Методика определения вероятностного спроса центров массового тяготения на основе классификации в рамках теории макросистем

Введение. Расчет корреспонденций был описан в начале XX в. в виде гравитационной модели и производится на основании аналогии с законом всемирного тяготения. Развитием данной модели можно назвать подход Дж. Вильсона, в котором расчет корреспонденций выполняется с помощью энтропийной модели. Энтропийный подход оперирует различными вариантами выражения для энтропии макроскопической системы. При этом ее равновесие достигается при максимальном значении выбранной функции энтропии. Целью данной работы является разработка методики определения вероятностного спроса центров массового тяготения «Торговые центры» и демонстрация результатов ее применения на примере торговых центров, расположенных на территории г. Тулы. Вероятностный спрос необходим для получения так называемых «априорных вероятностей» в выражении энтропии транспортной макросистемы.
Методы и материалы. Для разработки методики, а также ее дальнейшего использования наиболее удобной и перспективной научной платформой является теория транспортных макросистем, являющаяся частным случаем общей теории макросистем. Разрабатываемая в трудах главным образом отечественных учёных, она позволяет выполнять различные постановки задач, характерные для транспортных систем.
Выводы. Методика определения вероятностного спроса центров массового тяготения «Торговые центры», заключающаяся в получении априорных вероятностей нахождения в них и их ёмкостей для решения задач о поиске равновесных распределений посетителей, была разработана с целью дальнейшего развития макроскопического подхода при изучении «Торговых центров». Основным назначением методики является использование полученных результатов в решении задач о равновесных состояниях стоков транспорта и улично-дорожной сети в рамках теории транспортных макросистем.

1. Carrothers G. A. P. An historical review of the gravity and potential concepts of human interaction // J. American Instit. Planners. 1956. 22: 94-102.

2. Моделирование транспортных потоков в крупном городе с применением к московской агломерации / А. С. Алиев, А. И. Стрельников, В. И. Швецов, Ю. З. Шершевский // Автоматика и телемеханика. 2005. № 11. С. 113–125.

3. Гасников А. В., Гасникова Е. В. О возможной динамике в модели расчёта матрицы корреспонденций (А. Дж. Вильсона) // ТРУДЫ МФТИ. 2010. Т. 2, № 4. С. 45 –54.

4. Агуреев И. Е. Нелинейные модели транспортных систем // Мир транспорта и технологических машин. Орел: ГТУ. 2009. № 2. С. 3–16.

5. Бурков Д. Г., Зедгенизов А. В. Математическое описание транспортного спроса к объектам культурно-бытовой направленности // Вестник ИрГТУ. 2016. Т. 20, № 12. С. 201–209.

6. Жанказиев С. В. Методологические принципы построения телематической системы косвенного управления транспортными потоками // Вестник Московского автомобильно-дорожного государственного технического университета (МАДИ). 2010. № 3. С. 48 –54.

7. Мирошниченко Д. И. Анализ критериев конкурентоспособности торговых центров // Научный вестник Волгоградского филиала РАНХиГС. Серия: Экономика. 2015. № 3. С. 76–81.

8. Маркетинговое исследование по оценке торговых центров г. Казани https://studbooks.net/779159/marketing/marketingovoe_issledovanie_po_otsenke_torgovyh_tsentrov_g_kazani.

9. Структура комплексной модели транспортной системы г. Москвы / А.С. Алиев, Д.С. Мазурин, Д. А. Максимова, В.И. Швецов // Труды ИСА РАН. 2015. Т.65, № 1. С. 3–15.

10. Швецов В. И. Проблемы моделирования передвижений в транспортных сетях // ТРУДЫ МФТИ. 2010. Том 2, №4. С. 169–179.

11. Piovani D, Arcaute E, Uchoa G, Wilson A, Batty M. 2018 Measuring accessibility using gravity and radiation models. R. Soc. open sci. 5: 171668. http://dx.doi.org/10.1098/rsos.171668.

12. Indriany S., Sjafruddin A., Kusumawati A., et al. Mode choice model for working trip under risk and uncertainty. AIP Conference Proceedings 1977, 020041 (2018); https://doi.org/10.1063/1.5042897 Published Online: 26 June 2018.

13. Wan L., Jin Y. Assessment of model validation outcomes of a new recursive spatial equilibrium model for the Greater Beijin/ September 2017. Environment and Planning B Urban Analytics and City Science 46(2): 239980831773257. DOI:10.1177/2399808317732575.

14. Chmielewski J., Kempa J. Hexagonal Zones in Transport Demand Models. In International Congress on Engineering. Engineering for Evolution, KnE Engineering, pages 103–116. DOI 10.18502/keg.v5i6.7025.

15. Fox J., Patruni B. South East Wales Transport Model. Demand Model Implementation. Santa Monica, CA: RAND Corporation, 2018. https://www.rand.org/pubs/research_reports/RR1927z3.html.

16. Miller E. J. Accessibility: measurement and application in transportation planning, Transport Reviews, 38:5, 551-555, DOI: 10.1080/01441647.2018.1492778.

17. Klinkhardt C., Woerle T., Briem L., et al. Using OpenStreetMap as a Data Source for Attractiveness in Travel Demand Models. Transportation Research Record 2021, 2675(8) 294–303.

18. Suprayitno H. Developing a direct gravity trip distribution model for air passenger demand. 2020 IOP Conf. Ser.: Earth Environ. Sci. 419 012092.

19. Naser I. H., Mahdi M. B., Meqtoof F. H., et al. Modelling Trip Distribution Using the Gravity Model and Fratar’s Method. Mathematical Modelling of Engineering Problems 2021, 8(2): 230-236. DOI: https://doi.org/10.18280/mmep.080209.

20. Waldrip S. H., Niven R. K., Abel M. et al. Maximum Entropy Analysis of Transport Networks. BAYESIAN INFERENCE AND MAXIMUM ENTROPY METHODS IN SCIENCE AND ENGINEERING: Proceedings of the 36th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering (MaxEnt 2016). DOI:10.1063/1.4985364.