Совершенствование оценки спроса на перевозки городским пассажирским транспортом из операций валидации электронных проездных билетов

Алхуссейни Сами

Совершенствование оценки спроса на перевозки городским пассажирским транспортом из операций валидации электронных проездных билетов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Алхуссейни Сами

Алхуссейни Сами
кандидат наук
2024

Специальность ВАК РФ00.00.00

Количество страниц 145

Алхуссейни Сами. Совершенствование оценки спроса на перевозки городским пассажирским транспортом из операций валидации электронных проездных билетов: дис. кандидат наук: 00.00.00 - Другие cпециальности. ФГБОУ ВПО «Иркутский национальный исследовательский технический университет». 2024. 145 с.

Оглавление диссертации кандидат наук Алхуссейни Сами

Аббревиатуры и сокращения

ВВЕДЕНИЕ

1. Современные тенденции определения спроса ГПТОП из валидаций ЭлПБ

1.1. Спрос на ГПТОП

1.2. Обзор методов определения транспортного спроса

1.3. Автоматизированные системы оплаты проезда в планировании ГПТОП

1.3.1. Электронные проездные билеты

1.3.2. Обзор выполненных исследований по оценки транспортного спроса из валидаций ЭлПБ

Выводы по главе

2. Математическая модель определения транспортного спроса из операций валидации ЭлПБ

2.1. Математическая модель

2.2. Алгоритм расчета пассажирских корреспонденций ЭлПБ

2.3. Репрезентативности пассажирских поездок из валидаций ЭлПБ

2.4. Определение спроса на ГПТОП

Выводы по главе

3. МЕТОДИКИ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ

3.1. Методика обследования пассажирских потоков

3.2. Статистическая обработка экспериментальных данных, анализ экспериментальных выборок

3.3. Методика оценки достоверности транспортного спроса, полученного из операций валидации ЭлПБ

3.4. Методы анализа статистических данных

Выводы по главе

4. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЙ

4.1. Расчет спроса на ГПТОП из валидаций ЭлПБ

4.2. Определение весовых коэффициентов оценочных критериев

4.3. Оценка репрезентативности пассажирских корреспонденций из валидаций ЭлПБ генеральной совокупности поездок пассажиров

4.4. Анализ параметров пассажирских корреспонденций

4.5. Технико-эксплуатационные показатели транспортной системы

4.6. Технико-экономические результаты выполненного научного исследования

Выводы по главе

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

ПРИЛОЖЕНИЕ А. РЕЗУЛЬТАТЫ ОБРАБОТКИ ВАЛИДАЦИЙ ЭЛПБ

ПРИЛОЖЕНИЕ Б. СВИДЕТЕЛЬСТВА О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ В. АКТЫ И СПРАВКИ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ

АББРЕВИАТУРЫ И СОКРАЩЕНИЯ

АСДУ - автоматизированная система диспетчерского управления движением транспортных средств;

ВТАБ - Всесоюзный постоянно бюро трамвайных и автобусных съездов

ГЛОНАСС - Глобальная навигационная спутниковая система;

ГПТОП - городской пассажирский транспорт общего пользования, выполняющий перевозки по регулярным маршрутам с применением публичных тарифов за проезд;

МК - матрица корреспонденций;

ММК - матрица маршрутных корреспонденций;

МС - маршрутная сеть;

МСК - матрица сетевых корреспонденций;

ОП - остановочный пункт городского пассажирского транспорта общего пользования;

СпСН - спутниковая система навигации (ГЛОНАСС, GPS и др.), предназначенная для определения местоположения (географических координат) наземных, водных и воздушных объектов, а также низкоорбитальных космических аппаратов;

СУБД - системы управления базами данных;

ТС - транспортные средства, подвижной состав;

ЭлПБ - электронные проездные билеты

AFC - (англ. Automated Fare Collection) Автоматизированная система оплаты проезда

AVL - (англ. Automatic Vehicle Location) автоматическое определение местоположения транспортного средства

EMV - международный стандарт для финансовых операций, который определяет физическое, электронное и информационное взаимодействие между банковской картой и платёжным терминалом

ePurse - электронный кошелек

GPS (англ. Global Positioning System) глобальная система позиционирования;

SQL - structured query language, язык структурированных запросов, декларативный язык программирования, применяемый для создания, модификации и управления данными в реляционной СУБД;

TDM (англ. Transportation Demand Management ) - управление транспортным спросом;

РПД - расстояние пешеходной доступности.

Введение диссертации (часть автореферата) на тему «Совершенствование оценки спроса на перевозки городским пассажирским транспортом из операций валидации электронных проездных билетов»

ВВЕДЕНИЕ

Актуальность темы. Баланс спроса и предложения без излишнего объема инфраструктуры - это одно из основных условий устойчивости общественного транспорта, обеспечивающего экономичное, безопасное, надежное, экологически чистое и качественное удовлетворение мобильности населения: доступ к месту работы, учебы, товарам, услугам, социальным и культурно-бытовым объектам. Реализация данной концепции требует решения задачи мониторинга транспортного спроса, т.е. формирования системы постоянного наблюдения за мобильностью населения, результаты которого обеспечивают обоснованные управленческие решения по формированию оптимального транспортного предложения.

Существующие методы определения пассажирских потоков ГПТОП вследствие их трудоемкости и ограниченной эффективности не позволяют осуществлять мониторинг транспортного спроса. В настоящее время для создания эффективных решений (в том числе на ГПТОП) используются технологии, основанные на сборе, интеграции и анализе больших данных (Urban computing, Big data, Internet of things).

В рамках данного подхода актуальной является задача определения (восстановления) корреспонденций пассажиров ГПТОП посредством анализа операций валидаций электронных проездных билетов (ЭлПБ, Electronic Travel Tickets): смарт-карт (smart card), транспортных карт, магнитных карт, мобильных телефонов и других электронных устройств (Electronic Gadgets), реквизиты которых фиксируются в автоматизированной системе оплаты проезда AFC. Информация, формируемая в AFC, представляет существенный интерес для решения задач планирования работы транспорта, поскольку позволяет рассчитывать спрос ГПТОП, т.е. потребность населения в передвижениях.

Методы анализа операций валидации ЭлПБ обеспечивают получение маршрутных корреспонденций пассажиров. Особую проблему представляет формирование из маршрутных поездок сетевых корреспонденций, т.е. поездок пассажиров между пунктами отправления и назначения, которые могут быть

прямыми или с пересадками. Существующие методы определения таких корре-спонденций основаны на критериях пересадки, которыми являются время и РПД. При этом не учитываются случаи, когда пассажир на ОП, удовлетворяющих критериям пересадки, решает определенные задачи, составляющие цель посещения данного ОП (поездки курьера - это перемещение из одной точки в другую для доставки или получения груза, документов или выполнения любой другой задачи). Данные поездки не могут быть объединены в сетевую корреспонденцию, поскольку каждый из промежуточных ОП является целью перемещения пассажира-курьера.

Недостаток знаний о транспортном спросе затрудняет эффективное и качественное обеспечение мобильности населения. Решение задачи мониторинга транспортного спроса - это важное условие устойчивого развития ГПТОП - одного из наиболее эффективных направлений надежного удовлетворения мобильности населения при ограниченных ресурсах и минимальном отрицательном влиянии на окружающую среду.

Степень разработанности темы исследования. Вопросы совершенствования методов прогнозирования транспортного спроса рассматривались во многих отечественных и зарубежных исследованиях. В решение проблемы формирования эффективных систем ГПТОП значительный вклад внесли: Л.Л. Афанасьев, А.П. Артынов, Г.А. Варелопуло, П.П. Володькин, Б.Л. Геронимус, И.М. Головных, В.А. Гудков, Г.А. Гуревич, А.Э. Горев, В.Н. Ембулаев, C.B. Жанказиев, В.В. Зырянов, Д.Б. Ефименко, И.С. Ефремов, А.Х. Зильберталь, В.А. Корчагин, Е.А. Кравченко, М.Е. Корягин, В.М. Курганов, О.Н. Ларин, Л.Б. Миротин, А.Ю. Михайлов, И.В. Спирин, А.И. Фадеев, М.Р. Якимов и другие.

Задача определения корреспонденций пассажиров из AFC рассматривалась в работах иностранных ученых: Alsger A. A., Bagchi M., Barry J. J., Chu A., Cui A., Dazi S., Devillaine F., Farzin J. M., Gokasar I., Gordon J., Hickman M., Hofmann M., Hora J., Jang W., Lee S., Mahrsi M., Mesbah M., Munizaga M. A., Nagy V., Nassir N., Palma C., Seaborn C., Tao S., Tian li, Trepanier M., Tyrinopoulos Y., Venugopal S., Wang W., White P. R., Zhang L., Zhao Z., Zhou J.

Целью работы является повышение эффективности и качества проектирования транспортного предложения городского пассажирского транспорта общего пользования на основе совершенствования методов оценки транспортного спроса.

Объект исследования является спрос на перевозки наземным городским пассажирским транспортом общего пользования.

Предмет исследования - методы оценки транспортного спроса на основе операций валидации электронных проездных билетов, интегрированных с данными автоматизированной системы диспетчерского управления пассажирского транспорта общего пользования.

Рабочая гипотеза заключается в том, что путем совершенствования методов определения транспортного спроса можно существенно повысить эффективность проектирования предложения наземного пассажирского транспорта общего пользования и тем самым обеспечить надежное удовлетворение мобильности населения при ограниченных ресурсах и наименьшем отрицательном влиянии на окружающую среду.

Задачи исследования

1. Теоретически обосновать метод определения пассажирских корреспон-денций из операций валидации электронных проездных билетов, интегрированных с данными автоматизированной системы диспетчерского управления городского пассажирского транспорта общего пользования.

2. Научно обосновать и апробировать методику оценки достоверности определения спроса городского пассажирского транспорта общего пользования из данных валидации электронных проездных билетов.

3. На основе выявленных критериев поездок курьера и установленных условий определения пересадки разработать методику расчета сетевых пассажирских корреспонденций.

4. Разработать методику мониторинга спроса городского пассажирского транспорта общего пользования, основанную на анализе операций валидации электронных проездных билетов.

Методология и методы исследования. При решении поставленных задач использовались методы системного подхода и исследований операций, математической статистики, теории вероятностей, математического моделирования и анализа, математического программирования и численных расчетов, реляционной алгебры и реляционной теории данных, программирования на языках высокого уровня, экспериментальных исследований с использованием систем глобального позиционирования ГЛОНАСС/GPS и систем анализа больших данных.

Научная новизна, теоретическая значимость исследования:

1. Выявлена зависимость пассажирских корреспонденций от параметров операций валидации электронных проездных билетов, интегрированных с данными системы диспетчерского управления городским наземным пассажирским транспортом общего пользования, обеспечивающая расчет транспортного спроса из допустимых вариантов пассажирских поездок с применением критерия, формируемого из вектора оценочных показателей;

2. Научно обоснована методика оценки достоверности спроса городского пассажирского транспорта общего пользования, определенного из операций ва-лидации электронных проездных билетов, базирующаяся на оценке распределения по длине маршрута теоретических и экспериментальных пассажирских кор-респонденций;

3. Выявлены закономерности формирования сетевых пассажирских корре-спонденций, разработаны и апробированы на этой основе критерии определения передвижений курьера, обеспечивающие корректное определение транспортного спроса.

Практическая значимость работы. Результаты исследования могут использоваться перевозчиками пассажиров, операторами управления и контроля движения пассажирского транспорта, а также муниципальными органами власти для решения следующих задач:

- формирование транспортного предложения, обеспечивающего заданные параметры эффективности и качества транспортного обслуживания

населения с учетом динамики транспортного спроса, технологических нормативов и экономических показателей транспортного процесса;

- создание системы мониторинга пассажирских потоков за счет использования математических моделей и методов определения спроса на ГПТОП путем анализа операций валидации ЭлПБ.

Преподавателям технических ВУЗов транспортных специальностей теоретические положения и результаты их практического применения позволят повысить качество подготовки специалистов по направлению 23.03.01 «Технология транспортных процессов».

Реализация результатов исследований осуществлена в системе организации и управления пассажирским транспортом общего пользования г. Красноярска. Разработано программное обеспечение, посредством которого проведены расчеты транспортного спроса на операциях валидации электронных проездных билетов ГПТОП г. Красноярска, результаты которых используются при решении задач совершенствования функционирования ГПТОП г. Красноярска (подтверждено актами внедрения, выданными департаментом городского хозяйства и транспорта администрации города Красноярска, департаментом градостроительства администрации города Красноярска, муниципальным казенным учреждением города Красноярска «Красноярскгортранс»).

Результаты диссертационного исследования используются в учебном процессе кафедры транспорта СФУ магистров и бакалавров направления «Технология транспортных процессов».

Положения, выносимые на защиту:

1. Теоретически обоснованная методика расчета спроса на ГПТОП, основанная на определении и оценке множества допустимых вариантов следования пассажирских поездок посредством критерия, формируемого из вектора оценочных показателей, позволяет рассчитывать параметры пассажирских корреспон-денций с учетом факторов, оказывающих влияние на выбор пассажиром маршрутов поездок;

2. Применение разработанной методики расчета спроса на ГПТОП из операций валидации электронных проездных билетов обеспечивает мониторинг пассажирских потоков, технико-эксплуатационных показателей функционирования ГПТОП, и таким образом позволяет реализовать концепцию устойчивого развития ГПТОП посредством проектирования транспортного предложения, соответствующего спросу;

3. Оценка достоверности спроса ГПТОП, выполненная по разработанной методике с использованием выборочного автоматизированного учета пассажиров, подтверждает статистическое соответствие выборочной совокупности маршрутных и сетевых пассажирских корреспонденций, полученных из валида-ций электронных проездных билетов, пассажирским потокам ГПТОП в пределах допустимых погрешностей;

4. Разработанные и практически апробированные критерии определения поездок курьера обеспечивают корректность расчета сетевых пассажирских кор-респонденций.

Достоверность результатов подтверждается: корректностью математического обоснования проведенных исследований и системным подходом к решению задач; использованием методов реляционной алгебры и реляционной модели данных; применением обработки статистических данных с использованием репрезентативных объемов выборок и контроля выбросов в выборках; тестированием разработанных моделей в реальных транспортных системах, функционирующих под контролем СпСН ГЛОНАСС/GPS; статистическим контролем сходимости экспериментальных исследований и реальных процессов.

Теоретические основы построены на проверяемых данных и фактах, согласуются с публикациями по теме диссертации.

Апробация результатов работы.

Основные положения и результаты диссертационной работы докладывались и обсуждались на: X Международной научно-технической конференции «Авиамашиностроение и транспорт Сибири» (г. Иркутск, 2018 г.); III Молодежной международной научно-практической конференции «Молодежный научный

потенциал XXI века: ступени познания» (г. Новосибирск, 2018 г.); 106-ой Международной научно-технической конференции «Безопасность колесных транспортных средств в условиях эксплуатации» (г. Иркутск, 2019 г.); Всероссийской очно-заочной практической конференции «Транспортная логистика: актуальные вопросы, проектные решения и инновационные достижения» (г. Красноярск, 2022 г.); Международном конкурсе научно-исследовательских работ «Инновационные научные исследования в современном мире» (г. Уфа, 2022 г.); Международной научно-практической конференции (гибридной) «Четвертая промышленная революция и инновационные технологии» (г. Гянджа, респ. Азербайджан, 2022 г.); XIX Международной научной конференции студентов, аспирантов и молодых ученых «Проспект Свободный - 2023» (г. Красноярск, 2023 г.); 116-ой Международной научно-технической конференции «Безопасность колесных транспортных средств в условиях эксплуатации» (г. Улан-Удэ, 2023 г.); IV Всероссийской научно-технической конференции с международным участием «Борисовские Чтения» (г. Красноярск, 2023 г.); Международной научно-практической конференции (гибридной) «Современное состояние и перспективы развития науки и технологий в период четвертой промышленной революции» (г. Гянджа, респ. Азербайджан, 2024 г.).

Личный вклад автора заключается в формировании концепции и цели работы; постановке задач и их решении; подготовке теоретических и методологических положений научной новизны исследования, разработанных с применением новых методов, моделей и подходов к решению задач, сформулированных в диссертации.

Публикации. Основные результаты, полученные в диссертационной работе, опубликованы в 17 научных работах: 4 статьях в рецензируемых научных журналах из перечня ВАК РФ и 7 публикациях в изданиях, индексируемых в системах Scopus и WOS, 1 свидетельстве об государственной регистрации программы для ЭВМ.

Соответствие диссертационной работы паспорту специальности. Выполненные исследования отвечают направлениям исследований паспорта специальности 2.9.5. Эксплуатация автомобильного транспорта, определенных п.п. 2 и 3.

Структура и объем диссертации. Работа состоит из введения, трех глав, заключения, списка 147 использованных источников. Изложена на 110 страницах машинописного текста, включает 20 рисунков и 16 таблиц. Содержит 3 приложения на 35 страницах.

1. СОВРЕМЕННЫЕ ТЕНДЕНЦИИ ОПРЕДЕЛЕНИЯ СПРОСА ГПТОП

ИЗ ВАЛИДАЦИЙ ЭЛПБ

Обеспечение мобильности являются ключевыми условиями для экономического роста и процветания, участия населения во всех сферах общественной жизни. Мобильность является важной предпосылкой независимости, гибкости и автономности. Для обеспечения транспортной мобильности населения фундаментальным является понятия спроса и предложения, а также их оптимального соотношения. Данные понятия широко используются в экономике транспорта, соответствующие аспекты транспортной проблемы требуют, чтобы концепция равновесной системы спроса и предложения определялись с гораздо большей объективностью, чем это обычно имеет место в настоящее время [105].

Пространственное распределение является одним из основных факторов спроса на транспортные услуги. Большинство существующих моделей нацелено на установление распределения поездок в соответствующей системе зон. Моделирование спроса подразумевает процедуру прогнозирования решений, принимаемых пассажирами при планировании и выполнении поездок с учетом всех имеющихся альтернатив. Решения включают выбор времени поездки, маршрута, вида транспорта, ОП отправления и назначения, частоты поездок.

1.1. Спрос на ГПТОП

Транспортный спрос (transport demand) - потребность населения в перемещениях, которые подразделяются в пространстве и времени. Транспортный спрос - это базовое понятие прогнозного транспортного моделирования1.

Данные о транспортном спросе необходимы для решения задач стратегического и тактического уровней, а также долгосрочного планирования.

1 Методические рекомендации по оценке и прогнозированию характеристик транспортного спроса при проектировании организации дорожного движения и планирования развития транспортной инфраструктуры. 1Шр8 ://www. пиа1 га

В настоящее время изучения транспортного спроса больше не ограничивается балансом между спросом и предложением на ГПТОП или пропускной способности дорог. В процессе формирования концепции управления транспортным спросом в конце прошлого века [71, 95, 131] были введены новые решения, которые направлены не только на удовлетворение потребностей пассажиров, и на формирование предпочтений в передвижениях, имеющих цель уменьшить или устранить дисбаланс спроса и предложения посредством, например:

влияния на выбор вида транспорта, поощряя переход от частного транспорта к общественному или совместному (через выделенные линии для ГПТОП, поощрение использования экологически чистых видов транспорта и т.д.);

влияния на выбор времени поездок, поощряя поездки во внепиковые периоды и вводя разные методы дополнительной оплаты поездок в периоды повышенной мощности транспортных потоков (применяя скидки на проезд в ГПТОП вне часов пик, скидки на стоянках перед пиковым временем, снижение тарифов платного проезда вне часов пик и т.д.);

информирования населения о параметрах транспортной системы в режиме реального времени: скорости транспортных потоков, времени в пути, заторах на улично-дорожной сети, расписании и фактическом движении автобусов, поездов и т.д.;

Более эффективные стратегии TDM формируются при наличии объективной и актуальной информации о транспортной подвижности населения.

Транспортный спрос описывается комплексом параметров пассажирских потоков, транспортных потоков, подвижности населения, МК и т.д.

Корреспонденции пассажиров (передвижения) можно описать как перемещения населения 7^умежду транспортными районами или ОП ГПТОП. Корреспонденции позволяют установить пункты формирования пассажиропотока, распределение поездок во времени и пространстве, объем пассажирооборота ОП и транспортных районов.

Передвижения могут быть различными: простыми, сложными (в виде цепочек передвижений), пешеходными или транспортными. Маршрутная корреспонденция — это перемещение пассажира между ОП одного маршрута от посадки до выхода из ТС. Сетевая корреспонденция представляет собой перемещение от начального ОП до ОП цели поездки пассажира. Она состоит из п (п > 1) маршрутных поездок ГПТОП [19].

Таким образом, транспортный спрос описывается посредством определенных параметров. Параметры транспортного спроса требуются для эффективного стратегического планирования, разработки мероприятий тактического уровня и долгосрочного планирования.

1.2. Обзор методов определения транспортного спроса

В 1923 году создано Всесоюзное постоянное бюро трамвайных и автобусных съездов (ВТАБ), которое впоследствии преобразовалось во Всесоюзное научное инженерно-техническое общество [17], что можно считать началом формирования методов организации пассажирских перевозок. Сначала ВТАБ выпускался «Трамвайный бюллетень». В 1932 год — начало выпуска научного журнала «Транспорт и дороги города». В работе [22] А.Х. Зильберталь впервые рассмотрел потребности населения для проектирования городских сетей ГПТОП. В работе «Проблемы городского пассажирского транспорта» [21] дан анализ основных технико-экономических показателей ГПТОП.

С 1938 по 1957 год представлены работы, в которых рассмотрены вопросы формирования транспортных сетей [61, 37, 26]. Авторы делают вывод о необходимости формирования сети маршрутов на основе данных о фактических перемещениях жителей по территории города, которые представляются в виде МК [28].

На следующем этапе в период 1960-1975 гг. определенное развитие получили методы формирования оптимальной МС. Б.Л. Геронимус и его ученик Д. Д. Джумаев предложили использовать методы комбинаторного анализа для проектирования МС ГПТОП [10]. В дальнейшем во многих работах рассматривалось развитие данного подхода.

В начале 2000-х годов появились подробные математические модели и алгоритмы формирования рациональной МС ГПТОП, представленные С.Ю. Ольховским и В.В. Яворским [34].

В настоящее время для прогнозирования передвижения населения чаще всего применяется классическая транспортная модель (aggregate four stage transport model), которая заключается в следующем [42, 58, 129]. Во-первых, формируется число поездок. Во-вторых, определяются пассажирские корреспонденции. В-третьих, корреспонденции распределяются между имеющимися видами перемещений. В-четвертых, осуществляется, разделение поездок между маршрутами ГПТОП.

Определение спроса (trip generation) заключается в формировании (генерации) общего количества поездок транспортных районов с учетом целевой структуры передвижений. Расчет прибытия и отправления осуществляется отдельно по каждой цели передвижений, исходя из следующих факторов [129]: пространственное размещение населения; цели передвижений; подвижность населения.

При расчете используются следующие методы: регрессионные модели; перекрестная классификация; модели дискретного выбора.

Количество отправлений из транспортного района обусловливается его типом. В жилых районах расчет поездок осуществляется с учетом социально-экономических и градостроительных факторов. Емкость нежилого района формируется исходя из числа рабочих мест, а также наличия и мощности объектов розничной торговли. Модели индивидуальных предпочтений обеспечивают высокую точность определения емкости транспортных районов [13, 25, 44, 53, 58, 83].

На втором этапе определятся количество перемещений между транспортными районами, в результате формируется МК для каждой цели поездок. С математической точки зрения задача распределения общего числа генерируемых в

каждом районе поездок по остальным районам с соблюдением баланса суммарных значений отправления и прибытия имеет бесконечное число решений. Для получения результатов, которые отражают реальную ситуацию, предложены специальные методы расчета. Наиболее адекватные результаты расчета межрайонных корреспонденций получаются при использовании так называемой гравитационной модели [13, 25, 29, 44, 59, 58, 83]:

где Р[ - прогнозируемые поездки из /-го транспортного района; Л) - прогнозируемые поездки в_/-й транспортный район; а[ и в) - соответствующие коэффициенты балансировки источника и ОП назначения модели гравитации (устанавливаемые посредством калибровки).

Выбор способа передвижения на третьем этапе моделирования - один из ключевых этапов транспортной модели. Очевидно, что ГПТОП более эффективен по сравнению с индивидуальным, если рассматривать его с точки зрения пропускной способности улично-дорожной сети. Этот фактор имеет существенное значение при решении задачи оптимизации транспортной системы города. Учитывая значимость третьего этапа, необходимо применять эффективные математические модели, учитывающие максимально возможное число объясняющих факторов. [13, 25, 44, 53, 58, 83].

На этом этапе обычно учитывается различие между трафиком частного транспорта и ГПТОП [129]. В рамках теории дискретного выбора [78] функция полезности и пользователя может быть в общем выражена как:

где ¥т - компонент систематической полезности, который индивидуум п связывает с /-й альтернативой выбора.

В приведенном выше уравнении полезность моделируется как случайная величина, чтобы отразить неопределенность через член ошибки е. Линейная по параметрам функция обозначается следующим образом [129]:

= а^Щ^Г^)

(1.1)

(1.2)

(1.3)

где в - вектор коэффициентов К, связанных с альтернативными вариантами выбора (здесь, видов транспорта);

х - объясняющие переменные или атрибуты альтернативы /. Предполагая, что е следует логистическому распределению ^итЬе1), вероятность П того, что данное лицо п выберет альтернативу /, определяется как:

п = , (14)

где ^ - параметр, а j обозначает альтернативу ь Вышеприведенное уравнение обозначает полиномиальную логит-модель, которая широко применяется при анализе выбора вида транспорта.

Распределение корреспонденций по сети выполняется индивидуально для каждого вида транспорта по возможным вариантам движения легкового автомобиля или маршрутам ГПТОП.

Решение проблемы распределения трафика на сети ограниченной пропускной способности эквивалентно решению равновесия по Нэшу в теории игр. В частности, в соответствии с первым принципом Вардропа [143], равновесие на транспортной сети достигается при выборе маршрута, исходя из наименьших затрат на поездку.

Математически задачу распределения трафика можно выразить как задачу минимизации:

Мт^аЧаСа, (1.5)

= ЧГ5, № >0, (1.6)

где: д™ - пассажирские корреспонденции между ОП г и s; а - маршрут; qa -транспортный поток; к - допустимый маршрут между ОП г и s; /кг - транспортный поток между ОП г и £ по маршруту к; са - стоимость.

Анализ МК позволяет оценить транспортные районы по числу перемещений населения [13, 25, 44, 53, 58, 83].

Классическая четырехступенчатая модель претерпела значительные изменения, она реализована в программных комплексах, которые обладают удобным интерфейсом расчета МК. Однако для использования данных комплексов необходимо знание теории формирования пассажирских корреспонденций.

Для оценки спроса на ГПТОП, как правило, надо описать сетевой поток поездок пассажиров (пассажирских корреспонденций). Для этого традиционно используется МК. На практике, как правило, в зависимости от решаемых задач формируется несколько МК: поездки пассажиров в зависимости от времени; корреспонденции также подразделяют в зависимости от социальных групп населения, видов транспорта, дней недели, сезонов и т.д. Расчет перспективного транспортного спроса осуществляется посредством методов, которые можно подразделить на три группы [40]: экстраполяционные, вероятностные и реляционные.

Список литературы диссертационного исследования кандидат наук Алхуссейни Сами, 2024 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Алхуссейни С. Методика определения корреспонденций пассажиров общественным транспортом из операций валидаций ЭлПБ / А.И. Фадеев, С. Ал-хуссейни // Научный рецензируемый журнал "Вестник СибАДИ". 2022 - №19(3) - с. 370-397. https://doi.org/10.26518/2071-7296-2022-19-3-370-397.

2. Алхуссейни С. Обследование пассажирских потоков путем анализа валидаций ЭлПБ / А.И. Фадеев, С. Алхуссейни // Научный рецензируемый журнал «Вестник СибАДИ» - 2021 - №18(1) - с. 52 - 71. https://doi.org/10.26518/2071-7296-2021-18-1-52-71.

3. Амосова Н. Н., Куклин Б. А., Макарова С. Б., Максимов Ю. Д. и др. (под ред. Максимова Ю. Д.). Вероятностные разделы математики. - СПб.: Иван Федоров, 2001. - 588 с

4. Антошвили М. Е. Организация городских автобусных перевозокс применением математических методов и ЭВМ / М. Е. Антошвили, Г. А.Варело-пуло, М. В. Хрущев. - М.: Транспорт, 1974. - 103 с.

5. Астраханцева, А.С. Экономический анализ влияния технико-эксплуатационных показателей на отчетные данные объема перевозок / А.С. Астрахан-цева, А.Б. Мартынушкин // Сб.: Актуальные вопросы применения инженерной науки: Материалы международной студенческой научно-практической конференции. - Рязань: РГАТУ, 2019. - С. 215-219.

6. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. -М.: Мир, 1974. - 464 с

7. Блатнов, М.Д. Пассажирские автомобильные перевозки:Учебник для автотранспортных техникумов.-3-е изд., - М.:Транспорт,1981 г.— 222 с.

8. Введение в математическое моделирование транспортных потоков. Под ред. А.В. Гасникова. М.: Изд-во МФТИ, 2010. 360 с.

9. Володин, Е. П. Организация и планирование перевозок пассажиров автомобильным транспортом / Е. П. Володин, Н. Н. Громов - М.: Транспорт, 1982. - 224 с.

10. Геронимус Б.Л. Математико-статистический метод выборочного обследования пассажиропотоков / Б.Л. Геронимус, Д.Д. Джумаев.// Автомобильный транспорт. - 1966. - №4, С. 43-44.

11. Глик Ф.Г. Интерактивное конструирование маршрутной системы городского пассажирского транспорта // Градостроительство. - Вып. 39. - Киев: Будивельник, 1987. - С. 100-106.

12. Гозбенко В. Е., Крипак М. Н., Лебедева О. А., Каргапольцев С. К. Повышение эффективности функционирования транспортной сети городского пассажирского транспорта путем применения автоматизации модели выбора оптимального подвижного состава / В. Е. Гозбенко, М. Н. Крипак, О. А. Лебедева, С. К. Каргапольцев // Современные технологии. Системный анализ. Моделирование. 2017. №2 (54).

13. Горев, А. Э. Основы теории транспортных систем: учеб.пособие /А. Э. Горев; СПбГАСУ. - СПб., 2010. - 214 с.

14. ГОСТ Р ИСО 16269-4-2017 Статистические методы. Статистическое представление данных. Часть 4. Выявление и обработка выбросов

15. Гудков, В.А. Качество пассажирских перевозок: возможность исследования методами социологии. / В.А. Гудков, М.М. Бочкарёва, Н.В. Дулина// ВолгГТУ. - Волгоград, 2008.-163 с

16. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке: Методы обработки данных. Пер. с англ. - М.: Мир, 1980 - 611 с.

17. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке: Методы планирования эксперимента. Пер. с англ. - М.: Мир, 1980 - 510 с.

18. Дрючин Д. А., Майоров М. А. Основные направления повышения качества транспортного обслуживания населения городским пассажирским транспортом по регулярным маршрутам // Вестник ОГУ. 2015. №4 (179).

19. Ефремов И. С. Теория городских пассажирских перевозок: Учеб. пособие для вузов / Ефремов И. С, Кобозев В. М., Юдин В. А. — М.: Высш. школа, 1980. — 535 с.

20. Закс, Л. Статистическое оценивание / Л. Закс; под ред. Ю.П. Адлера, В.Г. Горского; пер. с нем. В.Н. Варыгина. - М.: Статистика, 1976. - 598 с.

21. Зильберталь А.Х. Проблемы городского пассажирского транспорта. - М.:Гострансиздат. - 1937.

22. Зильберталь А.Х. Трамвайное хозяйство. - М.: Гострансиздат. -

1932.

23. Ивановский Р. И. Теория вероятностей и математическая статистика. Основы, прикладные аспекты с примерами и задачами в среде Mathcad. - СПб.: БХВ-Петербург, 2008. — 528 с.: ил.

24. Коннолли Т., Берг К. Базы данных. Проектирование, реализация и сопровождение. Теория и практика. 3-е издание: Пер. с англ. - М.: Издательский дом «Вильямс», 2003. - 1440 с.

25. Ларин, О.Н. Организация пассажирских перевозок: Учебное пособие. - Челябинск: Из-во ЮУрГУ, 2005. - 104 с.

26. Ларионов В.С. Принципы и метод установления пассажирских маршрутов. Труды НИИГТ Моссовета. «Организация движения городского транспорта». - М.: НККХ РСФСР, 1940.

27. Лобанов, Е. М. Транспортная планировка городов. Учебник дляву-зов. - М.: Транспорт, 1990 - 240 с.

28. Мартынова Ю.А. Анализ опыта проектирования рациональных маршрутных сетей городского пассажирского транспорта // Интернет-журнал «Науковедение». 2014 № 2 (21) - С. 1-10

29. Методические рекомендации по использованию программных продуктов математического моделирования транспортных потоков при оценке эффективности проектных решений в сфере организации дорожного движения. Москва 2017.

30. Методологические рекомендации по проведению обследования по определению степени использования общественного транспорта различными ка-

тегориями граждан (транспортной подвижности граждан) // Письмо Государственного комитета Российской Федерации по статистике от 14 февраля 2002 г. N ОР -09-23/692

31. Миротин Л.Б. Логистика: общественный пассажирский транспорт: Учебник для студентов экономических вузов / Под общ. ред. Л.Б. Миротина. — М.: Издательство «Экзамен», 2003. — С. 138-145 (224 с.)

32. Михайлов А.Ю. Восстановление матриц корреспонденций на основе данных интенсивности движения / Сб. обзорной информации: Транспорт. Наука, техника, управление. - M.: ВИНИТИ, 2003. - № 7. С. 30-34

33. Никитина Анна Николаевна, Миронюк Виталий Петрович Влияние платежеспособного спроса населения на формирование тарифа на пассажирские перевозки // ИВД. 2012. №4-1.

34. Ольховский С.Ю., Яворский В.В. Моделирование функционирования и развития маршрутизированных систем городского пассажирского транспорта: Монография.- Омск: Изв-во СибАДИ, 2001 - 136 с.

35. Петров П.П., Сидоров С.С. Технико-экономическое обоснование проекта: учебное пособие. — СПб.: Питер, 2022. — 320 с.

36. Подиновский В. В., Потапов М. А. Метод взвешенной суммы критериев в анализе многокритериальных решений: pro et contra // Бизнес-информатика. 2013. № 3 (25). С. 41-48.

37. Поляков А.А. Городское движение и планировка улиц. - М. - Л.: Государственное издательство литературы по строительству и архитектуре. - 1953.

- 251 с.

38. Проектирование дорог и сетей пассажирского транспорта в городах: учеб. пособие для вузов / Е.А. Меркулов [и др.]. М.: Стройиздат, 1970. 408 с

39. Роб П., Коронел К. Система баз данных: проектирование, реализация и управление. - 5-е изд. перераб. и доп.: Пер. с анг. - СПб.: БХВ-Петербург, 2004.

- 1040 с.

40. Селиверстов Я. А., Селиверстов С. А. Методы и модели построения матриц транспортных корреспонденций // Научно-технические ведомости

СПбГПУ. Информатика. Телекоммуникации. Управление. 2015. № 2-3 (217— 222). С. 49—70

41. Селиверстов Я.А. Моделирование процессов распределения и развития транспортных потоков в мегаполисах // Известия СПбГЭТУ «лЭТИ». 2013. № 1. С. 43—49

42. Семенов В.В., Ермаков А.В. Исторический анализ моделирования транспортных процессов и транспортной инфраструктуры // Препринты ИПМ им. М.В.Келдыша. 2015. № 3. 36 с. URL: http://library.keldysh.ru/preprint.asp?id=2015-3

43. Спирин И.В. Научные основы комплексной реструктуризации городского автобусного транспорта: автореф. ... докт. техн. наук. - М.: 2007. — 39 с.

44. Спирин, И. В. Городские автобусные перевозки : справочник / И. В. Спирин. - Москва : Транспорт, 1991. - 237 с.

45. Фадеев А.И. Методология проектирования перевозок и управления наземным пассажирским транспортом общего пользования // диссертация на соискание ученой степени доктора технических наук / ФГБОУ ВО «Иркутский национальный исследовательский технический университет». 2021

46. Фадеев А.И. Мониторинг транспортной подвижности населения посредством использования данных автоматизированной системы оплаты проезда / А.И. Фадеев, Е.В. Белокурова //Вестник транспорта, №7, М. - 2017

47. Фадеева Л. Н., Лебедев А. В., Теория вероятностей и математическая статистика: учебное пособие. - 2-е изд., перераб. и доп. - М.: Эксмо, 2010. - 496 с.

48. Фаттахова, А. Ф. Комплексная методика совершенствования транспортного обслуживания садоводческих маршрутов [Текст] : дис. ... канд. техн. наук: 05.22.10 / А. Ф. Фаттахова; Федер. гос. бюджет. образоват. учреждение высш. проф. образования "Оренбург. гос. ун-т". - Оренбург , 2012. - 148 с. : табл. - Библиогр.: с. 124-138. - Прил.: с. 139-148.

49. Федоров В. А. Современные задачи и проблемы натурных обследований пассажиропотоков (на примере Санкт-Петербурга) // Молодой ученый. — 2015. — №2. — С. 333-342.

50. Фетинина Е. П. Типологические аспекты многокритериального выбора вариантов : монография / Е. А. Фетинина, Т. В. Кораблина, Ю. А. Соловьева ; Сиб. гос. индустр. ун-т. - Новокузнецк : СибГИУ, 2003.

51. Хебель К. Источники и факторы, предопределяющие величину спроса на городские транспортные услуги (на примере городов Польши) // Вестник Балтийского федерального университета им. И. Канта. Серия: Гуманитарные и общественные науки. 2008. №3.

52. Хрущев М. В., Антошвили М. Е. Определение оптимальных схем автобусных маршрутов в городах // Бюллетень Организации сотрудничества железных дорог. - Варшава: 1970 - с. 28 - 31

53. Шабанов, А. В. Региональные логистические системы общественного транспорта: методология формирования и механизм управления. - Ростов н/Д: Изд-во СКНЦ ВЩ, 2001. - 205 с

54. Шаров М. И. Результаты сравнения методов оценки транспортного спроса на сети городского общественного транспорта // Вестник ИрГТУ. 2008. №3 (35).

55. Штоцкая А. А. Совершенствование методов оценки транспортного спроса городского населения: диссертация ... кандидата Технических наук: 05.22.10 / Штоцкая Анастасия Аркадьевна. - Иркутск, 2017. - 162 с.

56. Штоцкая, А.А. Оценка транспортной подвижности населения на основе дезагрегированных моделей / А.А. Штоцкая, А.Ю. Михайлов // Вестник Иркутского государственного технического университета. 2017. Т. 21. № 5. С. -. 199-207

57. Энциклопедия SQL. 3-е изд. / Дж. Грофф, П. Вайнберг. - СПб.: Питер, 2003. - 896 с.

58. Якимов М. Р. Транспортное планирование: создание транспортных моделей городов: монография / М.Р. Якимов. - М.: Логос, 2013. - 188 с.

59. Якунин, Н.Н. Модель организации транспортного обслуживания населения автомобильным транспортом по маршрутам регулярных перевозок / Н.Н. Якунин, Н.В. Якунина, А.В. Спирин // Грузовое и пассажирское автохозяйство, 2013. - № 3. - С. 63-66.

60. Якунин, Н.Н. Оптимизация структуры парка подвижного состава, эксплуатируемого на городских маршрутах по техникоэкономическим показателям эксплуатационного цикла / Н.Н. Якунин, Д.А. Дрючин, А.В. Артамкин // Автотранспортное предприятие, 2011. - № 8. - С. 50-54.

61. Якшин А.М. Планировка транспортных сетей // Опыт градостроительного исследования. - М., 1946. - 88 с.

62. Agard B. Mining public transport user behaviour from smart card data / Agard B., Morency C., Trepanier M. // In 12th IFAC Symposium on Information Control Problems in ManufacturinglNCOM, 2006. pp. 17-19.

63. Alam Bhuiyan M. Transit Accessibility to Jobs and Employment Prospects of Welfare Recipients Without Cars / 2009. Transportation Research Record: Journal of the Transportation Research Board 2110: pp.78-86.

64. Alfred Chu K., Chapleau R. Enriching archived smart card transaction data for transit demand modeling / 2008. Transport. Res. Rec.: J. Transport. Res. Board 063, pp. 63-72.

65. Alhusseini S. Determination of Urban Public Transport Demand by Processing Electronic Travel Ticket Data /A I Fadeev, S Alhusseini // 2023 Periodica Pol-ytechnica Transportation Engineering, 51(4), pp. 394-408. https://doi.org/10.3311/PPtr.21447

66. Alhusseini S. Determining the public transport demand by validation data of the electronic tickets / A. Fadeev, S. Alhusseini // MIST: Aerospace 2019 IOP Conf. Series: Materials Science and Engineering 734 (2020) 012148 IOP Publishing - p. 7. doi:10.1088/1757-899X/734/1/012148

67. Alhusseini S. Passenger trips analysis determined by processing validation data of the electronic tickets in public transport / A I Fadeev, S Alhusseini // 2021 IOP

Conf. Ser.: Mater. Sci. Eng. 1061 012001 - p. 9 doi: 10.1088/1757-899X/1061/1/012001.

68. Alhusseini S. Using Automated Fare Collection System Data to Determine Transport Demand / A. Fadeev, S. Alhusseini // Advances in Engineering Research, volume 37 188. International Conference on Aviamechanical Engineering and Transport (AviaENT 2019) - pp 1 - 9.

69. Alsger A. Validating and improving public transport origin-destination estimation algorithm using smart card fare data / Alsger A., Assemi B., Mesbah M., Ferreira L. // Transportation Research Part C 68 (2016) - pp 490-506

70. Alsger A. Use of smart card fare data to estimate public transport origin-destination matrix / Alsger A. Mesbah M., Ferreira L., Safi H. // Transportation Research Record: Journal of the Transportation Research Board. 2015. 2535. pp/ 88-96.

71. Anne Halvorsen, 2015 Improving Transit Demand Management with Smart Card Data: General Framework and Applications

72. Atkins S.Transportation planning models: What the papers say // Traffic Engineering and Control, Vol 27, No 9, September, 1986.

73. Attoh-Okine N.O., Shen L.D. Security issues of emerging smart card fare collection application in mass transit / 1995. In: IEEE Vehicle Navigation and Information Systems Conference. Proceedings. In conjunction with the Pacific Rim TransTech Conference. Sixth Interntional VNIS. A Ride into the Future', pp. 523-526.

74. Bagchi M., White P. What role for smart-card data from bus systems? // Munic. Eng., vol. 157, 2004 - pp.39-46.

75. Bagchi M., White P.R. The potential of public transport smart card data // 2005. Transport Policy, 12, pp. 464-474."

76. Barry J. Use of entry-only automatic fare collection data to estimate linked transit trips in New York City / Barry J., Freiner R., Slavin H.// 2009. Transport. Res. Rec.: J. Transport. Res. Board 2112, pp.53-61.

77. Barry J.J. Origin and destination estimation in New York City with automated fare system data / Barry J.J., Newhouser R., Rahbee A., Sayeda S. // Transportation Research, Record 1817, 2002 - pp.183-187.

78. Ben-Akiva, M., Lerman, S.R. Discrete Choice Analysis: Theory and Application to Travel Demand // 1985. The MIT Press, Cambridge, MA.

79. Blythe P. Improving public transport ticketing through smart cards // 2004. Proceedings of the Institute of Civil Engineers, Municipal Engineer, vol. 157, pp. 47-54.

80. Bonett D.G. Sample Size Planning for Behavioral Science Research // 2016. Retrieved from http://people.ucsc.edu/~dgbonett/sample.html.

81. Brown J. Transportation Decision Making: Principles of Project Evaluation and Programming / Brown J. Kumares C. Sinha and Samuel Labi. John Wiley Sons, Hoboken, NJ, 2007. p. 576.

82. Brown Jeffrey R., Dristi Neog, Urban Structure and Transit Ridership: A Reexamination of the Relationship in the United States // 2008. FSU Department of Urban and Regional Planning, Working Paper Series, WPS #07-01.

83. Chakirov A., Erath A. Use of public transport smart card fare payment data for travel behaviour analysis in Singapore // 2011. Arbeitsberichte Verkehrs-und Raumplanung, 729.

84. Chen M. Big Data. Related Technologies / Min Chen, Shiwen Mao, Yin

Zhang, Victor C.M. Leung. // Challenges, and Future Prospects, Spinger, 2014. — 100 p

85. Chen C. What Affects Transit Ridership? A Dynamic Analysis Involving Multiple Factors, Lags and Asymmetric Behaviour / Chen C., Don V., Jason C. // 2011 Urban Studies 48 (9): pp.1893-1908.

86. Chira-Chavala T., Coifman B. Effects of Smart Cards on Transit Operators // 1996. Transportation Research Record: Journal of the Transportation Research Board, No. 1521, Transportation Research Board of the National Academies, Washington, D.C., pp. 84-90.

87. Chow, W. Evaluating Online Surveys for Public Transit Agencies using a Prompted Recall Approach // Master's Dissertation. Massachusetts Institute of Technology. 2014..

88. Crane R. The Influence of Urban Form on Travel: An Interpretive Review // 2008. Journal of Planning Literature 15 (01): pp.3-23.

89. Cui A. Bus passenger origin-destination matrix estimation using automated data collection systems master's dissertation // Massachusetts Institute of Technology, 2006.

90. Cunningham R.F. Smart card applications in integrated transit fare, parking fee and automated toll payment systems: the MAPS concept // In Proceedings of the IEEE Telesystems Conference, 1993, pp. 21-25.

91. Deakin E. Kim S. Transportation Technologies: Implications for Planning // 2001. University of California Transportation Center paper # 536, 27 p.

92. Devillaine F., Munizaga M.A., M. Trépanier, Detection activities of public transport users by analyzing smart card data // Transportation Research Record: Journal of the Transportation Research Board, vol. 2276, 2012 - pp.48-55.

93. Farzin J.M. Constructing an automated bus origin-destination matrix using farecard and global positioning system data in Sro Paulo, Brazil // 2008. Transport. Res. Rec.: J. Transport. Res. Board 2072, pp.30-37

94. Fernandez R. Modelling public transport stops by microscopic simulation // 2010. Transportation Research Part C: Emerging Technologies 18(6) - pp 856-868.

95. Gopinath Menon A P. Travel Demand Management in Singapore-Why did it work? // 2002. Regional Workshop on Transport Planning, Demand Management and Air Quality, Organized by the Asian Development Bank, with the support of the United States-Asia Environmental Partnership (US- AEP), Clean Air Initiative for Asian Cities (CAI-Asia), and Envirox, ADB Auditorium.

96. Gordon J. Automated inference of linked transit journeys in London using fare-transaction and vehicle location data / Gordon J., Koutsopoulos H., Wilson N., Attanucci J. // 2013. Transport. Res. Rec.: J. Transport. Res. Board 2343, pp. 17-24.

97. Gordon, J.B. Intermodal passenger flows on London's public transport network: automated inference of full passenger journeys using fare-transaction and vehicle-location data // MS Thesis, Massachusetts Institute of Technology. 2012.

98. Gutierrez J. O. Transit Ridership Forecasting at Station Level: An Approach Based on Distance-decay Weighted Regression / Gutierrez J. O., Cardozo D., Juan C., Garcia P. // 2011. Journal of Transport Geography 19: pp.1081-1092.

99. Highway Capacity Manual 2000. - Transportation Research Board, National Research Council. - Washington, D.C., USA: 2000 - 1134 p

100. Hofmann, M., O'Mahony, M., Transfer journey identification and analyses from electronic fare collection data // 2005. In: Intelligent Transportation Systems, Proceedings IEEE, pp. 34-39.

101. Ibrahim M.F. Car ownership and attitudes towards transport modes for shopping purposes in Singapore Transportation // 2003. № 30 (4), pp. 435-457.

102. ISO/IEC 14443-4:2018 Cards and security devices for personal identification — Contactless proximity objects — Part 4: Transmission protocol.

103. Jang, W. Travel time and transfer analysis using transit smart card data // 2010. Transportation Research Record: Journal of the Transportation Research Board, (2144), pp. 142-149.

104. Joana H. Estimation of Origin-Destination matrices under Automatic Fare Collection: the case study of Porto transportation system / Joana Horaa, Teresa Galvao Diasa , Ana Camanhoa , Thiago Sobral. // Transportation Research Procedia 27 (2017) - pp. 664-671

105. John Bates. History of Demand Modelling // In Handbook of Transport Modelling. Published online: 15 Feb 2016. pp.11-34.

106. Kanafani A. Transportation Demand Analysis // 1983. McGraw-Hill, New York.

107. Kieu L. Mining temporal and spatial travel regularity for transit planning / Kieu L., Bhaskar A., Chung E. // 2013. Australasian Transport Research Forum (ATRF), 36th, Brisbane, Queensland, Australia.

108. Kieu L. A modified density-based scanning algorithm with noise for spatial travel pattern analysis from smart card AFC data / Kieu L., Bhaskar A., Chung E. // 2015. Transport. Res. Part C: Emerg. Technol. 58, pp.193-207.

109. Kohn, Harold M. Identifying Factors that May Affecting Demand and Supply of Transit // 2000. http://www.statcan.gc.ca/pub/53f0003x/4225128-eng.pdf.

110. Kurauchi F. Schmocker J. D. Public transport planning with smart card data // 2017. CRC Press.

111. Kusakabe T., Asakura Y. Behavioural data mining of transit smart card data: a data fusion approach // 2014. Transport. Res. Part C: Emerg. Technol. 46, pp.179-191.

112. Lane B. W. The Relationship between Recent Gasoline Price Fluctuations and Transit Ridership in Major US Cities // 2010. Journal of Transport Geography 18 (2): pp. 214-225.

113. Lane B. A Time-series Analysis of Gasoline Prices and Public Transportation in US Metropolitan Areas // 2012. Journal of Transport Geography 22: pp. 221235.

114. Langlois G. Inferring patterns in the multi-week activity sequences of public transport users / Langlois G., Koutsopoulos H., Zhao J. // 2016. Transport. Res. Part C: Emerg. Technol. 64, pp.1-16

115. Lee D. Requiem for large-scale models // Journal of the American Institute of Planners, Vol 39, No 3, May, 1973.

116. Lee S. G., Hickman M. Trip purpose inference using automated fare collection data// Public Transport 6 -2014. pp. 1-20.

117. Li D. 2011 Estimating a Transit Passenger Trip Origin-Destination Matrix Using Automatic Fare Collection System / Li D., Lin Y., Zhao X., Song H., Zou N. // Database Systems for Adanced Applications: 16th International Conference, DASFAA 2011, International Workshops: GDB, SIM3, FlashDB, SNSMW, DaMEN, DQIS, Hong Kong, China, April 22-25, 2011. Proceedings 16. - Springer Berlin Heidelberg, 2011. - pp. 502-513

118. Ma, X. Mining smart card data for transit riders' travel patterns / Ma, X., Wu Y.J., Chen F., Liu J.// 2013. Transport. Res. Part C: Emerg. Technol. 36, pp.1-12.

119. McDonald N. Multipurpose Smart Cards in Transportation: Benefits and Barriers to Use // 2000. University of California Transportation Center Research Paper # 630, 27 p.

120. Mohamed K. Clustering smart card data for urban mobility analysis / Mohamed K., Come E., Oukhellou L., Verleysen, M. // 2016. IEEE Transactions on intelligent transportation systems, 18(3), pp. 712-728.

121. Morency C., Trapanier M., Agard B., Measuring transit use variability with smart-card data // 2007. Transp. Policy 14, pp.193-203.

122. Munizaga M., Palma C. Estimation of a disaggregate multimodal public transport OD matrix from passive smartcard data from Santiago, Chile // Transportation Research Part C, Vol. 24, 2012 - pp.9-18.

123. Munizaga M. Validating travel behavior estimated from smartcard data / Munizaga M., Devillaine F., Navarrete C., Silva D. // Transportation Research Part C Emerging Technologies. July 2014. - pp. 1-18.

124. Munizaga M.A. Public transport O-D matrix estimation from smart card payment system data / Munizaga M.A., Palma C., Mora P.// 2010. In: 12th World Conference on Transport Research, Lisbon, Paper No. 2988.

125. Munizaga, M.A., Palma, C. Estimation of a disaggregate multimodal public transport origin-destination matrix from passive smart card data from Santiago, Chile // 2012 Transport. Res. Part C: Emerg. Technol. 24, pp. 9-18.

126. Nassir N. Transit stop-level origin-destination estimation through use of transit schedule and automated data collection system / Nassir N., Khani A., Lee S.G., Noh H., Hickman M. // Transportation Research Record: Journal of the Transportation Research Board, vol. 2263, 2011 - pp.140- 150.

127. Nassir N. Activity detection and transfer identification for public transit fare card data / Nassir N., Hickman M., Ma Z. L. // 2015. Transportation, 42(4), pp. 683-705.

128. Nunes A.A., Dias, T.G., Cunha, J.F., 2016. Passenger journey destination estimation from automated fare collection system data using spatial validation. IEEE Trans. Intell. Transp. Syst. 17 - pp 133-142. doi:10.1109/TITS.2015.2464335

129. Ortuzar J. D., Willumsen L. G. Modelling transport //John Willey & Sons,

2011.

130. Pelletier M., Trâpanier M., Morency C. Smart card data use in public transit: a literature review // 2011. Transport. Res. Part C: Emerg. Technol. 19, pp.557568.

131. Ryszard B., Leszek B. Transportation demand management as a tool of transport policy // 2018. Transport problems, Volume 13 Issue 2.

132. Seaborn, C. 2009 Analyzing multimodal public transport journeys in London with smart card fare payment data / Seaborn, C., Attanucci J., Wilson N. H. // 2009. Transportation research record, 2121(1), pp. 55-62.

133. Shelfer M., Procaccino J. D. Smart card evolution // 2002. Communications of the ACM, 45(7), pp. 83-88.

134. Taylor B. D. Nature and/or Nurture? Analyzing the Determinants of Transit Ridership across US Urbanized Areas / Taylor B. D., Douglas M., Hiroyuki I., Camille F. // 2009. Transportation Research Part A: Policy and Practice 43 (1). pp.6077.

135. Taylor B. D. Increasing Transit Ridership: Lessons from the Most Successful Transit Systems in the 1990s // 2002. The Mineta Transportation Institute, MTI Report 01-22.

136. The World Bank Group, https://www.ssatp.org/sites/ssatp/files/publica-tions/Toolkits/Fares%20Toolkit%20content/index.html.

137. Theodore Tsekeris, Charalambos Tsekeris. Demand Forecasting in Transport: Overview and Modeling Advances // 2011. Economic Research-Ekonomska Istrazivanja, 24:1, pp. 82-94, DOI: 10.1080/1331677X.2011.11517446

138. Thompson G. L., Jeffrey Brown. Explaining Variation in Transit Ridership in U.S. Metropolitan Areas between 1990 and 2000: Multivariate Analysis //2006. Transportation Research Record 1986 (1). pp.172-181.

139. Trépanier M., Tranchant N., Chapleau R. Individual trip destination estimation in a transit smart card automated fare collection system // Journal of Intelligent Transportation Systems, vol. 11, 2007 - pp.1-14.

140. Utsunomiya M., Attanucci J., Wilson N. Potential Uses of Transit Smart Card Registration and Transaction Data to Improve Transit Planning // 2006. Transportation Research Record: Journal of the Transportation Research Board, No. 1971, Transportation Research Board of the National Academies, Washington, D.C., pp. 119-126.

141. Transit Capacity and Quality of Service Manual, 2nd Edit / TCRP Web Document 6 (Project A-15) Contractor's Final Report, 1999 - p 62

142. Wang W., John P., Nigel H.M., Bus passenger origin-destination estimation and travel behavior using automated data collection systems in London // Journal of Public Transportation, Vol. 14, No.4, 2011.

143. Wardrop J. G. Some theoretical aspects of road traffic research //1952. Proceedings of the Institution of Civil Engineers II, 1, pp. 325-362.

144. Zhao J., Rahbee A., Wilson N. Estimating a rail passenger trip origin- destination matrix using automatic data collection systems // Aided Civil and Infrastructure Engineering, vol. 22, 2007. pp.376-387.

145. Zhao, J. The planning and analysis implications of automated data collection systems: rail transit OD matrix inference and path choice modeling examples // MS Thesis, Massachusetts Institute of Technology. 2004.

146. Zheng Y. Urban computing: Concepts, methodologies, and applications / Y. Zheng, L. Capra, O. Wolfson, and H. Yang,// ACM Trans. Intell. Syst. Technol., vol. 5, no. 3 - pp. 1-55, Sep. 2014.

147. Zheng Y. Urban computing with taxicabs / Zheng Y., Liu Y., Yuan J., Xie X. // 2011. In Proceedings of the 13th International Conference on Ubiquitous Computing. ACM, pp.89-98.

ПРИЛОЖЕНИЕ А. РЕЗУЛЬТАТЫ ОБРАБОТКИ ВАЛИДАЦИЙ ЭЛПБ

Таблица А. 1 - Фрагмент реляционного отношения операций валидации ЭлПБ (Id - Id операции; TicketlD - Id ЭлПБ; DateTransact - дата операции; Nb -номер маршрута; Dir - направление движения: A - прямое, B - обратное; RegNumStop - Id - идентификатор ОП; GNum - государственный номер ТС)

id TicketlD DateTransact Nb Dir Reg NumStop GNum

17170201 102057236 01.04.2019 10:29 2 A 186 У 654 НВ

17170202 102057236 01.04.2019 11:38 90 B 195 К 604 АК

17170221 102057236 01.04.2019 12:13 2 B 187 О 198 НМ

17170243 102057236 01.04.2019 20:10 43 B 451 У 430 ЕК

17170191 102057236 02.04.2019 11:28 43 B 186 В 717 КХ

17170192 102057236 02.04.2019 13:22 2 B 201 Е 156 РА

17170242 102057236 03.04.2019 9:31 2 B 185 Е 158 РА

17170193 102057236 03.04.2019 20:14 43 B 451 В 717 КХ

17170203 102057236 04.04.2019 9:26 2 B 187 В 845 МТ

17170204 102057236 04.04.2019 20:09 2 A 451 У 037 МХ

17170241 102057236 05.04.2019 11:32 2 A 186 В 830 МТ

17170240 102057236 05.04.2019 13:05 43 A 201 В 621 КХ

17170220 102057236 05.04.2019 15:08 4тр A 193 190

17170194 102057236 06.04.2019 9:35 43 A 187 Р 455 ОВ

17170244 102057236 06.04.2019 20:17 90 A 485 К 604 АК

17170209 102057236 07.04.2019 9:44 2 A 198 А 993 ЕО

17170211 102057236 07.04.2019 20:14 2 A 451 Е 156 РА

17170210 102057236 08.04.2019 12:32 2 A 190 С 923 ТН

17170245 102057236 08.04.2019 14:47 2 B 201 У 037 МХ

17170216 102057236 08.04.2019 15:58 2 A 184 М 638 НН

17170212 102057236 09.04.2019 20:09 43 B 451 В 621 КХ

17170186 102057236 10.04.2019 9:31 43 A 191 У 430 ЕК

17170189 102057236 10.04.2019 20:23 2 А 451 О 198 НМ

17170213 102057236 11.04.2019 9:30 2 В 191 С 528 НУ

17170187 102057236 11.04.2019 17:59 55 А 445 ЕВ 985

17170214 102057236 11.04.2019 20:00 55 А 193 ЕЕ 019

17170246 102057236 12.04.2019 9:37 43 А 187 В 717 КХ

17170188 102057236 12.04.2019 20:13 90 А 451 А 155 ОК

17170215 102057236 16.04.2019 9:30 2 В 191 М 880 КК

17170225 102057236 16.04.2019 20:11 2 А 451 У 037 МХ

17170226 102057236 17.04.2019 11:59 55 В 186 ЕЕ 009

17170228 102057236 17.04.2019 12:58 55 А 302 ЕВ 974

17170208 102057236 17.04.2019 14:20 43 А 187 К 791 ЕР

17170229 102057236 17.04.2019 20:12 43 В 451 В 690 КХ

17170227 102057236 18.04.2019 9:27 2 В 187 С 528 НУ

17170231 102057236 18.04.2019 20:13 2 А 451 В 830 МТ

17170222 102057236 19.04.2019 9:35 2 В 187 М 880 КК

17170206 102057236 19.04.2019 20:19 55 В 451 ЕВ 985

17170230 102057236 20.04.2019 9:35 2 В 199 В 885 МТ

17170224 102057236 20.04.2019 20:14 43 В 451 М 874 ЕС

17170223 102057236 21.04.2019 9:39 43 А 187 У 430 ЕК

17170207 102057236 21.04.2019 20:11 2 А 451 У 654 НВ

17170195 102057236 24.04.2019 9:36 55 А 187 ЕЕ 021

17170233 102057236 24.04.2019 20:12 2 А 450 О 198 НМ

17170232 102057236 25.04.2019 20:06 2 А 452 У 037 МХ

17170196 102057236 26.04.2019 14:02 2 В 187 М 880 КК

17170197 102057236 26.04.2019 20:13 2 А 451 В 383 ОВ

17170205 102057236 27.04.2019 9:42 43 А 187 Р 455 ОВ

17170235 102057236 27.04.2019 20:09 90 А 451 А 155 ОК

17170236 102057236 28.04.2019 9:34 55 А 191 ЕВ 662

17170237 102057236 28.04.2019 20:15 43 B 451 У 430 ЕК

17170238 102057236 29.04.2019 10:56 23 B 12 К 196 НУ

17170200 102057236 29.04.2019 12:28 23 A 787 М 394 ОМ

17170239 102057236 29.04.2019 13:19 43 B 186 АС 431

17170219 102057236 29.04.2019 14:03 2 B 191 В 371 ОВ

17170217 102057236 29.04.2019 20:10 2 A 451 С 236 НУ

17170218 102057236 29.04.2019 20:19 90 A 485 Н 026 ОК

17170234 102057236 30.04.2019 10:40 55 B 445 ЕВ 541

17170190 102057236 30.04.2019 20:11 2 A 451 С 923 ТН

Таблица А. 2- Фрагмент реляционного отношения навигационных данных СпСН ТС (GNumb - государственный номер транспортного средства; Nb - номер маршрута; TimeNav - время позиционирования; Latitude - широта; Longitude -долгота; Speed - скорость ТС.)

GNumb Nb TimeNav Latitude Longitude Speed

С 608 ЕР 26 01.04.2019 5:55 56,04156 92,77104 43

С 431 ЕР 26 01.04.2019 5:55 56,044053 92,778772 2

С 608 ЕР 26 01.04.2019 5:55 56,04073 92,770217 37

С 431 ЕР 26 01.04.2019 5:55 56,044233 92,778347 9

С 608 ЕР 26 01.04.2019 5:56 56,040008 92,769518 31

С 431 ЕР 26 01.04.2019 5:56 56,044302 92,777875 10

С 608 ЕР 26 01.04.2019 5:56 56,03969 92,769052 18

С 431 ЕР 26 01.04.2019 5:56 56,044312 92,777638 4

С 608 ЕР 26 01.04.2019 5:56 56,039305 92,769005 18

С 431 ЕР 26 01.04.2019 5:56 56,044312 92,777638 0

С 608 ЕР 26 01.04.2019 5:56 56,038785 92,769885 29

С 431 ЕР 26 01.04.2019 5:56 56,044312 92,777638 0

С 608 ЕР 26 01.04.2019 5:56 56,037817 92,770562 40

С 431 ЕР 26 01.04.2019 5:56 56,044312 92,777638 0

С 608 ЕР 26 01.04.2019 5:56 56,036828 92,771273 42

С 431 ЕР 26 01.04.2019 5:56 56,044312 92,777638 0

С 608 ЕР 26 01.04.2019 5:57 56,036003 92,771843 34