Реализация модели оценки матрицы корреспонденций на маршруте городского общественного пассажирского транспорта

Введение. Актуальность исследования обусловлена необходимостью оперативного получения информации для проведения расчетов, особенно в изучении закономерности формирования пассажирской составляющей в транспортной нагрузке. В настоящее время обстоятельством, мешающим успешному прогнозированию в области пассажирских перевозок, является недостаточная реализация моделей оценки корреспонденций на маршрутной сети городского пассажирского транспорта с использованием современных языков программирования. Многие методы не могут быть внедрены на предприятиях автомобильного транспорта, поскольку ощущается катастрофическая нехватка данных обследований. Поэтому целью исследования является реализация модели оценки матрицы корреспонденций на маршруте общественного транспорта как основы новых методов и алгоритмов обработки информации путем использования экосистемы специализированных библиотек PYTHON, что позволяет проводить вычисления с достаточно высокой скоростью без необходимости в дорогостоящем оборудовании.

Материалы и методы. Исследование проводилось с применением системы сбора информации об интенсивности пассажирских перевозок на наземных пассажирских транспортных средствах «ПОТОК» посредством получения данных с транспортного терминала «БАРС-01-T» суммарного количества пересечений инфракрасных датчиков «Луч-М».

Результаты. В исследовании предложен способ оперативной обработки информации для оценки матриц корреспонденций путем объединения методик восстановления интенсивности движения на дорогах с результатами обследований пассажиропотоков, используя метод наименьших модулей для нахождения оптимального решения.

В качестве инструмента оценки предлагается робастная оптимизация, позволяющая решать транспортные задачи в условиях неточности исходных данных. Для решения задачи использовались алгоритмы interior point, simplex, revised simplex method, high-performance GHS, dual simplex method пакета PYTHON.

Обсуждение и заключение. Расширение функциональных возможностей методики позволяет сократить трудоемкость сбора информации об интенсивности перевозок пассажиров.

В данном исследовании представлена практическая модель оценки матриц по маршрутам общественного транспорта. Этот подход обеспечивает требуемую точность измерений при одновременном снижении затрат на сбор данных, поддерживая как планирование транспортной системы, так и более широкую функциональную оценку городских территорий.

1. Тишкова А.О., Паршакова К.А., Бондаренко Н.С. [и др.]. Устойчивость городской пассажирской автотранспортной системы // Транспорт Урала. 2025. № 1 (84). 72–77. https://doi.org/10.20291/1815-9400-2025-1-72-77

2. Зайцев И.А. Научно-практические аспекты формирования маршрутной сети пассажирского сообщения // В сборнике: Фундаментальная и прикладная наука: научно-методические и практические аспекты. Сборник научных трудов по материалам IV Международной научно-практической конференции. Анапа, 2025. С. 16–22. https://doi.org/10.57112/2523-2523-2025-4-16-22

3. Пумбрасова Н.В., Упадышева Е.В. Повышение эффективности пассажирских перевозок в условиях применения инновационных систем управления транспортными потоками // Научные проблемы водного транспорта. 2023. № 77. С. 183–198. https://doi.org/10.37890/jwt.vi77.412

4. Обшивалкин М.Ю., Епифанов В.В., Генералова К.А. К вопросу удовлетворенности пассажиров качеством перевозок на межмуниципальном транспорте // В сборнике: Актуальные вопросы технической эксплуатации и автосервиса подвижного состава автомобильного транспорта. Сборник научных трудов по материалам 83-й Международной научно-методической и научно-исследовательской конференции МАДИ. М., 2025. С. 24–29. https://doi.org/10.31992/978-5-7996-2025-24-29

5. Коновалова Т.В., Рассоха В.И., Лебедев Е.А., Миротин Л.Б., Надирян С.Л., Соскова В.В. Автоматизированная система построения матрицы пассажирских корреспонденций населения на примере г. Краснодара // Транспорт: наука, техника, управление. Научный информационный сборник. 2024. № 12. С. 40–46. https://doi.org/10.36535/0236-1914-2024-12-40-46

6. Штукатурова Е.С., Якунин Н.Н. Гравитационные модели в оценке транспортного спроса пригородных пассажирских перевозок: теоретические основы, методы применения // В сборнике: Прогрессивные технологии в транспортных системах. Материалы XX Международной научно-практической конференции. Оренбург, 2025. С. 415–420. https://doi.org/10.51915/9785741033456_415

7. Мартыненко А.В., Сайфутдинов Д.Ж. Адекватность гравитационной модели для железнодорожных пассажиропотоков // Мир транспорта. 2023. Т. 21, № 1 (104). С. 75–86. https://doi.org/10.30932/1992-3252-2023-21-1-9

8. Фадеев А.И., Ильянков А.М., Укадеров В.В. Распределение корреспонденций по сети в задачах проектирования перевозок городским пассажирским транспортом общего пользования // Вестник СибАДИ. 2023. Т. 20, № 3 (91). С. 362–386. https://doi.org/10.26518/2071-7296-2023-20-3-362-386

9. Корчагин Д.С., Поморцев Д.В., Евтюков С.С. Интеллектуальный анализ данных о маршрутной сети городского общественного пассажирского транспорта // Мир транспорта и технологических машин. 2025. № 3-2 (90). С. 116–125. https://doi.org/10.33979/2073-7432-2025-3-2(90)-116-125

10. Булычева Н.В., Лосин Л.А. Роль информационного обеспечения в моделях прогнозирования потоков пассажиров и транспорта // Экономика Северо-Запада: проблемы и перспективы развития. 2023. № 3 (74). С. 97–104. https://doi.org/10.52897/2411-4588-2023-3-97-104

11. Лосин Л.А. Исследование сходимости матриц межрайонных корреспонденции в гравитационной модели // В сборнике: Проблемы преобразования и регулирования региональных социально-экономических систем. Сборник научных трудов. Санкт-Петербург, 2024. С. 62–68. https://doi.org/10.37614/2220-802X.3.2024.83.006

12. Ахромешин А.В., Пышный В.А. Применение гравитационного подхода к решению транспортных задач // Техника и технология транспорта. 2024. Т. 32, № 1. https://doi.org/10.52151/2311-0678-2024-32-1-14

13. Швецова Е.В., Шуть В.Н. Алгоритм организации перевозок на основе критического элемента матрицы корреспонденций // Транспорт Урала. 2023. № 2 (77). С. 34–40. https://doi.org/10.20291/1815-9400-2023-2-34-40

14. Leurent F., Sun D., Xie X. On heterogenous sampling rates in origin–destination matrix estimation based on trajectory data and link counts // Transportation Research Record. 2023. Т. 2677. № 1. С. 1169-1180. https://doi.org/10.1177/03611981221105051

15. Lu C.-C., Zhou X., Zhang K.: Dynamic origin–destination demand flow estimation under congested traffic conditions. Transp. Res. Part C Emerging Technol. 34, 16–37 (2013). https://doi.org/10.1016/j.trc.2013.05.006

16. Maher M.J., Zhang X., Van Vliet D.: A bi-level programming approach for trip matrix estimation and traffic control problems with stochastic user equilibrium link flows. Transp. Res. Part B Methodol. 35(1), 23–40 (2001). https://doi.org/10.1016/s0191-2615(00)00017-5

17. Yang X., Lu Y., Hao W.: Origin-destination estimation using probe vehicle trajectory and link counts. J. Adv. Transp. (2017). https://doi.org/10.1155/2017/4341532

18. Vahidi M., Shafahi Y. Time-dependent estimation of origin–destination matrices using partial path data and link counts // Transportation. 2023. https://doi.org/10.1007/s11116-023-10385-z

19. Balakrishna R., Ben-Akiva M., Koutsopoulos H.N.: Time-dependent origin-destination estimation without assignment matrices. Transp. Simul. Beyond Tradit. Approaches (2019).https://doi.org/10.1201/9780429093258-12

20. Barceló J., Montero L., Bullejos M., Serch O., Carmona C.: A kalman filter approach for exploiting bluetooth traffic data when estimating time-dependent od matrices. J. Intell. Transp. Syst. 17(2), 123–141 (2013). https://doi.org/10.1080/15472450.2013.764793