CC BY
30
14. Popov S.N. O dopuskaemykh napryazheniyakh na ballast [On permissible stresses on ballast]. Vzaimodeistvie puti i podvizhnogo sostava i voprosy raschetov puti [] : sbornik nauchnykh trudov [Interaction of track and rolling stock and issues of track calculations: a collection of scientific papers]. In Verigo M. F. et al. (eds) Moscow: State Transport Railway Publ., 1955. Pp. 353-385.
15. Myl'nikov M., Skutin A. The Influence of Ballast Characteristics on Lateral Stability of Railway Track. In: Petriaev A., Konon A. (eds) Transportation Soil Engineering in Cold Regions, Volume 1. Lecture Notes in Civil Engineering, vol 49. Springer, Singapore, 2020.
16. Lacoursiere C. Ghosts and machines: regularized variational methods for interactive simulations of multibodies with dry fictional contacts: Ph.D. Umea, Sweden, 2007.
Информация об авторах
Скутин Александр Иванович - канд. техн. наук, доцент кафедры пути и железнодорожного строительства, Уральский государственный университет путей сообщения, г. Екатеринубрг, e-mail: askutin@usurt.ru. Мыльников Максим Михайлович - аспирант кафедры пути и железнодорожного строительства, Уральский государственный университет путей сообщения, г. Екатеринбург, e-mail: mmmylnikov@ya.ru
DOI 10.26731/1813-9108.2020.4(68).230-239
Information about the authors
Aleksandr I. Skutin - Ph.D. in Engineering Science, Associate Professor of the Subdepartment of "Road and Railway Construction", Ural State University of Railway Transport, Ekaterinburg, e-mail: askutin@usurt.ru Maksim M. Myl'nikov - Ph.D. student of the Subdepartment of "Road and Railway Construction", Ural State University of Railway Transport, Ekaterinburg, Russia, e-mail: mmmylni-kov@ya.ru
УДК 656.2.052.432
О проблемах математического моделирования прогнозирования пассажиропотоков для высокоскоростных магистралей
А. С. Григорьева, В. А. Анисимов И
Петербургский государственный университет путей сообщения императора Александра I, г. Санкт-Петербург, Российская Федерация И anisvl@mail.ru
Резюме
Высокоскоростные железнодорожные магистрали - это инженерно-технические системы, включающие в себя очень сложные и затратные объекты капитального строительства. Поэтому одним из самых значимых факторов снижения рисков неэффективного инвестирования в строительство высокоскоростных железных дорог является модель прогнозирования перевозок, позволяющая с требуемой точностью давать надежную оценку перспективных объемов пассажирских и грузовых перевозок. Целью исследования авторов является изучение проблемы математического моделирования прогнозирования пассажиропотоков и разработка математической модели прогнозирования пассажирских перевозок для высокоскоростных железнодорожных магистралей с учетом особенностей социально-экономического развития регионов Российской Федерации. В статье представлен ретроспективный анализ решения проблемы математического моделирования пассажиропотока российскими и зарубежными учеными. Так как пассажиропоток формируется под влиянием большого количества различных факторов, то на основе анализа научных работ, посвященных прогнозированию пассажирских перевозок, были определены наиболее значимые: численность населения, среднедушевой доход, валовой внутренний и региональный продукты. При этом по отношению к последнему ученые имеют неоднозначные мнения о степени его влияния. В связи с этим авторы исследовали с помощью корреляционно-регрессионного анализа влияние на пассажиропоток основных разделов валового регионального продукта на направлениях проектируемых высокоскоростных магистралей Москва - Санкт-Петербург и Москва - Казань. Полученные авторами результаты и анализ работ современных ученых показали, что в условиях рыночных отношений возросла сложность прогнозирования размеров и структуры пассажиропотоков из-за динамичности и неопределенности спроса населения на перевозки в разных видах транспорта по причине конкуренции на рынке транспортных услуг.
Ключевые слова
пассажирские перевозки, прогнозирование, пассажиропоток, регрессионный анализ Для цитирования
Григорьева А. С. О проблемах математического моделирования прогнозирования пассажиропотоков для высокоскоростных магистралей / А. С. Григорьева, В. А. Анисимов // Современные технологии. Системный анализ. Моделирование. - 2020. -№ 4 (68). - С. 230-239. - DOI: 10.26731/1813-9108.2020.4(68).230-239
Информация о статье
поступила в редакцию: 05.10.2020, поступила после рецензирования: 10.11.2020, принята к публикации: 27.11.2020
About the influence of the gross regional product structure on the passenger flow value
A. S. Grigor'eva, V. A. AnisimovS
Emperor Alexander I St. Petersburg State Transport University, Saint - Petersburg, the Russian Federation И anisvl@mail.ru
Abstract
High-speed rail lines are engineering and technical systems that include very complex, high-cost capital construction projects. Therefore, one of the most significant factors in reducing the risks of inefficient investment in the construction of high-speed railways is a transport forecasting model that allows estimating the prospective volumes of passenger and freight traffic with the required accuracy. The aim of the authors' research is to study the problem of mathematical modeling of passenger traffic forecasting and to develop a mathematical model of predicting passenger traffic for high-speed railways, taking into account the peculiarities of the socio-economic development of the regions of the Russian Federation. The article presents a retrospective analysis of the solution of the problem of mathematical modeling of passenger traffic by Russian and foreign scientists. Since passenger traffic is formed under the influence of a great number of different factors, the most significant ones were determined based on the analysis of scientific works devoted to the forecasting of passenger traffic: population, average per capita income, gross domestic and regional products. At the same time, scientists have mixed opinions about the degree of its influence in relation to the latter. In this regard, the authors investigated the influence of the main sections of the gross regional product on passenger traffic on the routes of the planned high-speed highways Moscow - St. Petersburg and Moscow-Kazan using correlation and regression analysis. The results obtained by the authors and the analysis of the works of modern scientists have shown that in the conditions of market relations, the complexity of forecasting the size and structure of passenger traffic has increased due to the dynamism and uncertainty of the population's demand for transportation in different modes of transport due to competition in the transport services market. The competition factor can be formalized and taken into account when developing mathematical models of predicting passenger traffic in certain types of transport through the parameters of passenger transportation: travel time; cost of transportation; level of comfort.
Keywords
passenger transportation, forecasting, passenger traffic, regression analysis
For citation
Grigor'eva A. S., Anisimov V. A. O problemakh matematicheskogo modelirovaniya prognozirovaniya passazhiropotokov dlya vysokoskorostnykh magistraley [About the influence of the gross regional product structure on the passenger flow value]. Sov-remennye tekhnologii. Sistemnyi analiz. Modelirovanie [Modern Technologies. System Analysis. Modeling], 2020, No. 4 (68), pp. 230239. - DOI: 10.26731/1813-9108.2020.4(68).230-239
Article info
Received: 05.10.2020, Revised: 10.11.2020, Accepted: 27.11.2020
Введение 2. Разработка математической модели прогнози-
Генеральной целью «Стратегии развития железно- рования пассажирских перевозок для высокоско-
дорожного транспорта до 2030 года» (далее - Страте- ростных железнодорожных магистралей с учетом
гая) является формирование условий для устойчивого особенностей социально-экономического развития
социально-экономического развития России, возраста- регионов России. ния мобильности населения и оптимизации товародвижения [1]. Одна из основных задач, определенных Обзор исследований
стратегией, формирование доступной и устойчивой Проблема разработки прогнозов пассажиропото-транспортной системы как инфраструктурного базиса ков привлекает исследователей разных областей уже
для обеспечения транспортной целостности, незави- более 100 лет.
симости, безопасности и обороноспособности страны, В конце XIX в. зарубежные ученые Э. Лилль и
социально-экономического роста и обеспечения усло- А. Веллингтон пытались установить математиче-
вий для реализации потребностей граждан в перевоз- скую зависимость величины транспортного потока ках [1]. В связи с большой сложностью данной задачи от численности населения и расстояния между насе-ее реализация сопряжена со значительными рисками ленными пунктами [2]. Модель, представленная
неэффективного использования инвестиционных ре- Веллингтоном и Лиллем, получила название «грави-
сурсов и бюджетных средств. Для того чтобы снизить тационная». В последующих исследованиях эта мо-эти риски, необходимы надежные прогнозы целевых дель имела множество вариаций. показателей, к одному из которых относится объем В основе «гравитационной» модели заложено
перевозок. утверждение, что величина транспортного потока
В данной статье рассмотрим проблему матема- между пунктами i и j прямо пропорциональна чис-
тического моделирования прогнозирования пасса- ленности населения в i и j и обратно пропорцио-
жиропотоков, выделив следующие вопросы: нальна расстоянию между ними.
1. Определение факторов, оказывающих влияние Р. • Р
на величину транспортного потока. Пи ~ ач др ' (1)
где Щ - поток из пункта I в пункт у; Р, Ру - численность населения соответственно в пунктах I, у; Ду - расстояние между населенными пунктами; в - постоянная величина; а.у - коэффициент пропорциональности.
В 30-х гг. прошлого века советские ученые Ф.П. Кравец и М.И. Загордан предложили альтернативную интерпретацию модели, в которой величина транспортного потока обратно пропорциональна квадрату расстоянию между пунктами [3].
Несмотря на широкое применение на многих видах транспорта «гравитационных» моделей прогнозирования пассажиропотоков, они имеют ряд существенных недостатков:
- невозможность учета индивидуальных особенностей объектов прогнозирования, к которым относятся экономические, демографические, географические и другие факторы;
- сложность в определении коэффициента пропорциональности на перспективу при учете влияния научно-технического прогресса на скорость перемещения пассажира в пространстве;
- невозможность проведения проверки надежности прогнозной модели из-за высокой чувствительности прогноза к ошибке в расчете величины коэффициента пропорциональности.
В прогнозировании пассажиропотоков также широкое распространение получили статистические методы прогнозирования, использующие идеи регрессионного анализа [4-18]. С помощью данных методов строили однофакторные и многофакторные модели. Из множества факторов исследователи выделяли только те, которые оказывали наиболее существенное влияние на прогнозную величину пассажиропотока, определяя при этом наиболее целесообразные формы функциональных зависимостей.
Так, в 20-х гг. XX в. Е.В. Михальцев в своей работе [4] провел анализ пассажирских перевозок в дореволюционной России. По результатам своих исследований он сделал следующие выводы: на пассажиропоток влияет некоторый ряд факторов; в наибольшей степени на уровень перевозок оказывают влияние хозяйственный подъем и уровень благосостояния.
Л.Я. Вольфсон, В.И. Лядовский, Н.С. Шильни-ков [5], Г.С. Рейхер [6], Н.И. Савин [7], Ф.П. Кочнев [8], Ш.М. Гуревич [9, 10] отметили, что величина пассажирских перевозок зависит от совокупности факторов экономического развития. Они единодушно пришли к выводу, что при прогнозировании перевозок пассажиров в первую очередь нужно изучить корреляционные зависимости между пассажиропотоком, численностью населения и его благосостоянием (национальным доходом и уровнем доходов населения). Так, Ш.М. Гуревич указывал, что «влияние многочисленных и разнообразных факторов на размер пассажирских перевозок может быть в целом установлено через национальный доход и реальные доходы населения» [10].
Основные пассажирообразующие факторы выделил в своей работе [11] С.А. Пономарев: «численность населения в городах и пригородах, уровень доходов, режим труда и отдыха, а также уровень развития сети железных и автомобильных дорог, изменение скорости и частоты движения подвижного состава, изменение уровня тарифов на пассажирские перевозки» [11].
Б.М. Парахонский и В.А. Саболин определили коэффициент корреляции между розничным товарооборотом и подвижностью населения, а также зависимость между удельным весом городского населения экономических районов и его подвижностью. Под подвижностью населения они предложили понимать «число передвижений, выполняемых одним человеком, от общего числа участников передвижений за расчетный промежуток времени, как правило, год» [12].
Значительные исследования по влиянию на величину пассажиропотока социально-экономических факторов провел советский экономист М.Н. Беленький Из их множества он выделил: «численность населения страны и тенденцию его роста; рост городского населения и создание новых городов; развитие народного хозяйства и экономическое развитие отдельных регионов; повышение уровня материальной и культурной жизни населения и др.» [13].
В перечисленных работах советских ученых исследовались зависимости между пассажиропотоком и пассажирообразующими факторами для плановой экономики.
В условиях рыночных отношений перечень и структура социально-экономических факторов претерпела определенные изменения, которые отразились в исследованиях современных ученых.
Y. Wang, X. Chen, Y. Han и Sh. Guo в своей работе [14] установили взаимосвязь между изменением объема региональных перевозок и экономическим развитием регионов Китая с помощью коэффициента эластичности между объемом пассажирских перевозок, объемом грузовых перевозок и валовым внутренним продуктом (ВВП), который рассчитали на основе данных с 2001 по 2010 г. в различных регионах Китая.
Regina R. Clewlow, Joseph M. Sussman и Hamsa Balakrishnan в [15] провели исследования спроса на авиаперевозки в Европе с учетом влияния:
- продолжительности поездки по железной дороге, плотности населения и характеристик рынка воздушных перевозок;
- высокоскоростных железных дорог и дешевых перевозчиков на общесистемные воздушные перевозки.
Применив эконометрический анализ, они установили, что сокращение времени в пути по железной дороге привело к сокращению ближнемагистральных авиаперелетов, и выявили сильное влияние различий в
характеристиках городов и аэропортов на замену воздушного и железнодорожного транспорта.
С их выводами хорошо согласуются результаты исследования проведенного Подвербным В. А. с коллегами. В работе [16] наряду с системами пассажирского скоростного рельсового транспорта рассматриваются поезда Маглев для обеспечения связи Иркутска с новым аэропортом. Делается вывод о том, что в случае применения поездов Маглев на территории Иркутской агломерации и дальнейшего их распространения по региону, произойдет объединение Иркутской, Че-ремхово-Саянской, Тайшетской и Улан-Удэнской агломераций в единую полицентрическую агломерацию «Байкальское созвездие» с системой скоростного пассажирского магнитолевитационного транспорта. Поскольку по подсчетам британской UK Ultraspeed, наибольшую эффективность Маглевы показывают на расстояниях в 240-800 км.
Д.О. Шульман в своей работе [17] исследовала зависимость пассажиропотока железнодорожного и авиационного видов транспорта от численности населения, населенности гостиниц и величины валового регионального продукта (ВРП) на направлении Москва - Санкт-Петербург и предложила математическую модель для прогнозирования пассажиропотока в районах, тяготеющих к высокоскоростным магистралям (ВСМ).
Jesper Blafoss Ingvardson и Otto Anker Nielsen в [18] был проведен факторный анализ, позволивший выявить четыре основных составных детерминанта, а именно: покрытие метро, связность сети и плотность городов; покрытие пригородных железных дорог; покрытие легкорельсового транспорта; экономическое неравенство. Используя множественный регрессионный анализ на основе обширной базы данных, содержащей подробную информацию о сетях общественного транспорта в 48 европейских городах, они подтвердили априорную гипотезу о том, что пассажиропоток на душу населения положительно связан со степенью покрытия сетью общественного транспорта: метро, пригородные поезда и легкорельсовый транспорт. Также было выявлено влияние экономического неравенства - города с более высокой безработицей и более низким ВВП на душу населения показали более низкую посещаемость общественного транспорта.
И.Н. Егорова, А.С. Кравец в [19], используя метод корреляционно-регрессионного анализа для оценки конкуренции на рынке транспортных услуг, установили высокую корреляцию между количеством перевезенных пассажиров железнодорожным и авиационным транспортом, ВВП, среднедушевыми денежными доходами населения и числом собственных автомобилей на 1 000 чел.
Как видим из обзора приведенных работ, пассажиропоток формируется под влиянием большого количества различных факторов. Для выявления наиболее существенных факторов и установления
математических зависимостей между ними и пассажиропотоком большинство исследователей используют регрессионный анализ, что обусловлено такими его достоинствами как простота вычислительных алгоритмов и наглядность результатов.
Анализ влияния социально - экономических факторов на величину пассажиропотока, проведенный в [2-19], позволил выделить из них основные, такие как: численность населения, среднедушевой доход, ВВП или ВРП. При этом по отношению к последнему исследователи имеют неоднозначные мнения о степени его влияния. Некоторые ученые в области экономики считают, что влияние ВВП (ВРП) на величину пассажиропотока несущественно, в тоже время ученые транспортной отрасли единодушно говорят об обратном. В связи с этим авторы решили детально изучить влияние разделов ВРП на пассажирские перевозки.
Влияние валового регионального продукта и его структуры на пассажиропоток
В своей предыдущей опубликованной работе авторы, проанализировав структуру ВРП, выделили из него разделы с наибольшим удельным весом, которые в сумме составили более 50 % от всего ВРП:
- операции с недвижимым имуществом, аренда и предоставление услуг;
- оптовая и розничная торговля, ремонт автотранспортных средств, мотоциклов, бытовых изделий и предметов личного пользования;
- обрабатывающие производства;
- транспорт и связь;
- здравоохранение и предоставление социальных услуг;
- строительство;
- образование.
Экспертным путем из перечисленных разделов определили пять (табл. 1), которые в наибольшей степени могут влиять на пассажиропоток.
Далее был проведен анализ зависимости пассажиропотока железнодорожного транспорта от данных разделов ВРП на направлении Москва - Санкт-Петербург.
Авторы использовали корреляционно -регрессионный анализ.
Коэффициент корреляции был рассчитан по формуле [20]:
Г _ - х\(у, - У) (2)
- х) - У)2
где xi и yi - значения, принимаемые соответственно в выборках X и Y; х и у - средняя по X и Y.
Вычисленные коэффициенты корреляции располагаются в промежутке от -1 до +1. Корреляция равная нулю свидетельствует о полной независимости двух исследуемых переменных [20, 21].
Расчет коэффициентов корреляции между пассажиропотоком У на железнодорожном направлении Москва - Санкт-Петербург и статистическими данными разделов ВРП (Хь Х2, Х3, Х4, Х5), определенных экспертным путем из выделенных разделов, представлен в табл. 1. Полученные коэффициенты корреляции имеют положительное значение близкое к единице, что свидетельствует о их сильной взаимосвязи.
Согласно [22] было получено общее уравнение множественной линейной регрессии У = Ъ0 + Ь{ ■ Х1 + Ъ2 ■ Х2 + Ъ3 ■ Х3 + Ъ4 ■ X4 + Ъ5 • Х5, (3)
Матричным методом были найдены коэффициенты уравнения Ъ0, Ъ1, Ь2, Ъ3, Ь4 и Ь5
Г- 2,58071
B = {xt • X)-1 • XT -У =<
0,0013 0,0004 - 0,0010 - 0,0183 0,0307
(4)
и уравнение регрессии
У = -2,5807 + 0,0013 • X + + 0,0004 • X2 - 0,0010 • X3 -- 0,0183 • X4 + 0,0307 • X5
(5)
Проверка уравнения регрессии (5) была выполнена по критерию дисперсионного анализа (Р-критерию), ее результаты сведены в табл. 2.
Для проверки гипотезы Н0 на уровне значимости 0,05 были определены: - расчетное значение 1
F =■
расч
5 +1
• 73,628
1
=1367,770
■ 0,00898 7 - 5 -1
- критическое значение по таблице F-распределения и степенями свободы 6 и 1 Ркрит (0,05; 6; 1) = 233,986.
Результаты проверки отвергают гипотезу Н0, так как выполняется условие Ррасч > ¥,рпт, что указывает на значимость полученного уравнения регрессии (5).
Значимость коэффициентов регрессии была проверена с помощью /-критерия
Ъ
\t.
= — >t,
Su
(6)
где - результат вычисления квадратного корня
из элементов ковариационной матрицы 5", расположенных по диагонали.
Ковариационная матрица 5 определяется по формуле
S = s2
(xt • X)-1,
(7)
где 5 - несмещенная оценка остаточной дисперсии:
S2 = — •£ ГУ - Y 2
n - 4
i=1
(8)
Таблица 1. Коэффициенты корреляции между статистическими данными разделов ВРП и пассажиропотоком на железнодорожном направлении Москва - Санкт-Петербург Table 1. Correlation coefficients between the statistical data of the GRP sections and passenger traffic on the
Moscow - St. Petersburg railroad
Показатель Фактор Х1 (операции с недвижимым имуществом, аренда и предоставление услуг, млн руб.) Фактор Х2 (оптовая и розничная торговля; ремонт автотранспортных средств, мотоциклов, млн руб.) Фактор Х3 (транспорт и связь, млн руб.) Фактор Х4 (здравоохранение и предоставление социальных услуг, млн руб.) Фактор Х5 (образование, млн руб.)
Y - пассажиропоток, млн.чел в год 0,976 0,864 0,938 0,939 0,939
Таблица 2. Проверка значимости уравнения регрессии по F-критерию Table 2. Checking the significance of the regression equation by the F-criterion
n Год Х1 Х2 Х3 Х4 Х5 Y Л У Л 2 У (У - У)2
1 2010 2406,0 3997,2 1446,5 428,5 291,8 1,86 1,898 3,604 0,00147
2 2011 2793,7 4939,6 1693,0 506,8 322,1 2,09 2,044 4,176 0,00215
3 2012 3288,0 4612,2 1953,3 601,6 381,4 2,38 2,395 5,737 0,00023
4 2013 3365,7 5191,0 1871,9 662,5 427,2 3,16 3,107 9,654 0,00282
5 2014 3696,9 6075,6 1958,2 723,3 450,6 3,39 3,422 1,713 0,00106
6 2015 4517,1 6083,8 2430,5 755,9 468,5 3,96 3,991 1,927 0,00095
7 2016 5334,4 5947,1 2621,6 785,4 484,7 4,80 4,782 22,870 0,00031
Итого 73,682 0,00898
9 1
52 =--0,00898 = 0,00299, 5 = 0,05471.
7 - 4
Проверка значимости коэффициентов регрессии по критерию приведена в табл. 3.
По таблице /-распределения при 1 степени свободы было найдено критическое значение для уровня значимости 0,05: /крит (0,05; 1) = 12,7062. Таким образом, для всех коэффициентов регрессии было выполнено условие 1расч < /крит, которое отвергает гипотезу Н0 и подтверждает их значимость.
Аналогичные исследования с использованием корреляционно-регрессионного анализа были проведены авторами для направления Москва - Казань в рамках обоснования строительства ВСМ между данными мегаполисами.
Анализ разделов ВРП регионов, которые должна охватить ВСМ Москва - Казань, позволил выделить четыре раздела, которые в наибольшей степени мо-
гут влиять на пассажиропоток:
- оптовая и розничная торговля, ремонт автотранспортных средств, мотоциклов;
- транспорт и связь;
- здравоохранение и предоставление социальных услуг;
- образование.
Данные о величине пассажиропотока железнодорожным и авиационным транспортом в направлении Москва - Казань представлены в табл. 4.
Вычисленные значения коэффициентов корреляции между выделенными разделами ВРП и пассажиропотоком на железнодорожном направлении Москва - Казань не подтвердили сильную взаимосвязь между ними (табл. 5). По предположению авторов, полученный результат явился следствием низкой конкурентоспособности пассажирских перевозок железнодорожным транспортом на исследуемом направлении в сравнении с авиационным
Таблица 3. Проверка значимости коэффициентов уравнения регрессии по /-критерию
Table 3. Checking the significance of the coefficients of the regression equation by the t-criterion
Коэффициент регрессии tPac
bo -2,6049 1,160 -2,418
bi 0,0013 7,517 • 10"8 4,741
b2 0,0004 3,453 • 10"8 2,153
b3 -0,0010 5,774 • 10"' -1,316
b4 -0,0185 5,792 • 10"5 -2,431
b5 0,0311 1,273 • 10"4 2,756
Таблица 4. Данные о пассажиропотоке железнодорожного и авиационного транспорта на направлении Москва - Казань Table 4. Data on passenger traffic of railway and air transport on the Moscow - Kazan route
Год Пассажиропоток ж.д. транспорта, млн чел. Пассажиропоток авиатранспорта, млн чел.
2010 3,516 0,560
2011 3,708 0,738
2012 3,999 0,630
2013 4,078 0,691
2014 4,062 0,762
2015 3,869 0,839
2016 3,926 0,992
2017 4,210 1,266
2018 4,352 1,463
Таблица 5. Коэффициенты корреляции между статистическими данными разделов ВРП и пассажиропотоком на направлении Москва - Казань Table 5. Correlation coefficients between the statistical data of the GRP sections and passenger traffic on the
Moscow - Kazan route
Показатель Фактор (оптовая и розничная торговля, ремонт автотранспортных средств, мотоциклов, млн руб.) Фактор Х2 (транспорт и связь, млн руб.) Фактор Х3 (здравоохранение и предоставление социальных услуг, млн руб.) Фактор Х4 (образование, млн руб.)
- пассажиропоток железнодорожного транспорта, млн чел в год 0,726 0,565 0,824 0,819
Г2 - пассажиропоток авиационного транспорта, млн чел в год 0,822 0,946 0,753 0,837
транспортом.
Для подтверждения данного предположения был проведен корреляционно-регрессионный анализ влияния разделов ВРП на пассажиропоток для авиационного сообщения между Москвой и Казанью. В результате по факторам Хь Х2 и Х4 коэффициенты корреляции для авиационного транспорта оказались выше (см. табл. 5).
В табл. 6 дана сравнительная характеристика стоимости билетов и времени в пути железнодорожным и авиационным транспортом на направлении Москва - Казань.
Стоимость проезда на поезде в среднем дешевле, чем стоимость перелета на самолете. Исключение составляют полеты по субсидируемым направлениям в некоторые регионы Российской Федерации.
При выборе способа перемещения в пространстве человек сравнивает варианты, в первую очередь, по времени, комфортности и стоимости. Принимая решение, он находит компромисс между данными параметрами способа перемещения. Этот компромисс состоит в следующем - чем выше скорость и комфортность, тем больше стоимость.
Как показано в работе [23] задача принятия решения при многих критериях может быть успешно решена с помощью метода идеальной точки.
Исследования, проведенные в работах [24-28], показали, что для пассажиров все же наибольшее значение имеют общие затраты времени на перемещение, которые для железнодорожного и авиационного транспорта можно разделить на три составляющие:
- Т - время, затраченное на перемещение до и от вокзала или аэропорта от точки начального отправления и до точки конечного отправления;
- Т2 - время на ожидание отправления поезда или вылета самолета;
- Т3 - время нахождения пассажира в поезде или самолете.
Преимущественно пассажиры время Т1 оценивают выше, чем время Т3, а еще выше они оценивают время ожидания транспортного средства Т2. При сокращении времени перемещения такое предпочтение пассажиров необходимо учитывать для повышения показателя его комфортности.
Таким образом, платежеспособный пассажир готов платить больше за высокую скорость перемеще-
ния в пространстве. В современном ускоряющемся мире экономия времени чаще всего оказывается значительно важнее дополнительной платы за скорость.
Исследования, проводимые в Институте проблем естественных монополий (ИПЕМ) - российском независимом научно-исследовательском центре показали, что повышение конкурентоспособности железнодорожных пассажирских перевозок предпочтительнее всего «на направлениях с высоким пассажиропотоком и небольшими расстояниями (до 700 км). Для этого необходимо сокращать время движения поездов и повышать их комфортабельность» [29]. При этом необходимо проводить разумную ценовую политику, оптимизируя параметры перевозки пассажиров по соотношению «время в пути -цена - комфорт».
Все вышеизложенное еще раз подтверждает жизненную необходимость развития скоростного и высокоскоростного железнодорожного пассажирского движения как основного фактора повышения конкурентоспособности пассажирских железнодорожных перевозок. В мире стремительными темпами растет протяженность ВСМ. Они обеспечивают не только транспортные потребности населения и повышают его мобильность, но и вносят существенный вклад в защиту окружающей среды. Наибольшее развитие высокоскоростных железных дорог в настоящее время наблюдается в странах Европы и Юго-Восточной Азии. Безусловным лидером является Китай, где доля вновь привлеченных пассажиров на высокоскоростные поезда достигает рекордного в мире уровня. Развитие ВСМ генерирует не только транспортные эффекты, но и при правильном планировании сети ВСМ дают мощный импульс социально-экономическому росту регионов.
Заключение
Математическая модель прогнозирования пассажиропотоков, позволяющая с требуемой точностью давать надежную оценку перспективных объемов пассажирских перевозок, является одним из необходимых условий снижения рисков неэффективного инвестирования в строительство высокозатратных объектов высокоскоростных железных дорог. Данная модель должна обязательно учитывать особенности социально-экономического развития регионов
Таблица 6. Сравнительная характеристика стоимости билетов и времени в пути железнодорожным и авиационным транспортом на направлении Москва - Казань Table 6. Comparative characteristics of the cost of tickets and travel time by rail and air
on the Moscow - Kazan route
Вид места Стоимость билета, руб Время в пути, ч
Железнодорожный Авиационный транс- Железнодорожный Авиационный транс-
транспорт порт транспорт порт
Сидячее 882
Плацкарт 1 444-2 613 2 313-4 474 11-13 1,5-1,75
Купе 1 566-3 383
СВ 5 005-10 514
Российской Федерации.
Полученные авторами результаты исследований влияния на пассажиропоток основных разделов валового регионального продукта на направлениях проектируемых высокоскоростных магистралей Москва - Санкт-Петербург и Москва - Казань с использованием корреляционно-регрессионного анализа и работы [15, 18] показали, что в условиях рыночных отношений возросла сложность прогнозирования размеров и структуры пассажиропотоков из-за динамичности и неопределенности спроса населения на перевозки в разных видах транспорта. Существенное значение в данном аспекте имеет фактор конкуренции на рынке транспортных услуг. Его необходимо обязательно учитывать при разра-
ботке математических моделей прогнозирования пассажиропотоков на отдельных видах транспорта.
Необходимо также отметить, что при проведении своих исследований авторы столкнулись с проблемой, которая значительно усложняет и без того непростую задачу математического моделирования прогнозирования пассажиропотоков. Это проблема несовершенства существующей информационно-статистической базы о пассажирских перевозках по видам транспорта, направлениям и регионам, что является серьезным препятствием разработки адекватной и надежной математической модели прогнозирования пассажиропотоков для высокоскоростных железнодорожных магистралей.
Список литературы
1. Транспортная стратегия Российской Федерации на период до 2030 года (новая редакция распоряжением Правительства РФ от 11 июня 2014 г. № 1032-р). - 2014. - 495 с.
2. Правдин Н.В. Прогнозирование пассажирских потоков (методика, расчеты, примеры) / Правдин Н.В., Негрей В. Я. - М.: Транспорт, 1980. - 223 с.
3. Загордан М.И. Пассажирские перевозки / Загордан М.И., Кравец Ф.П. - М.: Транспечать, 1931. - 258 с.
4. Михальцев, Е.В. Эволюция пассажирских перевозок на железных дорогах в довоенное время / Е.В. Михальцев -М.: Транспечать, 1926. - 118 с.
5. Вольфсон, М.Я.Экономика транспорта / М.Я.Вольфсон, В.И.Лядовский, И.С.Шильников - М.: Трансжелдориз-дат, 1941 . - 280 с.
6. Белюнов, С.А. Планирование эксплуатационных расходов железных дорог / С.А.Белюнов, В.И.Дмитриев, Г.С.Рейхер- М.: Трансжелдориздат, 1944. - 240 с.
7. Савин, Н. И. Планирование морских пассажирских перевозок / Н. И.Савин - М.: Морской транспорт, 1962. 157 с
8. Кочнев, Ф.П. Пассажирские перевозки на железных дорогах /Ф.П.Кочнев - М.: Транспорт, 1966. - 376 с.
9. Гуревич, Ш. М. Исследование сфер и направлений развития перевозок пассажиров на внутреннем водном транспорте СССР: автореф. д-ра. техн. наук:00.05/ Гуревич Шефтель Моисеевич - Горький, 1972. - 506 с.
10. Гуревич, Щ.М. Экономика речных пассажирских перевозок / Щ.М Гуревич- М.: Транспорт, 1976. - 152 с.
11. Пономарев, С.А. Планирование пассажирских перевозок / С.А.Пономарев - Труды ЦНИИ МПС, 1966. - 121 с.
12. Парахонский, Б.М. Межрайонные пассажирские перевозки и методика их планирования / Б.М.Парахонский, В.
A.Саболин- М.: Транспорт, 1971.- 124 с.
13. Беленький, М.Н. Экономика пассажирских перевозок / М.Н. Беленький - М.: Транспорт, 1976. - 272 с.
14. Youan Wang. Forecast of Passenger and Freight Traffic Volume based on Elasticity Coefficient Method and Grey Model / Youan Wang, Xumei Chen, Yanhui Han, Shuxia // Procedia - Social and Behavioral Sciences. - 2013. - Sciences 96. - С. 136 - 147.
15. Regina R.Clewlow. The impact of high-speed rail and low-cost carriers on European air passenger traffic / Regina R.Clewlow, Joseph M.Sussman, Hamsa Balakrishnan // Transport Policy. - 2014. № 33. - С. 136-143.
16. Проектирование скоростного пассажирского рельсового транспорта Иркутской агломерации / В.А. Подвербный,
B.В. Казарина, О.В. Подвербная //Проектирование развития региональной сети железных дорог : сб. науч. тр. под ред.
B.С. Шварцфельда. - Хабаровск : изд-во ДВГУПС, 2016. Вып. 4. - С.308-326
17. Шульман, Д.О. Обоснование этапности формирования перспективной сети ВСМ: дисс. канд. техн. наук: 05.22.06 / Шульман Дарина Олеговна. - Санкт-Петербург, 2015. - 147 с.
18. Jesper Blafoss Ingvardson. How urban density, network topology and socio-economy influence public transport rid-ership: Empirical evidence from 48 European metropolitan areas / Jesper Blafoss Ingvardson, Otto Anker Nielsen // Journal of Transport Geography. - 2018. № 72. - С. 50-63.
19. Егорова И.Н. Метод корреляционно-регрессионного анализа в оценке конкурентоспособности пассажирских железнодорожных перевозок / И.Н. Егорова, А.С. Кравец // Наука и образование транспорту. - 2019. № 1. С. 137-140.
20. Кендалл, М. Многомерный статистический анализ и временные ряды / М. Кендалл, А. Стюарт. - М.: Наука, Т. 3, 1976. - 736 с
21. Жинкин, Г.Н. Экономико-математические методы и модели в железнодорожном строительстве / Г.Н. Жинкин, И.И. Зеликович, В.А. Рогонов, С.Б. Шрайбер. - М.: Транспорт, 1979. - 256 с;
22. Дубров, А.М. Многомерные статистические методы: Учебник / А.М. Дубров, В.С. Мхитарян, Л.И. Трошин. - М. Финансы и статистика, 2003. - 352 с;
23. Гавриленков, А.В. Многокритериальная оптимизация множества вариантов железной дороги методом идеальной точки / А.В. Гавриленков, Ю.А. Быков, В.А. Подвербный, Е.А. Шиварева // Транспортное строительство. - 1992.- № 6.-
C. 10-11.
24. Большаков А.М. Повышение качества обслуживания пассажиров и эффективность работы автобусов / А.М. Большаков, Е.А. Кравченко, С.Л. Черникова. - М.: Транспорт, 1981. - 206 с.
25. Гудков В.А. Анализ факторов, влияющих на определение потребного количества пассажирских транспортных средств на маршрутах / В.А. Гудков, С.А. Ширяв, О.В. Устинова // Прогресс транспортных средств и систем - 2005: материалы междунар. науч.-практ. конф. (Волгоград, 20-23 сент. 2005 г.). - Волгоград, 2005. - Ч. 2. - С. 525-526.
26. Лопатин А.П. Моделирование перевозочного процесса на городском пассажирском транспорте. - М.: Транспорт, 1985. - 200 с.
27. Корягин М.Е. Равновесные модели системы городского пассажирского транспорта в условиях конфликта интересов. - Новосибирск: Наука, 2011. - 140 с.
28. Баскин Э.М. О времени ожидания пассажира на автобусной остановке // Теория и средства автоматики. - М.: Наука, 1968. - С. 188-198.
29. Поликарпов А.А. О конкуренции железнодорожного транспорта с авиацией и автобусами // Экономика железных дорог. -№ 9. - М.: Прометей, 2015. - С. 15-17.
References
1. Transportnaya strategiya Rossiiskoi Federatsii na period do 2030 goda (novaya redaktsiya rasporyazheniem Pravitel'stva RF ot 11 iyunya 2014 g. No. 1032-r), 2014. 495 s. [Transport strategy of the Russian Federation for the period up to 2030 (new edition by order of the Government of the Russian Federation No. 1032-R of June 11, 2014), 2014. 495 p.].
2. Pravdin N. V., Negrei V. Ya. Prognozirovanie passazhirskikh potokov (metodika, raschety, primery) [Forecasting passenger flows (methodology, calculations, examples)]. Moscow: Transport Publ., 1980. 223 p.
3. Zagordan M. I., Kravets F. P. Passazhirskie perevozki [Passenger transportation]. Moscow: Transpechat' Publ., 1931. 258 p.
4. Mikhal'tsev E. V. Evolyutsiya passazhirskikh perevozok na zheleznykh dorogakh v dovoennoe vremya [Evolution of passenger transportation on Railways in the pre-war period]. Moscow: TRANS-press Publ., 1926. 118 p.
5. Vol'fson M. Ya., Lyadovskii V. I., Shil'nikov I. S. Ekonomika transporta [Transport economics], Moscow: Transzheldor-izdat Publ., 1941. 280 p.
6. Belyunov S. A., Dmitriev V. I., Reikher G. S. Planirovanie ekspluatatsionnykh raskhodov zheleznykh dorog [Planning of operational expenses of railways]. Moscow: Transzheldorizdat Publ., 1944. 240 p.
7. Savin N. I. Planirovanie morskikh passazhirskikh perevozok [Planning of sea passenger transportation]. Moscow: Mor-skoi transport Publ., 1962. 157 p.
8. Kochnev F. P. Passazhirskie perevozki na zheleznykh dorogakh [Passenger transportation on railways]. Moscow: Transport Publ., 1966. 376 p.
9. Gurevich Sh. M. Issledovanie sfer i napravlenii razvitiya perevozok passazhirov na vnutrennem vodnom transporte SSSR: avtoref. d-ra. tekhn. nauk:00.05 [Research of spheres and directions of development of passenger transportation in the internal water transport of the USSR: author's abstract of D. Sc. (Engineering) diss.: 00.05. Gor'kii, 1972. 506 p.
10. Gurevich Sh. M. Ekonomika rechnykh passazhirskikh perevozok [Economics of river passenger transportation]. Moscow: Transport Publ., 1976. 152 p.
11. Ponomarev S. A. Planirovanie passazhirskikh perevozok [Passenger transportation planning]. Trudy TsNIIMPS [Proceedings ofthe Central research Institute of the Ministry of transport], 1966. 121 p.
12. Parakhonskii B. M., Sabolin V. A. Mezhraionnye passazhirskie perevozki i metodika ikh planirovaniya [Inter-district passenger transportation and methods of their planning]. Moscow: Transport Publ., 1971. 124 p.
13. Belen'kii M. N. Ekonomika passazhirskikh perevozok [Economics of passenger transportation]. Moscow: Transport Publ., 1976. 272 p.
14. Wang Yu., Chen X., Han Y., Guo Sh. Forecast of Passenger and Freight Traffic Volume based on Elasticity Coefficient Method and Grey Model. Procedure-Social and Behavioral Sciences, 2013. Sciences 96. Pp. 136-147.
15. Clewlow R.R., Sussman J. M., Balakrishnan H. The impact of high-speed rail and low-cost carriers on European air passenger traffic. Transport Policy, 2014. No. 33. Pp. 136-143.
16. Design of high-speed passenger rail transport of the Irkutsk agglomeration / V. A. Podverbny, V. V. Kazarina, O. V. Podverbnaya //Designing the development of the regional railway network: sb. nauch. tr. ed. by V. S. Shvartsfeld. - Khabarovsk: Publishing house of DVGUPS, 2016. Issue 4. - Рp. 308-326.
17. Shul'man D. O. Obosnovanie etapnosti formirovaniya perspektivnoi seti VSM: diss. kand. tekhn. nauk: 05.22.06 [Rationale for phasing the formation of an advanced network VSM: Ph.D. (Engineering) diss.: 05.22.06]. Saint Petersburg, 2015. 147 p.
18. Ingvardson J. B., Nielsen O. A. How urban density, network topology and socio-economy influence public transport rid-ership: Empirical evidence from 48 European metropolitan areas. Journal of Transport Geography, 2018. No. 72. Pp. 50-63.
19. Egorova I. N., Kravets A. S. Metod korrelyatsionno-regressionnogo analiza v otsenke konkurentosposobnosti passazhirskikh zheleznodorozhnykh perevozok [Method of correlation and regression analysis in assessing the competitiveness of passenger railway transportation]. Nauka i obrazovanie transportu [Science and education for transport], 2019. No. 1. Pp. 137-140.
20. Kendall M., Stuart A. Mnogomernyi statisticheskii analiz i vremennye ryady [Multivariate statistical analysis and time series]. Moscow: Nauka Publ., Vol. 3, 1976. 736 p.
21. Zhinkin G. N., Zelikovich I. I., Rogonov V.A., Shraiber S. B. Ekonomiko-matematicheskie metody i modeli v zheleznodorozhnom stroitel'stve [Economic-mathematical methods and models in railway construction]. Moscow: Transport Publ., 1979. 256 p.
22. Dubrov A.M., Mkhitaryan V. S., Troshin L. I. Mnogomernye statisticheskie metody: Uchebnik [Multidimensional statistical methods: a Textbook]. Moscow: Finance and statistics Publ., 2003. 352 p.
23. Gavrilenkov A.V., Bykov Yu. A., Podverbny V. A., Shivareva E. A. Multi-criteria optimization of the set of railway options by the ideal point method / / Transport construction. - 1992. - No. 6. - Р. 10-11.
24. Bol'shakov A.M., Kravchenko E. A., Chernikova S. L. Povyshenie kachestva obsluzhivaniya passazhirov i effektivnost' raboty avtobusov [Improving the quality of passenger service and the efficiency of buses]. Moscow: Transport Publ., 1981. 206 p.
25. Gudkov V. A. Shiryav S. A., Ustinova O. V. Analiz faktorov, vliyayushchikh na opredelenie potrebnogo kolichestva passazhirskikh transportnykh sredstv na marshrutakh [Analysis of factors influencing the determination of the required number of passenger vehicles on routes]. Progress transportnykh sredstv i sistem - 2005: materialy mezhdunar. nauch.-prakt. konf. (Volgograd, 20-23 sent. 2005 g.) [Progress of vehicles and systems-2005: materials of the international scientific and practical conference. (Volgograd, September 20-23, 2005)]. Volgograd, 2005. Part 2. Pp. 525-526.
26. Lopatin A. P. Modelirovanie perevozochnogo protsessa na gorodskom passazhirskom transporte [Modeling of the transportation process in urban passenger transport]. Moscow: Transport Publ., 1985. 200 p.
27. Koryagin M. E. Ravnovesnye modeli sistemy gorodskogo passazhirskogo transporta v usloviyakh konflikta interesov [Equilibrium models of the urban passenger transport system in the context of a conflict of interests]. Novosibirsk: Nauka Publ., 2011. 140 p.
28. Baskin E. M. O vremeni ozhidaniya passazhira na avtobusnoi ostanovke [About the waiting time of a passenger at a bus stop]. Teoriya i sredstva avtomatiki [Theory and means of automation]. Moscow: Nauka Publ., 1968. Pp. 188-198.
29. Polikarpov A.A. O konkurentsii zheleznodorozhnogo transporta s aviatsiei i avtobusami [About the competition of rail transport with aviation and buses]. Ekonomika zheleznykh dorog [Railway economics], No. 9. Moscow: Prometei Publ., 2015. Pp. 15-17.
Информация об авторах
Григорьева Александра Сергеевна - аспирант кафедры «Изыскания и проектирование железных дорог», Петербургский государственный университет Путей Сообщения императора Александра I, г. Санкт - Петербург, email: alexandra.arsyonova@yandex.ru
Анисимов Владимир Александрович - д. т. н., доцент, профессор кафедры «Изыскания и проектирование железных дорог», Петербургский государственный университет Путей Сообщения императора Александра I, г. Санкт -Петербург, e-mail: anisvl@mail.ru
DOI 10.26731/1813-9108.2020.4(68).239-248
Information about the authors
Aleksandra S. Grigor'eva - Ph.D. student, the Subdepartment of Survey and Design of Railways, Emperor Alexander I St. Petersburg State Transport University, Sankt.-Petersburg, email: alexandra.arsyonova@yandex.ru
Vladimir A. Anisimov - Doctor of Engineering Science, Professor of the Subdepartment of Survey and Design of Railways, Emperor Alexander I St. Petersburg State Transport University, Sankt - Petersburg, e-mail: anisvl@mail.ru
УДК 625.1
Параметры жизненного цикла стрелочных переводов проекта 2750 на железобетонных брусьях
Н. И. Карпущенко, Р. А. КомардинкинИ
Сибирский государственный университет путей сообщения, г. Новосибирск, Российская Федерация И roma-novosib@mail.ru
Резюме
В статье представлена методика оценки долговечности стрелочных переводов проекта 2750 и их элементов на железобетонном основании, которая основана на использовании данных эксплуатационных испытаний стрелочных переводов на Транссибирской магистрали в течение жизненного цикла. Результаты исследований параметров жизненного цикла стрелочных переводов проекта 2750 на участке О-Н представлены отдельно для первого и второго путей, имеющих разную грузонапряженность, с выделением стрелочных переводов, лежащих на диспетчерских съездах, по которым поезда следуют в основном по прямому направлению с установленными скоростями и на ответвлениях приемо-отправочных путей со скоростью не более 50 км/ч. Из результатов исследований следует, что ресурс стрелочных переводов проекта 2750 на железобетонном основании в 3 раза больше нормативной наработки. Средний срок службы металлических частей стрелочного перевода на 1 пути составляет в среднем 6,5 лет и 760 млн т брутто наработки тоннажа, и на 2 пути соответственно 8 лет и 640 млн т брутто наработки. Крестовины же 1 пути служат примерно 1 год, а 2 пути - 1,5 года. На основании полученных данных построена модель стоимости жизненного цикла стрелочного перевода. При этом принято, что жизненный цикл стрелочного перевода начинается с капитального ремонта, продолжается до следующего капитального ремонта. В промежутке выполняются работы по замене изношенных и дефектных элементов стрелочных переводов, шлифовка элементов, регулировка рельсовой колеи по шаблону и уровню.
Ключевые слова
стрелочный перевод, крестовина, ремкомплект, срок службы, долговечность, стоимость жизненного цикла Для цитирования
Карпущенко Н.И. Параметры жизненного цикла стрелочных переводов проекта 2750 на железобетонных брусьях / Н. И. Карпущенко, Р. А. Комардинкин // Современные технологии. Системный анализ. Моделирование. - 2020. -№ 4 (68). - С. 239-248. - БО!: 10.26731/1813-9108.2020.4(68).239-248
