CC BY
1УДК 629.3
Михеев В.С.
магистр
Российский университет транспорта (г. Москва, Россия)
СОВРЕМЕННЫЕ МЕТОДЫ ПРОГНОЗИРОВАНИЯ ПОВЕДЕНИЯ ТРАНСПОРТНЫХ СИСТЕМ И ОБЪЕКТОВ
Аннотация: эффективное управление транспортными системами становится критически важным в условиях урбанизации и увеличения числа транспортных средств. В данной статье рассматриваются их применение и примеры использования, позволяющие предвидеть изменения в транспортных потоках и разрабатывать стратегии для предотвращения проблем.
Ключевые слова: прогнозирование транспортных систем, эконометрические модели, методы временных рядов, имитационное моделирование, искусственный интеллект.
Основные методы прогнозирования.
Эконометрические модели.
Модель спроса на транспортные услуги: Эти модели используются для прогнозирования спроса на различные виды транспорта. Они учитывают такие факторы, как стоимость проезда, доходы населения, демографические данные и инфраструктурные изменения.
Регрессионный анализ: Применяется для определения зависимости между различными переменными, влияющими на транспортные потоки.
Имитационное моделирование.
Микроскопическое моделирование: Используется для моделирования поведения отдельных транспортных средств на дорогах. Позволяет
анализировать взаимодействие между автомобилями и оценивать влияние различных факторов на транспортные потоки.
Макроскопическое моделирование: Применяется для анализа транспортных систем в целом, включая дорожную сеть, общественный транспорт и пешеходное движение [1].
Допустим, мы хотим оценить, как изменение тарифов на проезд влияет на использование автобусов в городе. Для этого мы собрали данные о ценах на проезд, доходах населения, качестве обслуживания и других переменных за последние несколько лет [3].
Таблица 1. Результаты регрессионного анализа.
Переменная Коэффициент р-значение Значимость
Цена проезда -0.35 0.002 Значимо
Доходы населения 0.27 0.015 Значимо
Качество обслуживания 0.12 0.182 Не значимо
Описание: В таблице представлены результаты регрессионного анализа, показывающие влияние различных переменных на использование общественного транспорта. Например, цена проезда оказывает значительное отрицательное влияние, что указывает на то, что повышение тарифов может снижать спрос на общественный транспорт [2].
' H.2J
Переменные
Рис. 1. Результаты регрессионного анализа.
СПИСОК ЛИТЕРАТУРЫ:
1. Pakhomov, V. M., & Belyaev, M. V. (2021). Методы анализа и моделирования развития транспортной системы региона. CyberLeninka. https://cyberleninka.ru/article/n/metody-analiza-i-modelirovaniya-razvitiya-transportnoy-sistemy-regiona;
2. Wooldridge, J. M. (2015). "Introductory Econometrics: A Modern Approach" (6th ed.). Cengage Learning;
3. Greene, W. H. (2012). "Econometric Analysis" (7th ed.). Pearson Education.
Mikheev V.S.
Russian University of Transport (Moscow, Russia)
MODERN METHODS FOR PREDICTING BEHAVIOR OF TRANSPORT SYSTEMS AND OBJECTS
Abstract: effective management of transport systems becomes critical in the context of urbanization and the increase in the number of vehicles. This article discusses their applications and use cases to help anticipate changes in traffic flows and develop strategies to prevent problems.
Keywords: forecasting transport systems, econometric models, time series methods, simulation modeling, artificial intelligence.
