УДК: 519.6: 656.13: 537.8
https://doi.org/10.25198/2077-7175-2023-6-66
EDN: LMFWWC


просмотр

УЧЕТ СЛОЖНОСТИ В ЗАДАЧАХ ТРАНСПОРТНОГО СПРОСА

И. Е. Агуреев1, А. В. Ахромешин2, В. А. Пышный3
Тульский государственный университет, Тула, Россия
1e-mail: agureev-igor@yandex.ru
2e-mail: aakhromeshin@yandex.ru
3e-mail: vladislav.pyshnyi@mail.ru

Аннотация. В статье описан теоретический базис для учета сложности при решении задач транспортного спроса, выполнен анализ понятия «самоорганизованная критичность». Решены задачи описания сложного поведения в транспортных системах, указаны предпосылки или причины, вызывающие сложное поведение, формализованы традиционные определения «сложной транспортной системы». Приведены примеры некоторых моделей, демонстрирующих сложное поведение в транспортных системах.

Цель: формулировка направлений исследований в теории транспортных систем, которые должны развиваться при помощи понятийных и математических аппаратов отдельных наук, таких как теория сложности, нелинейная динамика, для решения задач транспортного спроса, сопровождающегося потоками различных событий и элементов в транспортных макросистемах, для учета сложности в задачах теории транспортных систем при моделировании динамики транспортного спроса.

Используемые подходы: разработка математических моделей нелинейных транспортных систем, демонстрирующих сложное поведение, включая модели со степенными законами распределения характеристик системы в рамках самоорганизованной критичности, а также модели, демонстрирующие бифуркации.

Методы и (или) методический аппарат исследования: методы теории самоорганизованной критичности и синергетики, позволяющие учитывать свойства сложной системы.

Полученные результаты: разработана модифицированная модель учета транспортного спроса, опирающаяся на модель транспортного поведения с использованием энтропийного подхода при определении равновесного состояния транспортной макросистемы. Показана возможность наличия в ней таких явлений, как динамический хаос, фазовые переходы, возникновение аттракторов.

Научная новизна заключается в использовании методов и подходов теории самоорганизованной критичности и теории сложности на широкий класс моделей транспортных систем, используемых в задачах транспортного спроса и отталкивающихся от моделей транспортного потока.

Практическая значимость заключается в формулировке конкретных моделей, которые могут применяться в исследованиях сложных транспортных систем.

Направления дальнейших исследований, рекомендации состоят в проведении анализа реальных статистик поведения транспортных систем, которые соответствуют различным состояниям транспортной системы, включая сложное поведение, а также постановке и решении задач теории транспортных макросистем.

Ключевые слова: сложность, сложная система, транспортная система, транспортный спрос, математическая модель, самоорганизованная критичность, фазовые переходы, аттрактор.

Для цитирования: Агуреев И. Е., Ахромешин А. В., Пышный В. А. Учет сложности в задачах транспортного спроса // Интеллект. Инновации. Инвестиции. – 2023. – № 6. – С. 66–78. – https://doi.org/10.25198/2077-7175-2023-6-66.


Литература

  1. Агуреев И. Е. Нелинейные модели транспортных систем // Мир транспорта и технологических машин. – 2009. – № 2. – С. 3–16. – EDN: TBTNBV.
  2. Агуреев И. Е. Развитие теории макросистем как необходимое условие повышения качества транспортного моделирования // Мир транспорта. – 2020. – Т. 18. – № 2. – С. 6–20. – https://doi.org/10.30932/1992-3252-2020-18-06-20 – EDN: WLYRNQ.
  3. Агуреев И. Е., Ахромешин А. В. Математическая модель транспортного поведения на основе теории транспортных макросистем // Мир транспорта. – 2021. – Т. 19. – № 6(97). – С. 13–18. – https://doi.org/10.30932/1992-3252-2021-19-6-2 – EDN: MCXWKF.
  4. Агуреев И. Е., Ахромешин А. В. Обоснование выбора теоретического аппарата для описания транспортного поведения жителей города (мегаполиса) // Вестник СибАДИ. – 2021. – Т. 18. – № 6(82). – С. 746–758. – https://doi.org/10.26518/2071-7296-2021-18-6-746-758 – EDN: KPSSET.
  5. Агуреев И. Е., Ахромешин А. В. Подходы к формализации понятия транспортного поведения населения городских агломераций // Интеллект. Инновации. Инвестиции. – 2021. – № 2. – С. 60–70. – https://doi.org/10.25198/2077-7175-2021-2-60 – EDN: ATBYTR.
  6. Агуреев И. Е., Ахромешин А. В., Пышный В. А. Постановка задач «О равновесиях (равновесных состояниях)» транспортных систем города // Вестник СибАДИ. – 2023. – Т. 20. – № 1(89). – С. 52–75. – https://doi.org/10.26518/2071-7296-2023-20-1-52-75 – EDN: FJRONG.
  7. Бутузова А. Б., Елфимова Н. А. Оценка транспортного спроса с использованием четырехшаговой транспортной модели // Молодежный вестник ИрГТУ. – 2020. – Т. 10. № 4. – С. 41–45. – EDN: GVERQD.
  8. Глухарев К. К., Валуев А. М. Математические модели потоков автомобилей, реализующих транспортный спрос // Управление развитием крупномасштабных систем MLSD’2010: материалы четвертой международной конференции, Москва, 04–06 октября 2010 года. – Москва: Учреждение Российской Академии управления им. В. А. Трапезникова РАН, 2010. – Том 2. – С. 55–57. – EDN: WFZBZB.
  9. Евин И. А. Введение в теорию сложных сетей// Компьютерные исследования и моделирование. – 2010. – Т. 2. – №. 2. – С. 121–141. – EDN: NDWDGH.
  10. Костюк В. Н. Теория самоорганизованной критичности как теория сложности// Информационные технологии и вычислительные системы. – 2016. – № 3. – С. 66–73. – EDN: WTITKB.
  11. Кочнева Д. И., Брусянин Д. А. Методика прогнозирования транспортного спроса в пунктах зарождения пассажиропотока на градуированной транспортной сети // Вестник Уральского государственного университета путей сообщения. – 2014. – № 4(24). – С. 50–58. – EDN: TEWMMF.
  12. Лябах Н. Н., Бутакова М. А. Анализ критических ситуаций в транспортных системах // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2004. – №. 2. – С. 70–72. – EDN: NOFURZ.
  13. Мазурин Д. С. Расчет транспортного спроса в моделях на основе динамического распределения транспортных потоков // Системный анализ и информационные технологии (САИТ – 2017): Сборник трудов Седьмой Международной конференции, Светлогорск, 13–18 июня 2017 года. – Светлогорск: Федеральный исследовательский центр «Информатика и управление» Российской академии наук, 2017. – С. 113–116. – EDN: ZGPMCJ.
  14. Малинецкий Г. Г., Подлазов А. В. Чудо самоорганизованной критичности // Бак П. Как работает природа: теория самоорганизованной критичности. – М.: УРСС. – 2013. – С. 13–56.
  15. Морозов В. В. Управление транспортным спросом как новый способ решения проблем функционирования транспортных систем крупных городов// Актуальные проблемы науки и техники глазами молодых ученых: материалы Международной научно-практической конференции, Омск, 08–09 февраля 2016 года. – Омск: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Сибирский государственный автомобильно-дорожный университет (СибАДИ)», 2016. – С. 535–539. – EDN: WAMGHH.
  16. Олемской А. И. Синергетика сложных систем: Феноменология и статистическая теория. – М.: КРАСАНД. – 2009. – 379 с.
  17. Попков Ю. С. Математическая демоэкономика: Макросистемный подход. – М.: ЛЕНАНД, 2013. – 560 с.
  18. Попков Ю. С. Теория макросистем, – М.: УРСС, 2013. – 245 с.
  19. Попков Ю. С., Швецов В. И. Принцип локальных равновесий в моделях региональной динамики // Математическое моделирование. – 1990. – Т. 2. – №. 5. – С. 40–59. – EDN: VNENPN.
  20. Разработка методики и создание модели расчета транспортного спроса для транспортных и пассажирских перемещений / А. Н. Зацепин [и др.] // Транспортное дело России. – 2018. – № 6. – С. 352–356. – EDN: PNUVVJ.
  21. Ресин В. Н., Попков Ю. С. Развитие больших городов в условиях переходной экономики. – М.: Эдиториал УРСС, 2000. – 328 с. – EDN: VRQGGN
  22. Сакульева Т. Н. Транспортный спрос как функция состояния транспортной сети // Управление. – 2019. – Т. 7. – № 3. – С. 47–53. – https://doi.org/10.26425/2309-3633-2019-3-47-53 – EDN: BNXPHH.
  23. Хитрова Т. И., Коротенко А. П. Разработка транспортных проектов Иркутской области на основе моделей транспортного спроса // Известия Байкальского государственного университета. – 2021. – Т. 31. – № 1. – С. 34–42. – https://doi.org/10.17150/2500-2759.2021.31(1).34-42 – EDN: TSFIFJ.
  24. Швецов В. И., Алиев А. С. Математическое моделирование загрузки транспортных сетей. – М.: УРСС, 2003. – 64 с. – EDN: QQBRWR
  25. Bak P., Chen K. (1991) Self-organized criticality, Scientific American, Vol. 264. Is. 1, рр. 46–53.
  26. Bak P., Tang C., Wiesenfeld K. (1987) Self-organized criticality: An explanation of the 1/f noise, Physical review letters, Vol. 59. Is. 4, pp. 381–384. http://dx.doi.org/10.1103/PhysRevLett.59.381.
  27. Kerner B. S., Klenov S. L., Schreckenberg M. (2014) Probabilistic physical characteristics of phase transitions at highway bottlenecks: incommensurability of three-phase and two-phase traffic-flow theories, Physical Review E, Vol. 89. Is. 5, 052807. – https://doi.org/10.1103/physreve.89.052807.
  28. Nagatani T. (1996) Self-organized criticality in 1D traffic flow, Fractals, Vol. 4. No. 3, pp. 279–283. – https://doi.org/10.1142/S0218348X96000388.
  29. Nagel K., Rasmussen S., Barrett C. L. (1996) Network traffic as a self-organized critical phenomena, Los Alamos National Lab.(LANL), Los Alamos, NM (United States), №. LA-UR-96-659, CONF-9509330-2, p. 15, Available at: https://www.santafe.edu/research/results/working-papers/network-traffic-as-a-self-organized-critical-pheno (accessed: 20.07.2023).
  30. Wilson A. (2008) Boltzmann, Lotka and Volterra and spatial structural evolution: an integrated methodology for some dynamical systems, Journal of The Royal Society Interface, Vol. 5. No. 25, pp. 865–871. – https://doi.org/10.1098/rsif.2007.1288.
  31. Wilson A. (2010) Remote sensing as the ‘X-ray crystallography’for urban ‘DNA’, International Journal of Remote Sensing, Vol. 31. No. 22, pp. 5993–6003. http://dx.doi.org/10.1080/01431161.2010.512308.
  32. De Martinis V., Pagliara F., Wilson A. (2014) The evolution and planning of hierarchical transport networks, Environment and Planning B: Planning and Design, Vol. 41. Is. 2, pp. 192–210. – http://dx.doi.org/10.1068/b39102.
  33. Dearden J., Jones M. W., Wilson A. (2015) DynaMoVis: Visualization of dynamic models for urban modeling, The Visual Computer, Vol. 31. Is. 6–8. pp. 1079–1088. http://dx.doi.org/10.1007/s00371-015-1096-9.
  34. Piovani D., Molinero C., Wilson A. (2017) Urban retail dynamics: insights from percolation theory and spatial interaction modelling, PLoS ONE 12(10), e0185787. http://dx.doi.org/10.1371/journal.pone.0185787.
  35. Guo W. et al. (2017) Urban analytics: multiplexed and dynamic community networks, arXiv preprint arXiv:1706.05535, Available at: https://arxiv.org/abs/1706.05535 (accessed: 20.07.2023).
  36. Piovani D. et al. (2018) Measuring accessibility using gravity and radiation models, Royal Society open science, Vol. 5. Is. 9, 171668. http://dx.doi.org/10.1098/rsos.171668.
  37. Wilson A. (2018) The future of urban modelling, Applied Spatial Analysis and Policy, Vol. 11, pp. 647–655. https://doi.org/10.1007/s12061-018-9258-6.
  38. Ellam L. et al. (2018) Stochastic modelling of urban structure, Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, Vol. 474. Is. 2213. http://dx.doi.org/10.1098/rspa.2017.0700.
  39. Dearden J. et al. (2019) Using the State Space of a BLV Retail Model to Analyse the Dynamics and Categorise Phase Transitions of Urban Development, Urban Science, Vol. 3. Is. 1, 31. http://dx.doi.org/10.3390/urbansci3010031.