CC BY
22
НАУКА И ТЕХНОЛОГИИ
М.Ю. Ксенофонтов, С. Р. Милякин
ВЛИЯНИЕ РАСПРОСТРАНЕНИЯ ТЕХНОЛОГИЙ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ И СОВМЕСТНОГО ИСПОЛЬЗОВАНИЯ НА ПРОЦЕССЫ АВТОМОБИЛИЗАЦИИ: КОНЦЕПЦИЯ, СХЕМА РАСЧЕТА, ПРОГНОЗ
В статье предлагается описание логики воздействия распространения технологий автоматического управления и практик совместного использования на процессы автомобилизации, а также ее формализация в схеме расчета по вариантам сценарного прогноза парков легковых автомобилей в долгосрочной перспективе.
Совместное использование можно определить как постоянное или эпизодическое использование одного актива несколькими людьми/домохозяйствами. При этом собственником данного актива может являться один из пользователей, компания или государство. Можно выделить два вида совместного использования: внутри домохозяйства и за его рамками.
Внутри одного домохозяйства многие активы, в частности автомобили, используются совместно. Однако автомобили в личной собственности значительную часть времени (около 95%) стоят на парковке [1], при этом для эффективного удовлетворения потребностей в передвижении взрослым членам домохозяйств, как правило, требуются собственные автомобили. Кардинально ситуация может измениться, если автомобили будут беспилотными, т. е. управление ими будет автоматизировано. В таком случае это позволит удовлетворять потребности в перемещении других членов домашнего хозяйства и более широкого круга лиц. Другими словами, появление беспилотных автомобилей может привести к более широкому распространению практики совместного использования, что будет способствовать относительному сокращению потребности в легковых автомобилях. На совместное использование беспилотного автомобиля могут влиять разные факторы: предпочтения владельцев, место жительства (сельская местность, город) и т.д. Нас интересуют возможности повышения интенсивности использования и уменьшения объемов парка, т.е. только те беспилотные автомобили, которые используются совместно. В дальнейшем именно они имеются в виду под беспилотными автомобилями в собственности домохозяйств. Беспилотные автомобили, приобретенные в собственность домохозяйств, режим эксплуатации которых практически не отличается от пилотируемых личных автомобилей, нами отнесены к группе традиционных автомобилей (т. е. автомобилей в личной собственности, не используемых совместно).
Что касается совместного использования активов за рамками одного домохозяйства, то оно приобретает все большее распространение в настоящее время и относится не только к легковым автомобилям, но к жилым и нежилым помещениям, бытовой и сельскохозяйственной технике и т.д. Эти изменения происходят в связи с осознанием выгод использования различных активов без обязательного владения ими. Подобные выгоды могут быть связаны не только со свойствами актива и режимом доступа к его использованию, но и предпочтениями потребителей. Изменения в предпочтениях потребителей стимулируют развитие предложения соответствующих услуг. Например, аренда является удобным способом удовлетворения по-
требности в жилье при отсутствии у потребителя установки на длительное прожи-
1
вание в данном месте .
В рассматриваемом нами случае важным изменением является постепенный выход автомобиля из группы товаров престижного потребления [2]. По мере того, как автомобиль теряет свое символическое значение, на первый план выходят практические аспекты владения и использования. Владение может быть сопряжено с дополнительными издержками, связанными с постановкой автомобиля на учет, оформлением страховки, уплатой налогов, прохождением ТО, ремонтом, хранением (парковкой) и т.д. Выполненное банком HSBC сопоставление стоимости владения (учитывающей стоимость покупки, расходы на топливо и обслуживание) и стоимости использования такси показывает, что если средний индивидуальный пробег автомобиля невелик (например, в России -менее 5,4 тыс. км в год), то в перспективе десяти лет (принятого в рамках сопоставления срока эксплуатации личного автомобиля) использование такси выгоднее покупки собственного легкового автомобиля [3].
В сфере автомобилизации изменение предпочтений населения относительно владения затрагивает традиционные формы совместного использования (такси) и предопределяет развитие новых. Феномен такси, существовавший на протяжении XX в., трансформируется вместе с обществом. Если долгое время такси было дополняющим элементом других технологий обеспечения мобильности (общественного транспорта, например, в ночное время или в случае специфических поездок, и личного автомобиля, например, в случае употребления водителем алкоголя), то в настоящее время, с изменением отношения к владению и совместному использованию, такси выступает полноценным конкурентом личному автомобилю. В последние годы наблюдается ренессанс этого сектора в условиях ускоренной информатизации общества (Uber, Яндекс-такси и др.), а усилия поставщиков транспортных услуг направлены на повышение их экономической и физической доступности. Относительно новые формы совместного использования легкового автотранспорта: каршеринг2 (Belkacar, Делимобиль, Яндекс.Драйв и пр.), карпулинг3 (Blablacar и др.) также нацелены на то, чтобы составить конкуренцию автомобилям в собственности домохозяйств4.
Перспективы развития сектора совместного использования могут быть существенными, особенно по мере распространения беспилотного автотранспорта.
Крупнейшие автопроизводители и производители программного обеспечения на протяжении последних лет заняты разработкой и тестированием систем автоматического вождения, которые могут позволить людям не принимать участие в управлении транспортными средствами. По мнению ряда экспертов, легковые автомобили, оснащенные такими системами, могут стать фактором взрывного роста рынка совместного их использования [4].
Это предопределяется расширением возможностей централизованного управления движением и тем, что поездки на таких автомобилях могут быть дешевле, чем на современных такси, что в первую очередь связано с отсутствием необходимости оплачивать работу водителя. Возможное удорожание самого беспилотного автомобиля вследствие оснащения его интеллектуальной системой автоматического управления и бортовыми приборами (радаром, лидаром, видеокамерой, датчиками положения) при этом частично компенсируется экономией на интерфейсе связи с
1 Решение о покупке жилья обладает значительным «последействием», высоким потенциалом предопределения
условий жизни в будущем, а также появлением значительных обязательств, если привлекаются кредиты. Краткосрочная аренда автомобиля.
3 Поездки на автомобиле с попутчиками.
4 Следует отметить, что функции коммерческого извоза могут быть свойственны не только автомобилям, принадлежащим специализированным сервисам, но и домашним хозяйствам. С этой точки зрения, граница между парком такси и парком личных автомобилей нечеткая. В дальнейшем под такси мы будем понимать те автомобили, которые обслуживают членов разных домашних хозяйств.
водителем (руль, педали, приборная панель) [4]. Если в настоящее время пользователями каршеринга могут выступать только те, кто обладает лицензией на управление, то беспилотные автомобили могут расширить сферу каршеринга на весь рынок совместного использования, в том числе на тех пользователей, кто в настоящее время лицензии не имеет.
Крупнейшие автопроизводители создают собственные сервисы совместного использования с целью в дальнейшем оказывать транспортные услуги на базе собственных беспилотных автомобилей. В крупных городах мира рассматривают возможность преобразования транспортных систем по типу «мобильность как услуга»'5. Для этого вводятся все новые ограничения на использование личного легкового автомобиля в городах: повышение налогов, сборов и платы за парковку, запрет въезда в центр города и определенные зоны, квоты на покупку автомобилей и др.; перестраивается транспортная инфраструктура: выделяются полосы для общественного транспорта, сужаются улицы и расширяются тротуары, проезжая часть наполняется островками с клумбами, «лежачими полицейскими» и частыми пешеходными переходами и т.д.; повышается доступность общественного транспорта; поддерживаются инициативы по созданию и развитию совместного использования легковых автомобилей.
Также получают распространение системы организации транспорта, позволяющие совершать интермодальные поездки (т.е. поездки с использованием разных транспортных средств) с минимальными временными и финансовыми затратами, комбинируя поездки на общественном транспорте с поездками с помощью сервисов совместного использования легковых автомобилей [5].
Отмеченные выше изменения социокультурного, организационного и технологического характера оказывают влияние на процессы автомобилизации, а следовательно, должны быть учтены при разработке методики моделирования и прогнозирования парка легковых автомобилей в долгосрочной перспективе, что и составляет основной предмет настоящей статьи.
Прогнозные исследования динамики парка. Существует множество работ, посвященных методам прогнозирования парка легковых автомобилей6. В них преобладают два альтернативных подхода. Первый основан на моделировании объема продаж и выбытия, которые затем используются в балансовом тождестве, связывающем объемы парка автомобилей на начало и конец года:
Fleet(t) = Fleet(t -1) + Sales(t) - Rtr(t), (1)
где Fleet(t) - парк легковых автомобилей на начало года t; Sales(t) - объем продаж легковых автомобилей в году t; Rtr(t) - выбытие легковых автомобилей (Retirement) в году t. Этот подход в большей степени применим в случаях прогнозирования на кратко- и среднесрочную перспективу в силу того, что акцент делается на моделировании объемов продаж и выбытия, существенно зависящих от экономической конъюнктуры.
Второй подход ориентирован на долгосрочное прогнозирование и предполагает моделирование показателя обеспеченности населения легковыми автомобилями (число легковых автомобилей на 1000 чел.). В этом случае в основе прогнозного расчета лежит формула:
Fleet(t) = [O(t) • Pop(t)] /1000, (2)
где O(t) - прогноз обеспеченности (Ownership) населения автомобилями в году t; Pop(t) - прогноз численности населения (Population) в году t.
5«Мобильность как услуга» — концепция организации транспорта, в которой доминирующее положение занимают сервисы, предоставляющие услуги извоза (общественный транспорт, такси, каршеринг), а не использование личных автомобилей.
6 Представление о многообразии работ, посвященных моделированию процессов автомобилизации, можно получить из обзоров, например [6].
Данный подход учитывает те особенности динамики показателей обеспеченности населения автомобилями, которые проявились в ретроспективе в разных странах мира. На начальных стадиях автомобилизации обеспеченность растет низкими темпами вследствие того, что текущие доходы основной части населения остаются недостаточными для покупки автомобиля. По мере экономического развития растут и текущие доходы населения, и общий уровень его благосостояния. Начинают проявляться положительные обратные связи автомобилизации: развивается производство автомобилей и автомобильный рынок (диверсифицируется предложение автомобилей по качественным характеристикам и ценам), формируется вторичный рынок, расширяются масштабы кредитования. Вследствие этого темпы роста обеспеченности населения легковыми автомобилями увеличиваются. Затем общество постепенно приближается к состоянию насыщения потребности в индивидуальных автомобилях (и/или сталкивается с обостряющимися пространственными ограничениями автомобилизации, снижающими привлекательность автомобиля для потребителя, и/или усиливающимися ее негативными экологическими последствиями), что проявляется в замедлении темпов роста обеспеченности, а затем и в стабилизации ее уровней в достаточно узком коридоре значений.
В соответствии с этим большинством исследователей принимается предположение, что динамика обеспеченности автомобилями может быть с приемлемым уровнем адекватности аппроксимирована классом ^-образных функций (логистическая функция [7-9], функция Гомпертца [10-13], квазилогистическая функция [14], кривая силового роста [15; 16]), асимптотический предел которых характеризует вероятный уровень насыщения потребности в личных автомобилях в рассматриваемой стране (рис. 1).
Рис. 1. Примеры 5-образных функций:
-логистическая функция;-функция Гомпертца;
----кривая силового роста;-----квазилогистическая функция
Первые модели такого рода были довольно простыми, а в качестве влияющей переменной в них выступало время. Например, Тэннер в одной из ранних работ использует логистическую кривую [17]:
ЭД) = отах/(1 + в^), (3)
где 01(0 - число легковых автомобилей на 1000 чел.; Отах - задаваемый экзогенно уровень насыщения; а, Ь - оцениваемые параметры; t - временной параметр.
Для определения уровня насыщения исследователями используются разные методы. Во-первых, для развивающихся стран часто ориентиром выступают те уровни автомобилизации, которых достигли развитые страны. Во-вторых, некоторые
исследователи используют эконометрическии метод оценки уровня насыщения [10; 11; 18]. В качестве влияющих факторов рассматриваются уровень урбанизации, плотность населения [10], плотность дорог, стоимость топлива [11].
В дальнейших исследованиях наблюдаются попытки учесть при моделировании две существенные особенности процесса автомобилизации, которые проявились в ретроспективе. Во-первых, поскольку динамика автомобилизации зависит от уровня экономического развития, многие исследователи в качестве объясняющей переменной выбрали не время, а среднедушевой ВВП или доходы населения [10;13; 14; 19; 20]. Во-вторых, динамика обеспеченности населения легковыми автомобилями характеризуется значительной инерционностью, поскольку зависит от доходов не только текущего, но и предшествующих периодов [16]. Снижение среднедушевого ВВП не приводит к снижению обеспеченности, что, в частности, хорошо демонстрируют данные по России (рис. 2). Для отражения в модели этой особенности процесса автомобилизации используют сумму тем или иным образом дисконтированных значений показателей ВВП или доходов в ретроспективе [16].
Ед.
350 300 250 200 150 100 50
1998 г.
J
2009
^-1990
2018 2013
ВВП в ценах 2010, тыс. руб.
Рис. 2. Динамика числа легковых автомобилей на 1000 чел. и среднедушевого ВВП в постоянных ценах в России
Прогнозно-аналитический инструментарий. В основе предлагаемой схемы расчета лежит традиционный баланс воспроизводства парка легковых автомобилей, модифицированный для учета влияния распространения совместного использования и беспилотных автомобилей.
В схеме расчета можно выделить два этапа: первый, когда совместное использование не приводит к заметным изменениям в воспроизводстве парка, и второй - оценки, полученные на первом этапе, корректируются с учетом влияния совместного использования.
Первый этап. На этом этапе оценивается перспективная потребность населения в легковых автомобилях в предположении сохранения сложившихся в ретроспективе закономерностей автомобилизации. Величина парка Feet1(t) (без учета влияния распространения практик совместного использования) определяется по формуле (2):
Fleet 1 (t) = [01 (t) • Pop(t)] /1000. (4)
Для моделирования обеспеченности (Oi) населения легковыми автомобилями (числа легковых автомобилей на 1000 чел.) выбрана следующая модель:
O1(t) = Omax/(1 + ea(b-W(t))), (5)
где Omax - уровень насыщения (максимальное число автомобилей на 1000 чел., задается экзогенно); W(t) = c • W(t -1) + GDP(t) - накопленный дисконтированный
среднедушевой ВВП (ндсВВП) в постоянных ценах, GDP(t) - среднедушевой
ВВП в постоянных ценах; a, b, c - оцениваемые параметры, a>0 характеризует скорость роста кривой, b - сдвиг кривой по горизонтальной оси относительно нуля, c - коэффициент дисконтирования: 0 < c < 1.
Наша оценка параметра c на реальных данных по автомобилизации для разных стран показывает, что в тех случаях, когда динамика ВВП нестабильна, этот показатель оказывается существенно больше нуля, и использование ндсВВП в качестве влияющей переменной улучшает качество аппроксимации. Для стран, в которых динамика экономического развития достаточно устойчива, показатель с близок к нулю.
Баланс воспроизводства парка легковых автомобилей (см. уравнение (1)) может быть записан в следующем виде:
Fleet х (t) = Fleet х (t -1) + Sales 1 (t) - Rtr1 (t). (6)
Выбытия легковых автомобилей определяются по формуле:
Rtr1 (t) = ShareRtr (t) • Fleet 1 (t -1), (7)
где ShareRtr(t) - доля выбытия легковых автомобилей (SHARE of Retirement).
Объем продаж автомобилей S1(t) на первом этапе определяется на основе баланса парка (6) и принятой гипотезы выбытия (7):
Sales1 (t) = Fleet 1 (t) - [1 - ShareRtr (t)] • Fleet 1 (t -1). (8)
Полученные оценки можно интерпретировать не только как вспомогательные в рамках двухэтапной схемы расчетов, но и как результаты прогноза по базовому сценарию, в котором в перспективе не происходит существенных изменений в механизмах формирования парка легковых автомобилей вследствие распространения практик их совместного использования. Следует отметить, что и в ретроспективе феномен совместного использования автомобилей существует, в частности, в форме такси. На первом этапе расчетов предполагается, что значимого развития в этом секторе не происходит, и коммерческий извоз остается нишевым феноменом. Другими словами, принимается гипотеза, что влияние совместного использования автомобилей на динамику парка в перспективе принципиально не меняется по сравнению с его влиянием в ретроспективе.
Второй этап. Оценки, полученные на первом этапе, далее корректируются с учетом того влияния на процессы автомобилизации, которое может иметь распространение новых форм совместного использования и беспилотных автомобилей. Парк легковых автомобилей на этом этапе рассматривается как совокупность функционально разнородных частей: такси7 (беспилотное или с водителем), беспилотных автомобилей в собственности домохозяйств и традиционных автомобилей (автомобилей в собственности домохозяйств, не используемых совместно). Для каждой из этих частей можно составить уравнения баланса их воспроизводства по типу уравнений (1), (6):
FleetTaxi(t) = FleetTaxi(t -1) + SalesTaxi(t) - RtrTaxi(t), (9)
где FleetTaxi(t) - парк такси (FLEET of TAXI); SalesTaxi(t) - объем продаж такси, задается экзогенно (SALES of TAXI); RtrTaxi(t)=ShareRtrTaxi(t)^FleetTaxi(t-1) - выбытие такси (Retirement of TAXI); ShareRtrTaxi(t) - доля выбытия такси (SHARE of Retirement of TAXI), задается экзогенно.
Численные значения объема продаж такси в перспективе определяются особенностями сценариев развития автомобилизации, т.е. гипотезами о снижении склонности потребителей к личному владению автомобилями, об увеличении масштабов распростра-
7 В эту группу также могут быть отнесены иные формы коммерческого извоза (например, каршеринг). Мы предполагаем, что с точки зрения влияния на размеры парка, нет разницы между беспилотным такси и такси с водителем.
нения беспилотных автомобилей, о нарастании административных и экономических ограничений для использования личного автотранспорта в городах и т.д.
FleetAutoHh(t) = FleetAutoHh(t -1) + SalesAutoHh(t) - RtrAutoHh(t), (10) где FleetAutoHh(t) - парк беспилотных автомобилей в собственности домохо-зяйств (FLEET of AUTOmated cars in HouseHolds' possession); SalesAutoHh(t) -объем продаж беспилотных автомобилей в собственности домохозяйств, задается экзогенно (SALES of AUTOmated cars in HouseHolds' possession); RtrAu-toHh(t)=ShareRtrAutoHh(t)FleetAutoHh(t-1) - выбытие беспилотных автомобилей в собственности домохозяйств (Retirement of AUTOmated cars in HouseHolds' possession); ShareRtrAutoHh(t) - доля выбытия беспилотных автомобилей в собственности домохозяйств (SHARE of Retirement of AUTOmated cars in HouseHolds' possession), задается экзогенно.
Численные значения объема продаж беспилотных автомобилей в собственность домохозяйств в перспективе также определяются особенностями сценариев развития автомобилизации, т. е. гипотезами о масштабах внедрения технологий автономного вождения, о расположенности потребителей к ним, о ценовой доступности беспилотных автомобилей, об адаптации к новым технологиям правил дорожного движения и т.д.
FleetTrad(t) = FleetTrad(t -1) + SalesTrad(t) - RtrTrad(t), (11) где FleetTrad(t) - парк традиционных автомобилей (FLEET of TRADitional cars); SalesTrad(t) - объем продаж традиционных автомобилей (SALES of TRADitional cars); RtrTrad(t)=ShareRtrTrad (t)FleetTrad (t-1) - выбытие традиционных автомобилей (Retirement of TRADitional cars); ShareRtrTrad(t) - доля выбытия традиционных автомобилей (SHARE of Retirement of TRADitional cars), задается экзогенно.
Итак, объем продаж автомобилей, которые будут эксплуатироваться в режиме совместного использования (Staxi+SautoH), задается экзогенно, основываясь на предположениях о том, как быстро будут распространяться практики совместного использования и технологии автоматического управления автомобилем.
Гипотезы выбытия для каждой из частей парка также задаются экзогенно на основе предположений о сроках службы и особенностях потребительского поведения. В силу того, что совместно используемые автомобили будут эксплуатироваться более интенсивно, сроки их службы ожидаются меньшими, а соответственно доля выбытия выше, чем у традиционных автомобилей. В то же время выбытие традиционных автомобилей может зависеть не только от их физического, но и морального износа: потребители, имея в распоряжении более привлекательную альтернативу в виде совместно используемых автомобилей, могут отказываться от традиционных автомобилей раньше, чем истекает их срок службы.
Мы исходим из предположения о том, что каждая покупка совместно используемого автомобиля удовлетворяет потребности в перевозках, для осуществления которых требуется несколько традиционных автомобилей:
SalesTrad (t ) = Salesl (t ) - SubLevelSalesTaxi(t) ■ SalesTaxi(t ) -
- SubLevelSalesHh(t ) ■ SalesAutoHh(t), где Sales1(t) - объем продаж легковых автомобилей на первом этапе расчетов; SubLevelSalesTaxi(t) - коэффициент замещения традиционных автомобилей такси в продажах (SUBstitution LEVEL in SALES of TAXI); SubLevelSalesHh(t) - коэффициент замещения традиционных автомобилей беспилотными автомобилями в собственности домохозяйств (SUBstitution LEVEL in SALES of HouseHolds' autonomous cars).
Совокупные объемы продаж и выбытий определяются как сумма соответствующих элементов парков беспилотных, совместно используемых и традиционных автомобилей:
Sales2 (t) = SalesAutoTrad (t) + SalesAutoHh(t) + SalesTrad (t), (13) где Sales2(t) - совокупный объем продаж, определяемый на втором этапе расчетов (т.е. с учетом распространения совместного использования).
Rtr2 (t) = RtrAutoTaxi(t) + RtrAutoHh(t) + RtrTrad (t), (14)
где Rtr2(t) - совокупный объем выбытий, определяемый на втором этапе расчетов.
Парк легковых автомобилей определяется балансовым образом:
Fleet 2 (t) = Fleet 2 (t -1) + Sales 2 (t) - Withdr2 (t), (15)
где Fle et2(t) - совокупный объем выбытий, определяемый на втором этапе расчетов.
Таким образом, данный инструментарий позволяет получать оценки объема парка легковых автомобилей в зависимости от гипотез, принятых в отношении динамики ВВП, численности населения, продаж и выбытий автомобилей, находящихся в разных режимах использования, а также показателей их относительной эффективности по сравнению с традиционными автомобилями (коэффициентов замещения).
Прогноз для Китая. В качестве объекта для прикладных прогнозных расчетов был выбран Китай, в котором число легковых автомобилей на 1000 чел. в 2017 г. составляло 132 ед. Эта страна находится в начале наиболее динамичного «среднего» этапа процесса автомобилизации, характеризующегося экспоненциальным ростом обеспеченности.
Первый этап. На первом этапе расчетов вначале строится прогноз обеспеченности населения легковыми автомобилями по формуле (5).
Для Китая исследователями предлагаются разные оценки уровня насыщения: от 350 [18] до 600 [21]. С нашей точки зрения, важным ориентиром может выступать Япония -горная, плотно заселенная страна, в которой уровень насыщения достигнут и составляет около 320 легковых автомобилей на 1000 чел. Целевые установки транспортной политики способны существенно повлиять на потенциальные уровни насыщения [22; 23]. Ввиду того, что Китай перенимает ведущие мировые практики, есть основания полагать, что современные принципы планирования транспортных систем будут внедряться быстрее, чем в развитых странах, что также может сдерживать потенциальный уровень насыщения. С учетом вышесказанного, в данном расчете мы принимаем гипотезу, что «уровень насыщения» Omax в Китае будет составлять 400 легковых автомобилей на 1000 чел.
На основе данных национальной статистики Китая [24] с 2000 по 2017 г. с помощью метода наименьших квадратов были оценены параметры a, b и с в уравнении (5):
O1(t) = 1 + e-0,00024(19000-W(t)) , (16)
где W (t) = 0,1 • W (t -1) + GDP(t).
Ошибка аппроксимации ретроспективных данных составила около 1% (рис. 3).
Ед.
оооооооооооооооооо
Рис. 3. Число легковых автомобилей на 1000 чел.: исходные данные (—) и аппроксимация (-) с помощью уравнения (16)
Перспективная динамика среднедушевого ВВП и численности населения были взяты из прогноза ОЭСР (табл. 1).
Таблица 1
Экзогенные переменные прогноза*
Переменная 2017 г. 2030 г. 2045 г.
Среднедушевой ВВП в ценах 2010 г. по ППС, тыс. долл. 15,0 1387 25,9 36,9
Численность населения, млн. чел. 1418 1372
* Входные данные, используемые для расчета показателей парка легковых автомобилей в Китае [25].
Источник: [25].
Прогнозная динамика показателя обеспеченности, определенного на первом этапе, показана на рис. 4.
Ед.
400 350 300 250 200 150 100 50
традиционных режимов их использования (на первом этапе расчетов)
На основе формулы (4) и гипотезы о перспективной динамике численности населения (прогноз ОЭСР, табл. 1) можно определить парк легковых автомобилей на первом этапе расчетов, т.е. в сценарии сохранения традиционных режимов их использования (рис. 5).
Доля выбытия в развитых странах выше, чем в развивающихся, в частности, в США и странах Западной Европы она составляет около 7% объема парка предыдущего года, в то время как в Китае 2-3%. Мы принимаем гипотезу, что в перспективе доля выбытия автомобилей в Китае возрастет до уровня развитых стран, т. е. до 7%.
На основе баланса (8) и гипотезы о доле выбытия, был определен объем продаж (рис. 6).
Второй этап. На втором этапе расчетов принимается гипотеза, что беспилотные автомобили начнут распространяться в 2025 г., а их парк в 2024 г. и их выбытие в первые три года распространения полагаются равными нулю. Также задается объем продаж такси, беспилотных автомобилей домохозяйствам (табл. 2), коэффициенты замещения традиционных автомобилей совместно используемыми в продажах, и по формуле (12) определяется объем продаж традиционных автомобилей. Ввиду того, что в
Рис. 4. Число легковых автомобилей на 1000 чел. в Китае: ретроспектива (-) и прогноз (-----) в сценарии сохранения
среднем одному домохозяйству достаточно двух традиционных автомобилей (в частности, такое количество характерно для развитых стран), коэффициент замещения беспилотными автомобилями в домохозяйствах принят равным двум.
Млн. ед.
600 500 400 300 200 100
Рис. 5. Парк легковых автомобилей в Китае:
ретроспектива (-) и прогноз (-----) в сценарии сохранения традиционных режимов
их использования (на первом этапе расчетов)
ооооооооооооооооооооооо
Млн. ед.
45 40 35 30 25 20 15 10 5
0 0 0 0 0 1 1 1 1 1 2 2 2 2 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2
Год
Рис. 6. Объем продаж легковых автомобилей в Китае:
ретроспектива (-) и прогноз (-----)
в сценарии сохранения традиционных режимов их использования (на первом этапе расчетов)
Доля выбытия беспилотных автомобилей в домохозяйствах задана вдвое больше, чем традиционных автомобилей (в предположении вдвое большей интенсивности использования). В то же время такси, обслуживающие несколько домохо-зяйств, могут замещать большее количество автомобилей (коэффициент замещения принят равным четырем). Коэффициент выбытия такси задан в четыре раза больше, чем традиционных автомобилей (в предположении существенно большей интенсивности использования).
Суммированием продаж каждого типа автомобилей можно получить совокупный объем продаж (рис. 7).
Таблица 2
Гипотезы, принимаемые на втором этапе расчета параметров парка*
2025 г. 2035 г. 2045 г.
Объем продаж, тыс. ед. такси 150 (0,4% общего объема продаж) 2 000 (6% общего объема продаж) 4 500 (19% общего объема продаж)
беспилотных автомобилей домохо-зяйствам 284 (0,7% общего объема продаж) 3 600 (10% общего объема продаж) 9 700 (40% общего объема продаж)
Коэффициент замещения для такси** 4 4 4
для беспилотных автомобилей в домохозяйствах* ** 2 2 2
Доля выбытия, % традиционных автомобилей 7 7 7
такси 28 28 28
беспилотных автомобилей в домохозяйствах 14 14 14
* В скобках в качестве дополнительной информации, которая является не экзогенным параметром, а результатом расчетов, приведены оценки доли продаж такси и личных беспилотных автомобилей в совокупных продажах. ** Число традиционных автомобилей, замещенных одним такси в продажах, шт. *** Число традиционных автомобилей, замещенных одним беспилотным автомобилем в собственности домохозяйств в продажах, шт.
Млн. ед.
Рис. 7. Объем и структура продаж легковых автомобилей: ретроспектива ( ЕЕЕ ) и прогноз в рассматриваемом сценарии распространения практики совместного использования и технологий автоматического управления (на втором этапе расчета):
И традиционные автомобили; И беспилотные автомобили в домохозяйствах; ■ такси
Балансы воспроизводства парка - (9), (10), (11), (15) - и гипотезы выбытий (см. табл. 2) позволяют оценить парки беспилотных, совместно используемых и традиционных автомобилей. Совокупный парк на втором этапе расчетов определяется как их сумма (рис. 8).
Полученные оценки динамики парка легковых автомобилей кардинально отличаются от оценок других исследователей, не принимавших во внимание возможные эффекты распространения совместного использования. Некоторые из таких прогнозов для Китая приведены на рис. 9.
Млн. ед.
600
300
100
Год
Рис. 8. Объем и структура парка легковых автомобилей в рассматриваемом сценарии
распространения практики совместного использования и технологий автоматического управления на втором этапе расчета (ретроспектива ( ЕЗ ) и прогноз): | традиционные автомобили; И беспилотные автомобили в домохозяйствах; ■ такси
-базовый сценарий
500
400
200
Млн. ед..
700
600
500
400
300
200
100
Год
22222222222222222222222
Рис. 9. Прогнозы объема парка легковых автомобилей в Китае в данном и других исследованиях:
-ретроспектива;---базовый сценарий;-----основной сценарий;
-■ - Chamon et al, 2008 [27]; -A- Hao et al, 2011 [28]; -♦- Huo et al, 2012 (High) [12]; -0- Huo et al, 2012 (Low) [12]; -•- Wu et al, 2014 [13];---OPEC, 2018 [26]
Прямое сопоставление этих прогнозных оценок было бы не вполне корректным. Например, различия в оценках на периоде до 2017 г. объясняются тем, что рассматриваемые прогнозы были выполнены раньше, на основе статистических данных до 2012 г., и не
учитывали бурного роста парка легковых автомобилей в Китае, пришедшегося на последние годы. В прогнозе OPEC 2018 [26] приводится для 2017 г. оценка 147 млн. ед. т.е. ниже, чем в официальной статистической службе Китая [24] - 183 млн. ед.
Однако можно отметить принципиальные различия в динамике. Все эти прогнозы объединяет рост совокупного парка легковых автомобилей в долгосрочной перспективе, в отличие от прогноза, полученного на основе рассматриваемого инструментария, который демонстрирует возможные масштабы снижения парка под действием распространения совместного использования и технологий автоматического управления. Аналогичные различия можно наблюдать в прогнозной динамике обеспеченности населения легковыми автомобилями (числа легковых автомобилей на 1000 чел.) (рис. 10).
Ед.
500 т 450 400 350 300 250 200 150 100 50
i i i i i i i i i i i i i
i i i i i i
i i i i i i i
i i i i i i
888883333S88888SSSSS333
Рис. 10. Варианты прогноза числа легковых автомобилей на 1000 чел. в Китае в данном и других исследованиях:
-ретроспектива;---базовый сценарий;-----основной сценарий;
-■ - Chamon et al, 2008 [27]; -A- Hao et al, 2011 [28]; -♦- Huo et al, 2012 (High) [12];
-O- Huo et al, 2012 (Low) [12]; -•- Wu et al, 2014 [13];---OPEC, 2018 [26]
* * *
Представленный выше прогнозно-аналитический инструментарий является модификацией набора стандартных инструментов для анализа процессов автомобилизации. Он основан на использовании Б-образных функций при моделировании обеспеченности населения легковыми автомобилями и уравнений баланса воспроизводства парка, модифицированных с учетом эффектов более интенсивной эксплуатации парка автомобилей, которые связаны с распространением технологий автоматического пилотирования и совместного использования. Эти процессы только набирают силу, следовательно, неопределенность их возможного развития в
будущем является очень высокой. В этих условиях мы используем данный инструментарий для сценарного прогнозирования.
Предназначение сценарного прогноза состоит не в том, чтобы «предсказать» ход автомобилизации в перспективе, а в том, чтобы показать, как могут различаться ее итоги в контексте разных сценариев. Вариантный сценарный прогноз структурирует пространство траекторий ключевых показателей автомобилизации. Тем самым создается переход от методологически правильного, но неконструктивного в прикладных исследованиях утверждения о высокой неопределенности будущего к построению нескольких конкретных образов этого будущего, соответствующих различным вариантам выбора детерминирующих его факторов и логики их взаимодействия.
При этом сценарий следует воспринимать как систему гипотез, которые не только описывают ключевые предположения исследователя относительно логики развития процессов автомобилизации, т.е. раскрывают содержание конкретного прогнозного расчета, но и задают жесткие ограничения на способы корректной интерпретации полученных результатов. Полученные прогнозные оценки парков являются наиболее вероятными не вообще, а только в содержательном контексте соответствующих сценариев.
Представленные в статье результаты прогнозных расчетов показывают, что оценки парка легковых автомобилей и обеспеченности ими населения могут демонстрировать уже не классическую «S-образную» динамику, а более сложное сочетание «S-образности» с «пиком». Именно это отличает результаты сценарного прогноза оценки последствий перехода к более интенсивному режиму эксплуатации автомобилей, обусловленному возможностями автоматического пилотирования и совместного использования.
Литература
1. Barter P. «Cars are Parked 95% of the Time». Let's Check! [Электронный ресурс]. Режим доступа: https://www.reinventingparking.org/2013/02/cars-are-parked-95-of-time-lets-check.html
2. Klein N., Smart M. Millennials and Car Ownership: Less Money, Fewer Cars // Transport Policy. 2017. № 53. Pp. 20-29.
3. Лебедева В. Время брать такси до булочной. [Электронный ресурс]. Режим доступа: https://www.kommersant.ru/doc/4047083
4. Litman T. Autonomous Vehicle Implementation Predictions: Implications for Transport Planning // Victoria Transport Policy Institute. 2018. P. 35.
5. The Future of Car Ownership // The NRMA Report. 2017. P. 86. [Электронный ресурс]. Режим доступа: https://www.mynrma.com.au/-/media/documents/reports-and-subs/the-future-of-car-ownership.pdf?la=en
6. Jong G., Fox J., Daly A., Pieters M. and Smit R. Comparison of Car Ownership Models // Transport Reviews: A Transnational Transdisciplinary Journal. 2004. № 24(4). Pp. 379-408.
7. Эткин Д. Возможный подход к прогнозированию объема продаж массовых автомобилей (на примере авторынка США) //Проблемы прогнозирования. 2009. № 1. С. 132-143.
8. Tanner J.C. Forecasts of Vehicles and Traffic in Great Britain: 1974 Revision // Department of the Environment, Transport and Road Research Laboratory, TRRL Laboratory Report 650. 1975. P. 79.
9. Debabrata D, Subhash D., Sharifuddin. Car Ownership Growth in Delphi //Decision. 2010. № 37(2). Pp. 51-61.
10. Dargay J., Gately D., Sommer M. Vehicle Ownership and Income Growth, Worldwide: 1960-2030 // The Energy Journal. 2007. Vol. 28. № 4. Pp. 143-170.
11. Эдер Л.В., Немов В.Ю. Прогнозирование потребления энергии легковым автомобильным транспортом // Проблемы прогнозирования. 2017. № 4. С. 83-93.
12. Huo H., Wang M. Modeling Future Vehicle Sales and Stock in China //Energy Policy. 2012. Vol. 43. Pp. 17-29.
13. Wu T., Zhao H., Ou X. Vehicle Ownership Analysis Based on GDP per Capita in China: 1963-2050 // Sustain-ability. 2014. Vol. 6. № 8. Pp. 4877- 4899.
14. Button K.J., Hine J., Ngoe N. Modelling Vehicle Ownership and Use in Low-income Countries // Journal of Transport and Policy. 1993. Vol. 27. № 1. Pp. 51-67.
15. Tanner J.C. Car Ownership Trends and Forecasts // Department of the Environment, Transport and Road Research Laboratory, TRRL Laboratory Report 799. 1977. 117p.
16. Tanner J. C. A Lagged Model for Car Ownership Forecasting // Department of the Environment, Transport and Road Research Laboratory, TRRL Laboratory Report 1072. 1983. 12 p.
17. Tanner J.C. An Analysis of Increases in Motor Vehicles in Great Britain and the United States // Harmonds-worth: Road Research Laboratory, Research Note RN/3340. 1958. P. 65.
18. Medlock IIIK.B., Soligo R. Car Ownership and Economic Development with Forecasts to the Year 2015 // Journal of Transport Economics and Policy. 2002. Vol. 36. Part 2. Pp. 163-188.
19. Mogridge M.J.H. The Prediction of Car Ownership and Use Revisited: The Beginning of the End? // Journal of Transport Economics and Policy. 1989. Vol. 23. № 1. Pp. 55-74.
20. Dargay J., Gately D. Income's Effect on Car and Vehicle Ownership, Worldwide: 1960-2015 // Transportation Research Part A: Policy and Practice. 1999. Vol. 33. № 2. Pp. 101-138.
21. Meyer I., Leimbach M, Jaeger C.C. International Passenger Transport and Climate Change: A Sector Analysis in Car Demand and Associated CO2 Emissions from 2000 to 2050//Energy Policy. 2007. № 35. Pp. 6332-6345.
22. Вучик В.Р. Транспорт в городах, удобных для жизни /Под науч. ред. М. Блинкина. Пер. с англ. А. Калинина. М.: Территория будущего, 2011. 576 с.
23. Ксенофонтов М.Ю., Милякин С.Р. Процесс автомобилизации и определяющие его факторы в ретроспективе, настоящем и будущем //Проблемы прогнозирования. 2018. № 4. С. 92-105.
24. [Электронный ресурс]. Режим доступа: http://www.stats.gov.cn
25. [Электронный ресурс]. Режим доступа: https://stats.oecd.org
26. [Электронный ресурс]. Режим доступа: https://woo.opec.org/
27. Chamon M., Mauro P., Okawa Y., Temple J., Schultz C. Mass Car Ownership in the Emerging Market Giants // Economic Policy. 2008. № 23(54). Pp. 243-296.
28. Hao H., Wang H., Yi R. Hybrid Modeling of China's Vehicle Ownership and Projection through 2050 // Energy. 2011. Vol. 36. № 2. Pp. 1351-1361.
