ДИНАМИЧЕСКИЕ МОДЕЛИ УПРАВЛЕНИЯ ТРАНСПОРТНЫМИ РЕСУРСАМИ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В современных условиях приобретают особую актуальность методы организации перевозок, позволяющие наиболее рационально использовать имеющиеся транспортные ресурсы. С учетом этого предлагаются модели управления городским пассажирским транспортом при ограничении на существующие транспортные мощности и интенсивности пассажиропотоков. Одна из таких моделей заключается в том, чтобы распределить ограниченный парк автобусов по конечному числу маршрутов, минимизируя при этом общие потери времени на ожидание транспортного обслуживания или количество пассажиров, время на транспортное обслуживание которых превышает критическое. Приведены математические постановки этих задач и методы их решения.

Об авторах

О. А Косоруков

МГУ им. М.В. Ломоносова; Российская академия народного хозяйства и государственной службы при Президенте РФ; ФГБОУ ВО “РЭУ им. Г.В. Плеханова”

Email: kosorukovoa@mail.ru
Москва, Россия; Москва, Россия

А. В Мищенко

ФГОБУ ВО “Финансовый университет при Правительстве Российской Федерации”

Email: alnex4957@rambler.ru
Москва, Россия

О. А Свиридова

ФГБОУ ВО “РЭУ им. Г.В. Плеханова”

Email: olshan@list.ru
Москва, Россия

В. И Цурков

ФИЦ НУ РАН

Email: v.isurkov@mail.ru
Москва, Россия

Список литературы

  1. Jayanthi G., Jothilakshmi P. Traffic Time Series Forecasting on Highways – a Contemporary Survey of Models, Methods and Techniques // Intern. J. of Logistics Systems and Management. 2021. V. 39(1). P. 77–110.
  2. El Fouh M.A., Sefani N., Fouxka M. Collaborative Transportation and Urban Routing Problems: State of Classification and Literature // Intern. J. of Logistics Systems and Management. 2020. V. 35. № 3. P. 289–328.
  3. Ansorena Inigo L., Valdecanos V.N. The Port of Valencia Maritime Network: an Analysis of Centralities and Tree-optimisation // Intern. J. of Logistics Systems and Management. 2021. V. 39(1). P. 127–139.
  4. Rahmannyoy F., Razmi J., Yu A.J. An Interactive Multi-objective Fuzzy Linear Programming Model for Hub Location Problems to Minimise Cost and Delay Time in a Distribution Network // Intern. J. of Logistics Systems and Management. 2020. V. 37. № 1. P. 79–105.
  5. Kumapopadeelet S., Klinzisuk R. Determination of Green Vehicle Routing Problem via Differential Evolution // Intern. J. of Logistics Systems and Management. 2019. V.34. № 3. P. 395–410.
  6. Wen X., Ma H.-L., Chung S.-H., Khan W.A. Robust Airline Crew Scheduling with Flight Flying Time Variability // Transp. Res. Pt E: Logistics and Transportation Review. 2020. V. 144.
  7. Suwamong T., Sopadang A. The Impact of Delay Affecting Airport Efficiency: Sustainability Perspective // Intern. J. of Logistics Systems and Management. 2020. V. 37(4). P. 445–464.
  8. Yang H., Tang Y. Managing Rail Transit Peak-hour Congestion with a Fare-reward Scheme // Transp. Res. Pt B. 218. V. 110. P. 122–136.
  9. Kamel I., Shalaby A., Abdullah B. A Modelling Platform for Optimizing Time-dependent Transit Fares in Large-scale Multimodal Networks // Transport Policy. 2020. V. 92. P. 38–54.
  10. Peer S., Knockaerta J., Verhoef V.T. Train Commuters’ Scheduling Preferences: Evidence from a Large-scale Peak Avoidance Experiment // Transp. Res. Pt B: Methodological. 2016. V. 83. P. 314–333.
  11. Hadas Y., Shmaiderman M. Public-transit Frequency Setting Using Minimum-cost Approach with Stochastic Demand and Travel Time // Transp. Res. Pt B: Methodological. 2012. V. 46. Iss. 8. P. 1068–1084.
  12. Verbas I.O., Mahmassani H.S. Optimal Allocation of Service Frequencies over Transit Network Routes and Time Periods: Formulation, Solution, and Implementation Using Bus Route Patterns // Transp. Res. 2013. Rec. 2334 (1). P. 50–59.
  13. Verbas I.O., Mahmassani H.S. Integrated Frequency Allocation and User Assignment in Multi-modal Transit Networks: Methodology and Application to Large-scale Urban Systems // Transp. Res. 2015. Rec. 2498. P. 37–45.
  14. An Q., Fu X., Huang D., Cheng Q., Liu Z. Analysis of Adding-runs Strategy for Peak-hour Regular Bus Services // Transp. Res. Pt E: Logistics and Transp. Rev., Elsevier. 2020. V. 143(C).
  15. Kosovikov O. Optimization Problems of Transportation in Communication Networks with Variable Capacities // J. of Computer and Systems Sciences International. 2016. V. 55. № 6. P. 1010–1015.
  16. Narayanaswami S. Optimal Allocation of Rolling Stock in Scheduled Transportation Services // Intern. J. of Logistics Systems and Management. 2019. V.34. № 3. P.327351.
  17. Xie J., Wong S.C., Zhan S., Lo S.M., & Chen A. Train Schedule Optimization Based on Schedule-based Stochastic Passenger Assignment // Transp. Res. Pt E: Logistics and Transportation Review. 2020. V. 136.
  18. Мищенко А.В. Устойчивость решений в задаче перераспределения транспортных средств в случае экстренного закрытия движения на участке метрополитена // Изв. АН СССР. Техн. кибернетика. 1990. № 3.
  19. Мищенко А.В., Капюхана О.А. Компенсационное перераспределение транспортных средств при сбоях в работе городского трамвая // Логистика сегодня. 2015. № 1 (67). С. 20–36.
  20. Мищенко А.В., Капюхана О.А. Динамические модели управления транспортными ресурсами на примере организации работы автобусного парка // Аудит и финансовый анализ. 2016. № 2. С. 156–167.
  21. Mishchenko A.V., Kosovakov O.A., Sviridova O.A. Dynamic Models of Transport Resources Management // Intern. J. of Logistics Systems and Management. 2023. V. 46. № 4. P. 518–546.
  22. Мищенко А.В. Задача распределения транспортных средств по автобусным маршрутам при неточно заданной матрице корреспонденций пассажиропотока // Изв. АН СССР. Техн. кибернетика. 1992. № 2.
  23. Miromov A.A., Tsurkov V.I. Transport-type Problems with the Minimax Criterion // AnT. 1995. № 12. P. 109–118.
  24. Миронов А.А., Цурков В.И. Наследственно минимальные матрицы в моделях транспортного типа // Изв. РАН. ТиСУ. 1998. № 6. С. 104–121.
  25. Miromov A.A., Levkina T.A., Tsurkov V.I. Minimax Estimations of Expectates of Are Weights in Integer Networks with Fixed Node Degrees // Applied and Computational Mathematics. 2009. Т. 8. № 2. P. 216–226.
  26. Tizik A.P., Tsurkov V.I. Iterative Functional Modification Method for Solving a Transportation Problem // Automation and Remote Control. 2012. V. 73. № 1. P. 134–143.
  27. Miromov A.A., Tsurkov V.I. Hereditarily Minimax Matrices in Models of Transportation Type // J. Computer and Systems Sciences International. 1998. V. 37. № 6. P. 927–944.
  28. Miromov A.A., Tsurkov V.I. Minimax in Transportation Models with Integral Constraints. I // J. Computer and Systems Sciences International. 2003. V. 42. № 4. P. 562–574.
  29. Расписание маршрутов наземного городского транспорта (информация с сайта ГУП “Мосгортранс”) [электронный ресурс]. Режим доступа: http://www.mosgortrans.ru/routes/routes/.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».