ПРОГНОЗУВАННЯ ПАСАЖИРСЬКИХ ПЕРЕВЕЗЕНЬ НА ОСНОВІ ІДЕНТИФІКАЦІЇ СТРУКТУРИ НЕСТАЦІОНАРНОГО ЧАСОВОГО РЯДУ
DOI:
https://doi.org/10.33042/2522-1809-2022-3-170-307-313Ключові слова:
обсяг пасажирських перевезень, часовий ряд, сполучення, транспортне обслуговування.Анотація
В статті запропоновано розглядати зміну обсягу пасажирських перевезень як нестаціонарний часовий ряд для якого є характерним наявність перехідних моментів, що призводять до значної зміни загального тренду. На основі аналізу коливань фактичного обсягу перевезень виділено структурно-логічний зв’язок формування попиту на перевезення який полягає у виділенні базових груп транспортних класів формування обсягу відправлення пасажирів. Шляхом адаптації методологічних положень сингулярного спектрального аналізу формалізовано базові етапи процедури ідентифікації елементної структури нестаціонарного часового ряду зміни обсягу перевезень.
Посилання
Gong, Y., Li, Z., Zhang, J., Liu, W., & Yi, J. (2020). Potential passenger flow prediction: A novel study for urban transportation development. Proceedings of the AAAI Con-ference on Artificial Intelligence, 34(04), 4020–4027. DOI: https://doi.org/10.48550/arXiv.1912.03440
Seliverstov, Ya., Seliverstov, S. (2015). Methods and models of the construction of transport correspondence matrix. Informatics, telecommunications and management, 2–3, 49– 70. [in Russian]
Horbachov, P., Rossolov, A., Goncharenko, S. (2014). Modified method of tabular survey of passenger trips in the medium-size towns. Automobile transport, 34, 101–104. [in Russian]
Namiot, D., Nekraplonna, M., Pokusaev, O., Chekmarev, A. (2020). OD-matrix and passenger flow analysis. International Journal of Open Information Technologies, 8(4), 25–30. [in Russian]
Grafeeva, N., Mikhailova, E., Nogova, E., Tretyakov, I. (2017). Passenger traffic analysis based on St. Petersburg public transport. International Multidisciplinary Scientific GeoConference: SGEM, 17, 509–516. DOI: https://doi.org/10.5593/sgem2017/21/S07.065
Vdovychenko, V. (2017) Development of a model for determining the time parameters for the interaction of passenger transport in a suburban transport and transfer terminal. Technology audit and production reserves, 3/2(35), 41–46. DOI: http://dx.doi.org/10.15587/2312-8372.2017.105351
Horbachov, P., Krikun, V., Polad, A. (2013). Modeling the demand for the suburban passenger operations. Eastern-European Journal of Enterprise Technologies, 2/3(62), 12–15. [in Russian]
Timofeeva, G., & Ie, O. (2021). Evaluation of origin-destination matrices based on analysis of data on transport passenger flows. AIP Conference Proceedings. AIP Publish-ing LLC, 2333(1), 2–6. DOI: https://doi.org/10.1063/5.0041801
Russo, F., & Musolino, G. (2012). A unifying modelling framework to simulate the Spatial Economic Transport Interaction process at urban and national scales. Journal of Transport Geography, 24, 189–197. DOI: https://doi.org/10.1016/j.jtrangeo.2012.02.003
Liu, Y. (2011). Calculating PA matrix of transit trip from passenger flow volume. Applied Mechanics and Materials, 97, 1141–1148. DOI: https://doi.org/10.4028/www.scientific.net/AMM.97-98.1141
Fedorov, V., Bulyicheva, N., Pahomova, O., Losin, L. (2008). Model of the formation of inter-district correspondence in the transport systems of large cities. Transport of the Russian Federation. A magazine of science, economy and practice, 3–4(16–17), 64–67. [in Russian]
Tarhanova, N.V., Mihaylov, A.Yu., Yatsenko, S.A. (2014). Theoretical review of correspondence matrix updating models. Bulletin of the Irkutsk State Technical University, 6(89), 154– 157. [in Russian]
Yao, E., Hong, J., Pan, L., Li, B., Yang, Y., & Guo, D. (2021). Forecasting Passenger Flow Distribution on Holidays for Urban Rail Transit Based on Destination Choice Behavior Analysis. Journal of Advanced Transportation, 2021, 1–13. DOI: https://doi.org/10.1155/2021/9922660
Seliverstov, S.A., Malygin, I.G., Starichenkov, A.L., Muksimova, R.R., Grigoriev, V.A., & Asaul, A.N. (2017). Modeling of megalopolis traffic flows with the introduction of a new line of water intercity passenger transport. 2017 XX IEEE International Conference on Soft Computing and Measurements (SCM). IEEE, 278–280. DOI: https://doi.org/10.1109/SCM.2017.7970560
Chistyakova, A.A., & Shamsha, B.V. (2011). Identification of the structure of nonstationary time series with the singular spectrum analysis method. Radio-electronic and computer systems, 4(52), 105–111. [in Russian]
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються у цьому збірнику, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії CC BY-NC-ND 4.0 (із Зазначенням Авторства – Некомерційна – Без Похідних 4.0 Міжнародна), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).
