Прогнозирование характеристик маршрута городского общественного пассажирского транспорта на основе данных треков автомобиля-лаборатории Текст научной статьи по специальности «Строительство и архитектура»

Оригинальная статья / Original article УДК 656.02

DOI: 10.21285/1814-3520-2017-2-190-198

ПРОГНОЗИРОВАНИЕ ХАРАКТЕРИСТИК МАРШРУТА ГОРОДСКОГО ОБЩЕСТВЕННОГО ПАССАЖИРСКОГО ТРАНСПОРТА НА ОСНОВЕ ДАННЫХ ТРЕКОВ АВТОМОБИЛЯ-ЛАБОРАТОРИИ

© Ю.О. Полтавская1

Иркутский национальный исследовательский технический университет, Российская Федерация, 664074, г. Иркутск, ул. Лермонтова, 83.

РЕЗЮМЕ. ЦЕЛЬЮ является рассмотрение возможности использования данных бортового оборудования подвижного состава для прогнозирования характеристик маршрута общественного пассажирского транспорта на примере предприятия ОАО «Автоколонна 1948» г. Ангарска. МЕТОДЫ. Для обработки полученных данных о продолжительности движения использовались методы математической статистики, а также программа GPS Track Editor. РЕЗУЛЬТАТЫ. Были получены линейные зависимости продолжительности движения автомобиля-лаборатории и продолжительности движения подвижного состава городского общественного пассажирского транспорта. На основании выполненных экспериментов предложена методика обследований нового планируемого или изменяемого маршрута с целью получения характеристик движения на нем. ЗАКЛЮЧЕНИЕ. Результаты исследования доказали, что существует корреляция между продолжительностью движения автомобиля -лаборатории и подвижным составом ГОПТ с высоким показателем аппроксимации (около 97%). Такая точность считается достаточно высокой, учитывая широкий диапазон изменения условий движения транспортного потока, и позволяет использовать данные, полученные с помощью автомобиля-лаборатории, в качестве источника информации о продолжительности движений с целью прогнозирования функционирования надежности маршрутов ГОПТ и их характеристик.

Ключевые слова: городской общественный пассажирский транспорт, автомобиль -лаборатория, надежность функционирования маршрута, треки, продолжительность движения, свободные условия движения, транспортный поток.

Формат цитирования: Полтавская Ю.О. Прогнозирование характеристик маршрута городского общественного пассажирского транспорта на основе данных треков автомобиля-лаборатории // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 2. С. 190-198. DOI: 10.21285/1814-3520-2017-2-190-198

MOBILE LABORATORY TRACK-BASED PREDICTION OF URBAN PUBLIC TRANSPORT ROUTE PERFORMANCES I.O. Poltavskaya

Irkutsk National Research Technical University,

83, Lermontov St., Irkutsk, 664074, Russian Federation.

ABSTRACT. The PURPOSE of this paper is to consider some feasibility of using the data of rolling stock onboard equipment for forecasting performances of public passenger transport routes on example of the company "Avtokolonna 1948" JSC in the town of Angarsk. The METHODS of mathematical statistics and the program GPS Track Editor have been used to process the obtained data on travel duration. RESULTS. Linear dependences have been obtained between the travel time of the vehicle-based mobile laboratory and the travel time of public passenger transport. A new survey technique for the planned or modified route is proposed on the basis of performed experiments in order to receive its traffic characteristics. CONCLUSION. As follows from the research results, the travel duration of the mobile laboratory correlates with the urban public passenger transport (UPPT) with the high approximation (about 97%). This accuracy is rather high considering the wide range of changes in traffic flow conditions. Moreover, it allows to use the data supplied by the mobile laboratory as a source of information on travel duration in order to predict the operation reliability of UPPT routes and their characteristics.

Keywords: urban public passenger transport, vehicle-based mobile laboratory, route operation reliability, tracks, travel duration, free driving conditions, traffic flow

For citation: Poltavskaya 1.О. Mobile laboratory track-based prediction of urban public transport route performances. Proceedings of Irkutsk State Technical University. 2017, vol. 21, no. 2, pp. 190-198. (In Russian) DOI: 10.21285/18143520-2017-2-190-198

1

Полтавская Юлия Олеговна, аспирант, e-mail: [email protected] Yulia О. Poltavskaya, Postgraduate Student, e-mail: [email protected]

Введение

В условиях приоритетного развития городского общественного пассажирского транспорта (ГОПТ) важнейшей задачей становится обеспечение надежности функционирования его маршрутов в меняющихся условиях движения, т.е. при разных уровнях загрузки улично-дорожной сети.

Целью данной работы является рассмотрение возможности использования данных бортового оборудования подвижного состава для прогнозирования характеристик маршрута общественного пассажирского транспорта на примере предприятия ОАО «Автоколонна 1948» г. Ангарска.

Методика исследования

В современной мировой практике управления городскими транспортными системами основными критериями оценки надежности является вариационный размах в суточном цикле таких показателей, как затраты времени на передвижение (включая дифференцированное рассмотрение составляющих продолжительности передвижения), скорость сообщения. Выбор этих показателей надежности связан с развитием геоинформационных технологий, в частности, с широким распространением автомобильного навигационного оборудования, применяемого как на индивидуальном транспорте, так и на подвижном составе ГОПТ [1].

Многие зарубежные исследователи изучали возможности использования данных, поступающих с бортового оборудования подвижного состава ГОПТ для оценки состояния транспортного потока, используя такие термины, как probe bus и floating car [2-9].

При построении зависимостей продолжительности движения транспортного потока (легковые автомобили) как функции продолжительности движения подвижного состава ГОПТ наиболее часто используется линейная модель. Например, S. Bae2 предложил использовать следующую модель:

cts = a + b • bts,

(2)

где СТТ - продолжительность поездки на легковом автомобиле, ч.; ВТТ - продолжительность поездки на общественном транспорте за вычетом времени пребывания на остановочных пунктах, ч.; СТБ - средняя скорость движения автомобиля на участке, км/ч; ВТБ - средняя скорость движения автобуса на участке, км/ч.

В исследованиях Р. СИакгоЬо|1у и Б. ЮкисЫ [4] используется аналогичный подход, и дополнительно классифицируются участки улично-дорожной сети (УДС) в зависимости от условий загруженности:

- для менее загруженных участков

УДС

l

УДС

CTT = .

V (3)

св. усл. (3)

+ 0,14 • (BTT - TST), - для более загруженных участков

ctt

l

V,

св. усл. (4)

+ 0,18 • (btt - tst),

ctt

a + b • btt,

(1)

Bae S. Dynamic estimation of travel time on arterial roads by using an automatic vehicle location (AVL) bus as a vehicle probe. Ph.D. dissertation, Department of Civil Engineering, Virginia Polytechnic Institute and State University, Blacksburg, Virginia, 1995._

где I - протяженность участка, км; Усв.усл. -скорость потока в свободных условиях, км/ч; ТвТ - общее время остановок общественного транспорта на остановочных пунктах, ч.

R.L. Bertini и S. Tantiyanugulchai [2] применили обратную регрессию, и рассматриваемая зависимость получила следующий вид:

cts = 0,72 • mibs + s, (5)

где MIBS - максимальная мгновенная скорость общественного транспорта между двумя соседними остановками, км/ч; £ - случайная ошибка.

В работе R.W. Hall и N. Vyas [7] аналитическая модель для оценки средней скорости потока представлена следующим уравнением:

n • l

cts =--, (6)

btt - tst - n2 (6)

где N1, N2 - эмпирические поправочные коэффициенты для учета разницы продолжительности движения между легковым автомобилем и общественным транспортом.

Наличие достаточно большого количества исследований, в которых состояние транспортного потока оценивается на основании характеристик движения подвижного состава ГОПТ, позволяет предположить возможность получения обратных зависимостей, т.е. по характеристикам движения транспортных средств в потоке спрогнозировать режим движения на маршруте подвижного состава ГОПТ и получить линейные уравнения регрессии с поправочными коэффициентами применительно к улично-дорожной сети города Ангарска на основе проведенных экспериментов.

Для оценки надежности функционирования маршрутов могут использоваться треки GPS и ГЛОНАСС оборудования ав-

томобилей-лабораторий (floating cars или probe vehicles), получаемые в режиме реального времени при проезде по будущему планируемому маршруту или частично изменяемому маршруту. Помимо этого могут использоваться архивные данные, собираемые с транспортных средств водителей-волонтеров.

Для проведения эксперимента в г. Ангарске был выбран маршрут городского общественного пассажирского транспорта № 3 «ЖД вокзал - Магистральный», общей протяженностью 16,36 км с 32 остановочными пунктами. Запись треков автомобиля-лаборатории была произведена с использованием легкового автомобиля TOYOTA Vitz, оборудованного GPS навигатором Texet 505, в период с 26.02. по 07.03.2015 г., в различные периоды суток, общая выборка достигает порядка 80 треков. Данные о продолжительности движения подвижного состава ГОПТ были получены с бортового ГЛОНАСС-оборудования предприятия «Автоколонна 1948» за период с 25.04 по 04.05.2016 г. В ходе обработки полученных данных о продолжительности движения использовались методы математической статистики, а также программа GPS Track Editor.

Предполагаемый вид графиков движения по исследуемому маршруту представлен на рис. 1, в табл. 1 отражены значения времени прохождения каждого километра по маршруту.

Время начала рейса - 14:50 (понедельник); время записи трека на автомобиле-лаборатории - 14:53 (понедельник); время записи трека в свободных условиях - усредненное значение треков, начало движения которых 21:45, 22:10, 22:23.

Результаты исследования

В ходе исследования были получены данные о продолжительностях движения автомобиля-лаборатории (Та-л), в том числе и в условиях свободного движения (Та-л,св), и подвижного состава ГОПТ (Тавт) по маршруту (табл. 1, рис. 1).

Значения показателей вариации (см. табл. 2) позволяют утверждать, что обследованием охвачен широкий диапазон условий движения транспортных потоков.

ф Е

0) >

го

m

а: 5 0) Q. CD

45 40 35 30 25 20 15 10 5

-- I I 1 I I ф Лпиигрымр яптпНугя ня вляршрутр / Bus travel on the route Грек автомобиля-лаборатории — -В- ■ в рассматриваемый период суток / Mobile laboratory track in the investigated part of the day ___^___Трек автомобиля-лаборатории в свободных условиях / "" Mobile laboratory track in free driving conditions

Q- ✓

_.mr Я' Ж''

/ x- s S

j*

i

О 1

6 7 8 9 10 11 Расстояние, км / Distance, km

12 13 14 15 16

Рис. 1. Графики движения подвижного состава ГОПТ и автомобиля-лаборатории

по исследуемому маршруту Fig. 1. Schedules of urban public passenger transport (UPPT) and a vehicle-based mobile laboratory on the

route under investigation

Анализ полученных данных показал, что характер движения Тавт более тесно коррелирует с характером движения Та-л, чем Тал, св.. (рис. 2). В целом для обследованного маршрута № 3 «ЖД вокзал - Магистральный» г. Ангарска получены линейные уравнения регрессии для будних дней, пиковый и межпиковые периоды и линейные уравнения для выходных дней, связывающие характер движения Тавт с характером движения Та-л (рис. 3).

Результаты проведенного эксперимента (см. рис. 2, 3) убедительно доказывают наличие статически значимых связей (коэффициент аппроксимации - 0,97%) между треками автомобиля-лаборатории и подвижного состава ГОПТ, что подтверждает возможность применения треков автомобиля-лаборатории для прогнозирования характеристик маршрута.

На основании выполненных экспериментов нами предлагается следующая методика обследований нового планируе-

мого или изменяемого маршрута с целью получения характеристик движения на нем:

1. С использованием автомобиля-лаборатории, на базе которого имеется rnOHACC/GPS-оборудование, записываются треки нового планируемого или изменяемого маршрута в различные периоды суток (пиковый, межпиковый, свободные условия). Объем необходимой выборки составляет 20-25 треков.

2. Обработка треков производится с помощью программы GPS Track Editor (рис. 4), в ходе чего экспортируются данные трека в формат Excel.

3. В формате Excel данные трека дорабатываются, извлекается информация о времени прохождения маршрута через каждый километр.

4. На основе имеющихся регрессионных зависимостей строятся графики прогнозируемого движения подвижного состава ГОПТ в различные периоды суток (рис. 5).

Таблица 1

Значения времени движения автомобиля-лаборатории и автобуса по маршруту

Table 1

Travel time values of the mobile laboratory and bus on the route_

Движение автобуса на маршруте, мин. / Bus travel on the route, min. Трек автомобиля-лаборатории / Mobile laboratory track

Расстояние, км / Distance, km Трек в рассматриваемый период суток, мин. / Track in the investigated part of the day, min. Трек в свободных условиях, мин. / Track in free driving conditions, min.

0 0,00 0,00 0,00

1 2,53 2,40 2,15

2 3,47 2,62 2,92

3 5,55 4,58 4,62

4 6,85 5,90 5,55

5 9,75 8,48 7,80

6 12,98 9,95 9,98

7 15,67 12,12 12,00

8 19,35 14,90 14,75

9 22,10 17,73 16,35

10 26,22 20,20 17,68

11 28,33 21,05 18,27

12 31,48 23,27 21,00

13 34,38 25,77 23,08

14 35,72 27,02 24,22

15 37,72 29,35 26,08

16 39,93 31,13 28,15

Таблица 2

Основные статистические характеристики продолжительности

движения по маршруту

Table 2

Basic statistical characteristics of travel time on the rou fe

Статистика / Statistics Автомобиль-лаборатория / Vehicle-based mobile laboratory ГОПТ / UPPT

Минимальное значение, мин./ Minimum value, min. 30,28 37,00

Максимальное значение, мин. / Maximum value, min. 42,05 63,00

Среднее значение, мин./ Mean value, min. 34,26 49,18

Вариационный размах, мин./ Variation range, min. 11,77 26,00

Стандартное отклонение, мин./ Standard deviation, min. 2,39 5,91

Коэффициент вариации / Coefficient of variation 6,97 12,02

Ошибка оценки среднего, мин./ Estimation error of the mean, min. 0,27 0,18

60 -§ 50 §40

_Q

I—

- 30

х i 20

Ш

03 10

y = 1,1839x + 0,6856

R2 = 0,9693 • .

• & 'jtjp* * jr •• y

•

»•il** . • «».¿г*

II

10 20 30 Т а-л, мин. / T m-l, min.

40

60 n.mi 50

J 40 T

- 30 мин 20

! 10

y = 1,4696x - 0,0914 R2 = 0,9663

И-1-1-1

0 10 20 30 40 Т а-л в свободных условиях, мин. / T m-l free driving conditions, min.

Рис. 2. Взаимосвязь продолжительности движения ГОПТ ОП Тавт, продолжительности движения автомобиля-лаборатории Та-л и продолжительности движения автомобиля-лаборатории в свободных условиях Та-л, св. Fig. 2. Relationship between UPPT travel duration Tbus, mobile laboratory travel duration Tm-i and mobile laboratory travel duration in free driving conditions Tmfree

CO

CÛ

а

50 45 40 35 30 25 20 15 10 5 0

Будние дни пиковый период / Weekdays peak period •

—

./ »

¿Ss

*r. •

y = 1,1741x + 0,7891 R2 = 0,9701 1 1

1 1

CO =3

CÛ

а

50 45 40 35 30 25 20 15 10 5 0

10 20 30 40 Т а-л, мин. / T m-l, min.

10 20 30 40 Т а-л, мин. / T m-l, min.

со

=3

_о

ш

а

50 45 40 35 30 25 20 15 10 5 0

10 20 30 Т а-л, мин. / T m-l, min.

40

Рис. 3. Взаимосвязь продолжительности движения ГОПТ ОП Тавт и продолжительности движения автомобиля-лаборатории Та.л Fig. 3. Relationship between UPPT travel duration Tbus and mobile laboratory travel duration Tm-i

0

0

0

0

0

0

Рис. 4. Диалоговое окно программы GPS Track Editor с записанным треком

по исследуемому маршруту Fig. 4. Dialog window of the Program GPS Track Editor with the recorded track on the route under investigation

45

40

i 35 0)

I 30

CD

I 25

I—

±20

s;

S

.15

........

__. Трек автомобиля-лаборатории / Mobile laboratory track Прогнозируемый график движения подвижного состава ["ОПТ на маршруте / Projected UPPT schedule on the route

ж' ß

/ Л

>

ж' W у

. гт ' с1

M Л . -О" . Я ■

Ж XI"

- -M'J —u

10 5 0

m

ос S Os

CL

m

0 1

5 6 7 8 9 10 11 12 13 14 15 16 Расстояние, км I Distance, km

Рис. 5. Прогнозируемый график движения на маршруте подвижного состава ГОПТ в пиковый период Fig. 5. Projected UPPT schedule on the route during the peak period

Заключение

Результаты исследования доказали, что существует корреляция между продолжительностью движения автомобиля-лаборатории и подвижным составом ГОПТ с высоким показателем аппроксимации (около 97%). Такая точность считается достаточно высокой, учитывая широкий диапазон изменения условий движения транспортного потока. Приведенные регрессионные модели показывают возможность по-

лучения связи между продолжительностью движения подвижного состава ГОПТ и автомобиля-лаборатории. Следовательно, можно сделать вывод о том, что автомобили-лаборатории могут быть использованы в качестве источника информации о продолжительности движений с целью прогнозирования функционирования надежности маршрутов ГОПТ и их характеристик.

Библиографический список

1. Полтавская Ю.О., Михайлов А.Ю. Оценка надежности функционирования маршрута городского общественного пассажирского транспорта на основе данных, поступающих с бортового оборудования // Национальная ассоциация ученых (НАУ). 2015. № VI (11). С. 52-56.

2. Bertini R.L., Tantiyanugulchai S. Transit buses as traffic probes - use of geolocation data for empirical evaluation // Transportation Research Record. 2004, no. 1870, pp. 35-45.

3. Cathey F.W., Dailey D.J. Transit vehicles as traffic probe sensors // Transportation Research Record. 2002, no. 1804, pp. 23-30.

4. Chakroborty P., Kikuchi S. Using bus travel time data to estimate travel times on urban corridors // Transportation Research Record, 2004, no. 1870, pp. 18-25.

5. Chien, S.I., Kuchipudi C.M. Dynamic travel time prediction with real-time and historic data // Journal of

Transportation Engineering. 2003, no. 129 (6), pp. 608-616.

6. Esawey E.M., Sayed, T. Travel time estimation in urban networks using buses as probes / Traffic control measures that encourage a shift in travel modes // Session of the 2010 Annual Conference of the Transportation Association of Canada, 2010. 23 p.

7. Hall R.W., Vyas N. Buses as a Traffic Probe: Demonstration Project. Transportation Research Record // Journal of the Transportation Research Board. 2000, no. 1731, pp. 96-103.

8. Hellinga B.R., Fu L. Assessing expected accuracy of probe vehicle travel time reports // Journal of Transportation Engineering. 1999, no. 125 (6), pp. 524-530.

9. Zhang W., Xu J., Wang H. Urban traffic situation calculation methods based on probe vehicle data // Journal of Transportation Systems Engineering and Information Technology, 2007, no. 7 (1), pp. 43-48.

References

1. Poltavskaya Yu. O. Otsenka nadezhnosti funktsion-irovaniya marshruta gorodskogo obshchestvennogo passazhirskogo transporta na osnove dannykh, postu-payushchikh s bortovogo oborudovaniya [Assessment of urban passenger transport route operation reliability on the basis of onboard equipment data]. Natsion-al'naya assotsiatsiya uchenykh (NAU) [National Association of Scholars]. 2015, no VI (11), pp. 52-56. (In Russian)

2. Bertini R.L., Tantiyanugulchai S. Transit buses as traffic probes - use of geolocation data for empirical evaluation. Transportation Research Record, 2004. no. 1870, pp. 35-45.

3. Cathey F.W., Dailey D.J. Transit vehicles as traffic probe sensors. Transportation Research Record. 2002, no. 1804, pp. 23-30.

4. Chakroborty P., Kikuchi S. Using bus travel time data to estimate travel times on urban corridors // Transportation Research Record. 2004. no. 1870, pp. 18-25.

5. Chien, S.I., Kuchipudi, C.M. Dynamic travel time prediction with real-time and historic data // Journal of Transportation Engineering. 2003, no. 129 (6), pp. 608-616.

6. Esawey E.M., Sayed T. Travel time estimation in urban networks using buses as probes / Traffic control

measures that encourage a shift in travel modes // Session of the 2010 Annual Conference of the Transportation Association of Canada, 2010, 23 p. 7. Hall, R.W., Vyas, N. Buses as a Traffic Probe: Demonstration Project / Transportation Research Record. Journal of the Transportation Research Board, no. 1731, 200, pp. 96-103.

Критерии авторства

Полтавская Ю.О. подготовила статью и несет ответственность за плагиат.

Конфликт интересов

Автор заявляет об отсутствии конфликта интересов.

Статья поступила 16.11.2016 г.

8. Hellinga, B.R., Fu, L. Assessing expected accuracy of probe vehicle travel time reports. Journal of Transportation Engineering. 1999, no. 125 (6), pp. 524-530.

9. Zhang W., Xu J., Wang H. Urban traffic situation calculation methods based on probe vehicle data // Journal of Transportation Systems Engineering and Information Technology, 2007, no. 7(1), pp. 43-48.

Authorship criteria

Poltavskaya I.O. has prepared the article for publication and bears the responsibility for plagiarism.

Conflict of interests

The author declares that there is no conflict of interests regarding the publication of this article.

The article was received 16 November 2016