На правах рекламы:
ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Авторитетность издания

ВАК - К1
RSCI, ядро РИНЦ

Добавить в закладки

Следующий номер на сайте

2
Ожидается:
16 Июня 2024

Оценка распределения межрайонного пассажиропотока городского электротранспорта

An estimate of the of interdistrict passenger traffic distribution in electric transport
Дата подачи статьи: 12.01.2015
УДК: 681.5:001.891.57
Статья опубликована в выпуске журнала № 2 за 2015 год. [ на стр. 145-150 ]
Аннотация:Разработана система анализа пассажиропотока городского электротранспорта на основе информации об электронной оплате проезда и навигационных данных движения подвижной единицы. Задача исследования заключается в идентификации пассажиропотока в условиях неопределенности на основе сопоставления информации об электронной оплате проезда (транзакции) и навигационной системы движения подвижной единицы (моменты прохождения через контрольные пункты – остановки). Введено понятие транзакциопотока как множества транзакций, по которым можно определить перемещение пассажиров, оплачивающих проезд по электронной карте. Показана возможность «склеивания» набора транзакций пересадок в единый маршрут пассажира, при этом решена задача «последней мили»: определены неизвестные место и время прибытия пассажира. Получены выборочные распределения пассажиропотока городского электротранспорта, содержащие основную информацию о перемещении пассажира: время и место начальной и конечной точек его поездки. Оценка распределения пассажиропотока городского электротранспорта проведена между административными районами города с привязкой к маршрутной схеме движения трамвая. Количество остановок в каждом административном районе различно, но это позволило определить направленность движения пассажиропотока по районам и загруженность маршрутов, проходящих через несколько районов города. Анализ проведен для реального пассажиропотока в рабочий и выходной дни. Система работает в условиях неполно-ты исходных данных (рассматривается только один вид общественного транспорта). В результате группировки остановок по административным районам построен OLAP-куб с информацией о маршруте пассажира. Статистический анализ куба позволяет определить экстремумы пассажиропотока, и городская администрация может сгладить эти экстремумы путем модернизации городской транспортной сети.
Abstract:The paper shows the developed analysis system of urban electric transport passenger traffic based on infor-mation about of electronic fare payment and navigation data of mobile unit motion. The objective of the study is to identify the traffic flow under uncertainty based on the mapping information, electronic fare payment (transaction) and the navigation system of the mobile unit motion (the moments of passing through the checkpoints – stops). Thhe authors introduce the con-cept of transactivator as a set of transactions, which allow determining the movement of passengers paying fares by E-card. The paper shows the possibility of “bonding” the transplants transaction set in a single itinerary for a passenger. It solves the problem of “last mile”: it means that unknown place and time of arrival of the passenger is defined. The authors received sample distributions of urban electric transport passenger traffic containing basic information about the movement of passen-ger: time and place of the start and end points of the trip. Estimate of the urban electric transport passenger traffic distribution is carried out between the city administrative regions with reference to the routing scheme of tram movement. The number of stops in each administrative district is different; however this allowed us to determine the direction of passenger traffic movement by districts and crowding of routes that pass through several parts of the city. The analysis is performed for the re-al passenger traffic flow in weekdays and days off. The system works with incomplete input data (only one type of public transport is considered). Based on the grouping of stops by administrative districts, OLAP-cube with information about the route of the passenger is built. Statistical analysis of this cube allows defining the extremes of passenger traffic and the city administration can mitigate these extremes through modernization of urban transport network.
Авторы: Дружинина Н.Г. () - Трамвайно-троллейбусное управление (доцент, начальник группы программных разработок ), г. Екатеринбург, Россия, Трофимова О.Г. (droujinina@mail.ru) - Уральский федеральный университет им. первого Президента России Б.Н. Ельцина (доцент ), г. Екатеринбург, Россия, кандидат технических наук, Трофимов С.П. (tsp61@mail.ru) - Уральский институт экономики, управления и права (доцент, зав. кафедрой), Екатеринбург, Россия, кандидат физико-математических наук
Ключевые слова: электронная карта оплаты проезда, транзакциопоток, пассажиропоток, городской транспорт
Keywords: electronic card fare payment, transactivator, passenger traffic, urban transport
Количество просмотров: 6567
Версия для печати
Выпуск в формате PDF (4.84Мб)
Скачать обложку в формате PDF (0.35Мб)

Размер шрифта:       Шрифт:

Основная функция любого транспортного предприятия с точки зрения пассажирской транспортной логистики – это управление транспортными потоками с учетом потребностей пассажиров. В качестве критериев оценки эффективности транспортного потока принимают безопасность движения, оптимальное использование вместимости подвижного состава и снижение затрат на перевозку. Определяющими факторами формирования маршрутной сети являются направления маршрутов, распределение по территории и мощность пассажирских потоков. Анализ перевозочного процесса и оценка эффективности работы транспортного предприятия существенно зависят от оценки распределения пассажиропотока на городском транспорте в условиях неопределенности входной информации. Обычно обследования пассажиропотока проводятся визуально посред- ством натурного (глазомерного) определения состава, величины, направленности транспортных потоков и величины заполнения подвижного состава [1–4]. Разрабатываются математические модели входного пассажиропотока в наиболее напряженные периоды работы метрополитена на основе автоматизированной системы контроля оплаты проезда [5].

Новизна данной работы заключается в рассмотрении нового подхода к расчету и анализу направленности пассажиропотока в маршрути- зированном транспорте на основе данных электронной системы оплаты проезда. Оценка распределения пассажиропотоков между административными районами города проведена в условиях неполноты исходных данных, поскольку рассматривается только один вид общественного транспорта. Результаты такого анализа актуальны и позволят перераспределить подвижной состав между маршрутами, оптимизировать маршруты движения, откорректировать расписание движения маршрутизированного электротранспорта и, следовательно, повысить эффективность работы предприятия.

Отчетно-статистический метод обследования мощности пассажирских потоков в настоящее время опирается на количество проданных абонементов и транзакций (количество поездок), совершенных по электронным Е-картам [6–8]. Оригинальная информационно-коммуникационная система службы автоматики и связи ЕМУП ТТУ [9–11] обеспечивает автоматизацию информационных потоков и получение статистической информации.

Основой определения плановых показателей работы является расписание маршрутизированного транспорта, по которому оформляется выпуск маршрутов, графиков подвижной единицы (ПЕ). Показатели работы транспортной сети делятся на три категории: пробеги, доходность, простои. Эти показатели формируются для ПЕ, маршрута, графика выхода ПЕ из депо, а также для каждого депо и в целом для предприятия в течение определенных временных промежутков (смена, сутки, неделя, месяц, год). Анализ ритмичности работы транспортного предприятия проводится, в частности, на основе различных справок и отчетов технико-экономического характера в разрезе работы ПЕ, водителя, маршрутов, депо и в целом предприятия. Пробег ПЕ на линии зависит от плана пробега и качества работы на линии (бесперебойности или минимального количества простоев). Анализ показателей позволяет дать оценку расписанию движения транспорта, которая может использоваться для повышения экономической эффективности работы предприятия.

Для автоматического сбора информации о движении ПЕ на линии до недавнего времени существовали только контрольные пункты (КП), где делались отметки о прохождении ПЕ. Данные поступали диспетчеру, и он проверял отклонения движения ПЕ от расписания. В случае ДТП или других задержек и простоев водитель по радиосвязи передавал эту информацию диспетчеру, который тоже по радиосвязи регулировал схему движения других ПЕ. Оперативность такого управления была низкой.

В настоящее время оперативное управление работой транспортной сети в трамвайно-тролей­бусном управлении (ТТУ) осуществляется с помощью автоматизированной системы диспетчерского управления электротранспортом (АСДУ-Э) на базе современного оборудования с использованием средств спутниковой навигации [12]. Все ПЕ оснащены комплектом навигационного оборудования, которое позволяет в реальном времени контролировать движение городского маршрутизированного транспорта и оперативно управлять им.

Система анализа пассажиропотока городского электротранспорта

Задача исследования заключается в идентификации пассажиропотока в условиях неопределенности на основе сопоставления информации об электронной оплате проезда (транзакции) и навигационной системы движения трамваев (моменты прохождения ПЕ через КП – остановки). Цель анализа транзакциопотока – оценка качества расписания и возможностей его модификации для увеличения доходности предприятия.

Приведем основные понятия. Е-карта – электронная карта оплаты проезда с уникальным номером. Транзакция – информация об оплате проезда пассажиром, включающая номер Е-карты, категорию вида оплаты, время оплаты проезда, табельный номер кондуктора, номер маршрута ПЕ. Транзакциопоток – множество транзакций, по которым можно определить перемещение пассажиров, оплачивающих проезд по Е-карте. КП – узел на схематичной транспортной карте, а также конечные станции. КП не являются остановками транспорта. Информация о прохождении ПЕ по данным навигационной системы отмечается только по КП. График – номер выхода ПЕ из депо по расписанию работы. Рейс – номер очередного перемещения маршрута от одной конечной станции до другой. Маршрут – номер маршрута ПЕ. Маршрут пассажира – перемещение пассажира из начальной точки А (Xн, Yн) в конечную точку В (Xк, Yк). Маршрут транзакции – перемещение пассажира, оплатившего проезд по Е-карте, от точки транзакции до предполагаемой точки его выхода. Фрагмент маршрута пассажира – перемещение пассажира от КП посадки (точка транзакции) до КП выхода. Узел – группа остановок для пересадки пассажира, находящихся в шаговой доступности друг от друга. Пересадка – переход пассажира между двумя остановками узла, характеризующийся минимальным временем между двумя фрагментами маршрута пассажира. Прямой маршрут – перемещение пассажира из точки A в точку B в одном направлении, включая пересадки. Обратный маршрут – перемещение пассажира в направлении, обратном прямому направлению.

Модель системы анализа пассажиропотока представлена на рисунке 1. Исходные данные для анализа пассажиропотока выбираются из двух источников: системы электронной оплаты проезда пассажирами (время оплаты проезда, номер маршрута, график маршрута, номер Е-карты) и автоматизированной системы диспетчерского управления электротранспортом (график маршрута в данный день и время прохождения ПЕ по КП по навигационным данным).

Информация о транзакциопотоке содержит данные только о начальной точке маршрута транзакции (точнее информацию о КП посадки пассажира).

Неопределенности пассажиропотока связаны с различными траекториями движения пассажира: постоянная, непостоянная траектория или поездка в один конец. Например, в течение одного дня нет обратного движения пассажира, то есть Е-карта имеет единственную транзакцию. Это возможно, если пассажир на обратном пути воспользовался другим транспортом (в данной работе рассматривается только трамвай) или возвращается из поездки, совершенной накануне (например, возвращение домой после ночной смены в другой день).

Возможны и другие источники неполноты данных о пассажиропотоке:

-      отсутствие навигационных данных о движении ПЕ по различным техническим причинам: техническая неисправность навигационного модуля ПЕ, отсутствие связи с сотовым оператором, неисправность шлюза приема координат, неисправность сервера обработки координат;

-      закрытие движения трамваев на неопределенное время;

-      отсутствие данных о поездке пассажира в связи с неисправностью валидатора.

Кроме того, погрешности идентификации пассажиропотока возможны при неполноте данных о транзакциях:

-      при поиске обратного маршрута не найдено время прибытия прямого маршрута на конечную станцию, так как данный маршрут, график, рейс не проходят (не определяются) через точку, соответствующую начальной точке фрагмента маршрута;

-      имеются несколько одинаковых транзакций, то есть одной Е-картой воспользовались несколько пассажиров; в этом случае обратным маршрутом по этой Е-карте может воспользоваться один или то же количество пассажиров;

-      кондуктор неверно ввел маршрут работы смены, поэтому невозможно идентифицировать маршрут ПЕ, на котором проехал пассажир.

С учетом неполноты данных проведен анализ объема перевозок пассажиров по Е-картам. Для примера рассмотрен один рабочий день – вторник. Общее число транзакций – 154 973, при этом количество транзакций с наличием полных навигационных данных ПЕ составило 150 988 (97,43 %), а число анализируемых транзакций с учетом маршрута движения пассажира – 78 509, то есть 50,66 % от общего числа транзакций за исследуемый день. Анализ данных о Е-картах показал, что 17 817 карт имеют по одной транзакции (43,28 % от общего количества транзакций), 23 345 карт имеют более одной транзакции, из них 14 904 карты имеют по две транзакции (36,20 % транзакций от общего количества транзакций), 8 441 – более двух транзакций (20,51 % транзакций от общего количества транзакций). В дальнейшем исследуются только Е-карты с количеством транзакций, более одной.

При поиске конечной точки маршрута пассажира обработка технологических данных происходит в несколько этапов. На первом этапе определяются параметры посадки пассажира (время, маршрут, график, рейс, КП и координаты КП (Xн, Yн), когда прошла транзакция об оплате проезда). На втором этапе находятся параметры движения пассажира по маршрутам, в частности, неизвестные параметры высадки пассажира (время, КП прибытия и его координаты). В последнем случае возможны два варианта: пассажир возвращается обратно или делает пересадку и едет дальше. Первый вариант предполагает, что пассажир с первой транзакцией проехал вперед, а со второй – вернулся обратно. Тогда известные время и место начала второй транзакции позволят определить время и место конечной точки прямого маршрута. Аналогично место начала первой транзакции дает нам место конечной точки второй поездки. Таким образом, данные о маршруте, графике и рейсе ПЕ, на котором прошла транзакция (из данных о движении ПЕ), определяют время и место прибытия пассажира. Пример представлен в таблице и по ссылке http://www.swsys.ru/uploaded/image/2015-2-dop/4.jpg. Второй вариант предполагает, что пассажир следует в одном направлении и делает пересадки. Тогда имеем несколько транзакций, следующих одна за другой, и по каждой транзакции определяются ее время и место пересадки (см. табл. и http://www.swsys.ru/uploaded/image/2015-2-dop/5.jpg).

Если одной Е-картой воспользовались несколько пассажиров, то имеем несколько транзакций подряд на одном маршруте у одного и того же кондуктора. Тогда требуется определить транзакции пересадок и (или) обратного движения каждого из этих пассажиров, а также время прибытия для всех транзакций.

Отчет о движении ПЕ формируется в виде таблицы, которая содержит данные о движении ПЕ по КП, а не через остановки общественного транспорта. Для определения КП прибытия используется специальная таблица соотношения КП на узлах (разветвлениях линии) и исходящих направлениях. По информации о КП противоположного направления или КП на узле определяется номер КП попутного направления по маршруту. По графику, рейсу и последовательности КП попутного направления определяется КП прибытия данной транзакции.

БД транзакций сформирована в виде OLAP-куба. Система анализа пассажиропотока разработана в виде Интернет-приложения на языке PHP с использованием БД MySQL [13].

Оценка распределения пассажиропотока городского электротранспорта

Исследование пассажиропотока городского электротранспорта на основе системы электронной оплаты проезда и навигационных данных ПЕ была проведена для всей совокупности транзакций в течение 5 недель по дням недели. Предварительный анализ показал, что распределение транзакций по времени однородно соответственно для рабочих и выходных дней, поэтому дальнейший анализ проводился для двух дней: рабочего (вторника) и выходного (воскресенья).

Маршрутная схема движения была наложена на карту города, разбитую на 17 административных районов компактного проживания жителей г. Екатеринбурга: Вторчермет (Р1), Ботанический (Р2), Автовокзал (Р3), ЦПКиО (Р4), Центр (Р5), Ж.-д. вокзал (Р6), Завод им. Калинина (Р7), Уралмаш (Р8), 7 ключей (Р9), Таганский ряд (Р10), ТРЦ «Карнавал» (Р11), ВИЗ и Зеленый остров (Р12), Волгоградская (Р13), УрФУ (Р14), ЖБИ (Р15), Шарташ и Пионерский поселок (Р16), Эльмаш (Р17) (http://www.swsys.ru/uploaded/image/2015-2-dop/6.jpg).

Транзакциопоток сгруппирован в виде пятимерного OLAP-куба (№ района отправления, время отправления, № района прибытия, время прибытия, № маршрута). Размеры куба 17×21×17× ×21×31. Результаты анализа получены с помощью базовых для OLAP-куба операций проекции и сечения. Проекции на ось времени с применением агрегатных функций позволили определить экстремумы количества транзакций по различным осям куба, а операции сечения – провести анализ транзакциопотока по отдельным районам, маршрутам и временным интервалам.

По результатам анализа OLAP-куба сделаны следующие выводы о пиках транзакциопотока в г. Екатеринбурге. Наибольший транзакциопоток проходит в центральном районе (Р5) как по отправлению, так и по прибытию. Здесь плотность транзакциопотока больше в 4–5 раз, чем в других районах. Поэтому детальный анализ проведен по отправлению из Р5 и по прибытию в Р5. В рабочие дни наибольшие транзакциопотоки по отравлению из Р5 осуществляются в районы Р5, Р12, Р16, Р6 и Р10. Это наглядно продемонстрировано на рисунке 2, а наложение графиков говорит о сопоставимости отправлений пассажиров из Р5 в представленные районы города (Р12, Р16, Р6 и Р10). Кроме того, отчетливо видны пики нагрузок в утренние и вечерние часы. Проведен анализ по отравлению из района Р5 и по маршрутам, проходящим по району Р5 (рис. 3) и другим районам. На гистограмме транзакций (рис. 3) также отмечены пики нагрузок транцакциопотока для маршрутов трамваев, проходящих в эти часы по Р5. Аналогично наибольшие транзакциопотоки по прибытию в Р5 осуществляются из Р5, Р6, Р16, Р12, Р14.

В выходные дни картина немного изменилась: транзакциопотоки раскладываются на весь день с 10 до 18 часов и пик нагрузки наблюдается с 12 до 14 часов. Наибольшие транзакциопотоки по отравлению из Р5 осуществляются в Р5, Р10, Р12, Р16 и Р6, по прибытию в Р5 – из Р5, Р6, Р12, Р10, Р4.

На основании изложенного можно сделать следующие выводы. В статье описана процедура совместной обработки информации из двух БД с большим объемом информации: место и время оплаты проезда пассажира (транзакции), расписание и навигационные данные движения ПЕ городского электротранспорта. Показана возможность «склеивания» набора транзакций пересадок в единый маршрут пассажира, при этом решена задача «последней мили»: определены неизвестные место и время прибытия пассажира. Получены выборочные распределения пассажиропотока городского электротранспорта, содержащие основную информацию о перемещении пассажира: время и место начальной и конечной точек его поездки. В целях уменьшения объемов и времени вычисления сделаны два упрощения: остановки сгруппированы в КП, а город разбит на административные районы компактного проживания. Оценка пассажиропотока будет более полной, если решить сложную административную задачу: объединить соответствующие БД всех городских перевозчиков пассажиров (электротранспорт, автобусы, маршрутное такси, метро). В этом случае руководство транспортных предприятий и администрация города получат важную информацию о предпочтениях пассажиров по поездкам и критерии оценки качества существующей городской транспортной сети.

Литература

1.     Петрович М.Л., Лосин Л.А., Истомина Л.Ю., Костюченко А.К., Резников И.Л. Ретроспективный анализ динамики и структуры пассажиропотоков на границе ядра Петербургской городской агломерации // Социально-экономические проблемы развития и функционирования транспортных систем городов и зон их влияния: матер. XIX Междунар. (XXII Екатеринбургской) науч.-практ. конф. (16–17 июня 2013 г.). Екатеринбург: Изд-во АМБ, 2013. С. 57–64; URL: http://www.waksman.ru/Ru­ssian/Konference/2013/1390_Blok.pdf (дата обращения: 19.02.2015).

2.     Булычева Н.В., Лосин Л.А., Петрович М.Л., Федо- ров В.П. Разработка методов математического моделирования для формирования вариантов развития транспортной системы крупного города с учетом экономических ограничений. URL: http://www.waksman.ru/Russian/Konference/2013/1390_Blok.pdf.

3.     Корягин М.Е. Корректировка маршрутной сети общественного транспорта города Кемерово. URL: http://www.waks­man.ru/Russian/Konference/2013/1390_Blok.pdf (дата обраще­ния: 19.02.2015).

4.     Глик Ф.Г., Прищепов В.В. Развитие маршрутной системы общественного пассажирского транспорта Минска. URL: http://www.waksman.ru/Russian/Konference/2013/1390_Blok.pdf (дата обращения: 19.02.2015).

5.     Герасименко П.В. Математическое моделирование процесса формирования входного пассажиропотока на станциях метрополитена // Математическое моделирование в образовании, науке и производстве: тез. VI Междунар. конф. Тирасполь: Изд-во Преднестр. ун-та, 2009. С. 210–211.

6.     Дружинина Н.Г., Трофимова О.Г. Анализ технико-экономических показателей транспортной сети с помощью логистической модели // Дистанционное и виртуальное обучение. 2011. № 6 (48). С. 61–73.

7.     Ваксман С.А., Герасимов Н.И., Слепухина И.А. Информационные технологии в управлении городским общественным пассажирским транспортом (задачи, опыт, проблемы). Екатеринбург: Изд-во АМБ, 2012. 260 с.

8.     Ваксман С.А., Герасимов Н.М., Слепухина И.А., Патудина И.Ф. Суточная маршрутная подвижность за 366 дней. Ч. 1. URL: http://www.waksman.ru/Russian/Konference/2013/ 1390_ Blok.pdf (дата обращения: 19.02.2015).

9.     Лисиенко В.Г., Дружинина Н.Г., Трофимова О.Г., Трофимов С.П. Моделирование систем с использованием информационных технологий: учеб. пособие. Екатеринбург: Изд-во УГТУ-УПИ, 2009. 440 с.

10.  Лисиенко В.Г., Трофимова О.Г., Трофимов С.П., Дружинина Н.Г., Дюгай П.А. Моделирование сложных вероятностных систем: учеб. пособие. Екатеринбург: Изд-во УРФУ, 2011. 200 с.

11.  Дружинина Н.Г., Трофимова О.Г. Информационно-коммуникационная транспортная система // Программные продукты и системы. 2013. № 2. С. 231–238.

12.  Дружинина Н.Г., Трофимова О.Г. Многофункциональное навигационное устройство водителя общественного транспорта // Информационные технологии, телекоммуникации и системы управления: сб. докл. Междунар. конф. студентов, аспирантов и молодых ученых. Екатеринбург: Изд-во УрФУ им. первого Президента России Б.Н. Ельцина, 2015. C. 144–120; URL: http://lib.urfu.ru/file.php/148/Sbornik.pdf (дата обращения: 19.02.2015).

13.  Дружинина Н.Г., Трофимов С.П., Трофимова О.Г. Формирование транзакциопотоков на городском электротранспорте. Свид. о регистр. прогр. для ЭВМ № 2014661819, 2014.


 


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=4014
Версия для печати
Выпуск в формате PDF (4.84Мб)
Скачать обложку в формате PDF (0.35Мб)
Статья опубликована в выпуске журнала № 2 за 2015 год. [ на стр. 145-150 ]

Назад, к списку статей