Применение принципов системного моделирования для построения прогнозных моделей вагонопотоков
Ключевые слова:
математическая модель, моделирование погрузки, системный подход, сценарное прогнозирование, неравномерность вагонопотоков, прогнозирование погрузки, прогнозный анализ, модель прогнозаАннотация
Возможность прогнозирования неравномерности вагонопотоков и погрузки с установлением соответствующих показателей неравномерности – ключевой вопрос в ритмичности работы транспорта. При оценке сезонной неравномерности перевозок с помощью традиционных методик возникают существенные ошибки. В качестве одного из путей решения данной проблемы авторы предлагают усовершенствованный методический инструментарий оценки сезонной неравномерности вагонопотоков, а также погрузки грузов в адрес портов Дальнего Востока. Данная методика основана на построении модели прогноза вагонопотоков, сдаваемых по стыковым пунктам железных дорог и движущихся далее в направлении морских портов с последующим построением математической модели погрузки грузов, на основе которой в последующем можно будет спрогнозировать погрузку на предстоящий год. В представленной работе рассмотрена идентификация моделей временного ряда колебаний вагонопотоков и предложены модели для последующего построения прогноза, а также применен системный подход к решению проблемы прогнозирования объемов вагонопотоков. Необходимо отметить, что на сегодняшний день особо актуально поставлены вопросы о разработке пошаговой инструкции по принятию решений по оперативной корректировке плана формирования диспетчерским аппаратом станций и региональных дирекций с перечнем порядка действий по выработке предложений и их согласованию. Предложенный инструментарий позволяет разработать модели прогноза для оценки сезонной неравномерности погрузки грузов в направлении морских портов. Все это будет способствовать повышению качества планирования и анализа функционирования и развития железных дорог. Весь спектр мероприятий состоит в возможности построения прогнозных моделей для производственного блока холдинга «РЖД», помимо этого появится возможность актуализации структуры эксплуатационных показателей сети.
Библиографические ссылки
Бабина О.И. Сравнительный анализ имитационных и аналитических моделей // Имитационное моделирование. Теория и практика : Четвертая Всерос. конф. по имитацион. моделированию и его применению в науке и промышленности. СПб. : Центр технологии судостроения и судоремонта. 2009. С. 73–77.
Бурда А.Г., Бурда Г.П. Экономико-математические методы и модели. Краснодар : Кубан. гос. аграр. ун-т., 2015. 178 с.
Доклад генерального директора – председателя правления открытого акционерного общества «Российские железные дороги» О.В. Белозерова на расширенном итоговом заседании правления ОАО РЖД // Железнодорожный транспорт. 2018. № 1. С. 4–10.
Шаров В.А. Новые риски при реализации единого интегрированного планирования на железнодорожном транспорте общего пользования // Наука и техника транспорта. 2016. № 2. С. 87–93.
Набатова Д.С. Математические и инструментальные методы поддержки принятия решений. М. : Юрайт, 2019. 292 с.
Маловецкая Е.В. Актуализация порядка расчета плана формирования поездов и уточнения перечня показателей эксплуатационной работы на основе имитационного моделирования с учетом развития полигонных технологий // Современные наукоемкие технологии. 2019. № 1 (53). С. 184–188.
Маловецкая Е.В., Козловский А.П. Актуальность применения математического моделирования при построении прогнозных моделей погрузки грузов в адрес портов Дальнего Востока // T-Comm: Телекоммуникации и транспорт. 2020. Т. 14. № 12. С. 51–57. DOI 10.36724/2072-8735-2020-14-12-51-57.
Мачерет Д.А., Ледней А.Ю. Объемы перевозок – ключевой фактор эффективности развития транспортной инфраструктуры // Экономика железных дорог. 2019. № 4. С. 28–38.
Волокобинский М.Ю., Пекарская О.А., Рази Д.А. Принятие решений на основе метода анализа иерархий // Вестник финансового университета. 2016. № 2 (92). С. 33–42.
Скроба М.В., Маловецкая Е.В. К вопросу об изменении длины гарантийных плеч участков // Инфраструктура и эксплуатация наземного транспорта : материалы междунар. студенч. науч.-практ. конф. Т.1. Нижний Новгород : Науч.-изд. центр «21 век», 2019. С. 255–258.
Волкова В.Н., Черненькая Л.В., Магер В.Е. Классификация моделей в системном анализе // Науч.-техн. ведомости Санкт-Петербур. гос. политехн. ун-та. Информатика. Телекоммуникации. Управление. 2013. № 3 (174). С. 33–43.
Маловецкая Е.В., Большаков Р.С. Особенности применения временных рядов для оценки колебаний вагонопотоков по стыковым пунктам железных дорог // T-Comm: Телекоммуникации и транспорт. 2021. Т. 15. № 1. С. 35–40. DOI 10.36724/2072-8735-2021-15-1-35-40.
Звягин Л.С. Применение системно-аналитических методов в области экспертного прогнозирования // Экономика и управление: проблемы, решения. 2017. Т. 3. № 6. С. 145–148.
Planning of qualitative indexes of railroad operational work in polygon technologies / E.V. Malovetskaya, R.S. Bolshakov, A.V. Dimov et al. // IOP Conf. Ser.: Mater. Sci. Eng. 760 012041. DOI:10.1088/1757-899X/760/1/012041.
Иванкова Л.Н., Кузнецова Т.Г., Волкова С.Г. Определение потребного технического оснащения станции с учетом колебаний транспортных потоков // Современные проблемы совершенствования работы железнодорожного транспорта. 2019. №. 15. С. 3–8.
Аева М.А., Маловецкая Е.В. Система единого планирования для всех видов транспорта // Инфраструктура и эксплуатация наземного транспорта : материалы междунар. студенч. науч.-практ. конф. Т. 1. Нижний Новгород: Науч.-изд. центр «21 век», 2019. С. 11–16.
Погожих Н.И., Софронова М.С., Панасенко Д.П. Способ преобразования множества возможных решений в теории принятия решений // ScienceRise. 2017. №1 (41). С. 77–81.
Самотина С.А., Потапова Е.В. Принятие управленческих решении в условиях неопределенности // Инновационная экономика: информация, аналитика, прогнозы. 2011. № 1. С. 3–4.
Синчуков А.В. Современная классификация математических моделей // Инновационная наука. 2016. № 3-1. C. 214–215.
Сотников Е.А., Шенфельд К.П. Неравномерность грузовых перевозок в современных условиях и ее влияние на потребную пропускную способность участков // Вестник ВНИИЖТ. 2011. № 5. С. 3–9.
Спиридонова Е.В. PEST – анализ, как главный инструмент анализа факторов дальнего окружения // Современные научные исследования и инновации. 2017. № 3. С. 400–405.
Grigoroudis E., Orfanoudaki E., Zopounidis C. Strategic performance measurement in a healthcare organisation: A multiple criteria approach based on balanced scorecard // Omega. 2012. № 40 (1). Р. 104–119.
Sehra S.K., Brar D., Singh Y., Kaur D. “Multi criteria decision making approach for selecting effort estimation model // International Journal of Computer Applications. 2012. Vol. 39. №1, January. URL: https://arxiv.org/ftp/arxiv/papers/1310/1310.5220.pdf. (access date: 12.03.2021).
Sevcenko G. Statybos investicimq sprendimц rizikos valdymas : diss. VGTU leidykla «Technika», 2015. 186 p.
Valiris G., Chytas P., Glykas M. Making decisions using the balanced scorecard and the simple multi-attribute rating technigue // Performance Measurement and Metric. 2005. DOI:10.1108/14678040510636720.
