Оценка транспортной подвижности населения на основе дезагрегированных моделей Текст научной статьи по специальности «Строительство и архитектура»

Оригинальная статья / Original article УДК 656.02

DOI: 10.21285/1814-3520-2017-5-199-207

ОЦЕНКА ТРАНСПОРТНОЙ ПОДВИЖНОСТИ НАСЕЛЕНИЯ НА ОСНОВЕ ДЕЗАГРЕГИРОВАННЫХ МОДЕЛЕЙ

© А.А. Штоцкая1, А.Ю. Михайлов2

2Кузбасский государственный технический университет им. Т.Ф. Горбачева, Российская Федерация, 650000, г. Кемерово, ул. Весенняя, 28. 1Иркутский национальный исследовательский технический университет, Российская Федерация, 664074, г. Иркутск, ул. Лермонтова, 83.

РЕЗЮМЕ. ЦЕЛЬ. Исследовать влияние социально-экономических и градостроительных факторов на формирование транспортного спроса населения и построить дезагрегированные модели транспортного спроса. МЕТОДЫ. Использовались методы статистического анализа (пакеты Statistica; MS Excel). РЕЗУЛЬТАТЫ. Выполнено исследование характеристик транспортного поведения населения на примере г. Кемерово. Получены дезагрегированные модели, описывающие влияние социально-экономических и градостроительных факторов на транспортное поведение населения. Предложена методика агрегированной оценки транспортного спроса на основе данных дезагрегированной модели.

Ключевые слова: транспортный спрос, суточная подвижность населения, дезагрегированная модель, транспортные районы, регрессионный анализ.

Формат цитирования: Штоцкая А.А., Михайлов А.Ю. Оценка транспортной подвижности населения на основе дезагрегированных моделей // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 5. С. 199-207. DOI: 10.21285/1814-3520-2017-5-199-207

DISAGGREGATED MODEL-BASED ASSESSMENT OF POPULATION TRANSPORT MOBILITY A.A. Shtotskaya, A.Yu. Mikhailov

Kuzbass State Technical University named after T.F. Gorbachev, 28, Vesennaya, Kemerovo, 650000, Russian Federation. Irkutsk National Research Technical University, 83, Lermontov St., Irkutsk, 664074, Russian Federation.

ABSTRACT. The PURPOSE of this work is to study the effect of socio-economic and town-planning factors on the formation of public transport demand as well as to construct disaggregated models of transport demand. METHODS. The methods of statistical analysis including Statistica packages, MS Excel have been used. RESULTS. The features of population transport behavior have been studied on example of the city of Kemerovo. The disaggregated models describing the influence of socio-economic and town-planning factors on population transport behavior have been received. The procedure of transport demand aggregated assessment on the basis of disaggregated model data has been proposed. Keywords: transport demand, population daily mobility, disaggregated model, transportation districts, regression analysis

For citation: Shtotskaya A.A., Mikhailov A.Yu. Disaggregated model-based assessment of population transport mobility. Proceedings of Irkutsk State Technical University. 2017, vol. 21, no. 5, pp. 199-207. (In Russian) DOI: 10.21285/18143520-2017-5-199-207

Введение

При решении задачи долгосрочного планирования пассажирских перевозок используется показатель суточной подвижно-

сти населения. Для этого необходимо иметь полные и всесторонние данные о количестве передвижений, совершаемых

1Штоцкая Анастасия Аркадьевна, старший преподаватель кафедры автомобильных перевозок, e-mail: nesanar@mail.ru

Anastasia A. Shtotskaya, Senior Lecturer of the Department of Automobile Transportations, e-mail: nesanar@mail.ru 2Михайлов Александр Юрьевич, доктор технических наук, профессор кафедры менеджмента и логистики на транспорте, e-mail: mikhaylovay@gmail.com

Aleksandr Yu. Mikhailov, Doctor of technical sciences, Professor of the Department of Transport Management and Logistics, e-mail: mikhaylovay@gmail.com

ISSN 1814-3520 ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 23, No. 5 2017 199

на транспорте и пешком одним жителем города в сутки, то есть иметь возможность прогнозировать подвижность населения. В работе приведены результаты исследования суточной подвижности населения в го-

роде Кемерово. Полученные результаты могут быть применены для разработки мероприятий, направленных на оценку перспективного транспортного спроса и рационализацию транспортной сети города.

Методика исследования

В современных условиях развития общества все более значимым становится влияние транспортной системы города на все сферы деятельности населения и качество жизни в целом. Основой планирования эффективной транспортной системы города является оценка транспортного спроса населения, который характеризуется транспортной подвижностью и ее целевой структурой, а также выбором способа передвижения [1, 2]. На транспортное поведение населения влияет множество различных факторов, поэтому изучение закономерностей формирования транспортного поведения населения является важной составляющей теории транспортного планирования.

Традиционно транспортные прогнозы основываются на использовании агрегированных моделей, построенных на усредненных значениях показателей, определяющих спрос на передвижения. Однако межрайонные корреспонденции - это совокупный результат индивидуальных передвижений городских жителей. Поэтому логично воспользоваться инструментом, учитывающим индивидуальное транспортное поведение респондентов. Ряд зарубежных авторов предлагают в качестве такого инструмента использовать дезагрегированные модели [1, 2]. Поскольку дезагрегированные модели описывают влияние социально-экономических и градостроительных факторов на транспортное поведение индивида, можно утверждать, что такие модели позволяют выполнять прогнозирование изменения транспортного спроса под воздействием этих факторов. Соответственно области применения дезагрегированных моделей следующие:

• оценка спроса на передвижения (Trip generation);

• оценка разделения транспортного

спроса по видам передвижений (Mode Split).

Предметом рассмотрения в данной работе является транспортная подвижность городского населения, оцениваемая на основе дезагрегированной модели транспортного спроса, что в общем виде можно представить как

Т= F(xvx2,...,xn) , (1) где T - индивидуальная суточная подвижность респондента, передвижений/сутки; x1, x2, ..., xn - независимые (объясняющие) переменные модели.

В отечественной литературе в качестве формирующих факторов отмечаются:

- социально-экономические - экономическая доступность транспортных услуг и доходы различных групп населения;

- территориальные - производственно-хозяйственное и культурно-бытовое значение города, природные условия, численность и плотность населения; расселение жителей относительно объектов тяготения;

- транспортные - плотность и доступность маршрутной сети, частота движения подвижного состава, виды транспорта, затраты времени населения на передвижения, качество обслуживания транспортного обслуживания;

- природно-климатические.

В работах зарубежных авторов [3-5] чаще всего указываются следующие факторы формирования транспортного поведения:

- размер семьи/домохозяйства;

- доходы семьи/домохозяйства;

- соотношение стоимости жилья и транспортных расходов к доходам семьи/домохозяйства;

- наличие или отсутствие в семье/домохозяйстве индивидуального

200

ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 21, No. 5 2017 ISSN 1814-3520

транспорта,

- структура семьи образование, пол, возраст, семейный статус, наличие детей и т.д.

Модели, связывающие транспортное поведение и факторы, объясняющие его, получили название дезагрегированных в отличие от агрегированных моделей, оценивающих транспортный спрос как функцию использования территории.

Формальное представление дезагрегированных моделей транспортного спроса получило разные формы. В частности оценка подвижности может выполняться на основе линейной регрессионной модели:

Т = Ь0+Ь1х1+Ь2х2 +-----+Ьпхп , (2)

где T - суточная подвижность, передвижений/сутки; Ьо, Ь 1, Ь 2, ..., Ь п - свободный член и коэффициенты уравнения регрессии; х1,х2, ..., xn - независимые переменные модели.

Другой вариант дезагрегированной модели - вероятностная оценка количества передвижений. Вероятность совершения

передвижении респондентом за сутки описывается уравнениями:

Р(т)

= е-х

хт

(3)

In Х= b0+b1x1+b2x2 + ••• +bnxn , (4)

где P(m) - вероятность совершения респондентом m передвижений за сутки; А - параметр распределения Пуассона, т.е. среднее количество передвижений респондента за сутки.

С целью выявления наиболее значимых факторов формирования транспортной подвижности кафедрой автомобильных перевозок Кузбасского государственного технического университета им. Т.Ф. Горбачева было проведено анкетное обследование населения г. Кемерово [6-8]. Число ре-спондетов было принято пропорциональным количеству жителей адиминистратив-ных райнов. Возрастная структура населения также пропорционально представлена в анкетах. Для анализа информации была составлена база данных в среде Access, куда были включены все собранные в результате анкетирования данные.

Результаты исследования

m

По результатам выполненного анкетного обследования средняя суточная транспортная подвижность в г. Кемерово составила 1,74 передвижений. Уже на начальной стадии исследования был выявлен ряд социально-экономических факторов, оказывающих значительное влияние на транспортное поведение населения. Это подтверждается достаточно высокими показателями парной корреляции: доходы семьи R = 0,982; количество автомобилей в собственности семьи R = 0,72 и др. Зависимость подвижности населения от различных факторов представлены на рис. 1.

С целью влияния градостроительных факторов на транспортное поведение населения было необходимо разделить территорию города на транспортные районы. Критериями формирования этих районов стали их удаление от центра города и тип преобладающей застройки. В результа-

те были выделены 14 транспортных районов (рис. 2).

Далее с целью выполнения сравнительного анализа транспортной подвижности населения указанные выше районы были разделены на три группы:

• «центральные»: Центральный, Ленинский, Предзаводской, Южный, Шалгота-рьян;

• «городские»: МЖК, Кировский, Радуга, Заводский, ФПК, Кедровка, шахта Северная;

• «периферийные»: Рудничный, пос. Крутой.

Сравнение показателей подвижности выделенных групп транспортных районов выполнялось как оценка статистической значимости различий средних значений выборок разного объема с использованием критерия Стьюдента (табл. 1).

ISSN 1814-3520 ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 23, No. 5 2017 201

* га -, О "a Z

S «

SE

£ ^

<& 0,5

У

■ ■0

Количество автомобилей, шт / Number of cars, pes

a -

c d

Рис. 1. Зависимость подвижности населения от: нормированного дохода населения; b - социального статуса респондента; с - количества автомобилей в семье; d - возраста респондента Fig. 1. Dependence of population mobility on the following factors: a - normalized income of the population; b - social status of the respondent; с - number of cars in the family; d - respondent age

Рис. 2. Транспортные районы города Кемерово: 1 - Заводский; 2 - Кировский; 3 - Кедровка; 4 - Ленинский; 5 - МЖК; 6 - Предзаводской; 7 - Радуга; 8 - Рудничный; 9 - ФПК; 10 - Центральный; 11 - пос. шахты Северная; 12 - Шалготарьян; 13 - пос. Южный; 14 - пос. Крутой Fig. 2. Transportation districts of the city of Kemerovo: 1 - Zavodskiy; 2 - Kirovskiy; 3 - Kedrovka; 4 - Leninskyi; 5 - MZhK (Youth Residential Complex); 6 - Predzavodskoi; 7 - Raduga; 8 - Rudnichnyi; 9 - FPK; 10 - Tsentralnyi; 11 - settlement of the Northern mine; 12 - Shalgotaryan; 13 - settlement Youzhnyi; 14 - settlement Krutoi

202

ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 21, No. 5 2017 ISSN 1814-3520

Показатели подвижности групп транспортных районов Mobility indicators of transportation district groups

Таблица 1 Table 1

Сравниваемые группы районов / Compared groups of districts Расчетное значение критерия Стьюдента / Calculated value of the Student's t-test criterion Критическое значение критерия Стьюдента / Critical value of the Student's t-test criterion

«Центральные» и «городские» / "Central" and "urban" t = 1,99 t0,05;4572 = 1,96

«Центральные» и «периферийые» / "Central" and "peripheral" t = 2,25 t0,05;2964 = 1,96

«Городские» и «периферийные» / "Urban" and "peripheral" t = 3,64 t0,05;2506 = 1,96

В ходе сравнения средних показателей подвижности, выполненного с вероятностью 95%, было выявлено, что население трех групп районов статистически значимо отличается по своему транспортному поведению. Это делает обоснованным построение отдельных дезагрегированных моделей для каждой из трех групп городских районов.

С целью использования полученных дезагрегированных моделей в долгосрочных прогнозах представляется правильным рассматривать нормированные доходы населения. Обследования транспортного поведения жителей г. Кемерово были выполнены в 2009 году, поэтому актуальным становится обращение к нормированным доходам (НД), что позволяет учитывать величину инфляции. Модель суточной транспортной подвижности рассмотрена как линейная функция:

1пХ = Ь0+Ь1х1+Ь2х2+Ь3х3 , (5)

где х1 - нормированный доход (НД), х2 - возраст респондента; х3 -количество автомобилей в семье респондента.

Величину нормированного дохода предлагается рассчитывать по формуле:

НД = —, (6)

« ПМ' 4 '

где Д- доход конкретного респондента; ПМ - прожиточный минимум.

Полученные в результате обработки данных регрессионные уравнения представлены в табл.2.

В случае «центральные» районы, включенные в модель транспортной подвижности, независимые переменные объясняют 51% вариаций зависимой переменной. По критерию Фишера модель адекватна, что подтверждается высоким значением критерия Р = 2892,04.

Значение коэффициента детерминации 52% в группе «городские» районы доказывает достаточно высокую точность аппроксимации. Проверка модели на адекватность с помощью критерия Фишера также подтвердила статистическую значимость полученного уравнения. Фактическое значение весьма превышает критическое: £ = 1058,146 > Г95%;6669 = 2,6.

Транспортная подвижность в группе «периферийные» районы на 63% объясняется вариацией независимых переменных, соответственно значение коэффициента корреляции - 87,5%. Проверка модели на адекватность выполнена сравнением фактического и табличного значений критерия Фишера. Фактическое значение превышает критическое: £ = 218,96 > Г95%,3;-|332 = 2,6. Следовательно, полученная зависимость признается статистически значимой.

ISSN 1814-3520 ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 23, No. 5 2017 203

- (□nil Транспорт

UÉÉÉËJ ее ie -' Transport

Таблица 2

Дезагрегированные модели для групп транспортных районов

Table 2

Disaggregated models for the groups of transportation districts_

Группа транспортных районов / Group of transportation districts Дезагрегированная модель / Disaggregated model Коэффициент корреляции R / Correlation ratio R Критерий Фишера / Fisher's variance ratio criteria

Расчетное значение / Design value Критическое значение / Critical value

Центральные / Central у = 0,644 + 0,021x? -- 0,001x2 + 0,022хз R = 0,71 F = 2892,04 F95%;3;8466 = 2,6

Городские/ Urban у = 0,514 + 0,013x? -- 0,0008x2 - 0,025хз R = 0,77 F = 1058,14 F95%;6669 = 2,6

Периферийные / Peripheral у = 0,527 + 0,024x? -- 0,002x2 - 0,034хз R = 0,88 F = 218,96 F95%;3;6669 = 2,6

Кроме проверки общего качества уравнений регрессии необходимо оценить статистическую значимость каждой из независимых переменных, включенных в регрессию.

Оценка статистической значимости коэффициентов регрессии проведена с помощью ¿-статистики Стьюдента и путем

расчета доверительного интервала для каждого из коэффициентов. Расчетные значения f-критерия по модулю больше табличных во всех рассмотренных регрессионных моделях (табл. 3). Поскольку р-значение значительно меньше 0,05 во всех трех моделях, следовательно, все коэффициенты регрессии значимы.

Таблица 3 Table 3

Дисперсионный анализ

Dispersion analysis

Группа транспортных районов / Group of transportation districts Перемен- Критерий Стью- р-значение / p-value Доверительные интервалы/ Confidence Limit

ные / Variables t дента / Student's t-test cri- нижние 95% / Lower верхние 95% / Upper limits

terion, tc. limits 95% 95%

Y 222,507 0 0,45960 0,46777

Центральные / x1 73,1436 ¿95%;8461 = 0 0,01996 0,02106

Central x2 -32,3814 = 1,96 5,7685E-217 -0,00097 -0,00086

x3 -27,1645 7,1944E-156 -0,02295 -0,01986

Y 219,108 0 0,50930 0,51850

Городские / x1 41,3087 t95%;8885 = 0 0,01250 0,01375

Urban x2 -26,3155 = 1,96 2,7116E-145 -0,00093 -0,0008

x3 -28,1935 2,548E-165 -0,02721 -0,02367

Y 40,9337 7,8462E-238 0,50177 0,55228

Периферийные / x1 13,9504 t95%;1328 = 2,19103E-41 0,02100 0,02788

Peripheral x2 -13,8688 = 1,96 5,92259E-41 -0,00270 -0,00203

x3 -7,02726 3,35171E-12 -0,04332 -0,02442

204

ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 21, No. 5 2017 ISSN 1814-3520

Далее была рассмотрена модель вероятности оценки количества передвижений на основе полученных дезагрегированных моделей. В данной модели вероятность совершения респондентом т передвижений за сутки определяется уровнем нормированного дохода, возрастом, количеством автомобилей в собственности семьи респондента и районом возникновения потребности в передвижении.

В результате обработки данных дезагрегированная модель вероятности совершения заданного количества передвижений получила следующий вид:

д _ e0,0185xi •

-0,00099х■

2 • е-0,0299х3 • е0,485х4 •

• е

0,487Х5 • е0,59х6

(8)

где х1 - нормируемый доход (НД); х2 -возраст; х3 -количество автомобилей в семье; х4 - условие возникновения потребности в передвижении в группе «центральных» транспортных районов; х5 - условие возникновения потребности в передвижении в группе «городских» транспортных районов; х6 - условие возникновения потребности в передвижении в группе «периферийных» транспортных районов.

В регрессионной модели (8) районы возникновения потребности в передвиже-

нии представлены в виде дискретных переменных, т.е. принимают значения 0 и 1. Соотвественно независимые переменные х4, х5, х6 задавались следующим образом:

- «центральные» районы: х1 = 1; х2 = 0; х3 = 0;

- «городские» районы: х1 = 0; х2 = 1;

х3 = 0;

- «периферийные» районы: х1 = 0, х2 = 0, хз = 1.

Вариация зависимой переменной на 78% объясняется вариацией включенных в модель (8) независимых переменных, соответственно коэффициент множественной корреляции равен 0,89. Проверка с применением критерия Фишера подтвердила адекватность модели: расчетное значение Р = 10110,71 значительно превышает критическое Г96%;6;16509 = 2,09.

Оценка статистической значимости коэффициентов регрессии подтвердила правомерность их включения в модель. Оценка проведена с использованием N критерия Стьюдента (табл. 4), также определены доверительные интервалы 95% обеспеченности.

Для оценки емкости транспортных районов по отправлению на основе полученных дезагрегированных моделей была предложена следующая методика:

Дисперсионный анализ Dispersion analysis

Таблица 4 Table 4

Переменные / Variables iрасчетное / idesign Критическое значение критерия Стьюдента / Critical value of the Student's t-test criterion р-значение / p-value Доверительные интервалы / Confidence Limits

нижние 95% / Lower limits 95% верхние 95% / Upper limits 95%

Y - ¿95%;16509 = 1,96 - - -

xi 14,79008 3,50432E-49 0,016043 0,020946

X2 -7,393193 1,50209E-13 -0,001252 -0,000727

X3 -6,034936 1,62424E-09 -0,039733 -0,020251

X4 48,83226 0 0,465529 0,504464

X5 48,73809 0 0,467531 0,506712

X6 40,63491 0 0,467300 0,514667

е

ISSN 1814-3520 ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 23, No. 5 2017 205

1. Определение типа выделенного транспортного района.

2. Выбор принадлежности к социальной группе.

3. Выбор соответствующего регрессионного уравнения.

4. Определение численности населения в определенной социальной группе или численности населения транспортного района в целом ).

5. Определение нормируемого дохода.

6. Определение возраста.

7. Определение количества автомобилей в собственности.

8. Расчет генерации передвижений:

- без учета социальной структуры населения: Е^ = у{;

- с учетом социальной структуры населения: Е[ = • уи]).

Здесь Е^ - емкость транспортного района по отправлению; Е[ - емкость транспортного района по отправлению с учетом социальной структуры населения, поездок/сутки; - социальная группа; Му - количество представителей социальной группы в выделенном транспортном районе; у^ - подвижность определенной социальной группы в выделенном транспортном районе; т - количество выделенных социальных групп.

Заключение

Таким образом, при расчете емкости районов по отправлению по предложенной методике используются данные, получаемые из дезагрегированных моделей. Это позволяет учитывать изменение транспортного спроса в результате воздействия

Библиогра

1. Мягков В.Н., Пальчиков Н.С., Федоров В.П. Математическое обеспечение градостроительного проектирования. Л.: Наука, 1989. 144 с.

2. Якимов М.Р. Транспортное планирование: создание транспортных моделей городов: монография. М.: Логос, 2013. 188 с.

3. Ben-Akiva, M. et al. Behavioural realism in urban transportation planning models // Transportation Models in the Policy-Making Process: A Symposium in Memory of Greig Harvey. Asilomar Conference Center, California, March 6, 1998. 32 p.

4. Mc Fadden D., Reid F. Aggregate travel demand forecasting from Disaggregated Behavioral models // Transportation Research Record: Travel behavior and values. 1975. No. 524. P. 24-37.

5. Meyburg A.H., Stopher P.R., Aggregate and Disaggregate Travel Demand Models // Transportation Engineering Journal of ASCE. 1975. Vol. 101.

социально-экономических и градостроительных факторов, тем самым повышается точность оценки транспортного спроса по сравнению с оценками, основанными на усредненных значениях подвижности.

кий список

P. 237-245.

6. Корягин М.Е., Нестерова А.А. Определение закономерностей выбора способа передвижения жителями г. Кемерово // Проблемы эксплуатации и обслуживания транспортно-технологических машин: материалы Междунар. науч.-техн. конф. Тюмень: Изд-во ТюмГНГТУ, 2009. С. 198-203.

7. Корягин М.Е., Нестерова А.А. Влияние наличия автомобилей в семье на выбор способа передвижения // Вестник ИрГТУ. 2011. № 1 (48). С. 104-108.

8. Сорокин С.В., Штоцкая А.А. Исследование факторов, влияющих на выбор способа передвижения // Перспективы развития и безопасность автотранспортного комплекса: материалы III Междунар. науч.-практ. конф. (Новокузнецк, 28-30 ноября 2013 г.). Новокузнецк: Изд-во Филиала КузГТУ в Новокузнецке, 2013. С. 254-256.

References

1 Myagkov V.N., Pal'chikov N.S., Fedorov V.P. Ma-tematicheskoye obespecheniye gradostroi-tel'nogo proyektirovaniya [Mathematical support of urban planning]. Leningrad, Nauka Publ., 1989, 144 p. (In Russian)

2. Yakimov M.R. Transportnoye planirovaniye: sozdani-ye transportnykh modeley gorodov [Transport planning: development of urban transport models]. Moscow,

Logos Publ., 2013. 188 p. (In Russian)

3. Ben-Akiva, M. et al. Behavioural realism in urban transportation planning models. Transportation Models in the Policy-Making Process: A Symposium in Memory of Greig Harvey. Asilomar Conference Center, California, March 6, 1998, 32 p.

4. Mc Fadden D., Reid F. Aggregate travel demand forecasting from Disaggregated Behavioral models.

206

ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 21, No. 5 2017 ISSN 1814-3520

Transportation Research Record: Travel behavior and values, 1975, no. 524, pp. 24-37.

5. Meyburg A.H., Stopher P.R., Aggregate and Disaggregate Travel Demand Models. Transportation Engineering Journal of ASCE. 1975, vol. 101, pp. 237-245.

6. Koryagin M.Ye., Nesterova A.A. Opredeleniye za-konomernostey vybora sposoba peredvizheniya zhitelyami g. Kemerovo [Determination of transportation method selection patterns of Kemerovo residents]. Ma-terialy mezhdunarodnoi nauchno-tekhnicheskoi konfe-rentsii "Problemy ekspluatatsii i obsluzhivaniya transportno-tekhnologicheskikh mashin" [Materials of the International Scientific and Technical Conference "Problems of transportation and technological machines operation and maintenance]. Tyumen': TyumGNG-TU Publ., 2009, pp. 198-203. (In Russian)

Критерии авторства

Штоцкая А.А., Михайлов А.Ю. подготовили статью, имеют равные авторские права и несут одинаковую ответственность за плагиат.

Конфликт интересов

Автор заявляет об отсутствии конфликта интересов.

Статья поступила 27.04.2017 г.

7. Koryagin M.Ye., Nesterova A.A. Vliyaniye nalichiya avtomobiley v sem'ye na vybor sposoba peredvizheniya [The influence of the availability of automobiles in a family on the choice of the method of transportation]. Vestnik IrGTU [Proceedings of Irkutsk State Technical University]. 2011, no 1 (48), pp. 104-108. (In Russian)

8. Sorokin S.V., Shtotskaya A.A. Issledovaniye faktorov, vliyayushchikh na vybor sposoba peredvizheniya [Research of the factors influencing the choice of the transportation method]. Materialy III mezhdunarodnoi nauch-no-prakticheskoi konferentsii "Perspektivy razvitiya i bezopasnost' avtotransportnogo kompleksa" [Materials of III International scientific and practical conference "Motor transport complex development and safety prospects"]. Novokuznetsk, Filiala KuzGTU v Novokuz-netske Publ., 2013, pp. 254-256. (In Russian)

Authorship criteria

Shtotskaya A.A., Mikhailov A.Yu. prepared the article. They have equal author's rights and bear equal responsibility for plagiarism.

Conflict of interests

The authors declare that there is no conflict of interests regarding the publication of this article.

The article was received 27 April 2017

ISSN 1814-3520 ВЕСТНИК ИрГТУ Т. 21, № 5 2017 / PROCEEDINGS of ISTU Vol. 23, No. 5 2017 207