Алгоритм корректировки количества и класса пассажирских транспортных средств на основе данных пассажиропотока

В современном мире важную социальную и экономическую роль в крупных городах играет общественный транспорт. Качественное предоставление услуги и эффективная работа маршрутной сети способствуют повышению транспортной мобильности горожан, снижению загрязнения окружающей среды, повышению безопасности дорожного движения и улучшению пространственной организации города, что позитивно отражается на качестве жизни населения в крупных городах.

Улично-дорожная сеть в городах России при проектировании и застройке не была адаптирована под массовую автомобилизацию. В результате чего расширение дорожных полос и увеличение количества парковочных мест имеют ограниченные возможности и не позволяют в полной мере устранить негативные последствия, возникающие в ходе роста числа автомобилей. Оптимизация транспортной инфраструктуры в условиях массовой автомобилизации не может устранить возникшую проблему ввиду ограниченности возможности реконструирования улично-дорожной сети. Вследствие чего ключевым решением развития транспортной системы страны является адаптация общественного транспорта к потребностям современного общества.

В статье рассматривается зависимость класса и количества общественного транспорта, работающего на маршрутах, от корреспонденций пассажиров в одном и в другом направлении по маршруту регулярных перевозок. Целью настоящего исследования являлось повышение эффективности работы пассажирского автотранспорта крупных городов путем разработки инструментария для корректировки количества и класса транспортных средств на основании анализа пассажиропотока, фиксируемого на маршруте.

Разработан алгоритм корректировки количества и класса транспортных средств на основе данных о пассажиропотоке. Алгоритм позволяет выявлять неэффективную работу действующих расписаний по маршрутам, неактуальные рейсы для пассажиров, определять требуемый класс и количество транспортных средств для предоставления транспортных услуг, что, в свою очередь, способствует эффективному функционированию маршрутной сети.

1. Федеральная служба государственной статистики. Раздел «Транспорт» : [сайт]. URL: https://rosstat.gov.ru/statistics/transport (дата обращения: 15.05.2023).

2. Императивы развития транспортных систем городов России : доклады к XXI Апрельской международной научной конференции по проблемам развития экономики и общества (Москва, 2020 г.) / М. Я. Блинкин, Т. В. Кулакова, П. В. Зюзин [и др.] ; под общей редакцией М. Я. Блинкина ; Национальный исследовательский университет «Высшая школа экономики». Москва : Издательский дом Высшей школы экономики, 2020. 44 с.

3. Alekseev N., Lam W. H. K. Estimation of pedestrian flow based on Wi-Fi data and video cameras // Journal of the Eastern Asia Society for Transportation Studies. 2019. Vol. 13. Р. 93−101.

4. A bus-scheduling method based on multi-sensor data fusion and payment authenticity verification / W. Gong, T. Zeng, H. Song [et al.] // Electronics. 2022. Vol. 11. Р. 1522.

5. Grgurević I., Juršić K., Rajič V. Overview of Wi-Fi-based automatic passenger counting solutions in public urban transport // Sustainable Management of Manufacturing Systems in Industry 4.0 / eds. L. Knapcikova, D. Peraković, M. Perisa, M. Balog. Cham : Springer, 2022. Р. 181–196.

6. Junio M. P., Medrano R. M., Almeida C. F. UAI-FI: using artificial intelligence for automatic passenger counting through Wi-Fi and GPS data // Transportes. 2022. Vol. 30, No. 2. Р. 1–15.

7. The development of bus passenger monitoring system using IoT / N. S. Mohamad, Z. M. Amin, T. S. Zaini, M. K. Saari // International TVET, Academic and Research Symposium E-proceeding. 2022. Vol. 2, No. 2. Р. 65–72.

8. Time of Flight : высокоточные результаты с помощью известных во всем мире 3D-датчиков для автоматического подсчета пассажиров // iris: intelligent sensing : [сайт]. URL: https://www.irissensing.com/ru/products/time-of-flight-technology/ (дата обращения: 20.05.2023).

9. FootfallCam : [сайт]. URL: https://www.footfallcam.com/ru/Industries/Transportation (дата обращения: 20.05.2023).

10. Петрова Д. В. Современные подходы к организации мониторинга пассажиропотоков общественного транспорта городских агломераций // International Journal of Open Information Technologies. 2020. No. 1. Р. 47–57.

11. Фадеев А. И., Алхуссейни С. Методика определения корреспонденций пассажиров общественным транспортом из операций валидаций электронных проездных билетов // Вестник Сибирского государственного автомобильно-дорожного университета. 2022. Т. 19, № 3 (85). С. 370–397.

12. Попова Е. А. Пространственно-временные модели маятниковых трудовых миграций в Московской агломерации // Проблемы современной урбанизации: преемственность и новации : сборник статей Международной конференции (Москва, 22–23 марта 2022 г.). Москва : Географический факультет Московского государственного университета имени М. В. Ломоносова, 2022. С. 126–133.

13. Патент № 2785198 C1 Российская Федерация, МПК G07C 9/00, G06V 20/59, B60R 1/29. Счетчик подсчета пассажиров на базе стереозрения : № 2022113252 : заявлен 18.05.2022 : опубликован 05.12.2022 / Журавлев А. И., Усачева В. В., Филоненко М. А., Гаврилов М. Г., Станкевич Д. Б. ; заявитель акционерное общество «Штрих-М».

14. «РЖД» и «Tele2» проанализировали транспортные потоки между 81 российским городом // ОАО «РЖД» : [сайт]. URL: https://company.rzd.ru/ru/9397/page/104069?id=254727. Дата публикации: 02.09.2020.

15. Об утверждении социального стандарта транспортного обслуживания населения при осуществлении перевозок пассажиров и багажа автомобильным транспортом и городским наземным электрическим транспортом : распоряжение Минтранса РФ от 31 января 2017 г. № НА-19-р. URL: file:///D:/Downloads/rasp_mt_na_19r_31012017.pdf (дата обращения: 20.05.2023).