Разработка методик и построение алгоритмов моделирования пассажиропотока на коммерческом транспорте Санкт Петербурга с целью минимизации временных и трудовых затрат
Введение 4
Постановка задачи 7
Обзор литературы 8
Описание и обработка данных 12
Транзакционные данные об оплате проезда смарт-картами 12
Данные наблюдателей 15
Данные об остановках на городских и коммерческих маршрутах 16
Методология 19
Оценка пассажиропотока по данным о похожих городских маршрутах 19
Оценка пассажиропотока по транзакционным данным 22
Оценка пассажиропотока по данным наблюдателей 23
Реализация методик 25
1. Оценка пассажиропотока по данным о похожих городских маршрутах 25
Используемые данные 25
Обработка данных 25
Описание алгоритма поиска похожих маршрутов 26
Применение методики к оценке пассажиропотока 29
2. Оценка пассажиропотока по транзакционным данным 31
Используемые данные 31
Обработка данных 31
Описание алгоритма восстановления мест посадки пассажиров 32
Применение методики к оценке пассажиропотока 37
Анализ применимости описанных методик 38
Заключение 39
Список литературы 40
Приложение 1. Функции, реализующие основные алгоритмы 41
В современном мире трудно переоценить значимость общественного транспорта в жизни людей. Человек чаще всего уже не может довольствоваться отдельным кварталом, а зачастую даже районом города. Разнесение дома, места работы, магазинов, общественных мест и мест отдыха в пространстве города порождают необходимость в большом количестве перемещений. С учетом того, что далеко не все могут себе позволить личный транспорт или не видят в нем необходимости, основная нагрузка по обеспечению перевозок пассажиров ложится на системы общественного транспорта.
Санкт-Петербург является крупнейшим транспортным узлом в Северо-западном Федеральном округе и вторым в стране после Москвы. Поэтому для того, чтобы улучшить качество жизни жителей города, крайне важно, чтобы инфраструктура общественного транспорта развивалась и улучшалась, чтобы городская транспортная система была максимально удобной и эффективной.
Особенностью России и Санкт-Петербурга в частности, является широко развитая сеть коммерческого маршрутного транспорта. Маршрутные такси имеют ряд преимуществ перед муниципальным транспортом: они более мобильны, количество машин на маршруте у них больше, чем у многих других видов транспорта. Зачастую маршрутные такси позволяют существенно сократить время, затрачиваемое на дорогу, а стоимость проезда в них сравнима со стоимостью проезда в муниципальном транспорте для тех категорий граждан, которые не имеют социальных льгот. На сегодняшний день все больше людей предпочитают маршрутные такси иному наземному транспорту как раз потому, что они быстры и мобильны, что очень важно как для работающих граждан, так и для отдыхающих и туристов, желающих меньше времени проводить в дороге. В связи с этим возникает необходимость анализа существующей системы коммерческих маршрутов для улучшения ее качества, а в частности, оценка пассажиропотока на коммерческих маршрутах и построение алгоритмов для его моделирования, чему и посвящена моя работа.
Пассажиропотоком в данном исследовании будем называть количество пассажиров, которые совершают поездку в данный момент времени на транспортном средстве, следующем по определенному маршруту, между соседними остановками. Умение качественно оценивать пассажиропоток на коммерческих маршрутах очень важно для повышения эффективности существующей системы. Пассажиропоток может частично отражать коллективную мобильность пассажиров, следующих по определенному маршруту, и качество перевозок с точки зрения комфорта. С точки зрения планирования это говорит о том, сколько людей путешествует или хочет путешествовать по данному маршруту. Эта информация может помочь операторам динамически распределять и планировать маршруты коммерческого транспорта и его расписание с высокой степенью детализации и точности.
В Санкт-Петербурге для городских маршрутов был разработан ряд систем, позволяющих упростить как пользование транспортом, так и анализ существующей транспортной системы. В первую очередь это введение на маршрутах бесконтактной оплаты проезда с использованием бесконтактных смарт-карт (БСК). На данный момент существует большое количество разных видов БСК: электронная карта-кошелек «Подорожник», пенсионные,
ученические, студенческие карты и прочие. Информация о транзакциях оплаты проезда смарт-картами на маршрутах учитывается системой электронного контроля оплаты проезда (СЭКОП) и может быть использована для дальнейшего анализа. Также для удобства отслеживания транспортных средств на маршрутах была введена автоматическая система управления городским пассажирским транспортом (АСУГПТ), которая позволяет определять местоположение конкретного транспортного средства в определенный момент времени. Это происходит благодаря специальным датчикам, которые установлены на борту.
Важное отличие между коммерческими и муниципальными маршрутами в Санкт-Петербурге заключается в том, что на коммерческих маршрутах на данный момент не представляется возможным установить датчики АСУГПТ, поэтому становится невозможным отслеживание коммерческих транспортных средств на маршрутах. Кроме того, на коммерческих маршрутах допустима оплата смарт- картами только в виде электронного кошелька «Подорожник». Поэтому в СЭКОП данные о транзакциях оплаты проезда БСК представлены только в виде транзакций смарт-карт «Подорожник».
В данной работе я исследую и разрабатываю методики, которые позволят оценить пассажиропоток на коммерческом транспорте Санкт-Петербурга, основываясь на данных СЭКОП об оплате пассажирами проезда на маршрутах коммерческого транспорта с использованием бесконтактных смарт-карт «Подорожник» и, при необходимости, минимальных дополнительных наблюдений и обследований.
В работе рассмотрена актуальная проблема в области оценки характеристик пассажирского транспорта - оценка пассажиропотока на коммерческих маршрутах Санкт-Петербурга. Для решения данной проблемы были разработаны и описаны три методики. Описание включает в себя перечень требуемых данных и способы их предобработки, алгоритмы, лежащие в основе методик и особенности их реализации. Разработанные методики были представлены на всероссийской конференции «Список 2019». Все разработанные и описанные алгоритмы были реализованы и протестированы. Исходные коды алгоритмов и данные доступны по ссылке: https://github.com/nast1415/vkr2019. Надеюсь, что описанные методики окажутся полезными, будут применяться для анализа пассажиропотока на коммерческом транспорте Санкт-Петербурга и позволят оптимизировать существующую транспортную систему.
1. M. Bagchi and P. R. White, «The potential of public transport smart card data», 2005.
2. C. Chen, J.Ma, Y. Susilo, Y. Liu, andM.Wang, «The promises of big data and small data for travel behavior (aka human mobility) analysis», 2016
3. Tian Li, Dazhi Sun, Peng Jing, Kaixi Yang «Smart Card Data Mining of Public Transport Destination: A Literature Review», 2018
4. Barry, J.J.; Newhouser, R.; Rahbee, A.; Sayeda, S. «Origin and Destination Estimation in New York City with Automated Fare System Data», 2002
5. Zhao, J.; Qu, Q.; Zhang, F.; Xu, C.; Liu, S. «Spatio-temporal Analysis of Passenger Travel Patterns in Massive Smart Card Data», 2017
6. Dou, H.; Liu, H.; Yang, X. «OD Matrix Estimation Method of Public Transportation Flow Based on Passenger Boarding and Alighting», 2007
7. Jie, Y.U.; Yang, X.G. «Estimation a Transit Route OD Matrix Using On/off Data: An Application of Modified BP Artificial Neural Network», 2006
8. Jung, J.; Sohn, K. «Deep-learning Architecture to Forecast Destinations of Bus Passengers from Entry-only Smart-card Data», 2017
9. Chen Z.; Fan W. «Extracting bus transit boarding stop information using smart card transaction data», 2018
10. Pau Segarra Alguero «Using Smart Card Technologies to Measure Public Transport Performance: Data Capture and Analysis», 2013
11. Natalia Grafeeva, Elena Mikhailova, Elena Nogova, Innokenty Tretyakov,
Passanger Traffic Analysys Based on St. Petersburg Public Transport, 17th International Multidisciplinary Scientific GeoConference: Informatics,
Geoinformatics and Remote Sensing, Issue 21, SGEM 2017; Albena; Bulgaria; Volume 17, 2017, Pages 509-516
Содержание бакалаврской работы – Разработка методик и построение алгоритмов моделирования пассажиропотока на коммерческом транспорте Санкт-Петербурга с целью минимизации временных и трудовых затрат
Выдержки из бакалаврской работы – Разработка методик и построение алгоритмов моделирования пассажиропотока на коммерческом транспорте Санкт-Петербурга с целью минимизации временных и трудовых затрат