ПРОСТРАНСТВЕННЫЕ ЗАКОНОМЕРНОСТИ МНОГОЛЕТНЕЙ ДИНАМИКИ ПАССАЖИРОПОТОКА СТАНЦИЙ МОСКОВСКОГО МЕТРОПОЛИТЕНА

Обложка

Цитировать

Полный текст

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

Аннотация

В тексте обсуждается гипотеза о том, что расположение станций Московского метрополитена влияет на изменчивость пассажиропотока во времени. Данное предположение возникло, поскольку установлено, что в силу особенностей пространственной структуры города на пассажиропоток в центральной части Москвы влияет большее число факторов, чем на станции на периферии города, вследствие чего пассажиропоток станций в центре города должен быть более неравномерным во временной динамике. В исследовании используются топологические и статистические методы для подтверждения этой гипотезы. Положение каждой станции в пространстве рассчитывается с использованием показателя центральности по близости, а в качестве параметров для анализа выбраны два показателя: изменчивость пассажиропотока во времени (волатильность), рассчитанная с помощью коэффициента вариации, и относительное изменение объемов пассажиропотока между началом и концом исследуемого периода. Результаты показали, что станции с наибольшей волатильностью расположены хаотично, однако станции со средней и низкой волатильностью образуют более компактные пространственные группы в соответствии с центр-периферийным градиентом. Относительное изменение пассажиропотока за период исследования более детерминировано положением станций: большая часть станций в центральной части ядра агломерации демонстрирует снижение пассажиропотока, в то время как на окраине наблюдается замедление темпов спада или даже рост. Сделан вывод о том, что пространственное расположение станций является важным фактором, который следует учитывать при прогнозировании пассажиропотока, поскольку на станции, расположенные в центре города, влияет больше факторов, чем на станции на окраинах, что в конечном итоге влияет на волатильность.

Об авторах

И. В. Киселев

Институт географии РАН

Email: schwertberg98@yandex.ru
Москва, Россия

Список литературы

  1. Бернштейн-Коган С.В. Очерки географии транспорта: учеб. пособие для вузов. М.: Гос. изд-во, 1930. 348 с.
  2. Беленький М.Н. Экономика пассажирских перевозок. М.: Транспорт, 1974. 271 с.
  3. Гольц Г.А. Транспорт и расселение. М.: Наука, 1981. 247 с.
  4. Киселев И.В. Влияние особенностей пространственной структуры города на неравномерность пассажиропотоков на московском метрополитене // Социально-экономические проблемы развития и функционирования транспортных систем городов и зон их влияния: матер. XXVII Международ. (тридцатой Екатеринбургской) науч.-практич. конф. (19–20 июня 2021 г.) / науч. ред. С.А. Ваксман. Екатеринбург: АМБ, 2021. С. 259–269.
  5. Махрова А., Нефедова Т., Трейвиш А. Москва: мегаполис? агломерация? мегалополис? // Демоскоп Weekly. 2012. № 517–518.
  6. Некраплённая М.Н., Намиот Д.Е. Анализ матриц корреспонденции метро // Int. J. Open Information Technologies. 2019. Т. 7. № 7. С. 68–80.
  7. Тархов С.А. Эволюционная морфология транспортных сетей. М.: ИГ АН СССР, 1989. 382 с.
  8. Alfred Chu K.K., Chapleau R., Trepanier M. Driver-assisted bus interview: Passive transit travel survey with smart card automatic fare collection system and applications // Transportation Res. Record. 2009. Vol. 2105. № 1. P. 1–10.
  9. Bagchi M., White P.R. The potential of public transport smart card data // Transport Policy. 2005. Vol. 12. № 5. P. 464–474.
  10. Barry J.J., et al. Origin and destination estimation in New York City with automated fare system data // Transportation Res. Record. 2002. Vol. 1817. № 1. P. 183–187.
  11. Brandes U. A faster algorithm for betweenness centrality // J. Mathematical Sociology. 2001. Vol. 25. № 2. P. 163–177.
  12. Cats O., Jenelius E. Dynamic vulnerability analysis of public transport networks: mitigation effects of real-time information // Networks and Spatial Economics. 2014. Vol. 14. P. 435–463.
  13. Chen M.C., Wei Y. Exploring time variants for short-term passenger flow // J. Transport Geography. 2011. Vol. 19. № 4. P. 488–498.
  14. Fan Y., et al. Dynamic robustness analysis for subway network with spatiotemporal characteristic of passenger flow // Ieee Access. 2020. № 8. P. 544–555.
  15. Hasan S., et al. Spatiotemporal patterns of urban human mobility // J. Statistical Physics. 2013. Vol. 151. P. 304–318.
  16. Sørensen J.B. The use and misuse of the coefficient of variation in organizational demography research // Sociological Methods & Research. 2002. Vol. 30. № 4. P. 475–491.
  17. Sedgwick P. Spearman’s rank correlation coefficient // Bmj. 2014. Vol. 349.
  18. Sun L., et al. Understanding metropolitan patterns of daily encounters // Proceedings of the National Academy of Sciences. 2013. Vol. 110. № 34. P. 13774–13779.
  19. Sun Y., Shi J., Schonfeld P.M . Identifying passenger flow characteristics and evaluating travel time reliability by visualizing AFC data: a case study of Shanghai Metro // Public Transport. 2016. Vol. 8. P. 341–363.
  20. Tan Q., et al. Statistical analysis and prediction of regional bus passenger flows // Int. J. of Modern Physics B. 2019. Vol. 33. № 11. P. 1950094.
  21. Zhao J., et al. Spatio-temporal analysis of passenger travel patterns in massive smart card data // IEEE Transactions on Intelligent Transportation Systems. 2017. Vol. 18. № 11. P. 3135–3146.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© 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».