CC BY
59
Анализ представленных на рис. 18-20 расчётных зависимостей позволяет констатировать, что из трёх рассмотренных случаев торможения наиболее опасным, с точки зрения потери поперечной устойчивости КТС, является первый случай его торможения (рис. 18), в котором раньше всех начинают блокироваться колёса задней оси, обуславливая занос машины.
При опережающем блокировании передних колёс во втором случае торможения (рис. 19), даже при скорости движения У0 = 80 км/ч и значительном разворачивающем моменте МРАЗВ = 1500 Нм, колесная
машина не выходит из нормативного коридора движения, установленного действующим ГОСТ Р 517092001 [3], однако при этом она теряет управляемость.
В третьем случае торможения (рис. 20) блокирование всех колес происходит одновременно. При этом даже при снижении коэффициента сцепления до ф = 0,5, в результате движения колес «юзом» (кривые 2, 4 и 6), поперечная устойчивость колесной машины, характеризуемая суммарным отклонением кЕ её габаритов от оси нормативного коридора движения шириной 3 м, остаётся сопоставимой с устойчивостью КТС в первом случая торможения (кривые 1, 2 и 3 рис. 18).
Результаты моделирования, полученные для наиболее характерных условий процесса торможения
КТС, свидетельствуют о том, что рассчитанные посредством составленной модели координаты поперечного смещения у её центра масс, а также значения суммарного отклонения по габариту кЕ машины отличаются от экспериментальных данных в среднем не более чем на 4 и 6% соответственно.
Составленная математическая модель позволяет оценивать влияние коэффициента сцепления, нормальной нагрузки, коэффициента неравномерности нарастания тормозного момента, коэффициента неравномерности блокирования колёс оси по времени, разворачивающих моментов и других факторов на процесс торможения КТС. Отмеченное позволяет рекомендовать составленную математическую модель для практического использования при оценке процесса торможения колёсных машин.
Помимо решения задач, связанных с оценкой тормозной динамики КТС, составленная математическая модель даёт возможность решать прикладные задачи, касающиеся устойчивости колесной машины при торможении, моделирования дорожно-транспортных происшествий, а также моделирования процесса торможения КТС при различных неисправностях конструктивных элементов тормозной системы и её привода.
Библиографический список
1. Алексеев А.П. Современное диагностическое оборудование для оценки технического состояния транспортных средств // Повышение эффективности эксплуатации автотранспортных средств на основе современных методов диагностирования: материалы междунар. науч.-практ. конф. Иркутск: Изд-во ИрГТУ, 2007. С. 4-9.
2. Патент 2380247 РФ, МПК7 В 60 Т 17/22, 6011.5/28. Способ диагностики тормозов автотранспортного средства /
А.Г. Осипов. Заявитель и патентообладатель он же. № 2008124918/11 (030191). Заявл. 18.06.2008. Опубл. 27.01. 2010. Бюл. № 3. 18 с.
3. ГОСТ Р 51709-2001. Автотранспортные средства. Требования безопасности к техническому состоянию и методы проверки (взамен ГОСТ 25478-91). Введён 2002.01.01. М.: ИПК Изд-во стандартов, 2001. 44 с.
УДК 625.712
ПЕРСПЕКТИВЫ УПРАВЛЕНИЯ ТРАНСПОРТНЫМ СПРОСОМ
М.И. Шаров1
Национальный исследовательский Иркутский государственный технический университет, 664074, г. Иркутск, ул. Лермонтова, 83.
Дано определение понятия управления транспортным спросом. Представлены возможные варианты снижения нагрузок на улично-дорожную сеть по опыту зарубежных стран в области управления подвижностью населения. Приведены показатели эффективности ряда конкретных проектов в области управления транспортным спросом и оценка вероятности выбора способа передвижения, относящаяся к классу моделей индивидуальных предпочтений. В качестве примера рассмотрена дезагрегированная модель индивидуального выбора, которая применялась для целого ряда городов США. Ил. 3. Табл. 1. Библиогр. 7 назв.
Ключевые слова: подвижность населения; транспортный спрос; матрицы корреспонденций.
PROSPECTS TO MANAGE TRANSPORT DEMAND M.I. Sharov
National Research Irkutsk State Technical University, 83, Lermontov St., Irkutsk, 664074.
1Шаров Максим Игоревич, кандидат технических наук, доцент кафедры менеджмента на автомобильном транспорте, тел.: (3952) 405408, 89086608816; e-mail: [email protected]
Sharov Maxim, Candidate of technical sciences, Associate Professor of the chair of Management in Automobile Transport, tel.: (3952) 405408, 89086608816; e-mail: sharov.maksim @ gmail.com
The author gives the definition of the concept of transport demand management. The article offers options to decrease the loads on the road network in accordance with the experience of foreign countries in the field of population mobility management. The author presents the indicators of the efficiency of a number of specific projects dealing with the transport demand management. He gives the estimated probability of the choice of a transportation mode that is referred to the class of models of individual preferences. The disaggregated model of an individual choice, which was used for a number of U.S. cities, is considered as an example. 3 figures. 1 table. 7 sources.
Key words: mobility of population; transport demand; correspondence matrices.
Высокий уровень загрузки улично-дорожных сетей крупных и крупнейших российских городов, сопровождающийся резким снижением скорости сообщения и транспортными заторами, стал предметом дискуссий и многих публикаций в нашей стране. В российских изданиях, посвящённых проблемам транспортных заторов, в качестве средств борьбы с пробками чаще всего указываются административные и фискальные меры, применение интеллектуальных транспортных систем (ИТС), прежде всего АСУД. Вместе с тем, в них пока ещё мало внимания уделяется методам формирования транспортного поведения населения, что является предметом так называемого управления транспортным спросом. Широко распространённые в зарубежной специальной литературе и периодике термины управление транспортным спросом (Transportation Demand Management - TDM) или управление мобильностью (Mobility Management - ММ) имеют следующие определения:
«TDM - обобщающий термин для стратегий, которые приводят к более эффективному использованию транспортных ресурсов» (Victoria Transport Institute, Канада);
«...ММ - ориентированный на спрос подход к пас-
сажирскому и грузовому транспорту, использующим новые формы взаимодействия и новый инструментарий. Его цель состоит в том, чтобы поддерживать и поощрять изменение отношения к устойчивым видам транспортного обслуживания. Инструментарий ММ основан на информационных и организационных методах, координации...» (K. H. Posch, координатор EPOMM).
Обратимся к уже имеющейся практике применения TDM и ММ. Программы снижения транспортных нагрузок на городские улично-дорожные сети (УДС) (Alleviating traffic congestion), разработанные в последние годы в США, включают очень разнообразный арсенал мер, которые классифицируются как долгосрочные и краткосрочные. Примечательно, что в числе долгосрочных мер Департаменты транспорта штатов и муниципалитетов указывают TDM как обязательный элемент [2, 7]. Таким образом, в составе долгосрочных программ рассматриваются не только развитие дорогостоящей транспортной инфраструктуры, но и мероприятия по формированию транспортного поведения населения. При этом особый акцент делается на рациональном использовании индивидуального автомобильного парка.
Рис. 1. Взаимосвязь управления мобильностью (1) и управления транспортной системой (2) [4]: 3 - средства и методы управления, включающие координацию работы муниципальных служб (4), средства массовых коммуникаций (6) и информационные системы (7); 8 - «аппаратные» средства, включающие разработку законодательства и регулирующих актов (9), применение телематики (10), фискальные меры (11), развитие транспортной инфраструктуры (12); 13 - планирование использования территории (т.е. градостроительное планирование)
Управление транспортным спросом активно применяется в европейских странах и стало объектом совместных европейских программ, выполняемых под эгидой организации European Platform on Mobility Management (EPOMM, http://www.epommweb.org) и самой Европейской комиссии (www.ecomm2010.eu). В частности, 30 сентября 2009 г. Европейская комиссия приняла «План действий по городской мобильности» (Action Plan on Urban Mobility) со сроком действия до 2012 г. Сама EPOMM, в состав которой входят уже 16 стран, осуществила в 2006-2009 гг. проект «Максимизация менеджмента мобильностью» (MAXimise Mobility Management - МАХ).
Спектр средств управления мобильностью достаточно широк (рис. 1) и взаимосвязан с управлением транспортной системой города, муниципальным управлением и градостроительным планированием [3, 4, 6].
Оценка эффективности мер воздействия на транспортное поведение и получаемые при этом эффекты представлены в таблице. Наиболее эффективными считаются переориентация на использование другого вида передвижений (Shift mode) и снижение использования индивидуальных автомобилей (Reduced vehicle trips).
Приведём показатели эффективности ряда конкретных проектов в области управления транспортным спросом. В 1993 г. в штате Вашингтон была принята программа по сокращению объёма ежедневных поездок по трудовым целям (Commute Trip Reduction Pro-
gram - CTR) (с материалами программы можно ознакомиться на сайте Департамента транспорта США -www.wsdot.wa.gov.) Программа CTR была закреплена специальным законом штата в составе Акта о защите воздуха от загрязнений. В данной программе большое внимание было уделено использованию индивидуального автомобильного парка, прежде всего, ставилась задача снижения количества поездок, совершаемых одиночными водителями. В этой связи разрабатывались меры, способствующие совместному использованию автомобилей (carpooling) и автомобилей повышенной вместимости (high-occupancy vehicles). В составе программы предусматривались возможности изменения режима работы: сжатая (4-х дневная) рабочая неделя с 10-ти часовым рабочим днем; гибкий режим работы - смещение начала и окончания работы при сохранении длительности рабочего дня. Кроме того, внедрялась практика работы дома или в локальных (местных) офисах, что получило название tele-working. В результате действия программы в период 1993-2007 гг. количество поездок на работу, совершаемых одиночными водителями, снизилось с 70,9% до 65,5%. Снижение объёмов загрязнения воздушного бассейна в 2007 г. оценено суммарной величиной 4000 т всех видов загрязняющих веществ. Уменьшение расхода топлива составило 9,7 млн галлонов на сумму 23 млн долларов.
В Европе можно отметить введение платного пользования автомобилями в утренний пиковый период в границах урбанизированной территории
Меры воздействия на транспортное поведение и получаемые эффекты [7]
Меры воздействия
Снижение Изменение Уменьшение Переориентация Снижение ис-
Цели скорости времени протяжённо- на другой способ пользования ин-
движения передвижений сти передвижений передвижений дивидуальных автомобилей
Снижение загрузки сети — — — —
Сокращение вложений
в дорожное — — —
строительство
Сокращение вложений
в строительство — —
парковок
Сокращение расходов
населения на — — —
передвижение
Улучшение условий
передвижения
Безопасность
дорожного движения
Сокращение расхода
топлива
Сокращение выбросов в атмосферу — —
Повышение эффектив-
ности использования — — —
территории
Улучшение уровня
здоровья населения
Randstad, включающей города Амстердам, Роттердам, Гаагу и Утрехт [1]. Введение проекта в 2001 г., утверждённого парламентом Голландии, предварялось с 1998 г. публичными слушаниями с вовлечением широких кругов общественности и заинтересованных организаций, таких как Министерство транспорта Голландии и Голландская ассоциация пользователей автомобильным транспортом. Величина платы за пользование автомобилем в период с 7.00 до 9.00 часов составила около 3,5 долларов. По результатам моделирования предполагалось достигнуть снижения интенсивности движения в утренний пиковый период на 30%. Такой показатель прогнозировался как результат снижения интенсивности грузового движения на 6% и ежедневных поездок к месту работы на индивидуальном автомобильном транспорте на 44% и увеличения количества поездок предпринимателей (business trips) на 27%. В целом в границах агломерации Randstad в утренний пиковый период было достигнуто снижение интенсивности на 35%, что даже больше, чем прогнозные оценки. При этом на важнейших дорогах снижение интенсивности составило 41%, а на второстепенных УДС - 26%. Изменения нагрузки на УДС в пиковый период на 60% были вызваны изменением времени поездок, приходящихся теперь на внепиковые периоды.
Выполнение программ, аналогичных рассмотренным выше, требует разработки методов прогнозов влияния различных факторов на транспортное поведение населения. Нужен инструмент, позволяющий прогнозировать выбор способов передвижения в зависимости от сценария развития транспортной системы города. Транспортное планирование обычно рассматривают как процедуру, включающую 4 этапа (рис. 2).
Рис. 2. Стадии транспортного планирования в программах управления транспортным спросом
Если расчёт матрицы корреспонденций - этап 2 (см. рис. 2), и распределение корреспонденций по маршрутам сети (т.е. маршрутной сети или УДС) -этап 4, в значительной мере можно рассматривать как расчётные процедуры, то оценка спроса на передвижение и выбор способа передвижения, прежде всего, базируются на разнообразных статистических данных. В странах с высоким уровнем автомобилизации количество генерируемых объектами корреспонденций (trip generation) рассматривается в виде количества автомобилей, прибывающих и убывающих за определённый период суток. В США уже долгое время этот параметр является объектом регулярных исследований, которые систематизируются в виде обновляемых справочных данных руководств по транспортным расчётам. Например, на рис. 3 представлены данные генерирующей способности крупных супермаркетов (из справочного издания «Trip Generation»).
Оценка вероятности выбора способа передвижения, что необходимо рассматривать на этапе 3 (Mode Split), относится к классу моделей индивидуальных предпочтений. В качестве примера рассмотрим дезагрегированную модель индивидуального выбора [5],
800
ё 600
=
С
о
4001
200
X данные обследований : : результат обработки \
j мнеинам id внешние
X :
к. ; ;
Ln(T)=0,7S7Ln(X)+3,211
............ R2=0,87
: jS // : ;
I '.
1 1 ' 1 Г 1 '..... 1 > '1 0 Ю 20 30 40 . 50 60 70
площадь 1000 кв. футов, X Рис. 3. Генерация поездок супермаркетами в вечерний час пик - соотношение прибытий и убытий 53% к 47%: Х- суммарная площадь помещений супермаркета, 1000 кв. футов; Т - количество поездок к
супермаркету и от него, авт./ч
которая применялась для целого ряда городов США. В соответствии с этой моделью ожидаемое количество людей Ei, выбирающих способ передвижения I, определяется как сумма вероятностей выбора ими альтернативы I :
E = V P
i in
(1)
где Рп - вероятность выбора индивидом п способа
передвижения .
В более детализированном виде вероятность Р(/,ё,т,т) передвижения способом т по маршруту г в зону d (или к объекту d) предлагается рассматривать как
(2)
Р(/,ё,т,г ) =
= Р(/ )Р{т,/4 )Р(г,/^,т)'
где Р(/) - вероятность совершения передвижения; Р(/ ) - вероятность совершения передвижения в зону d (или к объекту d) при условии, что передвижение состоялось; Р(т,/ ) - вероятность использования способа передвижения при условии, что передвижение состоялось в зону d (или к объекту d);
Р(г,/ ,ё,т) - вероятность использования маршрута при использовании способа передвижения при условии, что передвижение состоялось в зону d (или к объекту d).
Очевидно, что построение дезагрегированных моделей выбора способа передвижения как и оценка количества генерируемых поездок требует систематических транспортных обследований и накопления статистических данных. Накопление таких данных необходимо для выполнения многих видов градостроительного и транспортного планирования и позволит повысить обоснованность решений, в том числе прогнозировать эффект от введения мер воздействия на транспортное поведение, как это было сделано в Голландии при введении оплаты за пользование автомобилем для агломерации Рапс^ас! [1].
Транспортная лаборатория ИрГТУ планирует осуществлять исследования транспортного поведения населения и генерации поездок различными видами объектов тяготения. Главной целью этих исследований определена разработка модели оптимального размещения перехватывающих парковок. Определённый объём информации о транспортном поведении уже накоплен при разработке концепции развития общественного транспорта города Иркутска.
n
Библиографический список
1. Bovy P.H.L. Innovative Approaches to Demand Management in The Netherlands // ITE Journal. August, 2000. P. 41-47
2. Downtown Parking and Mobility Management Plan // Wichita, Kansas. November, 2009. 171 p.
3.http://ec.europa.eu/transport/urban/urban_mobility/action_plan _en.htm
4. Mobility Management.User Manual // Rijswijk / Aachen. January, 1999. 109 p.
5. Applications of New Travel Demand Forecasting Techniques to Transportation Planning// http://ntl.bts.gov/DOCS/SICM.html
6. Transportation Demand Management // Deutsche Gesellschaft fur Technische Zusammenarbeit, Eschborn, Germany. April, 2009. 118 p.
7. Technology in Mobility Management: Coordinating and Improving Services in Southwest Idaho // Report No. 12-2009. September, 2009. 45 p.
УДК 656.13
МЕТОДИКА ПРИМЕНЕНИЯ МНОГОМЕРНОГО СТАТИСТИЧЕСКОГО АНАЛИЗА ДЛЯ РАЗРАБОТКИ ФУНКЦИОНАЛЬНОЙ КЛАССИФИКАЦИИ УЛИЦ ЦЕНТРОВ КРУПНЫХ ГОРОДОВ
1 2 ^Л. Чикалина , Е.Н. Чикалин
Национальный исследовательский Иркутский государственный технический университет, 664074, г. Иркутск, ул. Лермонтова, 83
Представлена методика определения границ пешеходных зон и зон успокоения движения. Предложена классификация улиц и мероприятия по организации дорожного движения для каждого класса улиц. Ил. 3. Библиогр. 5 назв.
Ключевые слова: успокоение движения; транспорт; классификация; безопасность движения.
1Чикалина Светлана Леонидовна, кандидат технических наук, доцент кафедры менеджмента на автомобильном транспорте, тел.: 89027654741, e-mail: [email protected]
Chikalina Svetlana, Candidate of technical sciences, Associate Professor of the chair of Management in Automobile Transport, tel.: 89027654741, e-mail: [email protected]
2Чикалин Евгений Николаевич, аспирант кафедры менеджмента на автомобильном транспорте, тел.: (3952) 655218, e-mail: [email protected]
Chikalin Evgeny, Postgraduate Student of the chair of Management in Automobile Transport, tel.: (3952) 655218, e-mail: Transservis.78 @ mail.ru
