CC BY
36
По результатам опытного применения пакета «Оптимист» установлено: рассмотренные функции в целом обеспечивают удовлетворительный контроль надежности; эффективность контроля возрастает при комплекси-ровании функций надежности, полученных на различной основе (ГС, СС, ТА) и при различной степени агрегирования; определяющим фактором является использование прогнозных значений функций, особенно в условиях ограниченного объема и низкого качества исходных данных [6].
Библиографический список
1. Математическое, алгоритмическое и программное обеспечение управления эксплуатационной надежностью объектов авиатехники на уровне эксплуатирующих организаций. Отчет о НИР. Шифр «Надежда». Иркутск: ИВВАИИ, 2006. 182 с.
2. Мэзон С., Циммерман Г. Электронные цепи, сигналы и системы. М.: Мир, 1963. 218 с.
3. Надежность технических систем: Справочник / под ред. И.А.Ушакова. М.: Радио и связь, 1985. 604 с.
4. Краковский Ю.М. Имитационное моделирование. Иркутск: ИГЭА, 2002. 137 с.
5. Дружинин Г.В. Анализ эрготехнических систем. М.: Энер-гоатомиздат, 1984. 159 с.
6. Чокой В.З., Чокой Р.В. Допустимый период основания прогноза надежности объектов авиационной техники // Вестник ИрГТУ. 2011. № 1 (48). С. 128-133.
УДК 656.13
РАСЧЕТНЫЙ МЕТОД ФОРМАЛИЗАЦИИ ИСХОДНЫХ ДАННЫХ ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ ТРАНСПОРТНОГО СПРОСА НА ПЕРЕДВИЖЕНИЯ С УЧЕБНЫМИ ЦЕЛЯМИ
М.Р. Якимов
Пермский государственный технический университет, 614990, г. Пермь, Комсомольский пр., 29.
Дается оценка влияния детализации представления транспортного спроса (в связи с поездками с различными целями) на общие показатели качества транспортных моделей в городах. Предложен пошаговый алгоритм формализации исходных данных для построения модели транспортного спроса на передвижения с учебными целями. Приведена итоговая оценка эффективности использования предложенного алгоритма на примере одного из показателей итогового качества транспортной модели. Табл. 1. Библиогр. 6 назв.
Ключевые слова: город; транспорт; модель; население.
A COMPUTATIONAL METHOD OF INPUT DATA FORMALIZATION FOR THE CONSTRUCTION OF THE MODEL OF TRAFFIC DEMAND FOR THE TRAVELLING WITH EDUCATIONAL PURPOSES M.R. Yakimov
Perm State Technical University, 29, Komsomolsky Av., Perm, 614990.
The paper assesses the influence of the detailed representation of traffic demand (due to the travelling for different purposes) on the overall indicators of quality of transport models in cities. It proposes a stepwise algorithm of input data formalization for constructing a transport demand model for travelling with educational purposes. The final assessment of the efficiency of the proposed algorithm is given on the example of one of the indicators of the transport model final quality.
1 table. 6 sources.
Key words: city; transport; model; population.
Стремительные процессы урбанизации, наблюдаемые как в России, так и во всем мире, ставят перед исследователями все расширяющийся круг задач в области транспортного планирования городов, решение которых уже физически невозможно без применения транспортных моделей [1]. Поступающие в распоряжение транспортных инженеров алгоритмы и технологии моделирования, а также средства вычислительной техники отодвигают на второй план вопросы собственно обработки информации, делая при этом как никогда актуальной проблему качества ис-
ходной информации, создания технологий её первичного получения и последующей актуализации [2].
В основе современных транспортных моделей городов лежат модели транспортного спроса и транспортного предложения [3, 4]. Не ставя целью оценить значимость каждой этой составляющей в итоговом результате качества создаваемой транспортной модели, можно утверждать, что создание модели транспортного спроса - процесс более затратный и технологически гораздо более сложный, как на этапе сбора и подготовки необходимой информации, так и на эта-
1Якимов Михаил Ростиславович, кандидат технических наук, доцент, тел.: (342) 2770222, e-mail: auto@perm.ru Yakimov Mikhail, Candidate of technical sciences, Associate Professor, tel.: (342) 2770222, e-mail: auto@perm.ru
пе её верификации и актуализации. Потому актуальными и востребованными являются алгоритмы и технологии построения качественных моделей транспортного спроса на основе имеющегося в распоряжении исследователя набора исходной информации о параметрах городской структуры, этот спрос создающей.
Необходимым этапом в построении модели транспортного спроса в городах является создание структуры транспортного спроса. Одним из структурных элементов транспортного спроса является слой спроса. Качество итоговой транспортной модели и модели транспортного спроса напрямую зависит от детализации структуры спроса (количества слоев спроса). Минимально возможный набор слоев спроса содержит два слоя спроса. Это спрос на передвижения от дома на работу и с работы домой. Однако большинство известных и действующих на настоящий момент транспортных моделей городов содержат как минимум восемь слоев спроса [5], генераторами и потребителями транспортных корреспонденций в которых являются:
• дом;
• работа;
• прочие места притяжения.
Они формируют собой девять различных комбинаций истоков и стоков транспортного движения. При этом на практике не учитывают слой спроса, основанный на передвижениях от дома к дому, справедливо полагая, что в современном мегаполисе понятия «дом» и «жилище» для человека являются синонимами. Следующим этапом уточнения структуры транспортного спроса является выделение отдельных слоев спроса, связанных с передвижениями к месту учебы. Такая детализация приводит к модели спроса, состоящей из набора 15-ти (42-1) матриц корреспон-денций (слоев спроса). При описании слоев спроса, связанных с перемещениями с учебными целями, определенную сложность представляет формализация распределения мест проживания учащихся по территории города. В отличие от самих учебных мест, выделение учащейся молодежи из общего состава жителей города является задачей нетривиальной.
Статья посвящена разработке алгоритма распределения учащейся молодежи по транспортным районам города для дальнейшего исследования учебных транспортных корреспонденций, то есть корреспон-денций, совершаемых студентами вузов и ссузов очной формы обучения на территории города. Предлагается подход, при котором модельное распределение учащейся молодежи, проживающей на территории города, происходит на основе уже имеющейся в распоряжении исследователя информации о городской структуре, в частности, распределения мест проживания горожан и уровня автомобилизации населения.
Для решения поставленной задачи в первую очередь необходимо определить возрастной порог, характерный для студентов. Ориентировочный возраст студентов очной формы обучения составляет 18-23 года. Очевидно, что как и неравномерность возрастно-
го состава всех жителей на территории города, так и доля от общего числа проживающих молодых людей, учащихся вузов и ссузов, не позволяют применять пропорциональные подходы к формализации распределения студентов по территории города в модели транспортного спроса.
Задачей будет являться нахождение алгоритма, воссоздающего реальное распределение мест проживания учащейся молодежи по территории города.
Для того чтобы определить количество студентов в транспортном районе, была выдвинута следующая гипотеза: количество студентов в транспортном районе прямо пропорционально уровню благосостояния его жителей, что в настоящий момент определяется уровнем автомобилизации населения этого района. Таким образом, предполагается, что существует некая зависимость между количеством студентов в транспортном районе и уровнем автомобилизации. В соответствии с вышеизложенной гипотезой заметим, что чем выше уровень автомобилизации в районе, тем больше студентов в этом районе должно проживать.
Для расчета количества студентов, проживающих в транспортных районах, приведем детализацию транспортного района до каждого дома. Нужно определить количество студентов, проживающих в каждом здании, учитывая не только количество жителей студенческого возраста, но и количество автомобилей, зарегистрированных в рассматриваемом здании.
Таким образом, необходимо найти количество студентов, проживающих в каждом жилом здании. Обозначим искомое количество студентов в каждом
доме . Алгоритм расчета количества студентов в
здании заключается в том, что требуется рассчитать количество студентов с учетом неких поправочных коэффициентов, которые определяются исходя из количества жителей в здании в возрасте от 18 до 23 лет, количества автомобилей и уровня автомобилизации населения дома.
Для решения поставленной задачи учитывались данные о количестве населения города, в том числе с учетом возрастных ограничений:
N - количество жителей города;
М - население города в возрасте от 18 до 23 лет;
Б - количество студентов в городе.
Кроме того, для построения транспортной модели использовались данные о количестве автомобилей:
А - количество автомобилей, зарегистрированных в городе;
аI - количество автомобилей, зарегистрированных в ¡-м жилом здании.
Распределение жителей по территории города также известно, тогда информация о количестве жилых зданий в городе в целом:
п; - население ¡-го жилого здания;
тI - население ¡-го жилого здания в возрасте от 18 до 23 лет;
I = 1...К, - индекс здания;
К - количество жилых зданий в городе.
Общий алгоритм расчета состоит из четырех шагов. Рассмотрим каждый шаг алгоритма расчета детально.
Первый шаг алгоритма расчета количества студентов в каждом здании состоит в том, что количество студентов определяется в зависимости от общего количества жителей в возрасте от 18 до 23 лет, для этого:
1. Для каждого здания определяется доля населения в возрасте от 18 до 23 лет, проживающего в доме, от общего количества населения в возрасте от 18 до 23 лет:
К = т, 1г м
где к1г- - коэффициент, учитывающий количество жителей в студенческом возрасте; т, - население ¡-го здания в возрасте от 18 до 23 лет; М - количество жителей в городе в возрасте от 18 до 23 лет.
2. Рассчитываем количество студентов пропорционально доле населения в возрасте от 18 до 23 лет:
5,
5 • к
где б* - количество студентов, проживающих ¡-ом жилом здании, рассчитанное пропорционально доле населения в возрасте от 18 до 23 лет; Б - количество студентов в городе; к - коэффициент, учитывающий количество жителей в студенческом возрасте.
На втором шаге алгоритма необходимо учесть долю зарегистрированных автомобилей в жилом здании от общего количества зарегистрированных в городе автомобилей и уровень автомобилизации населения ¡-го здания, для этого:
1. Находим уровень автомобилизации в каждом доме (на одного жителя):
ау1
—, п > 0; 0, п = 0,
где - уровень автомобилизации в каждом доме (на одного жителя); э, - количество автомобилей в ¡-м здании; п, - население ¡-го здания.
2. Определяема долю автомобилей в доме от общего количества зарегистрированных в городе автомобилей:
da. = —
1 А ,
3. Определяем коэффициент к2г-, который будет
учитывать количество студентов, проживающих в жилом здании в зависимости от количества автомобилей:
к2г. = (аЦ + dai) / 2,
где къ - коэффициент, учитывающий уровень автомобилизации жителей дома и количество автомобилей, зарегистрированных в здании; - уровень автомобилизации в каждом доме (на одного жителя); бэ, - доля автомобилей в доме от общего количества автомобилей.
4. Определяем количество студентов в здании с учетом коэффициента к2г-:
= • к
21
где в** - количество студентов, проживающих в ¡-ом жилом здании, рассчитанное пропорционально доле населения в возрасте от 18 до 23 лет и уровню автомобилизации.
Третий шаг алгоритма:
1. Введем обобщенный коэффициент, который будет учитывать и количество жителей в возрасте от
18 до 23 лет, и количество автомобилей в здании. Для
**
этого находим долю каждого 5* в зависимости от общего количества полученных студентов:
к =
5,.
5
где к, - обобщенный коэффициент, который учитывает жителей студенческого возраста и уровень автомобилизации одновременно; в** - количество студентов, рассчитанное пропорционально доле населения в возрасте от 18 до 23 лет и уровню автомобилизации.
2. Определим количество студентов в каждом здании в соответствии с обобщенным коэффициентом
кг-
5г = к• 5,
где в, - количество студентов в ¡-ом здании; Б - количество студентов в городе.
3. Итоговое количество студентов, проживающих в жилом здании, назначим исходя из ограничения
< Ж,
где бэ, - доля автомобилей в доме от общего количества автомобилей; э, - количество автомобилей в ¡-м здании; А - количество автомобилей в городе.
5* = тт(5*, т*),
где в, - количество студентов в ¡-ом здании; т, - население ¡-го здания в возрасте от 18 до 23 лет.
<
Значение коэффициента корреляции при различных способах представления модели
транспортного спроса
Различные способы формализации транспортного спроса г
Модель транспортного спроса без выделения в отдельный слой перемещений с учебными целями (9 слоев спроса) 0,80
Модель транспортного спроса с выделением перемещений с учебными целями (15 слоев спроса) с пропорциональным распределением мест проживания студентов 0,85
Модель транспортного спроса с выделением перемещений с учебными целями (15 слоев спроса) с непропорциональным распределением мест проживания студентов на основе данных об автомобилизации 0,86
Так как является минимальным значением из
X*, <
5 и т, то
На четвертом шаге алгоритма необходимо дополнить расчетное количество студентов в каждом
здании для того, чтобы ^^= 5 . Для этого итоговое расчетное количество студентов в здании полу-
5 -15,
чим путем распределения разности
про-
порционально доле разности т, — от разности
М — X 5,:
= 5, + (5 — X 5, )
т — 5,.
М — X 5,
где в, - итоговое расчетное количество студентов, проживающих в ¡-ом здании;
Полученное таким образом расчетное распределение учащейся молодежи используется на этапе построения слоев спроса в модели транспортного спроса, связанных с осуществлением транспортных корре-спонденций с учебными целями.
Данная методика применялась для расчета распределения студентов по транспортным районам города Перми в модели транспортного спроса и последующем анализе учебных транспортных корреспон-денций.
Результаты проведенных вычислительных экспериментов на транспортной модели города позволили оценить эффективность предложенного алгоритма как способа уточнения структуры модели транспортного спроса [6]. Итоговая точность транспортной модели определяется набором показателей, из которых одним из самых значимых является коэффициент корреляции. Коэффициент корреляции показывает, насколько соответствуют полученные в результате расчетов на
транспортной модели значения интенсивности движения на отдельных элементах улично-дорожной сети города реальным наблюдаемым значениям:
X (т—т) • (и, — и)
г =
^Х (Т — Т )2 •Х (и. — и )2
где г - коэффициент корреляции; Т = — X Т
N
1
и = ~•X^Ui - средние значения наблюдаемых и
расчетных значений интенсивности; - наблюдаемое значение; и, - значение, полученное расчетным путем из транспортной модели; N - количество точек наблюдения.
Для калибровки транспортной модели города и конечной оценки её качества используется в среднем около 100 точек наблюдения (N=100).
В таблице представлены итоговые оценки качества транспортной модели города Перми в виде значений коэффициента корреляции при различных способах представления модели транспортного спроса.
Представленные значения коэффициента корреляции показывают, что детализация представления различных целей поездки в модели транспортного спроса оказывает серьёзное влияние на итоговые оценочные показатели качества транспортной модели города. С другой стороны, можно констатировать, что предложенный алгоритм формализации исходных данных для построения модели транспортного спроса на передвижения с учебными целями также оказывает положительное влияние на показатели качества транспортной модели. Кроме того, использование для целей моделирования представленного алгоритма не потребует от исследователя сбора дополнительных данных о структуре, занятости и распределении населения по территории города, проведения дополнительного анкетирования и прочих высокозатратных мероприятий. Данный алгоритм следует рекомендовать для реализации на этапе формализации исходных данных для построения модели транспортного спроса.
1. Якимов М.Р. Анализ влияния различных сценариев развития транспортной системы крупного города на возможные варианты нарушения целостности городской структуры // Вестник транспорта Поволжья. 2011. № 1 (25). С. 18-24.
2. Якимов М.Р. Математическое моделирование распределения транспортного спроса в транспортной системе города // Транспорт: наука, техника, управление. 2010. № 10. С. 7-13.
3. Lohse D. Grundlagen der Straßenverkehrstechnik und der Verkehrsplanung, Band 2: Verkehrsplanung, 2. Aufgabe, Berlin,
ский список
Verlag für Bauwesen GMbH. 1997. 326 s.
4. Ortuzar J.D., Willumsen L.G.. Modeling Transport. John Wiley & Sons Ltd, 2001. 594 s.
5. Якимов М.Р. Общий алгоритм работы четырехшаговой транспортной модели // Вестник ИрГТУ. 2011. № 1 (48). С. 132-138.
6. Трофименко Ю.В., Якимов М.Р. Методика оценки эффективности реализации транспортного спроса на урбанизированной территории // Транспорт Урала. № 3. 2010. С. 34-39.
