Методы теории транспортных макросистем для решения задач динамики массового обслуживания для автострахования

Введение. В статье представлены методы теории транспортных макросистем для повышения уров­ня технической готовности автомобильного транспорта после ДТП. Определены проблемы, приводя­щие к снижению эффективности транспортных систем при нахождении в ремонте за счет страховых компаний. Приведена математическая модель, в наиболее общем случае описывающая транспортную систему, состоящую из элементов автомобилей, занимающих одно из множества состояний в СТОА. Описаны свойства элементов, находящихся в рассматриваемом объекте исследования.

Материалы и методы. В работе применяется теория транспортных макросистем, которая выте­кает из известной научной дисциплины теории макросистем. Среди ее задач имеются постановки о распределении элементов по подмножествам состояний и задачи о равновесии системы в целом. В макроскопических системах по определению стохастическое поведение большого числа элементов пре­образуется в детерминированное поведение системы в целом. Макросистема является динамическим преобразователем хаотического поведения элементов в некоторое множество параметров поведения (фазовых переменных), образующих пространство небольшой размерности. Поэтому в рамках теории макросистем используются базовые понятия максимизации энтропии при равновесных состояниях си­стемы. При этом функция распределения макросостояний выбирается в зависимости от способа за­полнения элементами некоторых состояний из соответствующих подмножеств; необходимые значения априорных вероятностей и доказательства параметрических свойств моделей макросистем с различ­ными статистиками (Ферми-, Эйнштейни Больцман-распределения). Дается описание объекта иссле­дования транспортной системы, состоящей из автомобилей, требующих ремонта на основе выпол­нения обязательств со стороны страховых компаний.

Результаты. В работе представлены результаты расчетов, показывающих характер зависимостей между ёмкостями множества состояний, априорными вероятностями и количеством автомобилей, на­ходящихся на ремонте в СТОА в рамках теории транспортных макросистем. Установлены распределе­ния автомобилей, соответствующие равновесным состояниям при выбранных исходных данных.

Обсуждение и заключение. В рамках работы решены следующие задачи: доказана возможность иссле­дований с применением методов теории транспортных макросистем для решения задач поиска рав­новесия в системах автомобильного транспорта после ДТП. Определены проблемы взаимодействия СТОА и Страховщика в области организации и согласовании стоимости восстановительного ремонта поврежденных автомобилей. Предложены подходы к организации взаимодействия СТОА и Страховщика в области проведения ремонта поврежденных автомобилей по автострахованию, основанные на воз­можностях математического моделирования при обосновании методик.

1. Тетин И.А. Моделирование стратегии страховой компании в условиях цикла страховой деятельности // Вестник Томского государственного университета. Экономика. 2017. № 38. С. 122–136.

2. Даммер Д.Д. Математическая модель страховой компании в виде системы массового обслуживания с неограниченным количеством приборов с учетом единовременных страховых выплат // Информационные технологии и математическое моделирование (ИТММ-2016). 2016. С. 18–23.

3. Николайчева А.М. Тренды цифровизации и автоматизации процессов станций технического обслуживания // Управленческий учет. 2021. №. 7(2). С. 462–468.

4. Мамедов Э.Н. Теоретико-игровая оптимизация методов страхования в сфере автотранспорта // SCIENCE AND WORLD. 2013. С. 145.

5. Нестеренко И.С., Нестеренко Г.А., Бугров В.С. Проектирование клиентской зоны, позволяющей повысить спрос на услуги станций технического обслуживания автомобилей // Международный научно-исследовательский журнал. 2022. № 1(115). С. 55–58. DOI: 10.23670/IRJ.2022.115.1.112

6. Нестеренко Г.А., Нестеренко И.С., Залознов И.П. Использование BIM-технологий для повышения эффективности разработки и эксплуатации предприятий по обслуживанию и продажам автомобилей // Международный научно-исследовательский журнал. 2023. № 11 (137). С.1–6. DOI: 10.23670/IRJ.2023.137.14

7. Захаров Н.С., Козин Е.С. Технологическое проектирование станций технического обслуживания автомобилей с использованием генетических алгоритмов // International Journal of Advanced Studies: Transport and Information Technologies. 2024. 14 (2). С.104–119. DOI: 10.12731/2227-930X2024-14-2-296

8. Phi-Hung Nguyen. Automotive Service Quality Investigation Using a Grey-DEMATEL Model // Computers, Materials & Continua. 2022. 73 (3). pp. 4779-4800. DOI: 10.32604/cmc.2022.030745

9. Revina I.V., Trifonova E.N. Car Service Optimization Based on Simulation // Journal of Physics: Conference Series. 2021. 1791(01). 012084. DOI: 10.1088/1742-6596/1791/1/012084

10. Bugrimov V., Sarbaev V. Optimization of the system of management of stores of the car service with the help of imitation simulation // MATEC Web of Conferences 334. 2021; 01022. DOI: 10.1051/matecconf/202133401022

11. Krynke M., Mazur M. Innovative Work Order Planning with Process Optimization Using Computer Simulation in the Automotive Industry, in the Case of Repair Workshops // Periodica Polytechnica Transportation Engineering. 2024. DOI: 10.3311/pptr.23546

12. Будникова И.К., Марданова А.М. Моделирование финансовой деятельности страховой компании // Информационные технологии в строительных, социальных и экономических системах. 2020. №1. С. 24–27.

13. Попков Ю.С. Концепция энтропии в системном анализе // Сборник трудов V Международной научно-практической конференции-биеннале / под общей ред. Г.Б. Клейнера, С.Е. Щепетовой. М.: Прометей. 2018. С. 27–28. DOI: 10.33278/SAE-2018.rus.027-028

14. Агуреев И.Е., Ахромешин А.В. Математическая модель транспортного поведения на основе теории транспортных макросистем // Мир транспорта. 2021. Т. 19, № 6(97). С. 13–18. DOI: 10.30932/1992-3252-2021-19-6-2

15. Hosein P.A Data-Driven Pricing Strategy for Automobile Insurance Policies // 2022 5th Asia Conference on Machine Learning and Computing (ACMLC). DOI: 10.1109/ACMLC58173.2022.00009

16. Xie Sh. Analyzing the Influence of TelematicsBased Pricing Strategies on Traditional Rating Factors in Auto Insurance Rate Regulation // Mathematics. 2024. 10.3390/math12193150, 12, 19, (3150). DOI: 10.3390/math12193150

17. Henckaerts R., Antonio K. The added value of dynamically updating motor insurance prices with telematics collected driving behavior data // Insurance: Mathematics and Economics, 10.1016/j.insmatheco. 2022. 03.011, 105, (79-95). DOI: 10.1016/j.insmatheco.2022.03.011

18. Masello L., Sheehan B., Castignani G., Guillen M., Murphy F. Predictive Modeling for Driver Insurance Premium Calculation Using Advanced Driver Assistance Systems and Contextual Information // IEEE Transactions on Intelligent Transportation Systems, 10.1109/TITS.2024.3518572, 26, 2, (2202- 2211). 2025. DOI: 10.1109/TITS.2024.3518572

19. Кушелев И.Ю. Внедрение инновационных информационных технологий на страховом рынке в России: телематика в автостраховании // Путеводитель предпринимателя. 2023. Т. 16, № 2. С. 110–119. https://doi.org/10.24182/2073-9885-2023-16-2-110-119

20. Lang F., Riegel L. Acceptance of online customer channels for damage claims in Germany // Information Technology and Management. 2025; pp.101-116 10.1007/s10799-023-00404-z26:1Online publication date: 1-Mar-2025. DOI:10.1007/s10799-023-00404-z

21. McDonnell K., Murphy F., Sheehan B., Masello L., Castignani G. Deep learning in insurance // Expert Systems with Applications: An International Journal. DOI: 10.1016/j.eswa.2023.119543217: C. Online publication date: 1-May-2023. DOI: 10.1016/j.eswa.2023.119543

22. Li H., Luo X., Zhang Z., Jiang W., Huang S. Driving risk prevention in usage-based insurance services based on interpretable machine learning and telematics data // Decision Support Systems. Online publication date: 1-Sep-2023. DOI: 10.1016/j.dss.2023.113985

23. Brühwiler L., Fu Ch., Huang H., Longhi L., Weibel R. Predicting individuals’ car accident risk by trajectory, driving events, and geographical context // Computers, Environment and Urban Systems. 2022. 93. DOI: 10.1016/j.compenvurbsys.2022.101760

24. Cunha L., Bravo J. M. Automobile UsageBased-Insurance: Improving Risk Management using Telematics Data // 2022 17th Iberian Conference on Information Systems and Technologies (CISTI), 10.23919/CISTI54924.2022.9820146, (1-6), (2022). DOI: 10.23919/CISTI54924.2022.9820146

25. Ortega M., Quintanilla J., Ong E.R., Ramos M.R., Trinidad C.J. Asfalis: A Web-based System for Customer Retention Strategies Optimization of a Car Insurance Company Using Cohort and Churn Analysis // 2023 International Conference on Inventive Computation Technologies (ICICT). DOI: 10.1109/ICICT57646.2023.10134149

26. Manko B.A. Erie Insurance: Monitoring technology in the car insurance market and the issue of data privacy // Journal of Information Technology Teaching Cases, 10.1177/20438869221117571. 2022. 13 (2): 193-198.DOI:10.1177/20438869221117571