Математическая модель динамического формирования маршрутов общественного транспорта по индивидуальным запросам пассажиров для территорий с низкой плотностью населения

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Организация маршрутов общественного транспорта по индивидуальным запросам пассажиров (on-demand маршрутов) на автобусах малого класса в населенных пунктах с низкой плотностью населения становится актуальной задачей в связи с необходимостью повышения эффективности транспортных систем в условиях ограниченных финансовых и материальных ресурсов. Традиционные схемы регулярных маршрутов зачастую оказываются нерентабельными и недостаточно удобными для жителей таких территорий, что приводит к снижению уровня транспортной доступности и ухудшению качества жизни населения. Современные технологии и математическое моделирование позволяют разработать гибкие и экономичные решения, способные адаптироваться к особенностям низкоплотностных регионов и минимизировать затраты на организацию транспортных услуг.

Необходимость оптимизации транспортных потоков приобретает особую значимость в свете глобальных тенденций устойчивого развития и экологичности. Разработка моделей, позволяющих снизить эксплуатационные расходы и уменьшить углеродный след транспортных операций, соответствует современным требованиям к рациональному использованию природных ресурсов и энергоэффективности.

Создание эффективных механизмов управления on-demand маршрутами имеет высокую социальную значимость, способствуя обеспечению равных возможностей для всех слоев населения, независимо от их географического положения и материального достатка.

Цель. Разработать математическую модель для организации on-demand маршрутов пассажирских перевозок на автобусах малого класса в населенных пунктах с низкой плотностью населения, обеспечивающую максимальную эффективность и экономичность транспортных услуг.

Материалы и методы. В работе использовался комплексный подход к разработке математической модели организации маршрутов по требованию. Исследование базировалось на анализе реальных условий функционирования автобусного сообщения в регионах с низкой плотностью населения. Модель учитывала следующие параметры: количество населенных пунктов и их географическое расположение, объем пассажиропотока, технические характеристики автобусов малого класса, временные ограничения и финансовые показатели работы транспортных предприятий. Оптимизация маршрутов осуществлялась с помощью алгоритмов динамического программирования, учитывающих переменную структуру спроса и ограниченность ресурсов. Практическая апробация модели проведена на базе данных конкретного региона с низкой плотностью населения, что позволило получить достоверные результаты и сделать выводы об эффективности предложенного подхода к организации транспортного обслуживания.

Результаты. Проведен комплексный анализ существующих подходов к организации маршрутов по требованию и определены ключевые факторы, определяющие их эффективность. Разработана математическая модель, учитывающая специфику населенных пунктов с низкой плотностью населения, включая неравномерность распределения спроса, большие расстояния между населенными пунктами и ограниченные финансовые ресурсы. Исследованы различные алгоритмы оптимизации маршрутов и выбран наиболее подходящий метод для решения поставленной задачи. Проведено численное моделирование предложенной модели на примере конкретного региона и оценена ее эффективность в сравнении с существующими схемами перевозок. Разработаны рекомендации по внедрению предложенной модели в реальную практику транспортных организаций, работающих в условиях низкой плотности населения.

Об авторах

Светлана Семеновна Титова

ФГБОУ ВО «Московский автомобильно-дорожный государственный технический университет (МАДИ)»

Автор, ответственный за переписку.
Email: s.titova@madi.ru

старший преподаватель, аспирант

Россия, Ленинградский проспект, 64, г. Москва, 125319, Российская Федерация

Андрей Владимирович Остроух

ФГБОУ ВО «Московский автомобильно-дорожный государственный технический университет (МАДИ)»

Email: ostroukh@mail.ru

доктор технических наук профессор

Ленинградский проспект, 64, г. Москва, 125319, Российская Федерация

Список литературы

  1. Pei-Yu Chen, & Shin-Yi Wu. (2012). The Impact and Implications of On-Demand Services on Market Structure. Information Systems Research, 24(3). https://doi.org/10.1287/isre.1120.0451
  2. Terry A. Taylor. (2018). On-Demand Service Platforms. Manufacturing & Service Operations Management, 20(4). https://doi.org/10.1287/msom.2017.0678
  3. Juluri, P., Tamarapalli, V., & Medhi, D. (2016). Measurement of Quality of Experience of Video-on-Demand Services: A Survey. IEEE Communications Surveys & Tutorials, 18(1), 401–418. https://doi.org/10.1109/COMST.2015.2401424
  4. Bai, J., So, K. C., Tang, C. S., Chen, X., & Wang, H. (2018). Coordinating Supply and Demand on an On-Demand Service Platform with Impatient Customers. Manufacturing & Service Operations Management, 21(3). https://doi.org/10.1287/msom.2018.0707
  5. Донской, П., & Малахальцев, П. (2019). On demand: адаптивные маршруты общественного транспорта. Городские исследования и практики, 4(4), 93–125. https://doi.org/10.17323/usp44201993-125 EDN: https://elibrary.ru/OEDOBV
  6. Иванов, О. Н., Листов, Н. О., & Остроух, А. В. (2017). Исследование технических характеристик электробусов, как перспективных видов наземного пассажирского транспорта. International Journal of Advanced Studies, 7(4-2), 29–48. EDN: https://elibrary.ru/ZMIHGL
  7. Листов, Н. О., Иванов, О. Н., & Остроух, А. В. (2017). Совершенствование автоматизированной системы контроля пассажиропотока. International Journal of Advanced Studies, 7(4-2), 49–58. EDN: https://elibrary.ru/ZMIHGV
  8. Kuftinova, N. G., & Ostroukh, A. V. (2014). Development of an Automated System of Survey Passenger Traffics. International Journal of Advanced Studies, 4(4), 3–9. https://doi.org/10.12731/2227-930X-2014-4-1 EDN: https://elibrary.ru/TEBOER
  9. Ostroukh, A. V., & Polgun, M. B. (2013). Automation of Processes Supervisory Control Urban Passenger Transport. International Journal of Advanced Studies, 3(3), 3–9. https://doi.org/10.12731/2227-930X-2013-3-1 EDN: https://elibrary.ru/RUNXID
  10. Ostroukh, A. V., & Polgun, M. B. (2013). New Approaches to Development of Automated Supervisory Systems of Industrial Enterprises Transport. International Journal of Advanced Studies, 3(4), 3–7. https://doi.org/10.12731/2227-930X-2013-4-1 EDN: https://elibrary.ru/QBIDCV
  11. Куфтинова, Н. Г., Остроух, А. В., Суркова, Н. Е., & Баринов, К. А. (2020). Прогнозирование транспортных потоков агломераций на основе нейронной сети. Промышленные АСУ и контроллеры, (11), 40–45. https://doi.org/10.25791/asu.11.2020.1235 EDN: https://elibrary.ru/ABWTIO
  12. Польгун, М. Б., Остроух, А. В., Николаев, А. Б., & Ефименко, Д. Б. (2013). Автоматизация процессов диспетчерского управления городским пассажирским транспортом. Промышленные АСУ и контроллеры, (5), 10–16. EDN: https://elibrary.ru/SKEOYJ
  13. Ostroukh, A. V., Surkova, N. E., Vorobieva, A. V., & Polgun, M. B. (2015). Automated Supervisory Control System of Urban Passenger Transport. ARNP Journal of Engineering and Applied Sciences, 10(10), 4334–4340. EDN: https://elibrary.ru/UGFLYX
  14. Михневич, И. М., & Белехов, А. А. (2024). Метод оценки целесообразности внедрения транспорта по запросу в городских и пригородных зонах. Мир транспорта и технологических машин, (2-2), 32–41. https://doi.org/10.33979/2073-7432-2024-2-2(85)-32-41 EDN: https://elibrary.ru/OJFRDA
  15. Мороз, Д. Г., Титова, С. С., & Чернышев, А. А. (2019). Применение методов анализа пассажиропотоков к реформированию пассажирской транспортной системы района Левобережный города Москвы. Мир транспорта, 17(5), 268–284. https://doi.org/10.30932/1992-3252-2019-17-5-268-284 EDN: https://elibrary.ru/LQZKAR
  16. Собесский, Р. Р., & Шевырев, Л. Ю. (2018). Развитие технологий общественного транспорта DRT. В Перспективные технологии в эксплуатации транспортных и транспортно-технологических комплексов (с. 83–84). Зерноград: Азово-Черноморский инженерный институт. EDN: https://elibrary.ru/XZXPIT
  17. Титова, С. С. (2018). Проблемы качества перевозки пассажиров в условиях городской агломерации. Молодой ученый, (23), 241–245. EDN: https://elibrary.ru/XQGCZN

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Титова С.С., Остроух А.В., 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».