Концепция проектирования многоуровневой иерархической структуры управления ресурсами в пассажирской транспортной системе

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Пассажирский транспортный комплекс представляет собой сложную эргатическую систему, объединяющую разнородные технологические, инфраструктурные элементы и человеческие коллективы с зачастую противоречивым целеполаганием, находящиеся в различном ведомственном подчинении. Его функционирование происходит в условиях стохастической неопределенности показателей, что приводит к значительным трудностям при традиционном подходе к распределению ресурсов. Существующие методы управления не в полной мере учитывают специфику таких систем, что обуславливает необходимость разработки новых теоретических и методических основ для проектирования эффективной многоуровневой структуры управления ресурсами, устойчивой к воздействию неопределенных факторов внешней и внутренней среды.

Цель. Разработка концепции проектирования многоуровневой иерархической структуры распределения ресурсов для пассажирской транспортной системы, соответствующей её уникальным характеристикам как комплексной эргатической структуры, функционирующей в условиях присущей ей стохастической неопределенности.

Материалы и методы. В основе исследования лежит системный подход, включающий анализ, представление, расчет и синтез сложных систем. В качестве теоретической базы использованы теория многоуровневых иерархических систем, теория принятия решений в условиях неопределенности и вероятностные методы анализа. Для формализации процесса распределения ресурсов предложен аппарат логических операторов (ЛО), представленных в виде морфологических матриц, которые агрегируют показатели эффективности различных видов транспорта для множества взаимоисключающих информационных состояний. Это позволяет проводить расчет оценочных функционалов с учетом вероятностных распределений и весовых коэффициентов, характеризующих важность каждого параметра.

Результаты. Разработана концепция представления системы распределения ресурсов как многоэшелонной иерархической структуры. Базовым компонентом разработанной иерархической структуры выступают логические операторы (ЛО), расположенные на низовом уровне управления и отвечающие за консолидацию данных, поступающих от различных транспортных модальностей, а также за учет их текущих информационных статусов. Предложена математическая модель в виде матрицы оценочных функционалов, позволяющая формализовать расчет эффективности распределения ресурсов для различных сценариев. Введено понятие «района» как совокупности ЛО на одном эшелоне, что позволяет структурировать систему по территориальному или функциональному признаку. Полученная модель обеспечивает основу для последующего анализа и синтеза оптимальной структуры управления в условиях неполной информации.

Об авторах

Роман Александрович Халтурин

Государственный университет управления (ГУУ)

Email: ra_khalturin@guu.ru
ORCID iD: 0000-0002-8499-3737
SPIN-код: 8883-0316

кандидат экономических наук, доцент, ведущий научный сотрудник Управления координации научных исследований

 

Россия, пр-т Рязанский, 99, г. Москва, 109542, Российская Федерация

Роман Олегович Судоргин

Государственный университет управления (ГУУ)

Автор, ответственный за переписку.
Email: ro_sudorgin@guu.ru

кандидат экономических наук, научный сотрудник Управления координации научных исследований

 

Россия, пр-т Рязанский, 99, г. Москва, 109542, Российская Федерация

Список литературы

  1. Перегудов, Ф. И., & Тарасенко, Ф. П. (1989). Введение в системный анализ. Москва: Высшая школа. 368 с. ISBN: 5-06-001569-6. EDN: https://elibrary.ru/TFPWJJ
  2. Клир, Дж. (1990). Системология. Автоматизация решения системных задач. Москва: Радио и связь. 539 с.
  3. Месарович, М., & Такахара, И. (1978). Общая теория систем: математические основы. Москва: Мир.
  4. Попов, Э. В., Фоминых, И. Б., Кисель, Е. Б., & Шапот, М. Д. (1996). Статические и динамические экспертные системы. Москва: Финансы и статистика.
  5. Сурмин, Ю. П. (2003). Теория систем и системный анализ: учебное пособие. Киев: МАУП. 368 с.
  6. Купер, Дж., & Макгиллем, М. (1989). Вероятностные методы анализа сигналов и систем. Москва: Мир. 376 с.
  7. Отнес, Р., & Эноксон, Л. (1982). Прикладной анализ временных рядов. Москва: Мир. 428 с.
  8. Поспелов, Д. А. (1986). Ситуационное управление: теория и практика. Москва: Наука.
  9. Тарасенко, Ф. П. (2004). Прикладной системный анализ (Наука и искусство решения проблем): учебник. Томск: Издательство Томского университета. 186 с. ISBN: 5-7511-1838-3. EDN: https://elibrary.ru/TFPWDF
  10. Терентьев, А. В., Ефименко, Д. Б., & Карелина, М. Ю. (2017). Методы районирования как методы оптимизации автотранспортных процессов. Вестник гражданских инженеров, 6(65), 291–294. https://doi.org/10.23968/1999-5571-2017-14-6-291-294. EDN: https://elibrary.ru/YPNFZF
  11. Terentyev, A., Evtiukov, S., & Karelina, M. (2017). A method for multi-criteria evaluation of the complex safety characteristic of a road vehicle. Transportation Research Procedia, 36, 149–156.
  12. Moiseev, V. V., Terentiev, A. V., Stroev, V. V., & Karelina, M. Yu. (2018). Enhancement of economic efficiency of transport performance using multi-criteria estimation. Advances in Economics, Business and Management Research, 61, 167–171. EDN: https://elibrary.ru/WHRSRR
  13. Terentiev, A. V., Evtiukov, S. S., & Karelina, E. A. (2020). Development of zoning method for solving economic problems of optimal resource allocation to objects of various importance in context of incomplete information. В Advances in Economics, Business and Management Research (Т. 128, с. 765–772). International Scientific Conference «Far East Con» (ISCFEC 2020).
  14. Terentyev, A. V., Karelina, M. Yu., Cherepnina, T. Yu., Linnik, D. A., & Demin, V. A. (2020). Digital object-oriented control models in automobile-road complex systems. IOP Conference Series: Materials Science and Engineering, 832, 012058. https://doi.org/10.1088/1757-899X/832/1/012058. EDN: https://elibrary.ru/LTGFWV

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Халтурин Р.А., Судоргин Р.О., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

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».