МОДЕЛИРОВАНИЕ ТРАНСПОРТНОГО СПРОСА НА ОСНОВЕ ДАННЫХ МОБИЛЬНОЙ СВЯЗИ
Ключевые слова:
транспортное моделирование, спрос, матрица, мобильные данныеАннотация
Использование данных мобильных операторов для улучшения оценки априорной матрицы может повлиять на структуру и повысить качество информации при прогнозирование транспортных потоков. Такие данные важны для повышения качества результатов, получаемых при использовании транспортных моделей, поскольку они могут предоставлять гораздо большие объемы информации в режиме реального времени. Они содержат информацию о сигнале конкретного устройства со станцией сотовой связи, что дает возможность определить местоположение абонента. Анализ временных рядов данных устройств позволяет восстановить маршрут и понимать повседневную динамику движения. Данные мобильных устройств могут использоваться для получения различных показателей: количество поездок, график работы, время в пути.
Однако оба источника данных (мобильные операторы и опросы о поездках) имеют свои сильные и слабые стороны, при применении которых возможные ошибки моделирования. Сравнение этих источников дает представление о достоверности матрицы корреспонденций, то есть комбинация двух типов данных повысит качество априорной матрицы для транспортного моделирования. В исследовании объединили распределение продолжительности поездок на основе обследований и данные мобильной сети для улучшения структуры традиционной априорной матрицы. Для исследования используется мультимодальная транспортная модель, включающая транспортные зоны с учетом различных видов автомобильного транспорта (легковые и грузовые автомобили, общественный транспорт). Для правильной оценки поездок, прибывающих из-за пределов региона, а также для учета сквозного движения, необходимо включать сеть и зоны за пределами региона с меньшей детализацией. Априорная матрица региона построена с использованием моделей спроса и характеристик ездок. Калибровка синтетической априорной матрицы корреспонденций по подсчетам транспортных потоков дает апостериорную матрицу. В модели учитывается назначение равновесия, основанное на функциях времени прохождения участка улично-дорожной сети и транспортных заторов.
Библиографические ссылки
L.J.J. Wismans, E.C. van Berkum, and M.C.J. Bliemer, “Modelling Externalities Using Dy-namic Traffic Assignment Models: A Review,” Transport Reviews 31: 4 (2011) 521–545, doi:10.1080/ 01441647.2010.544856.
Z. Zhao, S.-L. Shaw, Y. Xu, F. Lu, J. Chen, and L. Yin, “Understanding the Bias of Call De-tail Records in Human Mobility Research,” International Journal of Geographical Information Science 30: 9 (2016) 1738–1762
Шаров М.И., Лебедева О.А. Влияние транспортного зонирования на функциониро-вание маршрутной сети города// Современные технологии. Системный анализ. Моделиро-вание. 2019. № 2 (62). С. 196-202.
Гозбенко В.Е., Крипак М.Н., Лебедева О.А., Каргапольцев С.К. Повышение эффек-тивности функционирования транспортной сети городского пассажирского транспорта пу-тем применения автоматизации модели выбора оптимального подвижного состава // Совре-менные технологии. Системный анализ. Моделирование. 2017. № 2 (54). С. 203-208.
Крипак М.Н., Лебедева О.А. Оценка состояния улично-дорожной сети крупного го-рода// Современные технологии. Системный анализ. Моделирование. 2016. № 3 (51). С. 171-174.
Полтавская Ю.О., Крипак М.Н., Гозбенко В.Е. Оценка условий движения транс-портных потоков с применением геоинформационных технологий Современные техноло-гии. Системный анализ. Моделирование. 2016. № 1 (49). С. 155-161.
