Розробка інтегрованої моделі адаптивного управління міськими пасажиропотоками на залізничному транспорті у режимі реального часу
DOI:
https://doi.org/10.33216/1998-7927-2026-300-2-107-118Ключові слова:
адаптивне управління, пасажиропотоки, міський залізничний транспорт, реальний час, ороткострокове прогнозування, багатокритеріальна оптимізація, симуляційне моделювання, диспетчеризаціяАнотація
У статті запропоновано інтегровану модель адаптивного управління міськими пасажиропотоками на залізничному транспорті в режимі реального часу, орієнтовану на зниження затримок, зменшення перевантаження вузлів та підвищення якості сервісу. Методологія поєднує просторово-мережевий аналіз, короткострокове прогнозування попиту, багатокритеріальну оптимізацію, симуляційне тестування керуючих сценаріїв і контур самоадаптації за результатами фактичного виконання рішень. Транспортну систему формалізовано як орієнтований граф із часово-змінними параметрами пропускної спроможності та насичення, а вибір керуючих дій здійснюється за інтегральним критерієм, що враховує операційні, сервісні та енергетичні показники. Для врахування невизначеності використано сценарну перевірку альтернатив перед впровадженням у диспетчерську практику. На відміну від локальних підходів, запропонована архітектура забезпечує узгодження прогнозного, оптимізаційного та виконавчого рівнів у єдиному циклі прийняття рішень. Результати модельного експерименту показали стале покращення ключових індикаторів у порівнянні з базовим режимом: скорочення середніх затримок, зниження частки перевантажених вузлів, покращення сервісної стабільності та зменшення питомих енерговитрат. Проведений аналіз чутливості до зміни ваг критеріїв підтвердив робастність отриманих висновків у межах практично релевантних параметричних варіацій. Обґрунтовано, що найбільший ефект досягається за умов випереджального реагування на зростання насичення та синхронізації інформаційних впливів на пасажирів із оперативним коригуванням режимів руху. Практичне значення роботи полягає у можливості впровадження моделі в диспетчерських центрах міських залізничних систем як інструменту підвищення надійності перевізного процесу, сервісної якості та ресурсної ефективності. Запропонований підхід може бути використаний як основа для цифрового двійника транспортного вузла, інтегрованого з потоковими даними датчиків, системами інформування пасажирів і платформами підтримки диспетчерських рішень. Перспективою подальших досліджень є масштабування моделі на мультимодальні мережі та врахування довгострокових інфраструктурних обмежень. Окремо доцільно додатково дослідити вплив екстремальних подій на стійкість оперативного контуру керування.
Посилання
1. Urban network spatial connection and structure in China based on railway passenger flow big data / M. Li et al. Land. 2022. Vol. 11, № 2. Art. 225. DOI: https://doi.org/10.3390/land11020225.
2. Petrov A. I., Petrova D. A. Open business model of COVID-19 transformation of an urban public transport system: The experience of a large Russian city. Journal of Open Innovation: Technology, Market, and Complexity. 2021. Vol. 7, № 3. Art. 171. DOI: https://doi.org/10.3390/joitmc7030171.
3. Nykyforak I., Duhanets N., Kobrusieva Y. Organization of responsibility accounting of city electric transport enterprises’ activity. Eastern-European Journal of Enterprise Technologies. 2018. Vol. 2, № 3-92. P. 31–36. DOI: https://doi.org/10.15587/1729-4061.2018.126178.
4. Makarova I., Shubenkova K., Pashkevich A. Efficiency assessment of measures to increase sustainability of the transport system. Transport. 2021. Vol. 36, № 2. P. 123–133. DOI: https://doi.org/10.3846/transport.2021.14996.
5. Increased efficiency and reliability of maintenance of mass passenger flow with the regular route network of city transport / V. Kurganov et al. Scientific Journal of Silesian University of Technology. Series Transport. 2020. Vol. 108. P. 107–119. DOI: https://doi.org/10.20858/sjsutst.2020.108.10.
6. Diversity and changes in energy consumption by transport in EU countries / T. Rokicki et al. Energies. 2021. Vol. 14, № 17. Art. 5414. DOI: https://doi.org/10.3390/en14175414.
7. Energy efficiency solutions for sustainable urban mobility: Case study of the Milan metropolitan area / C. N. Businge et al. WIT Transactions on the Built Environment. 2019. Vol. 182. P. 151–163. DOI: https://doi.org/10.2495/UT180151.
8. Development of provisions for evaluating the effectiveness of urban public passenger transport system / S. Mochalin et al. Transport Problems. 2019. Vol. 14, № 1. P. 45–58. DOI: https://doi.org/10.21307/tp.2019.14.1.5.
9. Saxena P. A benchmarking strategy for Delhi Transport Corporation: An application of data envelopment analysis. International Journal of Mathematical, Engineering and Management Sciences. 2019. Vol. 4, № 1. P. 232–244. DOI: https://doi.org/10.33889/ijmems.2019.4.1-020.
10. Condition for application of logistic principles in practice of urban public passenger transport in the city of Omsk / S. Mochalin et al. Transport Problems. 2017. Vol. 12, Special Edition. P. 71–86. DOI: https://doi.org/10.20858/tp.2017.12.se.6.
11. Vdovychenko V., Nagornyy Y. Formation of methodological levels of assessing city public passenger transport efficiency. Eastern-European Journal of Enterprise Technologies. 2016. Vol. 3, № 3-81. P. 44–51. DOI: https://doi.org/10.15587/1729-4061.2016.71687.
12. Morchadze T., Rusadze N. Ways to address the challenges in passenger traffic within the urban transport systems. Transport Problems. 2018. Vol. 13, № 3. P. 65–77. DOI: https://doi.org/10.20858/tp.2018.13.3.
13. Xi Y. et al. A comparative study on predict effects of railway passenger travel choice based on two soft computing methods. LISS 2012 Proceedings. Springer, 2013. P. 543–552. DOI: https://doi.org/10.1007/978-3-642-32054-5_77.
14. Li D., Yang X., Xu X. A framework of smart railway passenger station based on digital twin. CICTP 2020 Proceedings. ASCE, 2020. P. 2623–2634. DOI: https://doi.org/10.1061/9780784482933.22.
15. Peng C. A hybrid method based on chaotic phase space restructuring and comparability principle for railway passenger demand forecasting. ICTE 2007 Proceedings. ASCE, 2007. P. 3536–3541. DOI: https://doi.org/10.1061/40932(246)580.
16. He B. et al. A microscopic agent-based simulation for real-time dispatching problem of a busy railway passenger station. 2020 IEEE 23rd International Conference on Intelligent Transportation Systems (ITSC). IEEE, 2020. DOI: https://doi.org/10.1109/ITSC45102.2020.9294651.
17. Liu W., Li J. A simulation model and algorithm for turning-back capacity of intercity dedicated passenger railway station. ICTE 2011 Proceedings. ASCE, 2011. P. 948–953. DOI: https://doi.org/10.1061/41184(419)157.
18. Activity recognition of railway passengers by fusion of low-power sensors in mobile phones / M. Elhamshary et al. Proceedings of the 23rd SIGSPATIAL International Conference on Advances in Geographic Information Systems. ACM, 2015. DOI: https://doi.org/10.1145/2820783.2820847.
19. Chen D., Li Y., Zhang Y. Adjustment of intercity passenger dedicated line operation. ICTE 2011 Proceedings. ASCE, 2011. P. 1168–1173. DOI: https://doi.org/10.1061/41184(419)193.
20. Xie X., Feng X., Ren Q. Adjustment plan of passenger traffic special line optimization study. Proceedings of the 8th International Conference of Chinese Logistics and Transportation Professionals. ASCE, 2008. P. 3791–3796. DOI: https://doi.org/10.1061/40996(330)556.
21. Air quality in passenger cars of the ground railway transit system in Beijing, China / T. Li et al. Science of the Total Environment. 2006. Vol. 367, № 1. P. 89–95. DOI: https://doi.org/10.1016/j.scitotenv.2006.01.007.
22. Haramina H., Ljubaj I., Toš I. An analysis of passenger train driver’s cognitive workload in relation to Croatian national train control system. Sigurnost. 2017. Vol. 59, № 2. P. 99–108. DOI: https://doi.org/10.31306/s.59.2.1.
23. An energy efficiency assessment of a railroad passenger-car power-supply system using wind generators and photovoltaic panels / A. N. Balalaev et al. Russian Electrical Engineering. 2020. Vol. 91, № 3. P. 195–198. DOI: https://doi.org/10.3103/S1068371220030062.
24. Bao Y., Liu J., Ma M. Analysis and simulation of passengers’ ticket booking request arrival process in a ticket booking period. Journal of Beijing Jiaotong University. 2012. Vol. 36, № 6. P. 27–32.
25. Gu S., Lu X. Analysis of China railway passenger volume’s influence factors based on principal component regression. LISS 2015. IEEE, 2015. DOI: https://doi.org/10.1109/LISS.2015.7369737.
26. Xi Y., Jing L. Analysis on predict model of railway passenger travel factors judgment with soft-computing methods. Journal of Industrial Engineering and Management. 2014. Vol. 7, № 1. P. 100–114. DOI: https://doi.org/10.3926/jiem.940.
27. Deng P., Chuansheng Z. Analytic hierarchy process and fuzzy evaluation of passengers’ satisfactory degree for QoS of railway passenger transportation. WCICA Proceedings. IEEE, 2010. P. 5215–5220. DOI: https://doi.org/10.1109/WCICA.2010.5554881.
28. Zhong M., Yue Y., Li D. Analyzing and evaluating infrastructure capacity of railway passenger station by mesoscopic simulation method. ICIRT 2018. IEEE, 2018. DOI: https://doi.org/10.1109/ICIRT.2018.
29. Application of data mining in the forecasting of railway passenger flow / D. Zheng et al. Advanced Materials Research. 2014. Vol. 834-836. P. 958–962. DOI: https://doi.org/10.4028/www.scientific.net/AMR.834-836.958.
30. Application of NFC technology in railway passenger transport by introducing new products / E. Brumercikova et al. Communications - Scientific Letters of the University of Zilina. 2017. Vol. 19, № 2. P. 32–35.
31. Zhang C., Xu L. Application of TOPSIS in evaluating transfer efficiency at urban railway passenger station. ICTE 2009 Proceedings. ASCE, 2009. P. 1866–1871. DOI: https://doi.org/10.1061/41039(345)309.
32. Application research of vibration and noise test and analysis system in high speed railway passenger car / Y. Liu et al. ICMTMA 2011 Proceedings. IEEE, 2011. Vol. 1. P. 573–576. DOI: https://doi.org/10.1109/ICMTMA.2011.146
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 К.В. Доля
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
