственного положения объектов средствами современных программных комплексов, Заслуживает внимания методика качественной и количественной оценки кадастровой информации, предложенной Новоселовым Ю.А. и Рычковым А.В. [2], а также опыт уточнения границ города Новосибирска (Новоселов Ю.А., Калюжин В.А., Каравайцев Ф.В., [3]).

Выполнены масштабные исследования по оценке связей, зависимостей, взаимодействий и прогнозирования показателей на основе использования комплекса экономико-статистических моделей [4-6].

Однако, несмотря на большую потребность пользователей в мониторинге состояния загруженности транспортных магистралей Новосибирска, эффективных систем, использующих информационные компьютерные технологии для упреждающей оценки загруженности дорог города, пока не предложено. В упреждающих оценках нуждаются органы управления для оптимизации организации движения и жители города, как неотъемлемые участники дорожного движения.

Активными участниками дорожного движения являются различные хозяйствующие субъекты, включая сферу обслуживания, особенно розничную торговлю. Своевременная доставка товаров, особенно в крупные торговые центры (гипермаркету и молы) обеспечивает ритмичность торгового процесса. Однако слишком большие товарные запасы снижают оборачиваемость товаров и эффективности торговли. Поэтому знание упреждающей информации о состоянии загруженности дорог по дням недели и времени суток является необходимой информацией для всех торговых организаций и поставщиков товаров, а также покупателей, пользующихся услугами крупных торговых центров и иных объектов сферы услуг.

Целью данного исследования является определение необходимых этапов и инструментов для создания тематических геоинформационных систем, позволяющих вести упреждающий мониторинг ситуации на транспортных магистралях г. Новосибирска.

Основные задачи исследования заключаются в выявлении факторов, определяющих загруженность автомобильных дорог уровня, оценке загруженности автомобильных дорог в г. Новосибирске в зависимости от сезона, дней недели и времени суток и попытки её прогнозирования.

Объектом исследования является ситуация на дорогах г. Новосибирска, основным методом исследования - экономико-статистическое моделирование.

Основными факторами, влияющими на ситуацию в дорожном движении являются: малая обеспеченность дорогами, плохое качество покрытия, сложные метеоусловия, особенно в зимнее время, неравномерная загрузка по сезонам (в зимнее время пропускная способность дорог снижается), дням недели и времени суток; статистика показывает, что в понедельник загруженность дорог меньше, в связи с меньшим количеством грузового транспорта, а также легковых автомобилей.

Средняя загруженность дорог Новосибирска в рабочие дни с января по декабрь 2013 составила 6 баллов. Самым сложным для водителей месяцем был ноябрь (среднемесячная загруженность — более 8 баллов) из-за снижения пропускной способности дорог, а самым простым — июль (4,8 балла): летом многие автомобилисты уезжают в отпуска, и на дорогах становится свободнее.

Ситуация на дорогах Новосибирска чаще всего осложняется из-за осадков. Так, причиной высокой загруженности в феврале были снегопады, а увеличение числа пробок в августе было вызвано сильными ливнями. Самым сложным днём года стал четверг

седьмого марта: из-за снега и предпраздничной суеты на дорогах вечером интенсивность пробок более трёх часов подряд не опускалась ниже десяти баллов, а средняя загруженность за весь день превысила 8,5 балла

Вне зависимости от сезона в будни меньше всего пробок в Новосибирске бывает по понедельникам, а больше всего — по вторникам или пятницам. В субботу и воскресенье загруженность сокращается по сравнению с буднями в разной степени: меньше с января по апрель (на 35 и 45% соответственно), больше с мая по сентябрь (на 45% и 60%). Очевидно, это связано с тем, что в тёплое время года многие автомобилисты уезжают на выходные за город.

В рабочие дни больше всего пробок на дорогах Новосибирска возникает утром с 8:00 до 10:00 и вечером с 17:00 до 19:00, во второй половине дня ситуация обычно сложнее, чем в первой (слайд 13). Наиболее выражены пиковые часы в сентябре: утром и вечером дороги загружены почти как зимой, а в середине дня — почти как летом.

При разработке ГИС «Загруженность дорог» необходимо дифференцировать состав информации для различных потребителей с дифференцированным составом информации:

- для органов управления дорожным движением (мэрия, ГИБДД, дорожные службы) - со среднестатистическими оценками ситуации, полученными на основе выявления долговременных тенденций, позволяющих принимать обоснованные решения по развитию транспортной инфраструктуры города и организации дорожного движения.

- для участников транспортных потоков - с прогнозными оценками загруженности основных магистралей на ближайшие сутки и отображением их на электронной карте города.

Корреляционный анализ показал, что загруженность дорог в январе находится в тесной корреляционной связи с загруженностью в июле, чуть меньше связи загруженности дорог в январе с сентябрем и в июле с сентябрем (табл. 1). То есть, зная ситуацию в январе можно предсказать загруженность дорог в последующие месяцы.

Таблица 1

Корреляционно-регрессионный анализ загруженности дорог________________

парная корреляция

январь- июль январь- сентябрь июль- сентябрь январь-время июль-время сентябрь-время

0,84 0,97 0,90 -0,22 0,04 -0,04

детерминация, %

71,0 94,0 81,2 4,7 0,2 0,1

Корреляционный анализ позволил выявить статистические зависимости загруженности дорог между различными днями недели (табл. 2). Загруженность дорог в предшествующие рабочие дни коррелирует с загруженностью в последующие дни. Из этой закономерности выпадают выходные дни.

Таблица 2

Коэффициенты корреляции между днями недели

Понедельни к - вторник Понедельник - среда Понедельни к - четверг Понедельник -пятница Понедельник - суббота Понедельник воскресенье

0,98 0,93 0,96 0,92 0,40 0,39

Вторник -среда Вторник -четверг Вторник -пятница Вторник -суббота Вторник -воскресенье

0,96 0,98 0,96 0,44 0,46

Среда -четверг Среда -пятница Среда суббота Среда -воскресенье

0,93 0,94 0,31 0,36

Четверг -пятница Четверг -суббота Четверг -воскресенье

0,96 0,46 0,44

Пятница -суббота Пятница -воскресенье Суббота -воскресенье

0,38 0,37 0,95

Тесные корреляционные связи позволяют надееться на то, что прогноз ситуации на дорогах на последующие дни на основе анализа загруженности дорог в предшествующие дни будет в пределах допустимой точности.

Для прогнозирования использовались однофакторные уравнения регрессии: Y = a + b*X, где X - загруженность дорог в предшествующие дни (баллов), Y - загруженность дорог в последующие дни (баллов).

Испытание модели на ретроспективных расчетах (табл. 3) показало, что точность прогнозирования загруженности на дневные часы более высокая, чем на вечерние. Более точным является прогноз на вторник, среду и четверг, чем на пятницу, что связано с дополнительной транспортной нагрузкой в пятницу в связи с массовым отъездом жителей на отдых. Средние ошибки прогноза (последняя строка в таблице) свидетельствует о том, что регрессионные модели могут использоваться для прогнозирования ситуации на дорогах с последующим отображением её на ГИС «Загруженность дорог».

Таблица 3

Параметры уравнений регрессии и оценка точности прогнозов ситуации на дорогах

часы понедельник- вторник вторник-среда среда-четверг четверг-пятница

отрезок наклон отрезок наклон отрезок наклон отрезок наклон

0,15 1,07 0,35 0,87 0,71 0,98 0,67 0,91

прогноз на вторник ошибка прогноз на среду ошибка прогноз на четверг ошибка прогноз на пятницу ошибка

6,00 2,29 53% 1,65 -17% 2,68 27% 2,58 -14%

8,30 8,07 0% 7,38 -9% 8,67 7% 8,06 3%

10,30 5,29 -12% 5,56 -15% 7,09 13% 6,42 -13%

12,30 5,39 -7% 5,38 2% 5,92 2% 5,96 10%

14,30 5,93 0% 5,47 3% 5,92 0% 6,05 1%

17,00 6,57 4% 5,82 21% 5,43 -27% 7,42 12%

19,30 9,03 5% 7,81 4% 8,08 -3% 8,24 -6%

22,00 3,15 -17% 3,65 11% 3,95 -12% 4,77 -5%

23,00 2,29 15% 2,09 4% 2,68 34% 2,49 25%

среднее значение ошибки прогноза 4,5% 0,5% 4,6% 1,5%

Наши исследования показали, что процесс изменения ситуации на дорогах не является линейным в течение рабочего дня. Выявляется острый пик в утренние часы,

затем некоторый спад и линейное изменение днем и очевидное снижение загруженности дорог в ночные часы.

Результаты прогнозирования по нелинейным моделям на среду по ситуации во вторник представлены в табл. 4. Сопоставление точности прогнозов по нелинейным моделям по сравнению с линейными свидетельствует о том, что качество прогнозов несколько улучшается.

Таблица 4

Точность прогнозирования по нелинейным моделям________________________

время среда, факт парабола полином 3-й ст полином 4-й ст. Y = a0+a1*SQR(x)

прогноз ошибка, % прогноз ошибка, % прогноз ошибка,% прогноз ошибка, %

6,00 2 1,7 -15% 1,95 -2,5% 1,95 -3% 1,4 -30%

8,30 8,1 7,5 -7% 7,58 -6,4% 7,6 -6% 7,3 -10%

10,30 6,5 5,7 -12% 5,77 -11,2% 5,8 -11% 5,8 -11%

12,30 5,3 5,5 4% 5,5 3,8% 5,5 4% 5,7 8%

14,30 5,3 5,6 6% 5,7 7,5% 5,6 6% 5,8 9%

17,00 4,8 5,9 23% 6,1 27,1% 5,7 19% 6,1 27%

19,30 7,5 7,95 6% 7,8 4,0% 7,8 4% 7,6 1%

22,00 3,3 3,7 12% 3,3 0,0% 3,3 0% 4,4 33%

23,00 2 2,2 10% 2,1 5,0% 2,1 5% 2,1 5%

средняя ошибка 3% 3% 2% 4%

Выполненные исследования носили разведочный характер и подтвердили необходимость и возможность использования информационных компьютерных технологий для анализа и прогнозирования ситуации на дорогах крупного мегаполиса.

Эффективным является интеграция геоинформационных систем с экономикостатистическим моделированием для создания упреждающих ГИС, которые позволят принимать более обоснованные решения по развитию транспортной инфраструктуры и управлению дорожным движением. Упреждающая ГИС «Дорожные пробки» может быть востребована и участниками дорожного движения.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Антипов И. Т., Бугакова Т. Ю., Яковлев Д. А. Задачи оценки изменения пространственного положения объектов средствами современных программных комплексов // Изв. вузов. Геодезия и аэрофотосъемка. - 2013. - №4/С. - С. 127-129.

2. Карпик А. П., Новоселов Ю. А., Рычков А. В. Разработка методики качественной и количественной оценки кадастровой информации // Изв. вузов. Геодезия и аэрофотосъемка. - 2013. - №4/С. - С. 137-141.

3. Карпик А. П., Каленицкий А. И., Соловицкий А. Н. Новый этап развития геодезии -переход к изучению деформаций блоков земной коры в районах освоения угольных месторождений // Вестник СГГА. - 2013. - Вып. 3 (23). - С. 3-10.

4. Кошелев А. В., Карпик А. П., Середович В. А. Фемтосекундный лазерный дальномер с распространением излучения в вакуумной трубе // Вестник СГГА. - 2012. -Вып. 1 (17). - С. 3-9.

5. Колмогоров В. Г. К вопросу о возможности изучения деформационного состояния земной поверхности по результатам повторного высокоточного нивелирования // Вестник СГГА. - 2012. - Вып. 1 (17). - С. 9-15.

6. Новоселов Ю. А., Калюжин В. А., Каравайцев Ф. В. Опыт уточнения границ города Новосибирска // Изв. вузов. Геодезия и аэрофотосъемка. - 2013. - №4/С. - С. 181-183.

7. Новосёлов Ю.А. Методология формирования и использования адаптивно-детерминированных систем в управлении / Новосёлов Ю.А., Иткулов С.Г. // Вестник сельскохозяйственной науки. - 2009. - № 8 (200). - с. 91-96.

8. Новосёлов Ю.А., Новосёлова Э.А. Моделирование упреждающих индикаторов развития муниципальной экономики. - Вестник Сибирского университета потребительской кооперации. - 2012, № 2 (3). - с. 46-51.

9. Новосёлов Ю.А., Новосёлова Э.А. Прогнозирование развития муниципальной экономики на основе комплекса экономико-статистических моделей. - European Social Science Journal. - 2013, № 2 (30). - с. 382-388.

10. Павленко В. А., Юхименко Ю. М. Геопространство в институциональном дискурсе // Интерэкспо ГЕ0-Сибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч. конф. «Геопространство в социальном и экономическом дискурсе» : сб. материалов в 2 т. (Новосибирск, 10-20 апреля 2012 г.). - Новосибирск: СГГА, 2012. Т. 2. - С. 149-155.

© Ю. А. Новоселов, А. А. Новоселов, 2014