автореферат диссертации по транспорту, 05.22.10, диссертация на тему:Совершенствование метода оценки транспортного спроса на перевозки городским пассажирским транспортом

На правах рукописи

Шаров Максим Игоревич

СОВЕРШЕНСТВОВАНИЕ МЕТОДА ОЦЕНКИ ТРАНСПОРТНОГО СПРОСА НА ПЕРЕВОЗКИ ГОРОДСКИМ ПАССАЖИРСКИМ ТРАНСПОРТОМ

Специальность 05.22.10 - Эксплуатация автомобильного транспорта

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

003453UbU

ИРКУТСК-2008

003453050

Работа выполнена в Иркутском государственном техническом университете.

Научный руководитель: доктор технических наук, профессор

Головных Иван Михайлович

Официальные оппоненты: доктор технических наук, профессор

Зырянов Владимир Васильевич

кандидат технических наук, доцент Ляпустии Павел Константинович

Ведущая организация: Лаборатория «Имитационное моделиро-

вание и логистика на транспорте» при ФГОУ ВПО «Сибирский федеральный университет»

Защита состоится "10"декабря 2008 г. в 12 часов на заседании диссертационного совета Д 212.073.04 ГОУ ВПО «Иркутский государственный технический университет» по адресу: 664074, Иркутск, ул. Лермонтова, 83.

Отзыв на автореферат в 2-х экземплярах, с подписью составителя и заверенный печатью организации, просим выслать в адрес диссертационного совета на имя его ученого секретаря. Факс: (3952) 40-50-69.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО Иркутского государственного технического университета

Автореферат разослан 2008 г.

Ученый секретарь диссертационного Совета, д.т.н. профессор

Н.Н. Страбыкин

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования определяется ростом уровня автомобилизации и транспортной подвижности населения нашей страны, что усложняет процесс проектирования систем городского пассажирского транспорта (ГПТ) и управления этими системами. К числу актуальных задач относится разработка эффективных методов оценки спроса на транспортное облуживание, в том числе позволяющих определять разделение этого спроса между ГПТ и индивидуальным автомобильным транспортом. Постоянно обновляемая информация о транспортном спросе позволяет повысить эффективность управления системой ГПТ и улучшить качество транспортного обслуживания населения.

Основной и важнейшей математической формой описания транспортного спроса населения на передвижения является межрайонная матрица корреспон-денций. Существует два принципиальных подхода к оценке матрицы корреспонденции:

расчет матрицы между транспортными районами;

её обновление с использованием данных замеров пассажиропотоков на участках сети и «старой» (т.е. полученной ранее) матрицы корреспонденций.

Первый метод требует выполнения трудоемких обследований подвижности населения. Второй - позволяет использовать методы измерения пассажиропотоков, в том числе автоматизированные, вместе с тем он был мало изучен советскими и российскими специалистами, при этом в зарубежной практике управления транспортными системами этот метод активно используется. Поэтому данное диссертационное исследование посвящено разработке метода оценки матрицы корреспонденций на сети ГПТ с использованием значений пассажиропотоков и «старой» матрицы корреспонденций.

Рабочая гипотеза заключается в том, что обновление матрицы корреспонденций с использованием данных замеров пассажиропотоков на сети ГПТ и «старой') матрицы корреспонденций позволяет значительно уменьшить трудоёмкость определения транспортного спроса, обеспечивая при этом необходимую точность.

Целью исследования является повышение эффективности планирования и управления работой общественного пассажирского транспорта на основе разработки метода определения транспортного спроса, использующего данные замеров пассажиропотоков на сети ГПТ и «старую» матрицу корреспонденций.

Объектом исследования является процесс передвижения пассажиров на общественном и индивидуальном автомобильном транспорте.

Предметом исследования являются распределение пассажирских корреспонденций между районами города, с использованием общественного и индивидуального автомобильного транспорта, а так же сходимостью предлагаемого метода обновления старой матрицы корреспонденций.

[

\ г

Задачи исследования:

1. Теоретически обосновать метод оценки транспортного спроса, основанного на обновлении матрицы корреспонденции с использованием замеров пассажиропотоков на сети и «старой» матрицы корреспонденций.

2. Разработать методику подготовки исходных данных для предлагаемого метода оценки транспортного спроса.

3. Рассчитать традиционным методом (используя данные о подвижности населения, определяемые анкетным способом, и емкости транспортных районов) существующую матрицу' на примере Иркутска.

4. Выполнить обновление «старой» матрицы корреспонденций с использованием данных о пассажиропотоках на примере сети ГПТ Иркутска.

5. Оценить точность предлагаемого метода оценки матрицы корреспонденций путем сравнения его с методом расчёта матрицы корреспонденций по данным обследований подвижности населения.

Научная новизна заключается в:

1) новом подходе к оценке существующего транспортного спроса, использующем данные обследований пассажиропотоков и «старой» матрицы корреспонденций;

2) математической модели регрессионного обновления матрицы корреспонденций пассажирских потоков при использовании «старой» матрицы и данных замеров пассажиропотоков на сети;

3) данных о подвижности населения, полученных в условиях растущего (современного) уровня автомобилизации, позволяющих повысить точность оценки транспортного спроса и корректировать сеть ГПТ.

Научные положения, выносимые па защиту:

1. Модель обновления матрицы пассажирских корреспонденций, основанная на данных замеров пассажиропотоков и «старой» матрицы корреспонденции, позволяющая значительно снизить трудоёмкость и стоимость работ в сравнении с методом расчёта матрицы, базирующемся на данных подвижности населения и емкостях транспортных районов;

2. Методика подготовки исходных данных для обновления матрицы корреспонденций, включающая проведение обследований пассажиропотоков и правила выбора сечений на сети ГПТ;

3. Результаты сравнения точности метода расчёта существующей матрицы корреспонденции, основанного на данных о подвижности населения и метода обновления матрицы пассажирских корреспонденций.

Обоснованность и достоверность научных положении, выводов и рекомендаций обеспечены: репрезентативными объемами выборок; проверкой сходимости расчётных и опытных данных, статистическими критериями; применением библиотек статистической обработки и оптимизации пакета MAT-LAB, и пакета макромоделирования пассажиропотоков VISUM.

Практическая значимость работы. Предложенный метод оценки транспортного спроса позволяет:

• муниципальным органам, перевозчикам, проектным организациям при планировании и проектировании работы ГПТ оценивать транспортный спрос на передвижения между районами города (т.е. существующую матрицу) используя только данные замеров пассажиропотоков, без сбора данных о районах прибытия и отправления, что позволяет значительно снизить трудоёмкость и стоимость таких работ;

• применять различные способы обследования пассажиропотоков, в том числе выполняемые с использованием новейших технологий (электронные проездные билеты, датчики входа-выхода на подвижном составе, детекторы).

Внедрение результатов работы. Предложенный в диссертации метод обновления существующих матриц корреспонденции применён в проектной работе, выполненной по заказу администрации г. Иркутска: «Расчет пассажирских потоков на городском маршрутном пассажирском транспорте и индивидуальном автомобильном транспорте в г. Иркутске».

Апробация работы. Основные положения и результаты диссертационного исследования были представлены в научных докладах и выступлениях: на ежегодной научно-технической конференции Иркутского государственного технического университета (г. Иркутск, 2007 г.); на XV и XVI Международных научно-практических конференциях «Социально-экономические проблемы развития транспортных систем городов и зон их влияния» (г. Екатеринбург, 2006, 2007 гг.); на V всероссийской научно-технической конференции (Красноярск, 2007 г.); на V международной научно-практической конференции (Минск, 2007г.); на VII и VIII международной научно-практической конференции «Организация и безопасность дорожного движения в крупных городах» (г. С-Петербург, 2006, 2008 гг.).

Публикации. По теме диссертации опубликовано 10 печатных работ, в том числе 2 публикации в рецензируемом издании, включенном в перечень ВАК, б - в российских изданиях и 2 - в зарубежных.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, общих выводов, списка литературы и приложения. Содержит 160 страниц основного текста, включает 23 таблиц и 28 рисунков. Библиографический список содержит 132 источника.

СОДЕРЖАНИЕ РАБОТЫ Во введении представлена актуальность решаемой задачи, научная новизна и практическая ценность работы. Приводится краткое содержание основных разделов диссертации

В первой главе дана характеристика современного состояния планирования и управления работой городского пассажирского транспорта. Проанализированы основные подходы в области определения спроса на перевозки, получения и обновления матриц корреспонденций. В нашей стране исследованиями в этой области занимались А.П. Артынов, И.О. Брайловский, С.А. Ваксман, Г. А. Ва-релопуло, Е.П. Володин, В.А. Гудков, И.М. Головных, И.С. Ефремов, Л.Б. Ми-ротин, А.Ю. Михайлов, И.В. Спирин, М.Л. Дыданюк, Ш.С. Имельбаев, В.Ш.

Крупник, H.B. Лившиц, А.Н. Мальгин, B.C. Огай, В.В. Скалецкий, Б.Л. Шмуль-ян и др.

Выделяют два основных этапа планирования: оперативное (т.е. краткосрочное) и перспективное (т.е. планирование на длительный период времени). Исходной информацией на любой стадии планирования, проектирования, управления пассажирскими перевозками являются данные о спросе на передвижения (матрица корреспонденции).

Исходя из этого, можно сделать вывод, что наличие матрицы корреспонденции необходимо для организации работы ГПТ, как в настоящее время, так и на прогнозируемый период.

Процесс получение матрицы путем определения данных подвижности населения весьма трудоёмок и не всегда возможен. Значит, очень важно наличие методов обновления матриц корреспонденции, которые не требуют, больших усилий для получения исходных данных, а также дают возможность, проведения оперативного обновления с использованием автоматизированных средств регистрации пассажиров.

Вторая глава посвящена теоретическим аспектам и разработке метода регрессионного обновления матрицы корреспонденции с использованием значений пассажиропотоков, измеренных на транспортной сети.

Задачу определения транспортного спроса по результатам выборочного обследования потоков (пассажирских и транспортных) на транспортной сети рассматривали многие авторы: В.Н. Мягков, В.П. Федоров, АЛО. Михайлов, М. G. Н. Bell, D. Е. Воусе, Е. Cascetta, G. Davis, S. Erlander, С. Fisk, M. Florian, R. Hamerslag, C. Hendrickson, D. O. Jornsten, Y. lida, J. T. Lundgren, M. J. Mäher, S. McNeil, S. Nguyen, N. L. Nihan, T. Sasaki, H. Spiess, J. Van der Zijpp, H. J. Van Zuylen, L. G. Willumsenl, H. Yang.

В работах M.G. Bell предложена модель прогноза корреспонденции, в которой потоки на сети известны в целом, без выделения составляющих по отдельным корреспондирующим парам районов. Такой подход, безусловно, связан с простотой получения данных (т.е. необходимо лишь измерять потоки на сети), при этом возможно использование устройств, автоматически фиксирующих величины транспортных потоков (детекторов транспорта различных типов).

Обзор применения за последние 30 лет методов обновления матриц корреспонденции на основе измеренных значений штоков представлен в отчете Международного института прикладного системного анализа (IIASA). Его автор Т. Abrahamsson полагает, что в наиболее общем виде обновление существующей матрицы корреспонденций формулируется следующим образом:

т1п(#,г} = V.F.(,gJ) 4- Y2F:(u,v) gtv > 0 (1)

при условии V =

где 8 - обновление матрицы корреспонденций; Г'- вектор значений наблюдаемых потоков; Fi' Fz- некоторые меры расстояния; ossigtt(g) _ распределение потоков по сети, которые разделяют матриц)' корреспонденций на потоки, следующие разными маршрутами.

Как один из видов оценки (1) можно рассматривать метод наименьших модулей (МНМ)

Е?«,!*,! « Х£хЬ«-А1 ■ НУ у; - °о I -Шп (2)

где е:= У{ ~ - расхождения измеренных значений потоков )'; и расчетных значений потоков У г на звеньях сети (остатки регрессии); п - количество дуг, на которых известна интенсивность движения, /' = 1,2,...,и; т - количество оцениваемых корреспонденции; - элементы матрицы инциденций (а„ =1 если корреспонденция } принадлежит дуге /, в противном случае 0); Х1 - определяемые корреспонденции;/ = 1,2

Цель оценивания (2) состоит в нахождении такого вектора корреспонденции при котором соответствующий пассажиропоток на звеньях сети У максимально близок замеренном^' значению пассажиропотока У г. Устойчивость указанной функции (2) к ошибкам измерении потоков, по сравнению с функцией

21=<|у, - х.й^Г = очевидна и поэтому она относится к так называемым методам робастной регрессии.

Любая предварительная информация о распределении потоков существенно повышает точность оценивания матрицы корреспонденций, к ним относятся:

• данные частичного обследования пассажиропотоков, распространяющиеся на генеральную совокупность;

• «старая» (ранее рассчитанная) матрица корреспонденций, корректируемая на основе данных замеренных пассажиропотоков;

• данные распределения пассажирских потоков по сети, полученных по «старой» матрице, корректируемые с использованием существующих значений пассажиро потоков.

В соответствии поставленной задачей настоящего диссертационного исследования необходимо разработать метод, пригодный для обновления определенной ранее матрицы корреспонденций при следующих условиях:

• рассматривается детальное представление сети в виде ориентированного графа, на специально выбранных сечениях которого замерами устанавливается значение пассажиропотока;

• берутся данные обследований пассажиропотока (ручной или автоматический подсчет, видеосъемка с последующей обработкой, датчики входа выхода, и

т.д.);

• используется ранее рассчитанная матрица корреспонденций (материалы генплана, КТС и т.д.), а также картограмма пассажирских потоков, полученная по этой матрице;

• матрица корреспонденций между выделенными вершинами сети определяется методами математической статистики, т.е. с помощью робастнош регрессионного анализа.

Для решения задачи (2) необходимо использовать методы линейного программирования, в которых на оцениваемые параметры налагаются ограничения по знаку (\ > 0). В рассматриваемой задаче обновления матриц корреспонден-

ции, оцениваемые переменные имеют только положительные значения, а знакопеременными являются только остатки регрессии. Поэтому для применения метода МНМ (2) требуется ввод дополнительных переменных, позволяющих включить остатки регрессии в состав целевой функции линейного программирования.

Для введения фиктивных переменных г, и выполняется ряд преобразований:

1) формируется новый столбец оцениваемых переменных - ...Д.) размерности (м + 2д)х 1. в котором - элементы, оцениваемые корреспондирующие потоки ,г, 2 п - фиктивные переменные.

2) в матричной форме задача, кроме нового вектора-столбца оцениваемых параметров \:2, представляется измененной добавлением фиктивных переменных матрицей А размерности п X (т + 2?!}:

Л я,, ... а^.. О 0 ... О -I 0 ... О

Л2 =

2. д- ... а2п 0 1 ... О О 0 ... О

, аг1 ... Й.^ 0 0 0 0 0 0 ... -1.

3) поскольку оцениваемые параметры д.%,..., г,„, которые входят в состав вектора х2, не должны влиять на целевую функцию, т.е. е = /;Гг2,, вектор коэффициентов при неизвестных целевой функции / размерности {т + 2«) X I формируется по принципу: ™ 0, / = 1

Ji lQ, if ft > 0 else'

Г- I0' & >Q

11, else'

; т + Ijn + и; ; т -г 1 ,т -г 2п.

В соответствии с приведенной выше процедурой, вектор ошибок е определяется с учетом результатов оценки вектора корреспонденций л на предыдущей итерации. В зависимости от знака ошибки es, задаются элементы вектора х 2, начиная с индекса ??г -f 1 (фиктивные переменные) по правилу: г, — шлх(0,е), ! = п -г 1 л + т: Sj = nvax(-e ,0), г ~ n + т + 1, п 2 т. В матричной форме решение получает следующий вид:

»«гк2Г=1',р1 i = т'*п07х%)> (3)

при линейных ограшшениях налагаемых на переменные

А2 X XI = у, (4)

и двухсторонних ограничениях налагаемых на вектор оцениваемых параметров л lb < х2 < \ub,xlh > 0 ,xub > 0. (5)

Для решения задачи линейной оптимизации (3) использовалась библиотека OPTIMIZATION TOOLBOX, в которой реализована соответствующая функция LINPROG пакета MATLAB, что позволяет проводить вычисления с разряженными матрицами большой размерности.

В третьей главе описаны общие методики экспериментальных исследований: определение величин пассажиропотоков и транспортного спроса.

1. Установлена последовательность метода определения транспортного спроса, по данным подвижности населения. Установлено количество транспортных районов. Представлены основные положения анкетного обследования населения и необходимый объём выборки для города численностью до 600 тысяч человек.

2. Разработана анкета для оценки подвижности населения и программное приложения в среде Microsoft Office "Access" (рис. 1) для обработки полученных анкет транспортного обследования. Получено и обработано 3 157 анкет.

3. Установлены необходимые характеристики подвижности населения и транспортной сети для расчёта матрицы корреспонденций: транспортная подвижность населения; коэффициент Пересадочности и суточной неравномерности; уровень качества транспортного обслуживания (затраты времени на передвижение по трудовым целям); уровень и структура затрат времени на передвижение (накладные затраты: продолжительность подходов к остановочным пунктам, время ожидания на них; время, затрачиваемое на пересадки, и подходы от остановочных пунктов; суммарное время поездок). Наряду с этим произведена оценка годового объёма транспортной работы и средней скорости сообщения.

4. Рассмотрены основные методики определения пассажиропотоков. Предложена методика определения пассажиропотоков для регрессионного обновления матрицы корреспонденции, на специально выбранных сечениях.

ЗВвДИТв улицу (микрврвйзн}, -CTÎ3 ДОМ« и NV.MOMHHÎ (ГарАМ«, стаяскн), s

гас« ne - . ахй --«деке, >: к; -с;;* стнсолся дадав объект

: на^гансзэФе Дэн Зона

1Г"ТдТО

: зо it-су ; S Армии у ; 8 .'/врта пээ 9 ^Ьеээя ул A;.-3Top>jB ул . A=-OHOOH/SXi25 УЛ

Avï»oe:Koro nto Д»-1декр*а Буод«-Ах&АЫ—КО

: А>'.гдбР1»*<в Сбьая. :А<адег - : ■ Паши» A :dJC---< ; ПОР.1 ЮС

Аксасзэуг Александра Матрс Ars-XÏ-Дра "-Î-:v

¡4-я Советская i 6-я-Советская . ! Академическая Академическая

-«is АКЗДеИМеСКв

Oc-st-o&v.

4-яСсевтосая 8-я больница Автовокзал Батарейная

Госпиталь Ветеранов М-он Обллтный

Э-д нерудных материал .

Иркутнын пост I Возле АЭС

Общежитие

прсГорького

С-боГеолО"

С-во Наука

С-во Сосна

Телецентр

Прокуратура

П. Знергбтиков .Два направления

Студиякинохроники : Два направления

Останова Юхо-ея

Два направленна

сзна 8 зона'.if

[ Создать I I" ТОЕЗД'^Г I

( Уцгогэ I

Рис. 1. Программное приложение для обработки транспортных анкет

Важной задачей является выбор сечений сети, их количество будет всегда меньше, чем число корреспонденций. Выбранные сечения должны располагаться на:

• границах зон, где сосредоточены основные потоки, тяготеющие к конкретной зоне;

• основных магистралях, на которых сосредоточены большая часть маршрутов, например, мосты, главные улицы и т.д.

• крупных остановочных пунктах и перекрёстках, а также иметь удобные места, обеспечивающие обзор для проведения натурных обследований.

В четвертой главе приведены результаты апробации предложенного метода обновления матрицы корреспонденции по данным замеров величин пассажиропотоков на сети ГПТ Иркутска и «старой» матрицы корреспонденции, разработанной в 1985 г. в рамках Генерального плана Иркутска ЦНИИП градостроительства и картограммы пассажирских потоков, выполненных той же организацией.

По результатам выполненного анкетного обследования средняя транспортная подвижность в Иркутске - 876 передвижений с использованием транспорта в год. Общая подвижность (передвижений/сутки на 1 чел) - 2,4; маршрутная подвижность (поездок/сутки на 1 чел.) - 4,06; коэффициент пересадочности 1,5. По результатам оценки сетевой подвижности транспортная работа маршрутного нерельсового транспорта составляет 2 млрд 627 млн пасс.км/го д. При этом для расчета принимались следующие значения: средняя продолжительность поездки - 19,6 мин; скорость сообщения - 18 км/ч; численность населения, участвующего в передвижениях (исключаются дети дошкольного возраста и школьники начальных классов) - 536 тыс. чел.

По результатам обследования (рис. 2.) требования СНИП 2.07.01-89* не выполняются. Затраты времени населением на передвижения по трудовым целям составляют 38 мин лишь у 55% респондентов.

% 100-.-.-.-т-,------------—

95 ■ : --

90 •

85 • /Г

80 ■ / 75 • /

70 • /

65 ■ /

60 ■

55 «—--4

50 /

45 • Г~\[

0 20 40 60 80 100 120 140 160 180 200

Полные затраты времени на передвижения, мин Рис. 2. Распределение затрат времени на передвижение по трудовым целям в один конец

По результатам оценки суточного распределения поездок установлено что: максимальный часовой поток приходится на период 7:00 - 8:00;величина коэффициента суточного максимума - 0,127. Получены следующие параметры исходных данных для оценки кривой тяготения:

Число респондентов, чел. 3157

Максимальные затраты времени, мин 230

Минимальные затраты времени, мин 1

Среднее значение затрат, мин 39.06

Медиана выборки 37

Размах выборки 230

Стандартное отклонение 19.54

Дисперсия 381.90

Выполненный по материалам анкетных данных поиск функций тяготения показал, что наилучшей аппроксимацией обладает функция EVA (рис 3, табл. 1)-

НIV" =----Б

и (1+н(6)

где Е, F, G - калибровочные коэффициенты.

Суммарные затраты времени на передвижения, мин Суммарные затраты на передвижения, мин

а) 6)

Рис. 3. а) - гистограмма распределения суммарных затрат времени на передвижения в г. Иркутске, аппроксимация нормальным распределением; б) - кривая тяготения, построенная с использованием данных выборочного анкетирования на основе модели EVA

Коэффициент множественной детерминации для рассмотренной функции R2 >0.98, что подтверждает высокое качество аппроксимации данных анкетных обследований.

Таблица 1

Статистика исходных данных для оценки кривой тяготения

Тип передвижения Е F G

Все виды передвижений 1.078 3,855 0,0707

Индивидуальный транспорт 0,915 4.330 0,1199

Общественный транспорт 0,8618 4,517 0,09017

Для выполнения балансировки корреспонденции с учетом функций тяготения жителей Иркутска разработана программа «Матрица», основанная на гравитационной модели расчёта, позволяющая задавать разные функции тяготения (рис. 4).

В расчетах, выполняемых для Иркутска, было принято: число расчетных транспортных районов-92 (детальный расчет): число укрупненных зон-13 (рис.

5).

Рис. 4. Общий вид рабочего окна «Матрица»

Для реализации предложенного метода оценки матрицы корреспонденции (35) была разработана программа с использованием библиотеки OPTIMIZATION TOOLBOX среды MATLAB. Размерность оцениваемой матрицы 40 X 1S6, где 40 -количество сечений на сети ГИТ (табл. 2), 156 - количество корреспонденции. По результатам эксперимента сходимость потоков, по предложенной методике достигается уже на третьей итерации (рис. 6).

Заключительным этапом работы являлась оценка точности предложенного метода оценки транспортного спроса.

Таблица 2

Замеренные величины пассажиропотоков на сети ГЛТ г. Иркутска

Номера сечений на сети ГПТ 1 2 3 4 5 6 7 8 9 10

Р 55372 57057 42221 44862 77558 82210 80549 84067 6292 6431

Номера сечений на сети ГПТ 11 12 13 14 15 16 17 18 19 20

Р 6698 6820 3987 3857 9146 9398 40087 38534 40087 38534

Номера сечений на сети ГПТ 21 22 23 24 25 26 27 28 29 30

Р 25216 22124 68160 67879 30264 30721 37119 30965 80759 47880

Номера сечений на сети ГПТ 31 32 33 34 35 36 37 38 39 40

Р 100309 104334 81165 73762 71313 70138 75901 76223 172743 148066

Номера сечений на сети ГПТ 31 32 33 34 35 36 37 38 39 40

Р 100309 104334 81165 73762 71313 70138 75901 76223 172743 148065

Р- пассажиропоток, пасс./сутки

Рис. 5. Транспортная сеть города с выбранными сечениями (1-13 - № транспортных районов; 1-40 - № сечений на сети)

Номер итерации Номер нтерашш

а) б)

Рис. б. Оценка сходимостп корреспонденции: а) Ошибки значении потоков е1 = у. - у, (остатки регрессии); б) Среднее абсолютное отклонение потоков

Основными показателями оценки качества определения целевых параметров являются коэффициент корреляция (Д) и величина Я2, называемая множественным коэффициентом детерминации, которая показывает долю вариации зависимой переменной, обусловленную регрессией или изменчивостью объясняющих переменных. Она является мерой качества уравнения регрессии, характеристикой прогностической силы анализируемой регрессионной модели: чем ближе К" к единице, тем лучше регрессия описывает зависимость между объясняющими и зависимой переменными. Результаты их расчётов представлены на рис. 7 и в табл. 3.

Таблица 3

Анализ точности оценки

Сравниваемые параметры Статистика

И. Я2

Корреспонденции 0,95 0,91

О 10000 20000 30000 40000 50000

Корреспонденции полученные по результатам замеров лассажиропотоков(чел-сут)

Рис. 7. График корреляционной зависимости корреспонденции

Поскольку корреспонденции не подчиняются нормальному закон}' (рис. 8), необходимо было использовать статические оценки, не требующие нормальности распределения.

Корреспонденции Корреспонденции

а) б)

Рис. 8. Гистограмма распределения корреспонденции: а) обновленная матрица корреспонденции; б) матрица, полученная с использованием данных о подвижности населения

90 80

70 60

Р 50

О »-

О

™ 40 30 20 10

0

Рис. 9. Гистограмма распределения ошибок рашостп между корреспондеп-

цпямп

Одна из представленных в диссертации статистических процедур - проверка значимости среднего значения разности пар с применением /-критерия Стью-дента, который признается в статистической литературе оптимальным критерием метода парных сравнений. Проверка статистической значимости разности пар проводится по формуле:

(7)

ТЛЧЕЛУ/п

и(и-1)

при этом число степеней свободы для критерия Стьюдента V = п - 1.

Рассматриваемая выше формула (7) представляет собой отношение среднего значения разностей и соответствующего стандартного отклонения Проверяется нуль-гипотеза ц/=0, где ^ - истинное среднее значение разности пар. Противопоставляемая ей альтернативная гипотеза предполагает (двухсторонний критерий). Нуль-гипотеза принимается, если рассчитанное значение критерия Стьюдента / меньше критического или равно ему /(„а). Проверка связанных выборок с помощью /-критерия имеет менее строгие допущения (Л. Закс), переменные могут значительно отклоняться от нормального распределения (достаточно чтобы их разности распределялись по нормальному закону)- В целом распределения разности ошибок близки к нормальному (рис. 9), что позволяет достаточно обоснованно применять критерий Стьюдента.

-16000 -12000 -8000 -4000 0 4000 8000

Ошибки разности корреспонденций

Таблица 4

Сталкпцческое сравнение двух .методов_

Сравниваемые параметры Среднее N Стандартное отклонение 1 #

Корреспонденции рассчитанные 5303,583 156 2890,551 -1,14816 155

Корреспонденции обновлённые 5569,301

Коэффициент Стьюдента г при сравнении двух матриц составил 1,14, что не превышает кршгического значения = 1.96 (табл. 4). Результат позво-

ляет утверждать, что заявленная рабочая гипотеза подтверждена, а предложенный в работе метод имеет достаточную работоспособность и может быть применен на практике.

На основании полученных результатов предложена корректировка сети основных автобусных маршрутов Иркутска.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ Диссертация является законченным научно-квалификационным исследованием, в котором содержится решение задачи повышения эффективности планирования и управления работой городского пассажирского транспорта на основе применения метода определения транспортного спроса, использующего регрессионное обновление матрицы корреспонденции, внедрение которого позволит значительно снизить трудозатраты и стоимость обследований. Это позволило сделать следующие выводы:

1. Традиционный метод получения данных о транспортном спросе является трудоёмким и дорогостоящим процессом.

2. Теоретически обоснован метод регрессионного обновления матрицы корреспонденции по данным замеров величин пассажиропотоков и «старой» матрицы корреспонденции, которая описана в М-файле программной среды МАТЬАВ.

3. Предчожена методика подготовки исходных данных для обновления матрицы корреспонденции, включающая проведение обследований пассажиропотоков и правила выбора сечений на сети ГПТ. Методика позволяет использовать современные автоматизированные средства регистрации пассажиров, что значительно снижает трудоёмкость обследований

4. Оценка характеристик подвижности населения Иркутска в современных условиях, которые были определены по специально разработанной анкете, позволили установить, что:

•только 55% населения при поездке на работу укладываются в установленный норматив 38 мин. Средняя продолжительность времени поездки составляет 19, 6 минут;

•максимальный пассажиропоток приходится на утренние часы с 7:00 - 8:00, а коэффициент суточного максимума составляет 0,127, что подтверждается исследованиями, которые были проведены в других городах;

• средняя подвижность населения в сутки составила 2,4 поездок на одного человека в сутки, а количество поездок, которое приходится на одного жителя в год, составляет 876.

5. Используя существующий метод расчета транспортного спроса на основе данных о подвижности населения, была рассчитана матрица корреспонденции. В специально разработанном программном обеспечении применялась гравитационная модель. В процессе чего было установлено:

•наибольшее сосредоточение пассажиропотока отмечено в 1 зон}' (центр города), что говорит о необходимости разнесения функций центра в другие районы города.

• наилучшей аппроксимацией данных при расчете кривой расселения обладает функция EVA, коэффициент множественной детерминации для рассмотренной функции Л2 >0.98

6. Апробация предложенного метода на реальной сети ГИТ показала, что он позволяет решать основным задачи в области планирования и управления работой ГПТ. В процессе реализации была обновлена матрица корреспонденции, полученная 1985 г.

7. Оценка точности предложенного метода показала, что он сопоставим с методом расчёта матрицы корреспонденции на основе данных о подвижности, а коэффициент корреляции составил R >0.95 Так же, при проверке значимости разницы пар выборки, было установлено, что коэффициент Стьюдента f = 1.14, что не превышает критического значения Í0,05:is5 = ^96

8. Разработанный метод позволяет существенно снизить сроки и затраты на определение транспортного спроса, потому как использует, только лишь данные замеров величин пассажиропотоков и «старой» матрицы корреспонденции. Ожидаемый экономический эффект от внедрения мероприятия в Иркутске составил более 1 млн. рублей.

Основные материалы диссертации опубликованы в следующих печатных работах:

В рецензируемых изданиях, рекомендованных ВАК РФ для кандидатских диссертаций:

1. Шаров М.И. Методика оценки транспортного спроса для проектов организации дорожного движения /М.И. Шаров//Вестник ИрГТУ. 2007. - №4(32). -С.151-154.

2. Шаров М.И. Результаты сравнения методов оценки транспортного спроса на сети городского общественного транспорта /М.И. Шаров//Вестник ИрГТУ. 2008. -№3(35). -С.144-147.

Опубликованные в других изданиях:

3. Шаров М.И Оценка пропускной способности остановочных пунктов / A.B. Зедгенизов, М.И. Шаров, А.Б. Куприянова // Социально-экономические проблемы развития транспортных систем городов и зон их влияния. Материалы XV международной научно-практической конференции - Екатеренбург: АМБ, 2006.-С.197-201.

4. Шаров МИ. Исследование параметров расселения г. Иркутска / М.И. Шаров, А.Б. Куприянова, А.Г. Левашев, Р.Ю. Лагерев // Вестник стипендиатов DAAD, Иркутск: Иркутский государственный технический университет, 2006. -С.90-95.

5. Шаров М.И. Обследование подвижности населения в г. Иркутске / МИ. Шаров, A.B. Зедгенизов // Социально-экономические проблемы развития транспортных систем городов и зон их влияния. Материалы XIII Международной научно-практической конференции - Екатеринбург: АМБ 2007.- С. 171 -173.

6. Шаров М.И. Оценка кривой тяготения жителей г. Иркутска относительно центра по данным анкетирования / МИ. Шаров, Р.Ю. Лагерев, А.Б. Куприянова // Социально-экономические проблемы развития транспортных систем городов и зон их влияния. Материалы XIII Международной научно-практической конференции - Екатеринбург: АМБ 2007,- С. 167-171.

7. Шаров М.И. Результаты анкетного обследования подвижности населения в г. Иркутске в 2006 г. / М.И. Шаров // Политранспортные системы. Материалы V Всероссийской научно - технической конференции - Красноярск: Красноярский государственный технический университет, 2007. — С. 197-202.

8. Шаров М.И. Расчет кривых тяготения с использованием данных выборочного анкетирования на основе модели EVA. / М.И. Шаров, A.B. Зедгенизов, А.Г. Левашев, Р.Ю. Лагерев // Материалы пятой международной научно-практической конференции - Минск: Белорусский национальный технический университет, 2007 - С.535 - 541.

9. Шаров М.И Сравнение точности методов оценки корреспонденции на сети городского общественного транспорта / МИ. Шаров, Р.Ю. Лагерев // Сборник докладов 8-й международной конференции «Организация и безопасность дорожного движения в крупных городах» - Санкт-Петербург: Санкт-Петербургский государственный архитектурно - строительный университет. -2006.-С. 248-250.

10. Sharov MI. Robust estimation of Origin-Destination matrix from volumes counts / A. U. Lagerev, A. Y. Mikhailov, M.I. Sharov //Networks for mobility 2008: Proceedings of the 4th International Symposium / Martin, U. et al. (Eds.). - Stuttgart, FOVUS, 2008.-P. 54-56.

Подписано в печать 5.11.2008. Формат 60 х 84 / 16. Бумага офсетная. Печать офсетная. Усл. печ. л. 1,0. Уч.-изд. л. 1,25. Тираж 100 экз. Зак. 455. Поз. плана 47н.

ИД № 06506 от 26.12.2001 Иркутский государственный технический университет 664074, Иркутск, ул. Лермонтова, 83

ВВЕДЕНИЕ.

ГЛАВА 1 СОВРЕМЕННОЕ СОСТОЯНИЕ И ЗАДАЧИ ПЛАНИРОВАНИЯ ПАССАЖИРСКИХ АВТОМОБИЛЬНЫХ ПЕРЕВОЗОК НА ОСНОВЕ ОЦЕНКИ ТРАНСПОРТНОГО СПРОСА.

1.1 Общие задачи планирования пассажирских автомобильных перевозок.

1.2 Методы расчета матриц корреспонденций на основе данных подвижности населения.

1.3 Методы обновления матриц корреспонденций.

1.4 Задачи исследования.

ГЛАВА 2 ОБОСНОВАНИЕ МОДЕЛИ РЕГРЕССИОННОЙ ОЦЕНКИ СУЩЕСТВУЮЩЕЙ МАТРИЦЫ

КОРРЕСПОНДЕНЦИЙ.

2.1 Общие принципы регрессионной оценки матриц корреспонденций.

2.2 Методы робастной регрессии.

2.3 Предлагаемая модель регрессионной оценки существующей матрицы корреспонденций с использованием данных замеров пассажиропотоков на сети ГПТ.

2.4 Выводы.

ГЛАВА 3 МЕТОДИКА ПРОВЕДЕНИЯ ОБСЛЕДОВАНИЯ

ПАССАЖИРСКИХ ПОТОКОВ И ТРАНСПОРТНОГО СПРОСА.

3.1 Исследуемые характеристики транспортного спроса.

3.1.1 Характеристики передвижений населения.

3.1.2 Параметры сети ГПТ.

3.1.3 Кривая расселения.

3.2 Методика обследования пассажиропотоков на сети.

3.2.1 Существующие методики обследования пассажиропотоков

3.2.2 Выбор метода обследования и правила определения сечений.

3.3 Существующая методика определения транспортного спроса.

3.3.1 Разделение территории города на расчетные зоны.

3.3.2 Разработка транспортной анкеты и общие положения анкетных обследований.

3.3.3 Объём опроса населения.

3.3.4 Обработка полученных данных.

3.4 Выводы.

ГЛАВА 4 СРАВНЕНИЕ ТОЧНОСТИ МЕТОДОВ ОЦЕНКИ

МАТРИЦ КОРРЕСПОНДЕНЦИИ.

4.1 Результаты обследования подвижности населения.

4.1.1 Подвижность населения по результатам обследования.

4.1.2 Качество транспортного обслуживания по результатам обследования.

4.1.3 Кривая расселения в г. Иркутске по результатам обследования.

4.2 Результаты расчета матриц корреспонденции: на основе подвижности населения.

4.3 Результаты обследования пассажиропотоков.

4.4 Результаты обновления ранее рассчитанной матрицы корреспонденции по данным замеров пассажиропотоков.

4.5 Статистическое сравнение двух методов оценки матриц корреспонденций.

4.6 Экономическая эффективность мероприятия.

4.7 Выводы.

Актуальность темы исследования определяется ростом уровня автомобилизации и транспортной подвижности населения нашей страны, что усложняет процесс проектирования систем городского пассажирского транспорта (ГПТ) и управления этими системами. К числу актуальных задач относится разработка эффективных методов оценки спроса на транспортное облуживание, в том числе позволяющих определять разделение этого спроса между ГПТ и индивидуальным автомобильным транспортом. Постоянно обновляемая информация о транспортном спросе позволяет повысить эффективность управления системой ГПТ и улучшить качество транспортного обслуживания населения.

Основной и важнейшей математической " формой описания транспортного спроса населения на передвижения является межрайонная матрица корреспонденций. Существует два принципиальных подхода к оценке матрицы корреспонденций: расчет матрицы между транспортными районами; её обновление с использованием данных замеров пассажиропотоков на участках сети и «старой» (т.е. полученной ранее) матрицы корреспонденций.

Первый метод требует выполнения трудоемких обследований подвижности населения. Второй - позволяет использовать методы измерения пассажиропотоков, в том числе автоматизированные, вместе с тем он был мало изучен советскими и российскими специалистами, при этом в зарубежной практике управления транспортными системами этот метод активно используется. Поэтому данное диссертационное исследование посвящено разработке метода оценки матрицы корреспонденций на сети ГПТ с использованием значений пассажиропотоков и «старой» матрицы корреспонденций.

Рабочая гипотеза заключается в том, что обновление матрицы корреспонденций с использованием данных замеров пассажиропотоков на сети ГПТ и «старой» матрицы корреспонденций позволяет значительно уменьшить трудоёмкость определения транспортного спроса, обеспечивая при этом необходимую точность.

Целью исследования является повышение эффективности планирования и управления работой общественного пассажирского транспорта на основе разработки метода определения транспортного спроса, использующего данные замеров пассажиропотоков на сети ГПТ и «старую» матрицу корреспонденций.

Объектом исследования является процесс передвижения пассажиров на общественном и индивидуальном автомобильном транспорте.

Предметом исследования является распределение пассажирских корреспонденций между районами города, с использованием общественного и индивидуального автомобильного транспорта, а так же сходимость предлагаемого метода обновления старой матрицы корреспонденций.

Задачи исследования:

1. Теоретически обосновать метод оценки транспортного спроса, основанного на обновлении матрицы корреспонденций, с использованием замеров пассажиропотоков на сети и «старой» матрицы корреспонденций.

2. Разработать методику подготовки исходных данных для предлагаемого метода оценки транспортного спроса.

3. Рассчитать традиционным методом (используя данные о подвижности населения, определяемые анкетным способом, и емкости транспортных районов) существующую матрицу на примере Иркутска.

4. Выполнить обновление «старой» матрицы корреспонденций с использованием данных о пассажиропотоках на примере сети ГПТ Иркутска.

5. Оценить точность предлагаемого метода оценки матрицы корреспонденций путем сравнения его с методом расчёта матрицы корреспонденций по данным обследований подвижности населения.

Научная новизна заключается в:

1) новом подходе к оценке существующего транспортного спроса, использующем данные обследований пассажиропотоков и «старой» матрицы корреспонденций;

2) математической модели регрессионного обновления матрицы корреспонденций пассажирских потоков при использовании «старой» матрицы и данных замеров пассажиропотоков на сети;

3) данных о подвижности населения, полученных в условиях растущего (современного) уровня автомобилизации, позволяющих повысить точность оценки транспортного спроса и корректировать сеть ГПТ.

Научные положения, выносимые на защиту:

1. Модель обновления матрицы пассажирских корреспонденций, основанная на данных замеров пассажиропотоков и «старой» матрицы корреспонденций, позволяющая значительно снизить трудоёмкость и стоимость работ в сравнении с методом расчёта матрицы, базирующемся на данных подвижности населения и емкостях транспортных районов;

2. Методика подготовки исходных данных для обновления матрицы корреспонденций, включающая проведение обследований пассажиропотоков и правила выбора сечений на сети ГПТ;

3. Результаты сравнения точности метода расчёта существующей матрицы корреспонденций, основанного на данных о подвижности населения, и метода обновления матрицы пассажирских корреспонденций.

Обоснованность и достоверность научных положений, выводов и рекомендаций обеспечены: репрезентативными объемам выборок; проверкой сходимости расчётных и опытных данных, статистическими критериями; применением библиотек статистической обработки и оптимизации пакета MATLAB, и пакета макромоделирования пассажиропотоков VISUM.

Практическая значимость работы. Предложенный метод оценки транспортного спроса позволяет:

•муниципальным органам, перевозчикам, проектным организациям при планировании и проектировании работы ГПТ оценивать транспортный спрос на передвижения между районами города (т.е. существующую матрицу) используя только данные замеров пассажиропотоков, без сбора данных о районах прибытия и отправления, что позволяет значительно снизить трудоёмкость и стоимость таких работ;

•применять различные способы обследования пассажиропотоков, в том числе выполняемые с использованием новейших технологий (электронные проездные билеты, датчики входа-выхода на подвижном составе, детекторы).

Внедрение результатов работы. Предложенный в диссертации метод обновления существующих матриц корреспонденций применён в проектной работе, выполненной по заказу администрации г. Иркутска: «Расчет пассажирских потоков на городском маршрутном пассажирском транспорте и индивидуальном автомобильном транспорте в г. Иркутске».

Апробация работы. Основные положения и результаты диссертационного исследования были представлены в научных докладах и выступлениях: на ежегодной научно-технической конференции Иркутского государственного технического университета (г. Иркутск, 2007 г.); на XV и XVI международных научно-практических конференциях «Социально-экономические проблемы развития транспортных систем городов и зон их влияния» (г. Екатеринбург, 2006, 2007 гг.); на V всероссийской научно-технической конференции (Красноярск, 2007 г.); на V международной научно-практической конференции (Минск, 2007г.); на VII и VIII международной научно-практической конференции «Организация и безопасность дорожного движения в крупных городах» (г. С-Петербург, 2006, 2008 гг.).

Публикации. По теме диссертации опубликовано 10 печатных работ, в том числе 2 публикации в рецензируемом издании, включенном в перечень ВАК, 6 - в российских изданиях и 2 - в зарубежных.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, общих выводов, списка литературы и приложения. Содержит 160 страниц основного текста, включает 23 таблиц и 28 рисунков. Библиографический список содержит 132 источника.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

Диссертация является законченным научно-квалификационным исследованием, в котором содержится решение задачи повышения эффективности планирования и управления работой городского пассажирского транспорта на основе применения метода определения транспортного спроса, использующего регрессионное обновление матрицы корреспонденций, внедрение которого позволит значительно снизить трудозатраты и стоимость обследований. Это позволило сделать следующие выводы:

1. Традиционный метод получения данных о транспортном спросе является трудоёмким и дорогостоящим процессом.

2. Теоретически обоснован метод регрессионного обновления матрицы корреспонденции по данным замеров величин пассажиропотоков и «старой» матрицы корреспонденции, которая описана в М-файле программной среды МАТЬАВ.

3. Предложена методика подготовки исходных данных для обновления матрицы корреспонденций, включающая проведение обследований пассажиропотоков и правила выбора сечений на сети ГПТ. Методика позволяет проводить обследования в современных условиях, потому что учитывает все типы транспортных средств, используемых в данное время.

4. Оценка характеристик подвижности населения Иркутска в современных условиях, которые были определены по специально разработанной анкете, позволили установить, что:

• только 55% населения при поездке на работу укладываются в установленный норматив 38 мин. Средняя продолжительность времени поездки составляет 19, 6 минут;

• максимальный пассажиропоток приходится на утренние часы с 7:00 - 8:00, а коэффициент суточного максимума составляет 0,127, что подтверждается исследованиями, которые были проведены в других городах;

• средняя подвижность населения в сутки составила 2,4 поездок на одного человека в сутки, а количество поездок, которое приходится на одного жителя в год, составляет 876.

5. Используя существующий метод расчета транспортного спроса на основе данных о подвижности населения, была рассчитана матрица корреспонденций. В специально разработанном программном обеспечении применялась гравитационная модель. В процессе чего было установлено:

• наилучшей аппроксимацией данных при расчете кривой расселения обладает функция EVA, коэффициент множественной детерминации для рассмотренной функции R2 > 0.98

• наибольшее сосредоточение пассажиропотока отмечено в 1 зону (центр города), что говорит о необходимости разнесения функций центра в другие районы города.

6. Апробация предложенного метода на реальной сети ГПТ показала, что он отвечает основным задачам в области планирования работы ГПТ. В процессе реализации была обновлена матрица корреспонденций, полученная 1985 г.

7. Оценка точности предложенного метода показала, что он сопоставим с методом расчёта матрицы корреспонденций на основе данных о подвижности, а коэффициент корреляции составил R >0.95 Так же, при проверке значимости разницы пар выборки, было установлено, что коэффициент Стьюдента t = 1.14, что не превышает критического значения

05:155 = 1,96

Разработанный метод позволяет существенно снизить сроки и затраты на определение транспортного спроса, потому как использует, только лишь данные замеров величин пассажиропотоков и старой матрицы корреспонденции. Ожидаемый экономический эффект от внедрения мероприятия в Иркутске составил более 1 млн. рублей.

1. Артынов А.П. Автоматизация процессов планирования и управления транспортными системам / А.П. Артынов, И.И. Скалецкий. М.: Транспорт, 1981. - 280 с.

2. Афифи А., Статистический анализ: подход с использованием ЭВМ: Пер с англ. / А. Афифи, С. Эйзен. М.: Мир, 1982. - 488 с.

3. Баккер Скотт Ф. Профессиональное программирование в Microsoft

4. Access 2002.: Пер. с англ. / Ф. Баккер Скотт. М.: Издательский дом «Вильяме», 2002. - 992 с.

5. Болоненков Г.В. Организация скоростных автобусных сообщений в городах / Г.В. Болоненков. М., «Транспорт», 1977, 160 с.

6. Бирюкова Л.Г., Теория вероятностей и математическая статистика:

7. Учеб. Пособие. / Л.Г. Бирюкова и др. М.: ИНФРА-М, 2004. - 287 с.

8. Блатнов М.Д. Пассажирские автомобильные перевозки: Учебник для автотранспортных техникумов. / М.Д. Блатнов. 3-е изд., перераб. И доп. -М.: Транспорт, 1981.-222 с.

9. Боровиков В. Statistica Искусство анализа на компьютере - Дляпрофессионалов. / В. Боровиков. Изд. дом «Питер», 2001. - 650 с.

10. Брайловский Н.О., Моделирование транспортных систем / Н.О. Брайловский, Б.И. Грановский. -М.: Транспорт, 1978. 125 с.

11. Булавский В.А. Численные методы линейного программирования / В.А. Булавский, З.А. Звягина, М.А. Яковлева; под ред. Л.В. Канторовича. М.: Наука, 1977. - 367 с.

12. Васильев Е.М. Нелинейные транспортные задачи на сетях / Е.М. Васильев, Б.Ю. Левит, В.Н. Лившиц. М.: Финансы и статистика, 1981.- 104 с.

13. Вильсон Д. Энтропийные методы моделирования сложных систем / Д. Вильсон. М.: Наука, 1987. - 248 с.

14. Вознесенский В.А. Статистические методы планирования эксперимента в технико-экономических исследованиях / В.А. Вознесенский. — 2е-изд. Перераб. и доп. М.: финансы и статистика, 1975.- 120 с.

15. Володин Е.П. Организация и планирование перевозок пассажиров автомобильным транспортом / Е.П. Володин, H.H. Громов. - М.: «Транспорт», 1982 . - 224 с.

16. Варелопуло Г.А. Организация движения и перевозок на городском пассажирском транспорте / Г.А. Варелопуло М.: Транспорт, 1990.208 с.

17. Гудков В.А. Технология, организация и управление пассажирскими автомобильными перевозками: Учеб. Для вузов / В.А. Гудков, Л.Б. Миротин; под ред. Л.Б. Миротина. -М.: Транспорт, 1997. 254 с.

18. Гудков В.А. Пассажирские автомобильные перевозки : учебник для вузов / В.А. Гудков и др.; под ред. В.А. Гудкова М.: Горячая линия - Телеком, 2004. - 448 с.

19. Голштейн В.И. Задачи линейного программирования транспортного типа / В.Н. Голштейн, Д.Б. Юдин. М.: Наука, 1969. — 382 с.

20. Демиденко Е.З. Линейная и нелинейная регрессия / Е.З. Демиденко. -М.: Финансы и статистика, 1981. 302 с.

21. Джонсон Н. Статистика и планирование эксперимента в технике и науке / Н. Джонсон, Ф. Лион. М.: Мир, 1980. - 510 с.

22. Дрю Д. Теория транспортных потоков и управление ими. / Д. Дрю. -М.: Транспорт, 1972.-424 с.

23. Ефремов И.С. Теория городских пассажирских перевозок: Учеб. пособие для вузов / И.С. Ефремов, В.М. Кобозев, В.А. Юдин. -М.:Высш. Школа, 1980. 535 с.

24. Зарубежные библиотеки и пакеты программ по вычислительной математике / под ред. У. Кауэлла.; Пер. с англ. М.: Наука, 1993. - 344 с.

25. Зубков Г.Н. Применение моделей и методов структурного анализа систем в градостроительстве / Г.Н. Зубков. М.: Стройиздат, 1984. — 152 с.

26. Зырянов В.В. Критерии оценки условий движения и модели транспортных потоков / В.В. Зырянов. Кемерово: Кузбасский политехнический институт, 1993. - 164 с.

27. Имельбаев Ш.С. Анализ стохастических коммуникационных систем с применением термодинамического подхода / Ш.С. Имельбаев Б.Л. Шмульян. // Автоматика и телемеханника, 1977. -№5. С. 77 - 87.

28. Клинковштейн Г.И. Организация дорожного движения / Г.И. Клинковштейн, В.И. Коноплянко. МАДИ. - М., 1977. - 59 с.

29. Клепик Н.К. Статистическая обработка эксперимента в задачах автомобильного транспорта. Учебное пособие / Н.К. Клепик. -Волгоград: ВолгГТУ, 1995. 96 с.

30. Клепик Н.К. Планирование эксперимента в задачах автомобильного транспорта. Учебное пособие / Н.К. Клепик, В.А. Гудков, В.Н. Тарновский. Волгоград: ВолгГТУ, 1996. - 104 с.

31. Краткий автомобильный справочник — М.: АО «ТРАНСКОЛСАНТИНГ», НИИАТ, 1994 779 с.

32. Кремер Н.Ш. Теория вероятностей и математическая статистика: Учебник для вузов / Н.Ш. Кремер. М.: ЮНИТИ-ДАНА, 2001. - 543 с.

33. Лобанов Е.М. Транспортная планировка городов / Е.М. Лобанов. М.: Транспорт, 1990. - 240с

34. В.Михайлов А.Ю. Современные тенденции проектирования и реконструкции улично-дорожных сетей городов / А.Ю. Михайлов, И.М. Головных. Новосибирск: Наука, 2004. - 267 е., ил.

35. Михайлов А.Ю. Современные тенденции проектирования и реконструкции улично-дорожных сетей / А.Ю. Михайлов. -Новосибирск: Наука, 2004.-266 с.

36. Михайлов А.Ю. Робастное восстановление матриц корреспонденций / А.Ю. Михайлов, Р.Ю. Лагерев // Организация и безопасность движения в крупных городах: Сб. докл. 6-я Междунар. конф. -СЛетербург: СПбГАСУ, 2004. С. 232 - 234.

37. Мун Э.Е. Организация перевозок пассажиров маршрутными такси / Э.Е. Мун, А.Д. Рубец. М.: Транспорт, 1986. - 136 с.

38. Муртаф Б. Современное линейное программирование: Пер. с англ. / Б.• Муртаф. М.: Мир, 1984. - 224 с.

39. Мягков В.Н. Математическое обеспечение градостроительного проектирования / В.Н. Мягков, Н.С. Пальчиков, В.П. Федоров. JL: Наука, 1989. - 144 с.

40. Петрович M.JI. Регрессионный анализ и его математическое обеспечение на ЕС ЭВМ: Практическое руководство / M.JI. Петрович. -М.: Финансы и статистика, 1982. 199 с.

41. Потемкин В.Г. Система инженерных и научных расчетов Matlab 5.x / В.Г. Потемкин. М.: ДИАЛОГ-МИФИ, 1999. - 304 с.

42. Семенов В.В. Математическое моделирование динамики транспортных потоков мегаполиса. Электронный ресурс. /В.В. Семенов Режим доступа: http://bookpage.ru/books/13582.html (21 ноября 2003).

43. Сербер Д. Линейный регрессионный анализ. Пер. с англ. / Д. Сербер. -М.: Мир, 1980.-456 с.

44. Сильянов В.В. Теория транспортных потоков в проектировании дорог и организации движения / В.В. Сильянов. М.: Транспорт, 1977. - 303 с.

45. Смоляк С.А. Устойчивые методы оценивания: (Статистическая обработка неоднородных совокупностей) / С.А. Смоляк, Б.П. Титаренко. М.: Статистика, 1980. - 208 с.

46. СНиП 2.07.01 89. Градостроительство. Планировка и застройка городских и сельских поселений. / Госстрой СССР. - М.: ЦНТИ Госстроя СССР, 1989. - 56 с.

47. Спирин И.В. — Организация и управление пассажирскими перевозками: Учебник для студ. Учреждений сред. проф. образования / И.В. Спирин. М.: Издательский центр «Академия», 2003. - 400 с.

48. Стейнбринк П.А. Оптимизация транспортных систем. Пер. с англ. / П.А. Стейнбринк. М.: Транспорт, 1981. - 320 с.

49. Стренг Г. Линейная алгебра и ее применения. Пер. с англ. / Г. Стренг -М.: Мир. -454 с.

50. Таранов А.Т. Перевозка пассажиров автомобильным транспортом / А.Т. Таранов. М.: Транспорт, 1972 216 с.

51. Титаренко Б.П. Устойчивые оценки параметров регрессионных моделей. Алгоритмическое и программное обеспечение многомерного статистического анализа. Ученые записки по статистике. / Б.П. Титаренко. М.: Наука, 1980. -т.36. - С. 137-138.

52. Федоров В.П. Математическая модель формирования пассажиропотоков / В.П. Федоров // Изв. АН СССР. "Техн. кибернетика", 1974. №4. - С.17 - 26.

53. Швецов В.И. Математическое моделирование загрузки транспортных систем / В.И. Швецов, А.С. Алиев. М.: Едиториал УРСС, 2003. - 64 с.

54. Юдин Д.Б. Линейное программирование. Теория, методы и приложения / Д.Б. Юдин, Е.Г. Голыптейн. М.: Наука, 1969. - 424 с.61.2001 LINEAR PROGRAMMING SOFTWARE SURVEY электронный ресурс. Режим доступа: http://lionhrtpub.com /orms/ surveys/LP/LP-survey.html,

55. Abrahamsson T. Estimation of Origin destination Matrices Using Traffic Counts / T. Abrahamsson. A Literature Survey. IIASA Interim Report IR-98-021/May, 1998.-27 p.

56. Aldrin M. Traffic volume estimation from shot-period traffic counts / M. Aldrin // Traffic Eng. and Contr., 1998. v. 39 - N12. - P. 656 - 659.

57. Baervald I.E. Transportation and Traffic Engineering Handbook / I.E. Baervald. Prentice Hall, Engelwood Cliffs, 1976. - 1080 p.

58. Barr R.S., A New Optimization Method for Large Scale Fixed Charge Transportation Problems / R.S. Barr, F. Glover, D. Klingman // Operations Research. 1981. Vol.29(3). - P.448-463.

59. Bell M.G. The Estimation of an Origin-Destination Matrix from Traffic Counts / M.G. Bell // Transportation Science, 1983. Vol.17 (2) - P.198-217.

60. Bell M.G. Variances and Covariances for Origin-Destination Flows When Estimated by Log-Linear Models / M.G. Bell. // Transportation Research, 1985. -Vol. 19B No. 6. - P. 497-507.

61. Bell M.G. The Real Time Estimation of Origin-Destination Flows in the Presence of Platoon Dispersion / M.G. Bell. // Transportation Research. 1991.-Vol. 25B, P. 115-125.

62. Bell M.G. The Path Flow Estimator as a network observer / M.G. Bell, S. Grosso. // Traffic Eng. and Contr., 1998, -v 39. N10. -P. 540 - 549.

63. Boyce D.E. A Discrete Transportation Network Design Problem with Combined Trip Distribution and Assignment / D.E. Boyce, B.N. Janson. // Transportation Research. 1980. -Vol. 14B. P. 147-154.

64. Branston D. The estimation of saturation flow, effective green time and passenger car equivalents at traffic signals by multiple liner regression / D. Branston, H.J. Van Zulien // Transp. Res., 1987. v. 12. -P. 47-53.

65. Carey M. A Method for Direct Estimation of Origin-Destination Trip Matrices / M. Carey, C. Hendrickson, K. Siddharthan // Transportation Science. 1981.-Vol. 15 (1).-P.32-49.

66. Cascetto E. Estimation of trip matrices from traffic counts and survey data: a generalized least squares estimator / E. Cascetto // Trans. Res., 1984. -B 18. -N4-5. P.289 - 299.

67. Cascetto E. Estimation of Trip Matrices from Traffic Counts and Survey Data: A Generalised Least Squares Estimator / E. Cascetto // Transportation Research, 1984. -V0I.I8B (4/5). P.289-299,

68. Charlewars J.A. Control and routining of traffic in road network / J.A. Charlewars // Traff. Eng. And Contr. 1979. vol. 20. - N10. - P. 460 - 466.

69. Cascetta E. A Unified Framework for Estimating or Updating Origin/Destination Matrices from Traffic Counts / E. Cascetta, S. Nguyen. // Transportation Research B, 1988. Vol. 22B. - N6. -P. 437-455.

70. Cascetta E. Dynamic Estimators of Origin-Destination Matrices Using Traffic Counts / E. Cascetta, D. Inaudi, Marquis G. //Transportation Science, 1993. Vol. 27. - N4. - P. 363-373

71. Cremer, M. A New Class of Dynamic Methods for the Identification of Origin-Destination Flows / M. Cremer, H. Keller. // Transportation Research-B. 1987.-Vol. 21B-N2.-P. 117-132.

72. SO.Dantzig G.B. Formulating and Solving the Network Design Problem by Decomposition / G.B. Dantzig, S.F. Maier. //Transportation Research, 1979. -Vol.13B.-P. 5-17.

73. De Palma A. Optimization Formulations and Statitic Equlibrium in Congested Transportation Networks / A. De Palma, Y. Nesterov. //Universite de Cergy Pontoise, Universite Catholique de Louvain, FNRS Suisse support, July, 1998. - 28 p.

74. Dowling R.C. Comparison of small area OD estimation techniques / R.C. Dowling, A.D. May. // Transp. Res. Rec. 1985. -N1045.- P.9 - 15.

75. Gang-Len Chang Recursive Estimation of Time-Varying Origin-Destination Flows from Traffic Counts in Freeway Corridors / Gang-Len Chang, Jifeng Wu //Transportation Research-B, 1994. Vol. 28B. - P. 141-160.

76. Erlander S. On astimation of trip matrices in the case of missing and uncertain data / S. Erlander //Transp. Res. 1985. B19. - P. 123 - 141.

77. Erlander S., Jornsten D.O. and Lundgren J. T. On the Estimation of Trip Matrices in the Case of Missing and Uncertain Data / D.O. Jornsten, S. Erlander//Transportation Res., 1985. Vol. 19B. -P.123-141.

78. Fisk C.S. On Combining Maximum Entropy Trip Matrix Estimation with User Optimal Assignment / C.S. Fisk //Transportation Res. 1988. Vol.22B. - P.69-79,.

79. Fisk C. S. Trip matrix Estimation from Link traffic Counts: The Congested Network Case / C. S. Fisk //Transportation Res. 1989. Vol.23(B). -P. 331336.

80. Florian M. An improved linear approximation algorithm for the network equilibrium (packet switching) problem / M. Florian. //IEEE Proc. Decision and Control, 1977.-p. 812-828.

81. Geva I. Maximum likelihood and bayesian methods for the estimation on origin - destination flows /1. Geva, E. Hauer, U. Landau //Transp. Res. Rec., 1983. -N944. -P.101- 105.

82. Gur Y. Estimation trip tables from traffic counts: comparative evaluation of available techniques / Y. Gur. //Transp. Res. Rec., 1983. N944. - P.113 -117.

83. Hamerslag R. Estimation of Trip Matrices: Shortcomings and Possibilities for Improvement. / R. Hamerslag, B.H. Immers //Transportation Research Record 1203, TRB, National Research Council, Washington, D.C., 1988. -P. 27-39.

84. Hazelton Martin L. Lies, damned lies and O-D matrix estimation, электронный ресурс. / L.M. Hazelton // Department of Mathematics & Statistics, University of Western Australia, 25 p. Режим доступа: http://www.maths.uwa.edu.au/~martin/odtalk.pdf

85. Highway Capacity Manual 2000. Transportation Research Board, National Research Council. - Washington, D.C., USA, 2000, - 1134 p.

86. Homburger, W. S. (ed.). Transportation and Traffic Engineering Handbook, 2nd ed. Prentice-Hall, Inc., Englewood Cliffs, N.J., 1982.

87. Hedrickson С. Estimation Matrices with constrained regression / C.

88. Hun A.F. Trip table synthesis for CBD networks: evaluation of the LINKOD model / A.F. Hun, E.C. Sullivan //Transp. Res. Rec., 1983. -N944. -P.106- 112.

89. LeBlanc L.J Selection of a Trip Table which Reproduces Observed Link Flows / L.J. LeBlanc, K. Farhangian //Transportation Res., 1982. -V0I.I6B (2), -P.83-88.

90. Maarseveen M. Estimation OD tables using empirical rout-choice information with application to bicycle traffic / M. Maarseveen, G. Jansen, P. Bovy. //Transp. Res. Rec., 1985. N1045. - P. 15 - 23.

91. Maher M. J. Inferences on Trip Matrices from Observations on Link Volumes: A Bayesian Statistical Approach / M. J. Maher //Transportation Res., 1983. -Vol.l7B(6) P.435-447.

92. McNeil S. Regression formulation of the matrix estimation problem / S. McNeil, C. Hedrickson //Transp. Sci. 1985. v. 19. - N3, - P. 278 - 292.

93. S. McNeil A Note on Alternative Matrix Entry Estimation Techniques / S. McNeil, С. Hendrickson //Transportation Res., 1985. Vol.l9B(6). -P.509-519.

94. Nihan N.L. Recursive Estimation of Origin-Destination Matrices from Input/Output Counts / N.L. Nihan, G.A. Davis.//Transportation Researcli-B, 1987-Vol. 21B. -N2. -P. 149-163.

95. Navin F. P. Understanding traffic flows at near capacity / F.P. Navin, F. Hall. //1TE Journal, 1989. -N8. -P. 31 35.

96. Old P., Foster N., Payne A. Using Microsoft Access to develop trip matrices / P. Old, N. Foster, A. Payne. //Traffic Eng. and Contr., 1998. -V.39.-N10.-P. 551 -553.

97. Robillard P. Estimating the OD Matrix from Observed Link Volumes / P. Robillard //Transportation Res., 1975. Vol.9. - P. 123 - 128.

98. Sheffi Y. A Comparison of Stochastic and Detemiinistic Traffic Assignment over Congested Networks / Y. Sheffi, W.B. Powell //Transportation Res., 1981. Vol. 15B. - P.53-64.

99. Sherali H. D. A Linear Programming Approach for Synthesizing Origin-Destination Trip Tables From Link Traffic Volumes / H.D. Sherali //Transportation Res., B. 1994. Vol. 28. -N3. - P. 213-233.

100. Spiess H. A maximum likelihood model for estimating origin-destination matrices. / H. Spiess //Transpn. Res., 1987. — B 21. P. 395-412.

101. The MOSEK optimization toolbox for MATLAB version 2.0 User's guide and reference manual электронный ресурс. August 31, 2001 Режим доступа: http://www.mosek.com.

102. Van der Zijpp N. A comparison of methods for dynamic origin-destination matrix estimation. Ph.D. thesis., Faculty of Civil Engineering, Delft University of Technology (P.O.Box 5048 2600 GA Delft NL), 1995. -177 p.

103. Van Zuylen H.J. The most likely trip matrix estimated from traffic counts / Van Zuylen H.J., L.G. Willumsen //Transpn. Res., 1980. B 14. -P. 281—293.

104. Van Zuylen H.J. Consistent link flow estimation from counts / Van Zuylen H.J., D.M. Branston //Transpn. Res., 1982.-B 16. P. 473-476.

105. Van Zuylen H.J. The most likely trip matrix estimated from traffic counts/ Van Zuylen H.J., L.G. Willumsen I ¡Transpn. Res., 1980. B 14. -281-293.

106. Vuchic V.R. Urban Transit: Operations, Planning and Economics / V.R. Vuchic //John wiley&sons, 2004 644.

107. Wardrop J.G. Some Theoretical aspects of Road Traffic Research / J.G. Wardrop //Proc. Institute of Civil Engineers, Part II, 1952. Vol. 1. - P. 325-378

108. Watling D.P. Maximum Likelihood Estimation of an Origin-Destination Matrix from a Partial Registration Plate Survey / D.P. Watling // Transportation Research, 1994. Vol. 28(B). - N4. - P. 289-314.

109. Watling D.P. A Statistical Procedure for Estimating A Mean Origin-Destination Matrix from a Partial Registration Plate Survey / D.P. Watling, M.J. Maher // Transportation Research, 1992. Vol. 26(B). - N3. - P. 171— 193.

110. Willumsen L.G. Simplified Transport Models Based on Traffic Counts / L.G. Willumsen //Transportation, 1981. N10. - P. 257-278.

111. Xu W., Chang Y. Estimating an Origin Destination Matrix with Fuzzy Weights, Part II: Case Studies / Xu W., Chang Y //Transportation Planning and Technology, 1993.-17.-P. 145-163.

112. Yang H. Heuristic algorithms for the bilevel Origin-Destination matrix estimation problem./ Yang H. // Transportation Research, 1995. -Vol.29(B). P. 231-242.

113. Yang H. Estimation of Origin-Destination Matrices from Link Traffic Counts on Congested Networks / Yang H, Sasaki T., Iida Y., Asakura Y.// Transportation Research, 1992. Vol.26(B). - P.417-^34.

114. Yang, H. The Equilibrium-Based Origin-Destination Matrix Estimation Problem / Yang H., Iida Y., Sasaki T. // Transportation Research, 1994. Vol.28(B). - P. 23-33.

115. Yin Zhang A. Fast Accurate Computation of LargeScale IP Traffic Matrices from Link Loads / Yin Zhang, Roughan M., Duffield N., Greenberg A. //SIGMETRICS'03, 2003. June 10.-12 p.