CC BY
21
УДК 656
DOI: https://doi.org/10.26518/2071-7296-2022-19-3-370-397 ► Check for updates
EDN: SUGGFY Научная статья
МЕТОДИКА ОПРЕДЕЛЕНИЯ КОРРЕСПОНДЕНЦИЙ ПАССАЖИРОВ ОБЩЕСТВЕННЫМ ТРАНСПОРТОМ ИЗ ОПЕРАЦИЙ ВАЛИДАЦИЙ ЭЛЕКТРОННЫХ ПРОЕЗДНЫХ БИЛЕТОВ
А. И. Фадеев*, С. Алхуссейни
Сибирский федеральный университет, г. Красноярск, Россия 9135335784@mail.ru, http://orcid.org/0000-0001-6581-7087, eng.sami20143@gmail.com, http://orcid.org/0000-0003-3028-0675,
Ответственный автор
АННОТАЦИЯ
Введение. Существующие методы определения пассажирских потоков вследствие их трудоемкости и ограниченной эффективности не позволяют осуществлять на должном уровне мониторинг транспортного спроса. В настоящее время для создания эффективных решений (в том числе на общественном транспорте) используются технологии, основанные на сборе, интеграции и анализе больших данных (Urban computing, Big data, Internet of things).
Материалы и методы. В рамках данного подхода разработана методика определения корреспонденций пассажиров общественным транспортом из операций валидаций электронных проездных билетов (Electronic Travel Tickets): смарт-карт (smart card), транспортных карт, магнитных карт, мобильных телефонов или других электронных устройств (Electronic Gadgets), реквизиты которых фиксируются в автоматизированной системе оплаты проезда Automated Fare Collection (AFC) при выполнении операции валидации.
Методика, основанная на определении и оценке множества допустимых вариантов связанности последовательности пассажирских поездок, позволяет рассчитывать параметры пассажирских корреспонденций с учетом множества факторов, оказывающих влияние на выбор пассажиром маршрутов поездок. Например, в отличие от ранее выполненных исследований, учтена практика оплаты проезда в любой точке маршрута, не обязательно сразу же после посадки в транспортное средство.
Результаты. Доказано, что пассажирские корреспонденции, рассчитанные посредством разработанной методики, статистически соответствуют генеральному множеству поездок общественным транспортом в пределах допустимых погрешностей, в результате обеспечивается оценка характеристик спроса общественного транспорта.
Обсуждение и заключение. Применение разработанной методики позволяет организовать непрерывный мониторинг пассажирских потоков, технико-эксплуатационных показателей функционирования общественного транспорта и таким образом реализовать концепцию устойчивого развития общественного транспорта посредством проектирования транспортного предложения, соответствующего спросу.
КЛЮЧЕВЫЕ СЛОВА: пассажирский поток, транспортный спрос, пассажирские корреспонденции, матрица пассажирских корреспонденций, общественный городской транспорт.
Статья поступила в редакцию 21.04.2022; одобрена после рецензирования 14.05.2022; принята к публикации 10.06.2022.
Авторы прочитали и одобрили окончательный вариант рукописи.
Прозрачность финансовой деятельности: авторы не имеют финансовой заинтересованности в представленных материалах и методах. Конфликт интересов отсутствует.
Для цитирования: Фадеев А. И., Алхуссейни С. Методика определения корреспонденций пассажиров общественным транспортом из операций валидаций электронных проездных билетов // Вестник СибАДИ. 2022. Т19, № 3 (85). C. 370-397. https://doi.org/10.26518/2071-7296-2022-19-3-370-397
© Фадеев А. И., Алхуссейни С., 2022
Контент доступен под лицензией Creative Commons Attribution 4.0 License.
DOI: https://doi.org/10.26518/2071-7296-2022-19-3-370-397 EDN: SUGGFY Original article
METHODOLOGY FOR DETERMINING PASSENGERS CORRESPONDENCE BY PUBLIC TRANSPORT FROM ELECTRONIC TICKETS VALIDATION OPERATIONS
Aleksandr I. Fadeev, Sami Alhusseini
Siberian Federal University, Krasnoyarsk, Russia 9135335784@mail.ru, http://orcid.org/0000-0001-6581-7087, eng.sami20143@gmail.com, http://orcid.org/0000-0003-3028-0675,
* corresponding author
ABSTRACT
Introduction. Current methods for determining passenger ridership, due to their complexity and limited efficiency, do not allow monitoring transport demand at the proper level (in terms of comprehensiveness and continuity). Nowadays, technologies based on the collection, integration and analysis of big data (Urban computing, Big data, Internet of things) are used to create effective solutions in many aspects of our lives (including for urban transit). Materials and methods. Within the framework of this approach, a methodology for determining the correspondence of transit passengers from the operations of validating any kind of electronic travel tickets: smart cards, transport cards, magnetic cards has been developed. Each operations details are recorded in the Automated Fare Collection (AFC) system during the validation.
This methodology based on the definition and evaluation the set of acceptable options of passenger trips sequences, which form the passenger correspondence, taking into account many factors that effect on the route choice by a passenger. For example, in contrast to previous studies, the practice of paying for trip at any point on the route, not necessarily immediately after boarding the vehicle, was taken into account.
Results. It was proved that passenger correspondence calculated using the developed methodology statistically corresponds to the general set of transit passenger ridership within acceptable errors. The chaacteristics of transit demand is provided in the results.
Discussion and conclusion. The application of the developed methodology makes it possible to organize continuous monitoring of passenger flows, technical and operational indicators of the functioning of transit system and thus implement the concept of sustainable development of public transport by designing public transit supply that meets demand.
KEYWORDS: passenger flow, transit demand, passenger correspondence, matrix of passenger correspondence, urban transit.
The article was submitted 21.04.2022; approved after reviewing 14.05.2022; accepted for publication 10.06.2022.
The authors have read and approved the final manuscript.
Financial transparency: the authors have no financial interest in the presented materials or methods. There is no conflict of interest.
For citation: Aleksandr I. Fadeev, Sami Alhusseini Methodology for determining passengers correspondence by public transport from electronic tickets validation operations. The Russian Automobile and Highway Industry Journal. 2022; 19 (3): 370-397. https://doi.org/10.26518/2071-7296-2022-19-3-370-397
© Fadeev A. I., Alhusseini S., 2022
Content is available under the license Creative Commons Attribution 4.0 License.
ВВЕДЕНИЕ
Баланс спроса и предложения без излишнего объема инфраструктуры - это одно из основных условий устойчивости общественного транспорта, обеспечивающего экономичное, безопасное, надежное, экологически чистое и качественное удовлетворение мобильности населения: доступ к месту работы, учебы, товарам, услугам, социальным и культурно-бытовым объектам. Реализация данной концепции требует решения проблемы мониторинга транспортного спроса, т. е. формирования системы постоянного наблюдения за мобильностью населения, результаты которого обеспечивают обоснованные управленческие решения по формированию оптимального транспортного предложения.
Спрос на городской общественный транспорт, т. е. объемы и направления пассажирских потоков традиционно описывается матрицей корреспонденций (МК) [1]. Существующие методы определения МК вследствие их трудоемкости и ограниченной эффективности не позволяют осуществлять на должном уровне мониторинг транспортного спроса. В настоящее время для создания эффективных решений (в том числе на общественном транспорте) используются технологии, основанные на сборе, интеграции и анализе больших данных (Urban computing, Big data, Internet of things) [2].
В рамках данного подхода в настоящей статье рассмотрена задача определения (восстановления) корреспонденций пассажиров общественным транспортом посредством анализа операций валидаций электронных проездных билетов (Electronic Travel Tickets): смарт-карт (smart card), транспортных карт, магнитных карт, мобильных телефонов или других электронных устройств (Electronic Gadgets), реквизиты которых фиксируются в автоматизированной системе оплаты проезда Automated Fare Collection (AFC) при выполнении операции валидации. Информация, формируемая в AFC, представляет существенный интерес для решения задач планирования работы транспорта, поскольку позволяет рассчитывать спрос общественного транспорта, т. е. потребность населения в передвижениях.
МАТЕРИАЛЫ И МЕТОДЫ
1. Состояние вопроса. Рассмотрим существующие подходы к решению рассматриваемой задачи, которые позволяют посредством данных AFC определять следующие параметры поездок пассажиров (пассажирских кор-
респонденций): остановочные пункты и время начала и завершения поездки, вид транспорта, расстояние поездки. Данная задача рассматривалась во многих исследованиях [3, 4, 5, 6].
В большинстве AFC городского общественного транспорта пассажир выполняет валидацию электронного билета один раз во время поездки. Оплата проезда производится на станции или в транспортном средстве, в котором пассажир осуществляет валидацию билета, как правило, сразу же после посадки, хотя в некоторых случаях до оплаты он может проехать одну-две остановки. В России иногда практикуется система расчетов за проезд в пункте назначения пассажира. Данный факт не учитывается в исследованиях зарубежных авторов. В операциях валидации фиксируются следующие данные [3, 7, 8, 9]: номер карты, время валидации, идентификатор устройства валидации, которые позволяют определить место операции (вокзал, станция метро, турникет станции метро, транспортное средство).
В некоторых системах также сохраняются дополнительные данные, например, в системе Transantiago (Сантьяго, Чили) известен тип карты [10]: студенческая, со скидкой, бесплатная и т. д. В работе Li [9] карты подразделены на: с фиксированной месячной оплатой, без ограничения числа поездок, бесплатная, льготная (скидка 50%), общая (скидка 10%). Эти данные могут быть использованы для классификации поездок по социальным группам населения.
По техническим причинам сырые данные операций валидации смарт-карт зачастую содержат ошибки, которые требуется локализовать: откорректировать, если возможно, или исключить операцию из рассмотрения [9].
В некоторых системах AFC, например Квинсленд Австралия [11], валидация выполняется в начале и конце поездок, т.е. в операции оплаты за проезд имеется идентификатор карты, маршрут, направление, время посадки, время выхода из транспорта, остановка посадки и выхода. Информация из данных систем полезна при тестировании алгоритмов расчета пассажирских корреспонденций из операций валидации [11].
В ранее проведенных исследованиях рассматривалась AFC Чикаго, перевозки метрополитеном в Нью-Йорке (Barry [3, 7]) и другие системы. В большинстве AFC [3, 4, 7 ,12, 13, 14] не регистрируется местоположение операции валидации, координаты точки валидации устанавливаются по времени операции.
В большинстве случаев валидация электронного билета осуществляется в начале поездки. Началом поездки считается остановочный пункт, предыдущий операции валидации. Для определения данного пункта применяются следующие подходы:
- по расписанию движения автобусов (исследования Barry [3, 7], в которых решалась отдельная проблема, связанная с тем, что в системе Metrocard время транзакции усекается до 6-минутного интервала, это приводит к неточностям в определении остановочного пункта посадки пассажира);
- посредством дополнительной обработки данных систем автоматического определения местоположения транспортного средства Automatic Vehicle Location (AVL), в которых фиксируется местоположение и временные отметки движения транспортного средства по маршруту [8, 10, 15]; для решения рассматриваемой задачи требуется связать базы данных: AFC и AVL.
В некоторых современных системах AFC и AVL интегрированы, в операции валидации фиксируется ее местоположение, например системы GoCard [11], Andante [16].
Жизнедеятельность человека сопровождается связанными поездками (рисунок 1), что позволяет устанавливать пассажирские
корреспонденции путем анализа цепочки операций валидации электронных проездных билетов. Применяемый метод заключается в построении последовательности пассажирских корреспонденций путем соединения данных, зафиксированных в операциях валидации электронного билета [3, 5, 6, 7, 8, 11, 12, 13, 15, 17, 18, 19].
Завершение корреспонденции определяется на основании остановочного пункта начала следующей поездки. При этом применяются следующие ключевые допущения [20, 21,22]:
1. Остановочный пункт расположен на маршруте после валидации смарт-карты.
2. Он находится в пешеходной доступности от пункта начала следующей поездки. Расстояние пешеходной доступности рассчитывается как евклидова длина прямой между остановочными пунктами (завершения текущей и начала следующей поездки).
3. Пассажиры заканчивают свою последнюю поездку дня на остановке, с которой они начали свою первую поездку дня.
Первым сформулировал и апробировал приведённые предположения Barry [3]. На начальном этапе его исследования ограничивались станциями метро, в 2009 г. расширились на маршруты автобусов.
Massachusetts Institute of Technology
Рисунок 1 - Транспортное поведение жителя1 Figure 1 - Passenger transport behavior1
1 Transportation systems analysis: demand and economics. Режим доступа: https://ocw.mit.edu/courses/civil-and-environmental-engineering/1-201j-transportation-systems-analysis-demand-and-economics-fall-2008/lecture-notes/ MIT1_201JF08_lec05.pdf (дата обращения: 10.04.2022).
Некоторые поездки пассажир выполняет видом транспорта, в котором электронный проездной билет не применяется, например в такси. Такие случаи поездок, не зафиксированных AFC, необходимо локализовать. Возникает несовместимость операций валидации, для выявления которой применяются следующие оценки [23]:
- единственная поездка в день;
- две валидации подряд происходят на одном и том же пункте, что свидетельствует о поездке, не зафиксированной AFC, или об оплате проезда одной картой двумя или более пассажирами;
- конечный пункт последней поездки невозможно определить, поскольку первая и последняя валидации выполняются на одном пункте [3].
Общепринятый подход определения времени завершения поездки заключается в оценке момента прибытия транспортного средства на остановочный пункт посредством данных системы AVL или по расписанию движения маршрута.
Разработанные алгоритмы формирования пассажирских корреспонденций позволяют интерпретировать от 60 до 88% операций валидации электронных билетов (таблица 1). Наличие нераспознанных операций обусловлено тем, что, как упоминалось выше, некоторые поездки выполняются без использования электронного проездного билета.
При расчете объема спроса на общественный транспорт требуется учесть, во-первых, неинтерпретированные операции валидации и, во-вторых, поездки пассажиров, не использующих электронный проездной билет. Данная задача рассмотрена в [23]. Для рас-
чета транспортного спроса необходимо установить удельный вес поездок, оплачиваемых электронными проездными билетами. В [23] показано, что удельный вес поездок по электронным билетам следует рассчитывать для каждого маршрута отдельно.
Неинтерпретированные валидации учитываются посредством соответствующих коэффициентов балансировок.
Из полученных маршрутных поездок определяются сетевые корреспонденции пассажира, т. е. перемещения от начального пункта (например, дом) до пункта назначения (например, работа), которые могут выполняться по нескольким маршрутам с пересадками. Расчет сетевых корреспонденций осуществляется на основании упорядоченной по времени цепочки маршрутных корреспонденций. Для каждой пары корреспонденций анализируются условия пересадки и при их удовлетворении маршрутные корреспонденции объединяются в сетевую [17, 23,24].
В [23, 25] рассмотрен метод определения (восстановления) корреспонденций пассажиров общественным транспортом посредством интеллектуального анализа операций валидации электронных проездных билетов, который, в отличие от ранее проведённых исследований, обеспечивает:
- обработку операций валидации электронного билета как в начале, так и в конце поездки;
- расчет параметров пассажирских потоков, транспортного предложения и МК с учетом нераспознанных операций валидации;
- оценку репрезентативности полученных пассажирских корреспонденций генеральной совокупности транспортного спроса.
Таблица 1
Объем исследуемой выборки и удельный вес интерпретированных валидаций электронных билетов
Источник: составлено авторами.
Table 1
Sample volume and the share of interpreted e-ticket validations from different works
Source: compiled by the authors.
Автор Объём выборки Интерпретировано
валидаций, %
A Alsger et al. (2016) [11] 161 446 76-84
A Alsger et al. (2015) [24] 473 525 88
N Nassir et al. (2011) [6] 84 413 61
Jinhua Zhao(2007) [8] 2 500 000 72
Cui (2006) [14] 2 736 454 79
А. И. Фадеев, С. Алхуссейни (2021) [23, 25] 6 340 518 65
В данном методе считается, что остановочный пункт, предычищий ооілоте поездке, является началом коррчсоондечцыо папсажи-ра. Однако на празыиие нисопорыо соерсжи-ры могут оплатить поездку, проехав один-два остановочных пункта. В результате возникают погрешности расчета транспортного спроса.
В данной работе приведена методика расчета корреспондееций пассажиром пОщя-ственным транспортом из осер-ыит санада-ции электронных проездНЫХ РысеТОВ, о -сворой учтен упомянутый недостаток: считается, что пассажир может осуществить оплату проезда в любой точке маршрута, не обязательно сразу же после посадки в транспортное средство.
2. Методика расчета корреспонденций пассажиров общественным транспортом из операций валидации электронных проездных билетов. Необходимо определить множество маршрутных (P) и сетевых (Н) пассажирских корреспонденций, выхолненных по электроннсму рсоехдирме Хоссту.
Но транспоеонос сети расеосожеыоі оета-ноеочеые нройтоы ИХ, ЧЄрЄЗ ООнОЦЫИ ΠρίΡΧΡ,ίΙΡΡ перонрптуі но, кеоїдрір от ПСОйО>|Л1эП< состоит ео рпвуо: т^рминррцу и последоватеттноуты п|ЭОн і\пбзе<у^точных оікегіно^счппзіх: ^;тнкто^. Дпижение по ıы1ч^ы>l-п|э;пн£эıи1 теyщксвoлoеoре и дпои нгопіп^Вк лениях: пріяіеом в обцатвттт тч е. и сок^ш|йї/піі^
ΗΜΟΙΤ^ ДВп |ОЄїВС^, КОТОС-Ю еBОCЫСOЖTCO пао іооіа HOΠ-OДΜBaPeHПHOCTеΠ ич^нкоот PΠ(K ТравКТОс діии о пепвенмoсвн от ныырπирсние дхооонпо
/с=е<с,ПО Щгдее, Л-я постое о рбротеоя нны-щы-ление соотвирытвенсоа.
M=[Ms:k=a,b};McM;\M\=m; (1)
Μδ = {w1( ..., Wj, ..., wt}; Μδ сМ; wk с W, (2)
где Ms - 5-й рейс маршрута М;
w. - i-й остановочный пункт на транспортной сети;
т - число маршрутов.
В AFC фиксируется время выполнения операций валидации электронного проездного билета Е, маршрут и транспортное средство, посредством которого осуществлена перевозка. Известна последовательность операций валидации электронного билета Е=[е1,е2,...,ек,...}, каждый элемент которой отражает поездку (маршрутную корреспонденцию) пассажира Vk-
И еeйπс oкеапсиоыный пунмы нхноые пОн
реıани f)^CnO^O^(5H ХР|Э^Д ТОЧКОЙ, В KOΡО0ΠT
πpенциедeнa oвeц)aцинı вaлисπаип проезрио-го билета, оавнршения восздк- д ооеле чячки осілх.крцхті влоπсорχиннр Хнырта Пожоснол ор ОТочоРтин іост—о отвс остоно иеунπıа πyнπвпп оса--:. еaспоно>тсвныx о о-д оиИсс опе опсеацин валпдхрин элмπнеoнпеге Ч:^пап^а.^, оі ИЛ— - ооп -їло онеpс-πп ведндaсиИ| ин с W; WC с Ніо . Тотим образом окнвиπтячный оонно начное пасотокі^ІссіКОІС кoppсрнрпдeновп от ото алеиіонт і\лнож^стез^ вıхв. о веветшрнйя - ох—;.
Рисунок 2 - Расчетная схема маршрутной пассажирской корреспонденции,
гдеwfwм,...-остановочныепунктырейса;
дгд+г...-навигационныеотметкисистемыспутниковогопозиционирования;
ek -валидацияэлектронного проездногобилета Источник:составленоавторами.
Figure 2- Calculation scheme of a passenger trip, where: w ,w M,...- stoppingpointsoftheroute; g, g+1, ... - navigation marks of the satellite positioning system;
ek -e-tickettap Source:compiledbytheauthors.
Для определения точки валидации электронного билета и остановочных пунктов рейса используются навигационные отметки спутникового позиционирования подвижного состава, в которых содержатся следующие данные, необходимые для решения рассматриваемой задачи: транспортное средство, скорость движения, время и координаты (широта, долгота; Latitude and Longitude) навигационной отметки.
Прохождение через остановочный пункт фиксируется по навигационным отметкам в его зоне, которая задается радиусом. Формируется траектория движения транспортных средств через остановочные пункты:
R=GxM=[(g,w)\gEG,wEM,l(g,w)<lw} , (3)
где l(g,w) - расстояние между навигационной отметкой (д) и остановочным пунктом (w);
lw - радиус зоны остановочного пункта.
Скорость транспортного средства, зафиксированная в навигационной отметке в зоне остановочного пункта, может быть больше нуля. По скорости в навигационных отметках не всегда можно установить факт остановки транспортного средства. Из рисунка 3 видно, что, если время остановки транспортного средства не превышает интервала между навигационными отметками, возможны случаи, при которых в навигационных отметках будет зафиксирована ненулевая скорость транспортного средства. Для некоторых транспорт-
ных средств интервал между навигационными отметками достигает 30 с. Поэтому считается, что операция посадки-высадки пассажиров на остановке совершается независимо от скорости в навигационной отметке.
При назначении радиуса зоны остановочного пункта учитывается несколько факторов. Радиус должен быть достаточно большим, чтобы компенсировать возможные ошибки координат, погрешности системы спутникового позиционирования, а также технологические особенности остановочного пункта, в котором может быть несколько мест остановки транспорта. При недостаточном радиусе навигационные отметки спутниковой системы могут не попасть в зону остановочного пункта. С другой стороны, большой радиус может быть причиной ложного фиксирования остановочного пункта, который не находится на пути следования транспортного средства.
На рисунке 4 приведена схема элемента траектории движения транспортного средства. В рассматриваемом примере в зоне остановочного пункта расположены четыре навигационные отметки, по j-й навигационной отметке определяется время прибытия на остановочный пункт. Соответственно по у+З-й отметке устанавливается время отправления из остановочного пункта. В соответствии с данной схемой погрешность определения времени прибытия на остановочный пункт или отправления из остановочного пункта не превышает интервал между навигационными отметками.
Рисунок З - Динамика движения транспортного средства через остановочный пункт, где g, ... - навигационные отметки спутниковой системы позиционирования
Источник: составлено авторами.
Figure З - The dynamics of the transport vehicle movement through the stopping point, where: g, ... - navigation marks of the satellite positioning system
Source: compiled by the authors.
Рисунор 4 - Схема элемента траектории двитения триаспортноно ареТства, где мі - оптсновоонтір ириот; тв ...с эенигарионные отметои о иаоа останосоннонн сяистс;
4Wi - -Сирс еонаі оотоноаоэноое р^ота Источник:составленоавторами.
FigurnP - ЕІэто-t- of thе traesuoP uehiole -Hjectory, тХагс: иС с Ptooping роіаі; gj, . о я ηaxigotioo спаїэНо in She Rrea of We sto/uNsc aoiot;
^Wi - Stop-pointzoneradius Source:compiledbytheauthors.
Как упоніинелАсе нтішо, iu го чалдонах маршрутах, как правило, оплаеа πρ>ο^;^οο£θ opo-изводит я однократной валидацией электронного билета. В ранее іоазрабооанных олооопт-мах [23, 25] по валидации определоется один из пунктов поездки -хачальньш, осли оплатн осуществляется в начале поездкт или: кбоеч-ный, когда проезд оплачивается педкдвыхо-роне ис тоаеппорно. В охих ajoTOf-HTi—a:!- не учи-тыгаютсс нл;уч£^и, ноли до счло™ плосажис с|:)0^;еж^ее· Ролек однсгсо неаюенн^,
о nео;■осгшлг;оi 4сСнро угля уоіэсч^рі^ ^iîc^c^f осарскос но-нсокс-тяно-к п)::)июоїн^н погіх;од, енпocaοуыΠ оо юіхн;е<«о<гоЕзгэ ,сіН)п;исе'яіпчі)о ва-а»и<зісяооі Ха+1 нaвеpшяпия k-Н іе -асалр ри-рес рассожчрскор κo|:)|:)^cuoндmнг^pг1 Срсоунон kj, которое формчпрется
щ X W-+i; <
(4)
ККа-^т <с V wkj с Щ; wk+0iс W(+1-
где І - евклидово расстояние между остано-иоднно,іоіи я^нкрі^юи wj+; - w(+li;
Lp - расстояние пешеходной доступности.
Пункты прибытия к-1-й операции валидации
* * *
к+2
Пункты прибытия W_k+2j WJk+2)+l _Wk+2j+2
Пункты отправления к+4-й операции валидации
Рисунок 5 - Схема формирования вариантов пассажирских корреспонденций
электронного проездного билета Источник: составлено авторами.
Figure 5 - Scheme for variants of passenger correspondence been generated
Source: compiled by the authors.
ΖΖΟΖ ε °Ν ‘61. Ί°Λ
ζζοζ εοΝ ‘61. И01
leujnop Aj}snpu| Лемцбщ рие 9||qoujo}nv uejssny эщ Mt/V9HO мин±оэд ZZOZ-POOZ ©
8ζε
кмііяд
-Mdu и bMH9uaBduıo иілівіянАи иілияньоаонвіоо и вdижвooвu кинэжыи^и ιλιοιοθιλι Айкэілі кмнэЬі -91AI9d9U 1ЭВ91Я1ИЬЛ ОНО '9 9»HÂ0Md ВН ΚΟΙΘΚΗ -экчдо MiooHuAıootf ионРохэтэи KMHUoıooBd OJOHMoatf (о и) иинэжвdıя9 а эинваоеяиоиэи
віэойд 0J0HH0di»9Lre имИвУ -нова MMhBdauo Аиоиь Ліліэіпдо я ілюїянАи ілиян -hoaoHBioo їді-/ о MMhBdauo оиоиь - tMu ‘Ju !эинэьвне эоаэоЛн i9Bi/\iMHMdu (ід) MMdaiMd^ ‘,эи этяоод xisdoiox daiAioH ‘аоіянАи хіяньоа -0НВ100 uutf ІмиИвУиова MMhBdauo ίο віянАи OJOHhoaoHBioo daiAioH митяиодивн - ,эи эй
:^ижвээви иинэжьш^и оюэілі) віянАи OJOHhoaoHBioo кмнваоеяиоиэи віоювь (а
(И.)
(Iй)ώ
іииИвїґиива
MMhBdauo ίο віянАи OJOHhoaoHBioo daiAioH (g (01.) ‘dlZ> ІГЇ-Т = Qi)d>
d1
:мяй:эои MahıcHAtf -900 BLTBhBH и MahıAtfıatfödu кмнэп^эаве мілівія -hAu ИІЛІІЯНЬОаОНВІОО АЙКЭІЛІ 9MHK0100Bd (в
:(a9Md9iMd>ı) йэоэівевя -ou хіяіліэАеяйойой ииИвєиивілюон ииИянАф
(6) -UPS- X = (У)<*
івРиа
OJahioiAtfauo ииИвєиивілюон киИянАф нвниэн
-MU U019UH91AIMdU 39BhAU0 ХИЯВ1 HUtf ^ИЖВЭ -OBU UMH9hl91AI9d9U OJOHtfOXamaU IAI9MHK0100Bd
ілійтянэілійвн о iHBMdBa кэіэкйак ілняняйэі -Mihoutfadu ээиодивн эьвРве Moı/\i9B9MdiBi/\ıo -OBd a ‘daiAiMduBH иинэьвне хи ййнэтянэіліА Mdu U019B9MhMU99A BİHBMdBa 0ϋ0ΙΛΙΘΒ9ΜΗθΙ"Ι0 яюонеэиои йэйэівевяой xıadoıo^9H κυϋ
'901HBMdB9 ХІЯН
-жоіліеоа Э9ЮЭЖ0Н1ЛІ вн (х)?/ KMdaiMd» нинэь -вне ээтянэілійвн и ээтяиодивн - - :эй
(8) ‘(*?/ - - У) = QJ)d> ■U/Ч = (У)Л
daiAiMduBH ‘[/3 ‘93] ииИвєиивілі -doH имИянАф эіянйэнйй uoıoıuHaiAiMdu оныядо д otf o J-0 daiAiMduBH ‘xBuatfadu хіяаоявниРо а uoiutfoxBH ‘ouMaBdu явя ‘нинэьвне хи ‘iHHdaiAI
-eBdeag ииdэıиdя эіяннваоеййвілюон [93] яіва -oeMUBiAidoH э і АРиа Аїліоіліиавюоиоо я июэа -Mdu іэАРэйо MMd9iMd>| ииИвйшва MMhBdauo 10 ВІЯНАи OJOHhOaOHBlOO daiAIOH И KMH9hl9IAI9d -эй ojamau 9MHuoiooBd uoiaudaiAieM AiAioHeBd-ou эвьАио іліэтвн a ‘daiAinduBH іяивят aıaHeBd Я1Э1Л1И iAjoiai ииdэıиdя эвьАио ілюіїїдо g
■ fj ь^э^я
OJ-f вінэмЬйффеоя ojoaooaa эинэьвне - -а эй
ω \-jl=fru = wj)j
(9) ‘Jj!a^[W = (a\J)d
(9) =
\[LZ\ 9θиdθıиdя мяяіэаэ (l) ‘(9) иенаиївяииииіяиАїлі иии (g) ивнаиіиТОв uoi9UH9iAiMd|j [93] «кэіэваіяяіэаэ» і^э^я maHdoJoi99 Bdogiaa иьвРве UMHamad κυϋ
(tf 1 и BiogBd ‘lAiotf daiAi -MduBH ‘кинэжш^и βιοθιλι θıяннθжвdıя9 онаи кэіошілш вdижвooвu А) ıлıodижвooвu віянАи oj -OHhoaoHBioo иинваоеяиоиои віоювь -
!(оаюtfödo 90HidouoHBdı 9 ияРвэои эиоои эж AeBdo tfeaodu хэваиьвиио dижвooвu аэвьАио эаюнитяиод а ІвіянАи oj -oie о ииhнθ^J'нouoθddoя иoяodижвooвu вивьвн aıooHiuodaa этіяа ιλιθι ‘віэййд oJOHHod^aue ииИвРмива MMhBdauo я B0M9d іянАи иіяньоаон -візо эжиид ІЛІЭЬ Olh ‘ноіэвімьо) ииИвРмива MMhBdauo ίο віянАи OJOHhoaoHBioo daiAioH -
!(мяй:эои мэЬіоіАУэйо BUBhBH и MahıAtfıatfödu UMH9md99Be мілівіянАи MiAiıaHhoaoHBioo Айкэілі 9MHUoıooBd оаоУиия -аэ) мюониАюоУ монУохэтэи 9MHUoıooBd -
:(ииdθıиdя) мйэівевяой эйЬі
-OlAtföUO U0101UH91AIMdU τ+\χ В910ЭЖ0Н1Л1 901ΗΘ1ΛΙ -Эие МЯНЭИо HUh ЭЬВУве M01AI9B9MdlBlAI00Bd д
'ioiBioBd
-eoa HMHaihouhadu fc^иdθıиdя ojot^i^ иинэьвне lAIOlOOd Ο θ '1 ‘оняйэійжойой l9HB90dMlH9Md0 ииdθıиdя oih ‘яівіию іліэЬАд ?/ fc^иdθıиdя (мин -эьвне оаюэжонілі) вивят - ?Z яонэИо do^aa MiAiMhıoıuuaBiooo ‘(x)rJ = (х)г/С‘- ‘(x)lJ = τ/ί μίλι -fc^иdθıиdя/, ноіэвамнэЬо Т+^Аг»оЬ'еэои MahioiAb1 -эиоои и MahiAyiahadu яюоннвєнао вdижвooвu
MMH9hl91AI9d9U ЭЯЬОиэИ 9 0J01B ^ИЖВЭ
-ови эяУеэои M0H9UB9d іэАаюіэаюоо Miado^ ‘інэіліэйе aiMuahaduo uoıaAgadı эаюэжонілі !Ai9hıoıAdMiauAe9d д 'τ+\χ м τ_\χ аюэжонілі эин -ahaaeModu оао^вяэУ oie - ииhнθ^J'нouoθddoя иoяodижвooвu и-)/ laiHBMdBa эіянжоіліеод
Рисунок 6 - Расчетная схема пешего движения
тассажира между
остановочными пунктами прибытия и отправлении Источник: оставлено авторамт.
Ғрям 6- Schетя eetimuted passenger walking distsnce between а1виопд utepping иоіиt ans eoxt bnarding one i^tui^su: порріїесі рр tOe nothorn.
Таким оВразовв, имеетсв / еааиантоа Х\+а свяіанаости k-S c дП1дЛ пассажирр/ой аорре-длбнденцло. Предпоотид-льным яоаяетея во-Вйаат, ь меязщий ильабаьшел ;5н^ь(=іии^в сгрегвв рованатго кріиьиїті/ія (испоштз^тся ^ддіттиви^иі свера дд критериев):
ΚΣ = V;<p(zf) + νηφ(ηΙ) + іо,<а(мв) =P max, (а-)
гдя г?;, np/t, к?,,, -и ьтсв^ критавнти P10B, (1(), (12).
Задача определения значенийвесовыт коэффициентов критериев 17;, χ, TL7vl7 KOTO-вын обуьловлирают выбор маршрутных аао сажирских корреспонденций, я^<^рэмйр)уігем^іх из валидаций электронных проатдных баяетов. Очевидно, что результирующим ЫНТЖРОРВа деежно зоотзетствовать /тнярслснап аано-nBKM^c^ii тиссажиров асив^^оакенным трщ^(^іси^‘^с^и^. Оцекву иыли^^^вонтов /лнераль-о^/^-Ы ысвоьсзноытиСуиим отдществлять по раз-оиье МИЖИК іи^зкрськтсрь^и У; О = 1,z) o рас-четнымо /; (νι, νη, vw) (і = 1,ζ) тат>^отихсха
стат^>^ітатктх СТООТТВ. В СООСНПРСРВИИ C IVIPSOa
дом наименьших квадратов2:
Σ Є;2 = Шу; - fi О;, vn, vw)]2 = min. (14)
Необлодимо определить минимум функции (14) по переметоым счаемых ^омХіьТі^і^і^Оінг тов гуглим/. Для решения данной задачи нахождения безусловного экстремума функции нескольких переменных применяются численные методы3, например покоординатного спуска, градиента, наискорейшего спуска, сопряженных градиентов и т. д. Существенное значение имеет вопрос наличия локальных экстремумов, для выявления которых необхо-димопровестиисследованиефункции(14).
Алгоритм расчета пассажирских корреспонденций электронного проездного билета. Формирование пассажирских корреспонденций из операций валидации электрон-οι ыхделетон пістдтолаоает тс|тххоткд .яльшнж данных: десятков миллионов операций валидаций электронных билетов и сотен миллионов навигационных данноїх. Для такопо віао-сива информации применяются современные уемвдаоноха системы управлеосе биаамai даетиіх ьСУВД, а ннстттщей раРаве вепольну-ется МО SQa S^rp/а^о.
Іхрсчіет ноаа^>кігрс.<Р)а н(-|:)|эетіпондб^мі^еій есь стоитизследующихэтапов:
Этап Ж Форттиоовансе трактори и дво-жехоя трамыпоятиых сриОств оес^е?<ятті^яет-ся /із нвоагаїкюонньїх оомоепь н^ист^тімізі яшуоно-ктноннгаЕїотіатиа ні аоотеетстыаи свыфажениет (Р- Для еяждого саткваартното с|эедстваі по-стедством языка SQL4 выполняется запрос, pтализвющир ^ы|т<а>сетве (хк. Ия мвежйпт^а итаиттционных ттеетск твібйраютоя эловіен-тізя кс-пазы ясмsдттко с нонх тстановонные пунктов обссряиваемоьо ммршрдза (оМі рви смнпк 4). Тха-сприя двлсоеві^^ омснкпс-іетяы)-СЗеьїЯ^тГ^ЕЇ OΠИOЫTТOИMT СРЄДуЮЩОМ peЛTЦИаТ-НЫМ ОТьОШЄЯРЄМ,
UÇA, Ті Цф, AT, Mk, ЛО'"): (15)
где T-времянавигационной отметки;
A -транспортноесредство;
Mr, Mk - номер маршрута и направление движениясоответственно;
W -остановочныйпункт;
М1 - номеростановочногопунктаврейсе.
2 ДжонсонН.,ЛионФ.Статистикаипланированиеэкспериментавтехникеинауке:Методыобработкиданных.Пер. сангл.М.:Мир,1980. 611 с.
3 ПрокопенкоН.Ю. Методыоптимизации: учеб.пособие/Н.Ю.Птакопднко; Нижепор. гос. архитектур.-строит. ун-т. Н.Новгород:ННГАСУ 2018.118α^ΒΝ978-5-00Η-)ΚΤ8Ρ-3ι
4 SQL -structuredquerylanguage,язык стртодоиророннот тнпрысон, ντπρο^τοττοΝ тхсн с>агнкамир>аанся, п-име-няемыйдлясоздания, модификациииуправлкоия др-хоіто х cятяaт>нпоT Н^ВД.
То--10, №т.ко2т Vol.19, No. Ο ТТЫЫ
ΖΖΟΖ ε °Ν ‘61. Ί°Λ
ζζοζ εοΝ ‘61. И01
leujnop Aj}snpu| Лемцбщ рие 9||qoujo}nv uejssny эщ Mt/V9HO мин±оэд ZZOZ-POOZ ©
οδε
Іииіївїґмива MMhBdauo 0оів»йфйінэЬ'й - j ай
(i-г) ‘(ı‘vı‘vM‘r,ı‘r,M\M‘.ıM‘aî)d
ιλιθμηθγποηιο
іліонноиііьивсі коюшаїяоиио Bisdoıo» ‘віаиид 0J0HH0di>i9Lre MMhHatfHouoaddo» аиж^ижвээви 9i4HiAdmdBiAi кэю^мілюоф giBisuAegd g
'йілпяніоэаей ко
-ıcHBiMho мл ‘ил ''a aandaiMd» воэд ^ижвээви »οϋεθου и-ı,+>f BUBhBH іянАи и и->/ кинапйаавє іянАи boi9BdMgiaa снинэьвне Аїлютяиодмвн 0J9 ou и MMdaiMd» maHHBaodMjadJB коіэваіяійьо -OBd τ+\χ ваюэжонілі вінэіліэйе ojoIMb» uutf (91,) ı/\i9MH9>KBdıaa o ййаюіэаюоо д ппїіндд -Houoeddox xn>ıodn>Keooeu шэьэе^ £ иешє І/^ИЖВООВи ВІЯНАи OJOHhOaOHBİOO иинваоє -яиоиои вээа oJOHauatfA и ииЬвйшва MMhBdauo ίο віянАи oJOHhoaoHBioo BdaiAiOH ‘MiooHuAıootf ионРохэтэи uMHuoiooBd lundaiud» oJOHhOHaho OJahıoıAaıoıaaıooo эинэьвне - мФ'иФ\Ф эй
(ОЗ) '(мФ'иФ\Ф'ї)Ф
:іліэйнэтоню ілпянноиЬ -uuad lAinhioiAtfauo laHauaBiotfadu aıadoıo» ‘(z\) и (ІЛ) ‘(Ol·) иıлıfc^инθжвdıя9 о ййаюіэаюоо а аэ -Md9iMd>ı хіяньонэЬо кйнэьвне uoıoiBaıaiMhooBd τ+*χ ваюэжонілі вінэіліэйе ojo^kb» κυϋ '9'2
■J+,IM ‘чм
иілівіянАи Айкаілі aMHUoıooBd оаоРиияаэ - Л
ІййЬвйійва M9MhBd9uo и-|,+)/ tfadau 9iAdmdBiAi a OJOHнθжououoвd ‘віянАи OJOHhoaoHBioo о^тивжиид daiAiOH - л+1м
ІимИєРиива MMhBdauo и-)/ эиоои 9iAdmdBiAi а OJOHнθжououэвd ‘віянАи OJOHhoaoHBioo OJθmивжиug daiAiOH - їм
Іоннэаюіэаюоо ииЬвЬ1 -иива MMhBdauo и-|,+)/ м и-)/ AıAdmdBiAi ou aonad а віянАи OJOHhoaoHBioo daiAiOH - л+1м ‘їм
Іоннэаюіэа
-looo миИвУиива MMhBdauo м-(,+)/ м м-)/ віянАи OJOHhoaoHBioo doıв>ıиφиıнθ^J'и - ^+пм ‘пМ
Іоннэаіоіэаіооо ииЬвйшва MMh -Bdauo и-ı,+)/ и и-)/ doıв>ıиφиıнθ^J'и - Λ+\ι“\ι
İBiHBMdBa doıв>ıиφиıнθ^J'и - χι эй
(61.) ‘(л ‘л+1м ‘л+1м ‘л+*м ‘л+1і ‘їм ‘їм ‘*м ‘h ‘Xi)x
:іліэмнэтоню lAiiaHHOMhuuad іліийої -Atfauo ноюшаїяоиио aodoio» ‘ияУеэои (и-(,+>/) мэйоіАУэйо BUBhBH иілівіянАи о мяУеэои (И-)/) мэйАяэі UMHamdaaBe аоіянАи τ+\χ июонєиао aoiHBMdBa xiaiAmioAuotf оаюэжонілі uoiaAduiAi ^оф (g) ıлıэинэжвdıя9 о ммаіоіэаюоо g zz
ииЬвУии
-ва MMhBdauo и->/ нинаниошяа mAiada - зла
İBaıotfado oJOHidouoHBdı oj-”h нинажиаУ MMdoi ->i8Bdi иояоаьиіявф нинатоню жаюіоя - Di ой
(81·) ‘OU z> юл ‘j ,5,э > i ·Όι ‘.(j ,üi)xüuî
ииЬвУиива
MMhBdauo auoou іянАи міяньоаонвюо Miaadau
(Li) ‘vu з юл ‘.j 'чэ < j ·όλ :(з
ииЬвУиива MauhBd
-auo hadau іянАи міяньоаонвюо иитивжиид iMMhBhMUBa MMhBdauo имнаниоиіяа MHaiAiada ou Baıohado OJOHidouoHBdı MMdoı»aBdı моюаь -иіявф ем uoıoıuuahaduo 1^м и 4ім 1^м = 1^м ‘аіянАи lAioHhoaoHBioo вн внаниоиіяа миЬвУии -ва HMhBdauo миод Цм => τ+Μ) τ+Μ ияьоі ион -нвУ auoou віянАи OJOHhoaoHBioo ojoadau и ‘Ya віаиид oJOHheaodu ииЬвУиива иояьої tfadau OJOHнθжououoвd ‘(їм => τ~Μ) τ~Μ віянАи ojoh -hoaoHBioo OJθmивжиug aMHauatfaduo VZ :MMhBdauo хийоїАУаио ем іиоіооо z иві0
ияУєаои (м-ı,+>/) май -oiAhauo BUBhBH иілівіянАи о ияУєаои (и-)/) иай -Аяаі UMHamdaaBe аоіянАи τ+\χ июонєиао аоі -HBMdBa хіаїліміоАноУ оаюажонілі fc^oıθAdиıлıdoφ MMhHatfHouoaddo» ио^ижвоови (и-)/) иайА» -ai Kutf (t7) ıлıэинθжвdıя9 о ииаюіааюоо д
(і, аивіє вн иoннв9odиıлıdoφэ) ваю -hado OJOHidouoHBdı нинажиаУ MMdoı>ıaBdı ем ноіаваииавнвюА aodoıo» \шлр AıAdmdBiAi ou иинажиаУ lAiaMHauaBduBH uoiauuahaduo чшлэ вdижвooвu ияУєаои onad '(ж'э) BiAdmdBiAi daiAioH наюааеи ииЬвУмива MMhBdauo επ
(ииЬ
-вУмива HMhBdauo м-ц) цэ мий
яв» иоіавьвнєодо madoıo» ‘иинатоню жаі
-do^ oie - ваюажонілі οϋΟΗΗΒϊτ1 інаїліаид
ваю
-tfado OJOHidouoHBdı doıвяиφиıнθ^J'и - γ
Іоннааюіааюоо нинажиаУ aMHauaBduBH и BiAdmdBiAi daiAioH - чм ‘Μ ІииЬвУиива MMhBdauo uiAiada - χ ‘.j віаиид oJOHtftaodu oJOHHodı^aue ииЬвУиива MMhBdauo doıвяиφиıнθ^J'и - „/
iMiAiBiAgndiB о
(91·) ‘(V\M\M‘l‘}I‘ol)3
:іліаинатоніо
lAiiaHHOMhuuad lAinhioiAhauo ноіаваїяоиио aodoi -0Я ‘ииЬвУмива MMhBdauo оаюажонілі онюаа -гм віаиид oJOH^aodu oJOHHodı^aue кир
ияУєаои (и-ı,+>/)
иайоїАУаио вивьвн иілівіянАи о ияУєаои (и-)/) иайАяаі fc^инθmdθ9вε аоіянАи τ+\χ пшоонеьэо doiUHendes хіяімпшоАиод шэьое^ 'Z иешє
Mr,Mk - номер iTi^ı^LupıyTcî и Нсіпрігзвілтт: e движения -оорметртвенно;
wa, IVе1 - идемтефнкетвр оетаноЕ^ві-нсово пункта оачала и ;^авіе|но^еоия г^<^(^(^!^:ол|эткок^ к-оряяпоо,незні-(ии состтетственно;
Г“, Td - время начала и завершения пассажирской кярреспооданцеи ооооветственни;
L -длинам) |эреспонденции.
Длина паосажарской KO|3f)ecnoHK(pm^ı^H рассчитывается кск сутма дл^н песокорев енежду пунктами нрарла у епорічіїїнійя ктірінн^спртден^ ции в соответствии с реїЇсом сранссйртноо-средства. Время нааалн и равершерия πορο респонденции onTa,ii6)eTi^TC^ ид факяичесннС траектории движения тссвтпсртнткс сиирсена.
Как упомвсв-са-сн сошн, сеиссжвр можсс выполнять поездпи, котоіаїзіе пе фнксссуотсн в операция>а і^а^і/і|ДТцніс нлосфонносв (Зи^^'ин, например тессв ЕВ сто и дл^нес ідис|вь.івдд^и‘^т цепочка поездокпо нояїзо'|соннтсес (Зилс^Е^у, некоторая часть операци° ^^лкидкщии оятсетат неинтерпретировапсв.
Этап 4. ^(мет со^саЬ^сД^иі/кеттов белолте-ровки для дчетт напнтен и реи-роса сн ніт паа-сажирских кoppecвoидснциИ.
Для каждой есинненпретнрованноП п^н-сажирской πртpлτπ0ндєдцид нзвнетна сочна маршрута 0сртлцвш ε3ΚΙηβι-βηιι4οει эниттаои но го билета. Расапп едτφφπдиеийOн бн]пснсовтттт осуществляется ц^в^<пдоі из чиела топЕіавлні^і^і-пассажира в рамкао тсцнRтopτнoıΌ етнт нс (transportatiре analysie еларт, ТАДс рaoосции валидации. Расчет коэффнциентов балансировки произаодитсс,гіеи п^;Е<к^o^ί неинтерост-тированной спасояно ига.пндгэе.ии анод-оющес образом:
4.1. Рассннтаїваттст чссло отченелeниiα еа и прибытий И πтRPTжедтκиx κoppeπoндведий по транспоитннму pиЧент осерации валидации, определенному радиусом, равным расстоянию пешеходной доступности Lp.
4.2. При расчете коэффициента балансировки учитывается условие, в соответствии с которым число отправлений пассажира из транспортноно райопа должно соответствовать числу прсбыпий, т. е. η“=η.
Коэффиднеот балоосировки определяется для интерпретированных операций электронного проездного следующим образом:
Фс t <0 ^;ее:Г'£^^;і|яі?^а < cKSik-cPc·!) < ір,
Фп 1:3 ФО +T0,РΠЛИOLP < ^Οο^20) 2 V (23)
0k T Тр-р.етлист T 2 LB
Фк =к о- + цp-|HΠлиkгa t иг“0^^· іИ 2 LP ’
есл о иТРР и -Сто l
г;ес<^ ф" - тосещее зотчтı-ıио коэффициента тт еснси'Э^вки К-к κс|:)|:еE-Pнoпр^трıLTоп ецeтоаoйиOк ас билеис (із нсчсле н>^счіета нДВ ас дф;
са д і^олсі-і^сті^о код);:)^ч:^оид^н1пейэлек-тросного Твлес^ н вачінлізныя инжетоті на дее стояние пеше:хо^пноіТ .гноступности ти efc;
и.12 - кoеиoeтайC ктдреспондснтеЦэлек-тронного бинтна н консчныл нснсчся то тес-стоянии псшехоантИ .гс^сі'^^^ості/і (Τ' е-;
l(ek,pk.ia) расстояние между точкой валидации ек и остановочным пунктом pk.ia (евклидова длина прямой между остановочными пунктами).
В соответствии с выражениями (22) - (24) каждая неинтерпретированная валидация балансируется через интерпретированные операции транспортного района следующим образом:
- число отправлений увеличивается на 1, еслиприбытий na больше,чемоправлений nd;
- если прибытий меньше, чем отправлений -на 1увеличиваетсячислоприбытий;
- если na=nd, число отправлений и прибы-тийувеличиваетсяна0,5.
Для случаев па=0 или nd=0 коэффициент балансировки рассчитывается в рамках маршрута при расчете удельного веса поездок по электроннымпроезднымбилетам.
Этап 5. На основании маршрутных поездок (21) выполняется расчет сетевых корреспонденций. Алгоритмрасчетаприведенв [23,25].
Определение спроса на общественный транспорт. Транспортный спрос представляется в виде матриц межостановочных маршрутных (ММК) или сетевых (МСК) пассажирских корреспонденций5, которые формируются как некая усредненная модель потребности населения в передвижениях по транспортной сети:
5 Online TDM Encyclopedia - Sustainable Transportation and TDM [Электронный ресурс]. Режим доступа: https://co-dot.gov/projects/i70mountaincss/assets/docs/pdfs/online-tdm-encydopedia-sustainable-transportation.pdf (дата обращения 21.05.2022)
Ç = INI; м і = 1.n' (215)
где T - количество передвижений пассажиров, совершаемых за интересующий период времени меж=у ПуНКТЭМ= İJ.
Рассмотрим порядок определения ММК из 0ПЄР5ЦИЙ ОЭЛЫДаЦИИ ЭЛеКМрОННЫХ билето в. При расчете ММК необходимо учесть удельный вес поездок до ЭЫМаирДИ5ЫМ Дииеддм и нераспознанные опеыэмии В5лэдацир. Эасчлт КОЛМЧЛСЭИД моеидок МИЭДУ ПуИКТЫМИ и ДСу-ществляется следующимобразом:
Pfc.mr=т
где фк, - коэффициент балансировки k-й пассажирской корреспонденции, посредством которого учитываются неинтерпретированные операции волидации (фк> 1);
pk.ia, pk.id - пцнкп отправлеіия и пр^і^П^і^іті^їи 0-ık пассажирюко0 к^рі|вкк:^пон)^еіиіоии влотвини ствлнно;
-п УДЛЛЬНЫІ ВНС пепепсппок по нлпк-тнпнным билетам по m-му маршруту [28] ( 0 < < < 1-·
< = (Qm-qm)/Qm, (27)
гдо, вр'т^ Qm - количество пассажиров, перевезенных по электронным билетам и общее
количество пассажиров m-го маршрута соответственно;
qm - число несбалансированных неинтерпретированных корреспонденций по m-му маршруту.
З.Практическая реализация.
Апробация рассматриваемой методики осуществлена по данным системы общественного транспорта г. Красноярска за апрель 2019 г., предоставленных МКУ «Красноярскгортранс». Эта информация использована в работах [23, 25] с описанием предыдущего варианта методики мониторинга спроса общественного транспорта из валидаций электронных проездных билетов, что позволяет объективно оценить эффективность нового варианта методики.
МКУ «Красноярскгортранс» в формате СУБД MS SQL Server предоставлена следую-щаяинформация:
- навигационные данные спутникового позиционирования транспортных средств (та-блица2);
- описание маршрутной сети (таблица 3 и
4);
- операции валидации электронных про-ездныхбилетов(таблица 5).
Объем данных: 144 млн навигационных отметок системы спутникового позиционирования и более 6 млн операций валидации элек-тронныхбилетов.
Таблица 2
Фрагментнавигационныхотметоксистемыспутниковогопозиционирования, где Lat,Long-координаты(широтаидолгота); V-скорость транспортногосредства
Источник:составлено авторами.
Table2
Fragment of navigation marksofthesatellitepositioning system, where: Lat,Long -coordinates(latitudeandlongitude); V-vehiclespeed
Source: compiled by the authors.
A Mr T Lat Long V
ЕВ687 64 20.04.2019 5:15:19 56,04376 92,783055 7
ЕВ687 64 20.04.2019 5:15:29 56,04374 92,782662 10
ЕВ687 64 20.04.2019 5:15:39 56,04387 92,78243 9
ЕВ 687 64 20.04.2019 5:15:49 56,04395 92,782273 6
ЕВ687 64 20.04.2019 5:15:59 56,04405 92,78205 2
ЕВ687 64 20.04.2019 5:16:09 56,04419 92,781848 7
ЕВ 687 64 20.04.2019 5:16:19 56,04432 92,781655 7
ЕВ 687 64 20.04.2019 5:16:29 56,04441 92,78137 7
ЕВ687 64 20.04.2019 5:16:39 56,04433 92,781105 7
ЕВ 687 64 20.04.2019 5:16:49 56,04418 92,780775 8
***
Таблица 3
Фрагмент списка остановочных пунктов, где id - идентификатор; Nm - наименование; Lat, Long - координаты (широта и долгота)
Источник: составлено авторами.
Table 3
Fragment of stopping points list, where: id - identifier; Nm - name; Lat, Long - coordinates (latitude and longitude)
Source: compiled by the authors.
id Nm Lat Long
25 Школа (ул. Судостроительная) 55,982063 92,833626
27 ЛДК 55,983582 92,883812
29 Студенческая (ул. Свердловсквая) 55,983150 92,879295
32 Художественное училище 55,981358 92,862823
33 Хлебозавод (ул. Свердловская) 55,980495 92,856873
35 Юбилейная (ул. Свердловская) 55,979836 92,850945
37 Октябрьская (ул. Свердловская) 55,978786 92,841217
39 Станция «Енисей» 55,978127 92,835556
41 ОАО «Красфарма» (ул. Свердловская) 55,976963 92,820518
***
Таблица 4
Фрагмент рейсов маршрутов, где L - длина перегона; LΣ - накопленная длина с начала маршрута
Источник: составлено авторами.
Table 4
Fragment of route trips, where: L - the length of the section; LΣ - accumulated length from the beginning of the route
Source: compiled by the authors.
Mr мк М' W L LE
10 A 8 66 0,2644 3,0087
10 A 9 95 0,2760 3,2848
10 A 10 116 0,4940 3,7788
10 A 11 118 0,8018 4,5806
10 A 12 120 0,5833 5,1640
10 A 13 122 0,4393 5,6033
***
Таблица 5
Фрагмент операций валидации электронных проездных билетов
Источник: составлено авторами.
Table 5
Fragment of e-ticket validation operations
Source: compiled by the authors.
1° I’ T Mr Mk A
13119511 100010324 10.04.19 15:34:46 58 М 931 КК
13119512 100010324 10.04.19 17:23:06 95 ЕВ 512
13119513 100010324 17.04.19 15:09:36 85 ЕЕ 183
13119514 100010324 18.04.19 9:23:22 61 К 119 ОЕ
13119515 100010324 23.04.19 8:51:17 61 К 721 НР
13119516 100010324 02.04.19 17:58:22 95 ЕВ 986
13119526 100010324 12.04.19 14:41:06 95 ЕВ 988
13119527 100010324 14.04.19 14:49:29 95 ЕВ 976
13119528 100010324 18.04.19 10:18:40 94 Х 724 НХ
***
Примечание. Направление движения по маршруту Mk определяется в процессе расчета из траектории движения транспортного средства (таблица 7).
Разработанная компьютерная программа расчета пассажирских корреспонденций из операций валидаций электронных проездных билетов состоит из основных разделов, представленных в таблице 6.
Фрагмент фактической траектории движения транспортных средств через остановоч-
ные пункты обслуживаемого маршрута (этап 1 расчетов) приведен в таблице 7. В расчетах использован радиус зоны остановочного пункта 175 м, если интервал между навигационными отметками больше 30 с, и 100 м - при меньших значениях интервала.
Таблица 6
Разделы (подсистемы) компьютерной программы расчета пассажирских корреспонденций из операций валидаций электронных проездных билетов городского общественного транспорта
Источник: составлено авторами.
Table 6
Sections (subsystems) of a computer program for calculating passenger correspondence from the operations of validating electronic travel tickets for urban public transport
Source: compiled by the authors.
Раздел Описание Ввидя рвтгтиа, ч*
Этап 1 Феттимивтние Мтнге1ecκoйτpaeκвuм-итuпжsния чвтнспплвчыи -ргвитв в
ченеи оптазчсоюыс мпнкхы oeл-ıлжиuвамoгч маршрута
к
Этап 2 Дннлχuомниe дглумесмзіх вчвтнчлхвсвпзилртп -^fc + i ирнκлвчsирeрτинря 50
тек-щзй (Ос} і^Е^^зе-^с с пунсмемх ынeaеa(дыτyющeй -к+1-й)поездки.
Расчет оценочных показателей
Этап 3 Расчетпассажирских корреспонденці й 5
Этап 4 Pлкнeτтoкφ<Cтезxзuчн ыитансировки, дляучета неинтерпретированных 4
п^нк^>^идих^к стрреспонденций
Этап5 Раичхв сютсвых гвлсчжиртсип 1oppeиπsнмsчнвт 5
Примеч ание. ‘Ориентировочное время рассматриваемого тестового примера на компьютере In tel Core i7 2.80GHz,Om6,0МИ, Windows 10 Pro.
Таблица 7
Фрагмент траектории движения транспортн ыхсродств
Источник: составлено свторами.
TaUle М
Fragmentofthe vehiclesmoveme nt
Source: compiled by the authors.
A T W мг мк М‘
3 21.04.19 12:16:00 335 6т р A 19
3 21.04.19 1216:00 336 6 вр B 11
3 21.04.19 12:16:10 335 6 вр A 19
3 21.04.19 12:16:10 336 6 вр B 11
3 21.04.19 12:16:10 335 6 вр A 19
3 21.04.19 12:16:10 336 6 вр B 11
3 21.04.19 12:16:10 335 6 вр A 19
3 21.04.19 1вТ6:10 336 6 вр B 11
***
В таблице М прюседеи фіэавмент допуи птевіріх ваіееантов сдявеотти -Х^+^ пунктом заееіишения токещей Лс-й) поездки и тактами макала следующей (ид1-у) тоездпи, иеве-ченмых л дееуллтнсе 2-ГЛ ХОДа раСЧЄДО. ДЛЮ каклдвно ВЮрТсиОТМ сгезномро исущиствляется расчет оценочных показателей (таблица 9).
При извесуде.х аесотых ксрффиучснитс -2 у,
У ІРИТ^С^Т)И^Г^Т^^-^Ї^І^|ИВЬ ИНМТ)|ИХЛР-Т1н ТрТТесиТ
<уІ, по наибельшеме видисмию гтиарогт осу-^уоритстиир выЛое вттвмтот СРТПУОеРИ х£+1 цепочки поездок по электронному проездному билету и на этой основе формируются пасса-жирскиекорреспонденции (см.рисунок5).
РоС 19, Ти e. 0Л22 ТЫ. )1i No. e. 2ем2
Таблица 8
Допнстимые оа^инооі олезаотте Xfc-Fi т^ктое завершения текущей поезмки
с отжигами пие аея сларую ітіей ееея°ее (фрткмент)
Истичвик: мосиитовно ивит.ирм.
OonaOOe o|3tions far sonne+ting ЄЄц+і tSe oligating (ciete ol7 cu-rent trig
witb ttıe bnanting eoieSe of the nnnf trig (Otagmeıt)
Source: coıcmilcm by the authars.
JV Iv
Iх lk Mb К Mk 'т+т Wfc+i ^4+1 +4+i LV
29030 13119546 741 29 9 13119524 742 30 30 0,04
30029 13119546 743 30 9 13119524 744 29 30 0,05
28030 13119546 739 28 9 13119524 742 30 30 0,45
31028 13119546 745 31 9 13119524 746 28 30 0,04
30030 13119546 743 30 9 13119524 742 30 30 0,59
32028 13119546 751 32 9 13119524 746 28 30 0,24
32027 13119546 751 32 9 13119524 752 27 30 0,07
31029 13119546 745 31 9 13119524 744 29 30 0,53
29029 13119546 741 29 9 13119524 744 29 30 0,55
***
Таблица 9
Результаты расчета значений оценочных критериев (фрагмент)
Источник: составлено авторами.
Table 9
Results of calculating the evaluation criteria values (fragment)
Source: compiled by the authors.
Iх Ф1 ФП ФW ΦΣ
29030 0,96 1,00 0,03 1,98
30029 0,95 0,80 0,00 1,75
28030 0,55 1,00 0,03 1,57
31028 0,96 0,60 0,00 1,56
30030 0,41 1,00 0,03 1,43
32028 0,76 0,60 0,00 1,36
32027 0,93 0,40 0,00 1,33
31029 0,47 0,80 0,00 1,27
29029 0,45 0,80 0,00 1,25
33026 0,97 0,20 0,00 1,17
30028 0,51 0,60 0,00 1,11
31027 0,71 0,40 0,00 1,11
32029 0,29 0,80 0,00 1,09
34024 1,00 0,00 0,00 1,00
***
Для расчета пассажирских корреспонденций требуется определить значения весовых коэффициентов vt, vn, vw таким образом, чтобы результирующее множество поездок пассажиров, полученных из операций валидации электронных проездных билетов, в максимальной
степени соответствовало генеральной совокупности поездок общественным транспортом. Оценку параметров генеральной совокупности будем выполнять по результатам натурного обследования пассажирских потоков.
ДанЕые евтиматизировантого учета получены от МКУ «Красноярскгрртракс». ВыРо-рочноа обследтвание прссажирокотоков гсо 5 матшрутоп осущеетвлесо в агсреле 2019 г. (в ЕТ|ТИОД, ЗУ ГОРОрыТ Пу)ЛИЛЕЗЄстЄНї^ ОпрлОоТКа валидаций проездцыхбогвлтвО Учет ооооожо-ріоп аыиолиот и алпольиобгогом пп-ацг^ллаого оЛооугрпонио, <9;іеіотзтбоооазіноі2) е іоабспзрн-Ht^ix сподотвох. Объял дэеоых сосвавляио Злг леп ЛО1 две, Тйісісісіжуіэоіз, оОолодоваио €5(ХИ>ЇЗ ОсВооз.
-ОХ;)СЗ(:)і\пп|:-о^€эа[ дто выЛоркт моршодкопід пасбігжзхюкох корцогпондЕногР: окі B0J^2,iia6rıO хл-їитоиоіизві Овлетоо (выУопка Т- а вотуопо-го рбУлорс>равдо иотсажилепотсжои СвиїТохка 2): ЕГ оопоотко препеели ооотвототвво дл^юіг^х: ипіВ5з^|оак росомотсиаеоисо пводоат рапниоы Одолвчогб вито тходящух в идлрерщпл ипвхо-ЖОДЛо р>п ООТОТОООЧВВІХ ЗуПИТаХ МСХШруТОЗІ
FОд-Vn.yw) = ΣίΣ/οΣ7(<ΓΓχ· - <вцР)Г =° 1-0 -2011
оде оди Чіо ο ххосо>тоіп аео входящие івхої овіходящод оопсажтвхл па д-г оотаиовочном пункте k-го направлаів-іп в-то мапшрутв, 0090-делениый из валидодкИ элеочаоивыд оилапоз и натурнога иЛ-ледоваток п;исс;г^>пппс;кю^ потом ковсоотповховевв^
Таким обиоиьх, оеаЛбОдихо дхтооивиоо ми-
ПТОИОІ ффИКДИо -ЗпЦ 00 П0|ХРМЄНИВІМ ВОХОвХіХ тозффиікиовтов кап пгоЧ-і ΙΌρϋΟΒΟ,οί^ιο осслодо-пание функции (32), х-тх лко-о одоадото грт-фик В9ΒTPИйOXTИ BИЛΠРBBВ фуОО°Ио вп пеоок митною гкРп.хи/.
Как упоминалось выше, расчет пассажирских корреспонденций осуществляется на основе допустимых оориантов свозиатои оув-ктов завершения тетцщо0 по^в.о^'і о ^^нт^оои начала следующей пооздки. Дли аерладовп-ния функции (28) этап 3 расчета пассажирских корреспонденций выполнаотоя иди ротото-ных значениях пеОЛМеНВЫД ИХ^.гр,, которые варьируются от 0 до 2,5 (см. таблицу 10, рисунок 7).
По результатам проведенного исследова-нияможно заключить:
1. Точка минимума функции - это v=1; vn=1; vw=0. Значение интегрального критерия вточкеминимумасоставляет0,203.
2. Наибольшее влияние оказывает фактор расстояния между остановочными пунктами завершения предыдущей и начала следующей поездок (v(). При исключении данного фактора v=0 критерий соответствия пассажирских корреспонденций из валидаций электронных билетов генеральной совокупности поездок ухудшается в 2 раза по сравнению с точкой минимума.
3. Номер остановочного пункта от операции валидации является вторым фактором по влиянию на критерий соответствия пассажирских корреспонденций генеральной совокупности. При vn=0 критерий соответствия ухудшается на75% (с0,203до 0,355).
4. Функция (28) не зависит от оценки частоты использования остановочного пункта (см. таблицу10).
С использованием полученных значений весовых коэффициентов vt, vn, vw выполнен расчет пассажирских корреспонденций. Сравним полученные результаты с предыдущим вариантом методики [23, 25], который будем называть методика 1, в отличие от методики, рассматриваемой в настоящей статье (методики 2). В таблице 11 приведено распределение операций валидации электронных билетов по дням апреля 2019 г., количество интерпретированных операций по обеим методикам. Из таблицы видно, что обе методики обеспечивают определение практически одинакового числа пассажирских корреспонденций: удельный вес интерпретированных операций составляет порядка 65%, если исключить три последних дня периода. К концу расчетного периода имеется тенденция снижения удельного веса распознанных операций, что объясняется отсутствием в базе данных операций валидации следующего месяца, связанных с поездками текущегопериода.
івшпор Aj}snpu| Аемрбщ рие 9||qoujo}nv uejssny aqj_ l/IÜV9HO мин±оэд ZZOZ-POOZ ©
ZZOZ Є °N ‘61· Ί°Α ΖΖΟΖ εοΝ ‘61- w οχ
ζβε
sjoq}ne эщ Aq рэ|юшоэ :aojnos
sajqeuBA ud ‘‘a uo (gz) иоцэищ эщ}о ээйэрйэсіэс -/ avnfiy Hwedo±ae онэиаеюоо :минпо±ои
"а ‘‘а хічннэі/йэсіэй шо (gz) ппУіннАф яшэоіліпэпвед - / хонЛопу
εοζ'ο 0=“d '.i=“a ‘i=a :NAwad±ox0
IOZ‘0 9‘Z
ioz‘o LZt 0 Z
90Ґ0 61.3Ό S4
ΡΟΖ‘0 P0Z‘0 P0Z‘0 !
9ZZ‘0 91Ґ0 s‘o
εοζ'ο εεε'ο 9ZP‘0 0
(χ = ua‘ı = >алм\a)J (χ = "Υιΐχ = >a Au\a)J (χ = "Υιΐχ = “л л ‘a)J 'Ч.
sjoq}ne aq} Aq рэцсішоэ :aojnos (ZC) иоцэигу jo sqnsay
01- 3iqe_L
nwedoiae онэиаеюоо :минпо±ои (8Z) ииРхнАф винеаоУэиээи iqieiqiiAcad
0 А еУтиде±
II IHVd
IcdOdSNVcdl
Таблица 11
Результаты обработки операций валидаций электронных проездных билетов общественного транспорта г. Красноярска (апрель, 2019 г.)
Источник: составлено авторами.
Table 11
The results of processing validation operations of e-tickets in public transport of Krasnoyarsk city (April, 2019)
Source: compiled by the authors.
День Обработано валидаций
месяца Всего Интерпретировано (методика 1) Интерпретировано (методика 2)
Кол-во Уд.вес, % Кол-во Уд.вес, %
1 238789 152391 63,8 155108 65,0
2 253128 163643 64,6 165786 65,5
3 250250 163477 65,3 166549 66,6
4 253132 162679 64,3 165500 65,4
5 252721 160034 63,3 162598 64,3
6 164948 101464 61,5 102695 62,3
7 124539 77113 61,9 76973 61,8
8 238016 155675 65,4 156684 65,8
9 248460 163578 65,8 164200 66,1
10 247446 161197 65,1 162488 65,7
11 247844 163009 65,8 163103 65,8
12 242969 158770 65,3 158524 65,2
13 155113 101079 65,2 101240 65,3
14 116213 76060 65,4 75782 65,2
15 238363 155945 65,4 155781 65,4
16 255730 167073 65,3 166747 65,2
17 257936 168971 65,5 168661 65,4
18 239022 156863 65,6 156908 65,6
19 232266 149428 64,3 149298 64,3
20 160447 102859 64,1 102516 63,9
21 129981 85581 65,8 85938 66,1
22 241130 156714 65,0 157424 65,3
23 259047 164047 63,3 166277 64,2
24 235845 151504 64,2 153254 65,0
25 243887 156387 64,1 158725 65,1
26 235609 147355 62,5 149348 63,4
27 139348 85765 61,5 86398 62,0
28 116055 69071 59,5 69318 59,7
29 216090 125869 58,2 126819 58,7
30 231156 88322 38,2 85910 37,2
Σ 6465480 4091923 63,3 4116552 63,7
Как упоминалось выше, в методике 1 началом пассажирской корреспонденции считается остановочный пункт, предшествующий операции валидации. Это не всегда соответствует практике, пассажиры до оплаты поездки могут проехать одну-две остановки.
На некоторых маршрутах принято собирать плату за проезд перед выходом пас-
сажира из транспортного средства. В этом случае остановочный пункт перед операцией валидации является завершением пассажирской корреспонденции. В методике 1 используются оценочные критерии для определения случаев валидации в конце поездки, которые существенно усложняют алгоритм.
В методике 2 отсутствует жесткая привязка к операции валидации пунктов начала и завершения корреспонденции. На рисунке 8 приведено распределение пассажирских корреспонденций по номеру остановочного пункта начала поездки от точки валидации электронного проездного билета. Из рисунка видно, что порядка 90% пассажиров осуществляют оплату за проезд на первом перегоне после посадки. Одну остановку до оплаты проезжает 5,4% пассажиров, 2 остановки - 2,1%. В конце проезда оплату осуществляют не более 5% пассажиров, такой способ сегодня в г. Красноярске практикуется на одном-двух маршрутах, на которых работают автобусы малого класса.
В таблице 12 приведен фрагмент пассажирских корреспонденций, сформированных посредством двух рассматриваемых методик. Из таблицы видно, что в некоторых корреспонденциях, сформированных по методике 2, пункт завершения отличается от методики
1. Это, например, корреспонденции 13119511 и 13119515, остановочные пункты завершения которых, определенные по методике 2, расположены на меньшем расстоянии пешеходного перемещения к остановке начала следующей поездки по сравнению с методикой 1. Также некоторые корреспонденции (например 13119512) имеют разные начальные остановочные пункты, поскольку в методике 2 начало пассажирской корреспонденции не обязательно ближайший пункт к операции валидации электронного проездного билета. Большая часть пассажирских корреспонденций, сформированных по методике 1 и методике 2 совпадают, поскольку, как упоминалось выше, порядка 90% пассажиров оплачивают проезд сразу же после посадки в транспортное средство, что отражается в обеих методиках. Длина пассажирских корреспонденций, сформированных по методикам 1 и 2, различается незначительно (на 1-2 км).
Рисунок 8 - Распределение пассажирских корреспонденций по номеру остановочного пункта начала поездки от точки валидации электронного проездного билета Источник: составлено авторами.
Figure 8 - Distribution of passenger correspondence by the number of the stopping point passed before the operation of validating electronic ticket took a place
Source: compiled by the authors.
На рисунке 9 приведена схема связей начальных и конечных остановочных пунктов пассажирских корреспонденций двух электронных проездных билетов. На схеме радиус окружности пропорционален количеству прибытий или отправлений пассажира, пункты отправления обозначены розовым цветом, прибытия - синим. На схеме остановочный пункт с наибольшим числом отправлений (с наибольшим радиусом окружности) расположен вблизи места жительства пассажира. Остановочный пункт с наибольшим числом прибытий - это основное место притяжения пассажира (работа, учеба и т. д.). Кроме этого, можно выделить остановочные пункты культурно-бытовых корреспонденций, выполняемых с разной периодичностью.
На рисунке 10 дано распределение количества перевезенных пассажиров по часам буднего дня, определенное из валидаций электронных билетов по методикам 1 и 2 (2019 г) и сплошного обследования пассажирских потоков (2011 г.) общественного транспорта г.
Красноярска. Из рисунка видно, что поездки пассажиров по электронным билетам соответствуют динамике пассажирских потоков по часам суток из натурного обследования. Некоторые расхождения объясняются изменениями в структуре транспортного спроса, произошедшие с 2011 г.
В таблице 13 приведено распределение пассажирских корреспонденций по длине поездки. Из таблицы можно сделать вывод об одинаковой зависимости удельного веса поездок от длины пассажирских корреспонденций, полученных по методикам 1 и 2, а также из натурных обследований пассажирских потоков. Средняя дальность поездки пассажиров составляет 6,29 км по данным валидаций электронных проездных билетов и 6,66 км из обследования 2006 г. Разница в 5,6% между средней дальностью поездки пассажира в 2006 и 2019 гг. объясняется изменением системы маршрутов и спроса общественного транспорта.
Таблица 12
Список сформированных маршрутных корреспондентов с использованием методик 1 и 2 (фрагмент)
Источник: составлено авторами.
Table 12
List of generated trips using methods 1 and 2 (fragment)
Source: compiled by the authors.
Мето¬ Иденти¬ Маршрут Начало Конец Расстояние, км
дика фикатор IdSt* Время IdSt* Время Поездки Пешее
1 13119511 58 B 327 15:34 267 15:43 2,8 0,48
2 13119511 58 B 327 15:34 185 15:48 4,4 0,04
1 13119512 95 A 190 17:23 379 18:03 10,8 0,09
2 13119512 95 A 184 17:19 379 18:03 12,0 0,09
1 13119513 85 A 428 15:09 369 15:18 2,9 0,12
2 13119513 85 A 428 15:09 369 15:18 2,9 0,12
1 13119514 61 B 368 9:23 683 9:47 9,7 0,05
2 13119514 61 B 368 9:23 683 9:47 9,7 0,05
1 13119515 61 B 368 8:51 683 9:16 9,7 0,05
2 13119515 61 B 386 8:46 685 9:17 11,2 0,02
1 13119516 95 A 413 17:58
2 13119516 95 A 415 17:56 379 18:04 2,3 0,09
1 13119517 85 B 382 8:22 416 8:45 7,0 0,02
2 13119517 85 B 382 8:20 416 8:41 7,0 0,02
1 13119518 78 A 417 14:41 353 14:45 2,0 0,33
2 13119518 78 A 417 14:40 353 14:45 2,0 0,33
1 13119519 61 A 327 10:43 375 11:00 6,3 0,44
2 13119519 61 A 327 10:42 375 11:00 6,3 0,44
1 13119520 95 B 380 11:55 416 12:04 3,6 0,02
2 13119520 95 B 380 11:54 416 12:04 3,6 0,02
Примечание. IdSt - идентификатор остановочного пункта.
roMoecnuQ
u -V/..h 1
»Красноярск
(ировский
© OpenStreetMap contributora.
: ihj-t
Советский
pjt'OM
ПокроВкЛ
остров
Пожни U
Остров п ■
Отбыла
Р 257
I W
Свердловский
район
а
б
Рисунок 9 - Схема связей начальных и конечных остановочных пунктов пассажирских корреспонденций электронного проездного билета: а - электронный билет 100010324; б - электронный билет 100010341
Источник: составлено авторами.
Figure 9 - Scheme of connections between the boarding and alighting points of passenger correspondence from an electronic ticket transaction
Source: compiled by the authors.
Рисунок 10 - Динамика количества перевезенных пассажиров по часам суток городским пассажирским транспортом общего пользования г. Красноярска
Источник: составлено авторами.
Figure 10 - Dynamics of hourly passengers number carried by urban public transport of the Krasnoyarsk city
Source: compiled by the authors.
Таблица 13
Распределение пассажирских корреспонденций по длине поездки
Источник: составлено авторами.
Table 13
Distribution of passenger correspondence by trip length
Source: compiled by the authors.
Пределы Валидации октябрь 2019 г. Обследование Обследование
варьирования, км Методика 1 Методика 2 2006 г. 2011 г.
0-5 49,9 49,8 49,5 46,3
5-10 32,2 32,2 29,2 32,0
10-15 12,1 12,1 13,2 14,4
15-20 4,2 4,2 5,6 5,6
20-25 1,3 1,3 1,9 1,4
25-30 0,3 0,3 0,5 0,2
30-35 0,0 0,0 0,1 0,0
Рисунок 11 - Гистограмма распределения числа вошедших пассажиров по длине маршрута № 26 (прямое направление, вошло пассажиров)
Источник: составлено авторами.
Figure 11 - Histogram of the passengers boarding number distribution along
the length of route No. 26 (direct direction) Source: compiled by the authors.
4. Репрезентативность результатов.
Необходимо установить соответствие пассажирских корреспонденций, определенных по валидациям электронных проездных билетов, всем поездкам пассажиров общественным транспортом. Методика, позволяющая решить данную задачу, приведена в [23].
Оценка репрезентативности выборки поездок по электронным билетам осуществляется путем сравнения ее с результатами выборочного автоматизированного учета пассажиров. Рассматриваются две выборки маршрутных пассажирских корреспонденций: из валидаций электронных билетов (выборка 1) и натурного обследования пассажиропотоков (выборка 2). Сравнивается распределение по длине маршрута количества входящих и выходящих пассажиров в данных выборках.
Маршрут разделен на k непересекающихся интервалов. Для каждого интервала рассчитывается удельный вес вошедших и вышедших пассажиров в соответствии с выборками 1 и 2. Таким образом формируются
две независимые несвязные выборки. Для их сравнения применяется критерий Стью-дента (t-критерий), который позволяет найти вероятность того, что оба средних значения в выборках относятся к одной и той же совокупности.
На рисунке 11 дана гистограмма распределения числа вошедших пассажиров одного из маршрутов, которая позволяет выдвинуть гипотезу о том, что обе выборки относятся к одной и той же совокупности.
В результате проведенных расчетов получено: наибольшее значение статистики составляет 2,450 (маршрут № 26, прямое направление, вышло пассажиров). Из Excel получаем P-значение 0,02. Большинство значений критерия превышает критическое значение 1,860. Таким образом делаем вывод: пассажирские корреспонденции из валидаций электронных проездных билетов обеспечивают оценку параметров спроса общественного транспорта в пределах допустимых погрешностей.
ЗАКЛЮЧЕНИЕ
1. Для обеспечения мобильности населения актуальной проблемой является создание системы мониторинга спроса общественного транспорта с целью постоянного контроля пассажирских потоков населения, параметры которых служат для обоснования управленческих решений по формированию оптимального транспортного предложения.
2. Существующие методы определения пассажирских потоков вследствие их трудоемкости и ограниченной эффективности не позволяют осуществлять на должном уровне мониторинг транспортного спроса. Сегодня широкое распространение получают технологии, основанные на сборе, интеграции и анализе больших данных Big data, Urban computing.
В рамках данного подхода в настоящей статье представлено решение задачи определения корреспонденций пассажиров общественным транспортом посредством анализа операций валидаций электронных проездных билетов (Electronic Travel Tickets): смарт-карт (smart card), транспортных карт, магнитных карт, мобильных телефонов или других электронных устройств (Electronic Gadgets), реквизиты которых фиксируются в автоматизированной системе оплаты проезда Automated Fare Collection при выполнении операции валидации.
Разработанная методика расчета пассажирских корреспонденций из операций валидации электронных проездных билетов, интегрированных с данными глобальной навигационной спутниковой системы, в отличие от ранее выполненных исследований, учитывает практику оплаты проезда в любой точке маршрута, не обязательно сразу же после посадки в транспортное средство.
3. Теоретически обоснованная методика определения спроса на городской общественный транспорт, основанная на определении и оценке множества допустимых вариантов связанности последовательности пассажирских поездок посредством критерия, формируемого из вектора оценочных показателей, позволяет рассчитывать параметры пассажирских корреспонденций с учетом множества факторов, оказывающих влияние на выбор пассажиром маршрутов поездок.
При помощи разработанной методики интерпретируется порядка 65% поездок по электронным проездным билетам.
4. Разработанный метод определения значений весовых коэффициентов оценочных
показателей, которые обусловливают выбор маршрутных пассажирских корреспонденций, формируемых из валидаций электронных проездных билетов, позволяет рассчитывать результирующее множество поездок пассажира по критерию соответствия генеральной совокупности спроса общественного транспорта.
5. Доказано, что пассажирские корреспонденции из валидаций электронных проездных билетов позволяют оценить параметры спроса общественного транспорта в пределах допустимых погрешностей.
6. Применение разработанной методики расчета спроса на городской общественный транспорт из операций валидации электронных билетов обеспечивает непрерывный мониторинг пассажирских потоков, технико-эксплуатационных показателей функционирования общественного транспорта и таким образом позволяет реализовать концепцию устойчивого развития общественного транспорта посредством проектирования транспортного предложения, соответствующего спросу.
7. Направлением дальнейших исследований является:
- анализ факторов выбора из допустимых вариантов связности пассажирских корреспонденций, таких как оборудование остановочных пунктов, место их расположения, например рядом с магазинами, лечебными заведениями и т. д.;
- формирование комплекса отчетных форм для использования в работе органов и организаций управления общественным транспортом;
- интеграция имеющегося программного обеспечения в систему учета оплаты проезда и диспетчерского управления движением транспорта для создания промышленной технологии непрерывного мониторинга пассажирских потоков общественного городского транспорта.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Селиверстов Я. А., Селиверстов С. А. Методы и модели построения матриц транспортных корреспонденций // Научно-технические ведомости СПбГПУ Информатика. Телекоммуникации. Управление. 2015. № 2-3 (217-222). С. 49-70
2. Zheng Y, Capra L, Wolfson O, and Yang H, Urban computing: Concepts, methodologies, and applications. ACM Trans. Intell. Syst. Technol., vol. 5, no. 3.pp. 1-55, Sep. 2014.
3. Barry J.J., Freimer R., Slavin H.L. Use of entry-only automatic fare collection data to estimate linked transit trips in New York City. Transp. Res. Rec. J. Transp. Res. Board. 2009; 2112: 53-61.
4. Alfred Chu K., Chapleau R., 2008. Enriching archived smart card transaction data for transit demand modeling. Transport. Res. Rec.: J. Transport. Res. Board 063, 63-72
5. Munizaga M. A., Palma C., Mora P, 2010. Public transport O-D matrix estimation from smart card payment system data. In: 12th World Conference on Transport Research, Lisbon, Paper No. 2988.
6. Nassir N. Khani A., Lee S.G., Noh H., Hickman M. Transit stop-level origin-destination estimation through use of transit schedule and automated data collection system. Transportation Research Record: Journal of the Transportation Research Board. 2011; 2263: 140-150.
7. Barry J. J. Newhouser R., Rahbee A., Sayeda S. Origin and destination estimation in New York City with automated fare system data. Transportation Research, Record 1817, 2002. Pp.183-187.
8. Zhao J., Rahbee A., Wilson N. Estimating a rail passenger trip origin- destination matrix using automatic data collection systems. Aided Civil and Infrastructure Engineering, vol. 22, 2007. Pp.376-387.
9. Li D., Lin Y., Zhao X., Song H., Zou N. (2011) Estimating a Transit Passenger Trip Origin-Destination Matrix Using Automatic Fare Collection System. In: Xu J., Yu G., Zhou S., Unland R. (eds) Database Systems for Adanced Applications. DASFAA 2011. Lecture Notes in Computer Science, vol 6637. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-20244-5_48
10. Munizaga M., Palma C. Estimation of a disaggregate multimodal public transport OD matrix from passive smartcard data from Santiago, Chile. Transportation Research Part C, Vol. 24, 2012. Pp.9-
18.
11. Alsger A., Assemi B., Mesbah M., Ferreira L., Validating and improving public transport origin-destination estimation algorithm using smart card fare data, Transportation Research Part C: Emerging Technologies, Volume 68, 2016, Pages 490-506.
12. Gordon J., Koutsopoulos H., Wilson N., Attanucci J., 2013. Automated inference of linked transit journeys in London using fare-transaction and vehicle location data. Transport. Res. Rec.: J. Transport. Res. Board 2343, 17-24.
13. Farzin J. M., 2008. Constructing an automated bus origin-destination matrix using farecard and global positioning system data in Sro Paulo, Brazil. Transport. Res. Rec.: J. Transport. Res. Board 2072, 30-37
14. Cui A. Bus passenger origin-destination matrix estimation using automated data collection systems master's dissertation. Massachusetts Institute of Technology, 2006.
15. Zhao, J. 2004. The planning and analysis implications of automated data collection systems: rail transit OD matrix inference and path choice modeling examples. (MS Thesis, Massachusetts Institute of Technology).
16. Nunes, A. A., Dias, T G., & e Cunha, J. F (2015). Passenger journey destination estimation from automated fare collection system data using spatial validation. IEEE transactions on intelligent transportation systems, 17(1), 133-142.
17. Wang W., John P, Nigel H. M., Bus passenger origin-destination estimation and travel behavior using automated data collection systems in London. Journal of Public Transportation. 2011; 14(4).
18. Munizaga M. A., Devillaine F., Navarrete C., Silva D., 2014. Validating travel behaviour estimated from smartcard data. Transport. Res. Part C: Emerg. Technol. 44, 70-79.
19. Hofmann, M., O'Mahony, M., 2005. Transfer journey identification and analyses from electronic fare collection data. In: Intelligent Transportation Systems, Proceedings IEEE, pp. 34-39.
20. Joana H. Estimation of Origin-Destination matrices under Automatic Fare Collection: the case study of Porto transportation system / Joana Horaa, Teresa Galvâo Diasa , Ana Camanhoa , Thiago Sobral // Transportation Research Procedia 27 (2017). pp. 664-671.
21. Nunes A. A., Dias, T G., Cunha, J. F, 2016. Passenger journey destination estimation from automated fare collection system data using spatial validation. IEEE Trans. Intell. Transp. Syst. 17. pp 133-142. doi:10.1109/TITS.2015.2464335
22. Trepanier M., Tranchant N., Chapleau R. Individual trip destination estimation in a transit smart card automated fare collection system. Journal of Intelligent Transportation Systems. 2007. vol. 11. pp.114
23. Фадеев А. И., Алхуссейни С. Обследование пассажирских потоков путем анализа валидаций электронных проездных билетов // Вестник СибА-ДИ. 2021; 18 (1) :52-71. https://doi.org/10.26518/2071-7296-2021-18-1-52-71
24. Alsger A. Mesbah M., Ferreira L., Safi H. Use of smart card fare data to estimate public transport origin-destination matrix. Transportation Research Record: Journal of the Transportation Research Board. 2015; 2535: 88-96.
25. Fadeev A. I., Alhusseini S. Passenger trips analysis determined by processing validation data of the electronic tickets in public transport. 2021 IOP Conf. Ser.: Mater. Sci. Eng. 1061 012001. p. 9
26. Подиновский В. В., Потапов М. А. Метод взвешенной суммы критериев в анализе многокритериальных решений: pro et contra // Бизнес-информатика. 2013. № 3 (25). С. 41-48.
27. Фетинина Е. П., Кораблина Т В., Соловьева Ю. А. Типологические аспекты многокритериального выбора вариантов: монография/СибГИУ Новокузнецк, 2003. 118 с.
REFERENCES
1. Seliverstov Ja. A., Seliverstov S. A. Metody i modeli postroenija matric transportnyh korre-spondenci [Methods and models for constructing matrices of transport correspondence] Nauchno-tehnicheskie vedomosti SPbGPU. Informatika. Telekommunikacii. Upravlenie. 2015; 2-3(217-222): 49-70 (In Russ.)
2. Zheng Y, Capra L, Wolfson O, and Yang H, Urban computing: Concepts, methodologies, and applications. ACM Trans. Intell. Syst. Technol., vol. 5. no. 3. pp. 1-55, Sep. 2014.
3. Barry J. J., Freimer R., Slavin H. L. Use of entry-only automatic fare collection data to estimate linked transit trips in New York City. Transp. Res. Rec. J. Transp. Res. Board. 2009; 2112:53-61.
4. Alfred Chu K., Chapleau R., 2008. Enriching archived smart card transaction data for transit demand modeling. Transport. Res. Rec.: J. Transport. Res. Board 063, 63-72
5. Munizaga M. A., Palma C., Mora P, 2010. Public transport O-D matrix estimation from smart card payment system data. In: 12th World Conference on Transport Research, Lisbon, Paper No. 2988.
6. Nassir N. Khani A., Lee S. G., Noh H., Hickman M. Transit stop-level origin-destination estimation through use of transit schedule and automated data collection system. Transportation Research Record: Journal of the Transportation Research Board. 2011; 2263: 140-150.
7. Barry J.J. Newhouser R., Rahbee A., Sayeda S. Origin and destination estimation in New York City with automated fare system data. Transportation Research, Record 1817, 2002. pp.183-187.
8. Zhao J., Rahbee A., Wilson N. Estimating a rail passenger trip origin- destination matrix using automatic data collection systems. Aided Civil and Infrastructure Engineering 2007; vol. 22: 376-387.
9. Li D., Lin Y, Zhao X., Song H., Zou N. (2011) Estimating a Transit Passenger Trip Origin-Destination Matrix Using Automatic Fare Collection System. In: Xu J., Yu G., Zhou S., Unland R. (eds) Database Systems for Adanced Applications. DASFAA 2011. Lecture Notes in Computer Science, vol 6637. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-20244-5_48
10. Munizaga M., Palma C. Estimation of a disaggregate multimodal public transport OD matrix from passive smartcard data from Santiago, Chile. Transportation Research Part C, 2012; Vol. 24: 9-18.
11. Alsger A., Assemi B., Mesbah M., Ferreira L., Validating and improving public transport origin-destination estimation algorithm using smart card fare data, Transportation Research Part C: Emerging Technologies, 2016; Volume 68: 490-506.
12. Gordon J., Koutsopoulos H., Wilson N., Attanucci J., 2013. Automated inference of linked transit journeys in London using fare-transaction and vehicle location data. Transport. Res. Rec.: J. Transport. Res. Board 2343, 17-24.
13. Farzin J.M., 2008. Constructing an automated bus origin-destination matrix using farecard and global positioning system data in Sro Paulo, Brazil. Transport. Res. Rec.: J. Transport. Res. Board 2072, 30-37.
14. Cui A. Bus passenger origin-destination matrix estimation using automated data collection systems master's dissertation. Massachusetts Institute of Technology, 2006.
15. Zhao, J. 2004. The planning and analysis implications of automated data collection systems: rail transit OD matrix inference and path choice modeling examples. (MS Thesis, Massachusetts Institute of Technology).
16. Nunes, A. A., Dias, T G., & e Cunha, J. F. (2015). Passenger journey destination estimation
from automated fare collection system data using spatial validation. IEEE transactions on intelligent transportation systems. 2015; 17(1): 133-142.
17. Wang W., John P, Nigel H.M., Bus passenger origin-destination estimation and travel behavior using automated data collection systems in London. Journal of Public Transportation. 2011; 14(4).
18. Munizaga M.A., Devillaine F., Navarrete C., Silva D., 2014. Validating travel behaviour estimated from smartcard data. Transport. Res. Part C: Emerg. Technol. 44, 70-79.
19. Hofmann, M., O'Mahony, M., 2005. Transfer journey identification and analyses from electronic fare collection data. In: Intelligent Transportation Systems, Proceedings IEEE, pp. 34-39.
20. Joana H. Estimation of Origin-Destination matrices under Automatic Fare Collection: the case study of Porto transportation system / Joana Horaa, Teresa Galvâo Diasa, Ana Camanhoa, Thiago Sobral. Transportation Research Procedia. 2017; 27: 664-671
21. Nunes A. A., Dias T G., Cunha J. F., 2016. Passenger journey destination estimation from automated fare collection system data using spatial validation. IEEE Trans. Intell. Transp. Syst. 17. pp 133-142. doi:10.1109/TITS.2015.2464335
22. Trepanier M., Tranchant N., Chapleau R. Individual trip destination estimation in a transit smart card automated fare collection system. Journal of Intelligent Transportation Systems, vol. 11, 2007. pp.114
23. Fadeev A.I., Alhusseini S. Transit ridership survey by analysis validation of electronic pass tickets. The Russian Automobile and Highway Industry Journal. 2021;18(1):52-71. (In Russ.) https://doi. org/10.26518/2071-7296-2021-18-1-52-71
24. Alsger A. Mesbah M., Ferreira L., Safi H. Use of smart card fare data to estimate public transport origin-destination matrix. Transportation Research Record: Journal of the Transportation Research Board. 2015; 2535: 88-96
25. Fadeev A.I., Alhusseini S. Passenger trips analysis determined by processing validation data of the electronic tickets in public transport ,2021 IOP Conf. Ser.: Mater. Sci. Eng. 1061 012001. p. 9
26. Podinovskij V.V., Potapov M.A. Metod vzveshennoj summy kriteriev v analize mnogokriteri-al'nyh reshenij: pro et contra [ The method of the weighted sum of criteria in the analysis of multi-criteria decisions: pro et contra]. Biznes-informatika. 2013; 3(25): 41 - 48 (In Russ.)
27. Fetinina E. P, Korablina T V., Solov'eva Ju. A. Tipologicheskie aspekty mnogokriterial’nogo vybora variantov: Monografija [Typological aspects of the multi-criteria choice of options: Monograph] SibGIU. Novokuzneck, 2003: 118 (In Russ.)
ВКЛАД СОАВТОРОВ
Фадеев А. И. Разработка методики расчета транспортного спроса из валидаций электронных проездных билетов, разработка программного обеспечения, методики оценки репрезентативности выборочной совокупности поездок генераль-
ному множеству пассажирских корреспонденций, анализ полученных данных, формулирование заключения.
Алхуссейни С. Анализ состояния вопроса, обзор литературных источников. Участие в подготовке исходных данных и расчетах, оценка репрезентативности выборочной совокупности поездок генеральному множеству пассажирских корреспонденций.
COAUTHORS’ CONTRIBUTION
Aleksandr I. Fadeev, Development of a methodology for calculating transport demand from the validation of eletronic travel tickets, software development, and development of a methodology for evaluating the representativeness of a sample set of trips to a general set of passenger correspondence, analysis of the data obtained, and formulation of a conclusion.
Sami Alhusseini, an analysed status of the problem, literary sources review, participation in preparation and anaysis input data for calculations, evaluation of the representativeness of the sample set of trips to the general set of passenger correspondence.
ИНФОРМАЦИЯ ОБ АВТОРАХ
Фадеев Александр Иванович - д-р техн. наук, доц. кафедры транспорта.
Алхуссейни Сами - аспирант кафедры транспорта.
INFORMATION ABOUT THE AUTHORS
Aleksandr I. Fadeev - Dr of Sci., Associate Professor of the Transport Department.
Sami Alhusseini - Postgraduate student of the Transport Deparment.
