CC BY
38
УДК 656.015
ЗАКОНОМ1РНОСТ1 ФОРМУВАННЯ М1СТКОСТ1 центрально! частини м. ХАРКОВА З ПРИБУТТЯ ТА В1ДПРАВЛЕННЯ АВТОМОБ1Л1В
П.Ф. Горбачов, доцент, д.т.н., О.С. Кол1й, асистент, ХНАДУ
Анотаця. Представлено законом1рност1 формування MiemKoemi дтянок вулично-дорожньо! мереж1 за мльшстю автомобмв, що прибувають та вiдправляюmься eid них й результати iмimацiйнoгo моделювання Mi^m^i центрально! частини мiсmа Харкова.
Ключов1 слова: ттенсивтсть прибуття та вiдправлення автомобмв, ланка дорожньо! мережi, iмimацiйне моделювання, закон розподшу, вiдеoспoсmереження, паркування.
ЗАКОНОМЕРНОСТИ ФОРМИРОВАНИЯ ВМЕСТИМОСТИ ЦЕНТРАЛЬНОЙ ЧАСТИ г. ХАРЬКОВА ПО ПРИБЫТИЮ И ОТПРАВЛЕНИЮ АВТОМОБИЛЕЙ
П.Ф. Горбачев, доцент, д.т.н., А.С. Колий, ассистент, ХНАДУ
Аннотация. Представлены закономерности формирования емкости участков улично-дорож-ной сети по количеству автомобилей, что прибывают и отправляются от них, и результаты имитационного моделирования ёмкости центральной части города Харькова.
Ключевые слова: интенсивность прибытия и отправления автомобилей, звено дорожной сети, имитационное моделирование, закон распределения, видеонаблюдение, парковка.
LAWS OF KHARKIV URBAN CORE CAPACITY FORMATION ON VEHICLE ARRIVAL AND DEPARTURE
P. Gorbachov, Associate Professor, Doctor of Technical Sciences, O. Koliy, Assistant, KhNADU
Abstract. Laws of formation of road network sections capacity by quantity of cars that arrive to and go from them and the results of simulation modeling of Kharkiv urban core capacity have been presented.
Key words: vehicle arrival and departure intensity, road network link, simulation modeling, distribution law, video surveillance, parking.
Вступ
Сучасне суспшьство характеризуемся постшним збшьшенням обсяпв
транспортних пересувань. При цьому збшьшення кшькосп транспортних засобiв найчаспше випереджае розвиток дорожньо! мережа У цих умовах завдання забезпечення надшносп, якост й безпеки автотранспортних перемщень надзвичайно ускладнюеться [1]. Сьогодш вулично-дорожня система мае складну структуру, в якш одержання транспортно! шформаци е дуже складною та трудомюткою, а iнодi й неможливим завданням. Найбшьш
ефективним методом одержання
статистично! шформаци у складних стохастичних системах е iмiтацiйне моделювання. У зв'язку з цим для розв'язання тако! задачi як визначення кшькосп автомобшв, що прибувають та вщправляються вщ ланок дорожньо! мереж, використовуеться iмiтацiйне моделювання.
Аналiз публiкацiй
Для визначення параметрiв транспортних потокiв, таких як !х щiльнiсть та iнтенсивнiсть, перевагу звичайно вщдають методам натурних спостережень, за
допомогою яких фiксують фактичнi значення дослщжуваного показника. В роботi [2] найважлившим показником транспортного потоку вважаеться пропускна здатнють дорiг та швидкiсть руху автомобiлiв. Шляхом натурних спостережень визначалися швидкостi руху автомобiлiв на магютралях мiста в рiзнi пори року та рiзний час доби. Недолгом е те, що отриманi залежносп адекватнi лише для багатосмугових магютралей, де швидкiсть автомобiлiв е достатньо великою, а щшьнють автомобiлiв е невисокою. Проблеми найчастiше виникають в щшьному потоцi, який спостерiгаеться в центральнш частинi мiста, оскiльки найбшьша концентрацiя транспортних засобiв виникае саме там. Це пов'язано з юторично сформованою щiльною забудовою вулиць, яка звичайно не вiдповiдае сучасним вимогам мегаполюу, тому особливу увагу треба придшяти саме цiй частинi мюта.
Побудова iмiтацшно! моделi дорожньо-транспортно! мережi центрально! частi мiста е необидною в тому випадку, коли одержання певно! шформаци натурними спостереженнями в повному обсязi не може бути виконано. Одними з важливших показниюв для побудови адекватно! iмiтацiйно! моделi формування мiсткостi автомобiлiв на дшянках транспортно! мережi е !х щiльнiсть та iнтенсивнiсть прибуття та вщправлення. В нашому випадку залучення iмiтацiйного моделювання дозволить вiдтворити транспортний процес в серединi системи, збер^аючи при цьому випадковий характер об'екта. До того ж використання iмiтацiйного моделювання дозволить проводити багато серш спостережень за короткий промiжок часу з подальшим !х аналiзом. Точнють та адекватнiсть iмiтацiйно! моделi залежатиме вiд обсягу та точностi зiбрано! статистично! iнформацi! про щiльнiсть та штенсивнють транспортних засобiв на донках транспортно! мережi [3].
Мета i постановка задачi
Одержання емпiричних значень
штенсивност прибуття та вiдправлення автомобшв е доволi складною задачею з точки зору !! розв'язання, оскшьки в цьому разi потрiбно виконувати велику кiлькiсть спостережень за кожною ланкою дорожньо-транспортно! системи центрально! частини
мiста Харкова.
В цьому разi для одержання достатнього обсягу транспортно! шформаци для проведення розрахункiв мiсткостi
центрально! частини
м. Харкова з прибуття та вщправлення автомобiлiв необидно побудувати iмiтацiйну
модель дорожньо-транспортно! системи центрально! частини мюта Харкова. Таким чином, метою дано! роботи е розробка iмiтацiйно! моделi формування мюткосп дiлянок транспортно! мережi з прибуття та вiдправлення автомобшв в центральнш частит мюта Харкова.
Розробка iмiтащйноT моделi
Важливими показниками для побудови адекватно! iмiтацiйно! моделi формування мiсткостi центрально! частини м. Харкова з прибуття та вщправлення автомобшв е параметри закону розподшу випадкових величин iнтенсивностi обмшу транспортних засобiв на транспортнiй мереж мюта. Величина кшькосп автомобiлiв, що прибувають, визначаеться iнтенсивнiстю обмiну транспортних засобiв на транспортнiй мереж мюта. Важливим допущенням е те, що у проведених дослiдженнях час стоянки автомобшв е недовготривалим на вшх дiлянках транспортно! мережа Для визначення параметрiв закону розподiлу iнтенсивностi обмшу транспортних засобiв на транспортнiй мережi було проведено вiдеоспостереження за процесом паркування автомобiлiв бiля узбiччя на транспортнш мереж центрально! частини мюта Харкова. Узагальнеш результати спостережень представлеш в табл. 1.
Таблиця 1 1нтенсивтсть прибуття та вшправлення автомоб мв. од./50 м
Ддлянка вулищ Прибутт я Ввдправлен ня
Вул. Пушк1нська 17 12
Вул. Артема 11 6
Вул. Мар'яненко 16 13
Вул. Артема 18 8
Вул. Гоголя 21 8
Вул. Чернишевська 19 11
Вул. Чернишевська 26 16
Вул. Чернишевська 26 15
Вул. Краснознаменна 25 23
Середне значення 20 12
Максимум 26 23
Мш1мум 11 6
Середньоквадратич не вщхилення 5,126 5,087
Кожне з десяти обстежень проводилось двi години - з 8:00 до 10:00. Для подальших розрахунюв одержат результати були приведет до п'ятнадцятихвилинного штервалу. В результат було одержано вибiрку моментних спостережень у розмiрi 72 одиницi. Далi для заданого рiвня надiйностi було визначено необхщний обсяг дослiджень, який становить для прибуття автомобiлiв 52 спостереження, а для вщправлення - 63. Проведене обстеження цшком задовольняе використаному обсягу спостережень. Для визначення параметрiв закону розподшу було проведено аналiз результапв проведених спостережень (рис. 1, 2).
Эмшна Прибуття авт/50 м, Рмподл: Иогта1 Kolmюgorov-Smмmov d = 0,05977, Chi-Square test = 2,53953, С = 4 (adJusted) , р = 0,63757
-0,7917 0,7917 2,3750 3,9583 5,5417 7,1250 8,7083
0,0000 1,5833 3,1667 4,7500 6,3333 7,9167
Ытансивисгъ прибуття агомобшв
Рис. 1. Розподш штенсивносп прибуття автомобiлiв на дшянках вулично! мереж
Эмiннаl В|дправлення авт/50 м, Ряпсдт: Ыогта1 Kolmogorov-Smimov С = 0,06556, СЫ-Здиаге test = 2,80341, Сf = 2 (аСс^еС) , р = 0,2461 8
.
■ ■
■ 6 4
0
-0,7778 0,0000 0,7778 1,5556 2,3333 3,1 1 1 1 3,8889 4,6667 5,4444 6,2222 Ытансивн стъ вдправлення автомоб л в
Рис. 2. Розподш штенсивносп вщправлення автомобiлiв на дiлянках вулично! мереж
Параметри закону розподiлу оцiнювались за допомогою методу максимально!
правдоподiбностi [4]; гшотеза про вiдповiднiсть нормального та теоретичного розподшу перевiрялася за допомогою критерив Пiрсона й
Колмогорова-Смiрнова [5]. Параметри випадково! величини за нормальним законом розподшу представлен в таблиц 2.
Таблиця 2 Параметри розпод1лу штенсивносп прибуття та вiдправлення автомобмв
Показник Прибуття авт./50 м Ввдправлення авт./50 м
Середне значення показника 2,481 1,544
Дисперс1я 2,985 1,359
Середньоквадрати чне ввдхилення 1,727 1,166
Для вiдтворення iнтенсивностi прибуття та вщправлення на всiх транспортних ланках центрально! частини м. Харкова було використано параметри, наведет в табл. 2, але при виконант ще! процедури виникла необхiднiсть у корегуванш одержано! вибiрки, оскiльки вона вмщувала негативнi значення, що не задовольняе, у фiзичному сенсi, iнтенсивностi прибуття та вщправлення автомобiлiв. В цьому випадку важливою характеристикою розподiлу може бути «усшання», коли випадкова величина не може прийняти значення, менше, нiж задана константа. Наслiдком усшання розподiлу буде те, що навт мала вибiрка з найгiршо!' генерально! сукупностi не зможе мати вибiркове середне менше, нiж (нижня) границя усiкання. Цiлком можливо, що процедура усшання зменшить рiвень значущостi а при прийнятп гiпотези про закон розподшу [6].
Пюля перетворення негативних значень у нульовi за десятьма генерованими вибiрками прибуття та вщправлення автомобiлiв можна побачити, що рiвень значущостi а в ушх вибiркaх зменшуеться, але не на стшьки, щоб вiдхиляти гiпотезу про вщповщшсть нормального та теоретичного закону розподiлу.
Використання статистичних даних iнтенсивностi прибуття та вщправлення транспортних зaсобiв дозволило розробити iмiтaцiйну модель формування мiсткостi дшянок транспортно! мережi з прибуття та вщправлення aвтомобiлiв у центрaльнiй частит м. Харкова. Всього було проведено 10 серш iмiтaцi! iнтенсивностi прибуття та
вщправлення транспортних 3aco6iB. Загальна характеристика результат розрахункiв, отриманих при проведеннi моделювання кiлькостi автомобiлiв на дiлянках транспортно! мережi центрально! частини м.
Харкова, наведена в табл. 3. 1мгащя е випадковим експериментом, тому будь-який результат, отриманий шляхом iмiтацiйного моделювання, тддаеться експериментальним помилкам, отже, як у будь-якому
Таблиц 3 Загальна характеристика результат1в розрахуншв
Показники Параметри розрахуншв за сумарними значеннями виб1рок Параметри розрахуншв за кожною ланкою транспортно! системи
Середне значення Дисперс1я Стан-дартне ввдхи-лення Середне значення авт./188 м Середне значення авт./50 м Дисперая Стан-дартне ввдхиленн я
Юльшсть автомобшв, що прибувають, од. 39803,219 2823649,8 1680,37 81,988 21,805 5592,81 74,785
Юльшсть автомобшв, що ввдправляютьс я, од. 24309,005 437737,36 661,617 48,831 12,987 2869,60 53,569
статистичному експерименп, повинен грунтуватися на результатах вщповщних статистичних перевiрок [7]. В нашому випадку, якщо порiвняти одержанi даш пiсля моделювання 21,8 авт./50 м з прибуття та 12 авт./50 м з вiдправлення з середшми даними, отриманими на пiдставi статистичних даних (див. табл. 1), можна побачити невелику вщмшшсть, що вказуе на надшшсть отриманих результатiв.
Висновки
Результати натурних спостережень за штенсившстю прибуття та вiдправлення транспортних засобiв на дiлянках вулично-дорожньо! мережi достатньо точно описуються нормальним законом розподшу, що дозволяе використовувати отримаш параметри розподiлiв в iмiтацiйнiй модель
Використання випадкових значень штенсивност прибуття та вiдправлення транспортних засобiв в iмiтацiйному експериментi дозволило визначити кшьюсть автомобiлiв, що прибувають та вщ'1жджають вiд транспортного елементу. З одержаних результатiв можна побачити, що кшьюсть автомобiлiв, що прибувають, бшьше за кiлькiсть, що вщправляються. Це вказуе на накопичення автомобшв у центральнiй частинi мiста Харкова в перюд з 8:00 до 10:00 години. Отримаш результати в
подальшому можуть бути використанi для визначення мiсткостi транспортних районiв центрально! частини м. Харкова.
Л^ература
1. Могорас А.А. Моделирование, структурный анализ и прогнозирование динамических характеристик транспортных потоков на основе аппарата нечеткой логики / А.А. Могорас / http://nit.miem. edu.ru/2008/sb/sec2 /030/index.html.
2. Коваленко К.О. Методика определения ве-
личины пропускной способности на существующих автомобильных дорогах/ К.О. Коваленко // Вестник ХНАДУ : сб. научн. тр. - Харьков : ХНАДУ. - 2005. -Вып. 30. - С. 91-94.
3. Хастингс Н. Справочник по статистическим распределениям : пер. с англ. /
Н. Хастингс, Дж. Пикок. - М. : Статистика, 1980. - 95 с.
4. Гмурман В.Е. Теория вероятностей и мате-
матическая статистика / В.Е. Гмурман. -М. : Высшая школа, 2004. - 479 с.
5. Венецкий И.Г. Основные математико-ста-
тистические понятия и формулы в экономическом анализе/ И.Г. Венецкий,
В.И. Венецкая. - М. : Статистика, 1979. - 447 с.
6. Клейтон Д. Статистические методы в
имитационном моделировании : пер. с англ. / Д. Клейтон. - М. : Статистика, 1978. - 335 с.
7. Таха Х. Исследование операцш : пер. с
англ. / Х. Таха. - М. : Вильямс, 2005. -912 с.
Рецензент: М.А. Подригало, професор, д.т.н., ХНАДУ.
Стаття надшшла до редакци 10 березня 2010 р.
