Модели транспортного планирования в системе прогнозирования развития города

Введение

Существуют два альтернативных подход к построению моделей транспортного прогнозирования. Первый из них, который можно назвать стандартным, базируется на допущениях об однотипном транспортном поведении жителей города и о продолжении существующих в течение многих лет тенденций изменения спроса на транспортные услуги в зависимости от численности и структуры населения различных районов города, размещения различных мест приложения труда и транспортной схемы города [4].

Альтернативным является подход, в основе которого лежат гипотезы о различных предпочтениях, которыми могут руководствоваться жители города при выборе моделей транспортного поведения, и о существенном изменении экзогенных факторов, которые оказывают влияние на формирование спроса на транспортные услуги. К таким факторам можно отнести изменения в трудовом и потребительском поведении населения, связанные с внедрением цифровых технологий [5] и новую концепцию градостроения, предусматривающую комплексное обеспечение жилых домов социальной инфраструктурой [6].

Классическим примером первого подхода является четырехшаговая модель транспортного планирования [7,8], которая в настоящее время активно используется как у нас в стране, так и за рубежом. Второй подход находится в настоящее время в стадии формирования. Математическим аппаратом, который позволяет эффективно реализовать данное направление, может являться агент-ориентированное моделирование [9].

Настоящая статья посвящена сравнению обозначенных выше подходов к построению моделей для прогнозирования транспортных потоков. В работе обсуждаются достоинства, недостатки и ограничения стандартного подхода и описываются основания для построения моделей транспортного прогнозирования нового типа.

Четырехшаговая модель транспортного планирования

1) транспортное районирование города и ближайших пригородов;

2) численность и структура населения, в том числе трудоспособного и трудозанятого по различным отраслям экономики и сферам обслуживания, а также численность учащихся высших и средних учебных заведений;

3) система расселения по расчетным транспортным районам (РТР);

4) количество мест приложения труда (МПТ), их функциональное назначение и размещение на территории города (рассредоточение по РТР);

5) посещаемость объектов торговли, культурно-бытового и рекреационного назначения;

6) существующая транспортная сеть города;

7) обеспеченность РТР видами транспорта, их удаленность от центра города;

8) текущие показатели пользования всеми видами транспорта при выезде (въезде) из различных РТР;

9) максимальная провозная способность всех видов транспорта в периоды «пиковых» нагрузок, интервалы движения, средние эксплуатационные скорости, вместимость;

10) зависимость формирования пассажирских потоков от часов суток, дней недели, сезонов года.

Прогноз транспортного движения (загрузки транспортных линий) выполняется последовательно в 4 шага. На первом шаге определяется общее количество пассажиров, выезжающих из РТР на всех видах транспорта в час «пик» (trip generation). На втором шаге рассчитываются матрицы корреспонденций между расчетными транспортными районами (trip distribution). На третьем шаге происходит расщепление матрицы корреспонденций по видам транспорта (mode choice). На четвертом шаге осуществляется распределение транспортных потоков (пассажиров и автомобилей) по транспортной сети (trip assignment).

Шаг 1. Определение общего количества пассажиров, выезжающих из i-того транспортного района (формула 1):

(1)

где Q_оi – количество пассажиров, выезжающих из i-го района со всеми целями с использованием различных видов транспорта; h_i – доля населения, выезжающего из i-го района в утренний час «пик» на всех видах транспорта; N_i – численность населения i-го района.

Общее количество пассажиров, выезжающих из i-го района в утренний час «пик» с использованием различных видов транспорта, определяется в зависимости от обеспеченности района местами приложения труда (МПТ) и их функционального назначения. А сама обеспеченность оценивается на основе расчета достаточности трудовых ресурсов – разности между численностью трудозанятого населения, проживающего в данном районе, и численностью работающих на объектах, расположенных на территории i-го района (формула 2):

(2)

где Тi – избыток или дефицит трудовых ресурсов i-того района; di – доля трудозанятого населения i-го района в общей численности его населения; Ni – численность населения i-го района; Ri – численность работающих на объектах, расположенных на территории i-го района.

При этом предполагается, что индивид, проживающий в i-том транспортном районе, будет, прежде всего, выбирать для себя рабочее место, расположенное в районе своего проживания. И только если структурированный по сферам деятельности спрос на работников в данном районе будет меньше, чем предложение мест труда (индивид не сможет найти себе работу в своем районе), житель поедет на работу в другой район.

Это очень спорное предположение, поскольку на выбор места приложения труда, помимо сферы деятельности и расстояния, оказывает влияние множество других факторов, в том числе, характер трудовых обязанностей, заработная плата, отношения в коллективе, возможности продвижения, привычка и др.

В зависимости от результата расчета T_i, исходя из наличия дефицита, баланса или избытка МПТ на территории i-го района, а также функционального разнообразия МПТ на его территории определяется значения величины h_i (доля выезда из i-го района от общей численности его населения),

Шаг 2 – расчет матрицы корреспонденций: определяется количество поездок из каждого района отправления (РТРi) в каждый район назначения (РТРj) – Tij.

В основу расчета матрицы корреспонденций обычно закладывается гравитационная модель, базирующаяся на предположении, что размер корреспонденции между каждыми двумя районами прямо пропорционален емкости районов (по населению и МПТ) и обратно пропорционален расстоянию между этими районами, выраженному во времени поездки [10].

В результате получаются матрицы для каждого периода времени размерностью М*М, где М – общее число транспортных районов (рисунок 1). Предполагается, что диагональные значения показателей этой матрицы (Tii) равны нулю.

Рис. 1. Матрица корреспонденций

Таким образом, гравитационная модель предполагает, что индивид, который не нашел себе места приложения труда в районе своего проживания, будет при прочих равных условиях стремиться выбрать себе место работы как можно ближе к дому.

Это второе спорное предположение модели. Как мы уже отмечали, на выбор места работы оказывают влияние множество факторов. И расстояние (время передвижения) до места работы далеко не для всех индивидов является первостепенным.

Шаг 3. Расщепление общей матрицы корреспонденций по видам транспорта – рассчитывается доля поездок на том или ином виде транспорта между каждой парой РТР.

Основой для расщепления матрицы корреспонденций по различным видам транспорта являются выявленные на основе статистических данных закономерности транспортного поведения, которые связаны с такими факторами как время, затрачиваемое на дорогу, комфортность передвижения и готовность нести дополнительные расходы. Все временные и невременные факторы, оказывающие влияние на выбор вида транспорта, приводятся к единой условной величине – обобщенным затратам, выраженным во времени. Соответственно, чем выше обобщенные затраты на поездку на рассматриваемом виде транспорта, тем меньше доля пользования этим видом транспорта.

Для расчета распределения пассажиров между различными видами транспорта в зависимости от обобщенных временных затрат используется логистическая кривая. В итоге производится распределение пассажиров между всеми видами массового пассажирского транспорта – рельсового, наземного пассажирского и автомобильного транспорта, включая личный, такси и каршеринг.

Здесь имеет место третье спорное предположение – гипотеза о том, что выбор вида транспорта определяется обобщенными затратами, выраженными временем. Это верно далеко не всегда. Многие потребители транспортных услуг предпочитают использовать наземные виды транспорта, хотя поездки на метро займут меньше времени. Это может объясняться несколькими причинами, в том числе, дискомфортом, испытываемым под землей, возможностью любоваться городом, трудностью дышать искусственным воздухом, стремлением избежать неудобные подземные переходы. Иными словами, если экономия времени при пользовании метро не очень существенная, многие горожане могут предпочесть наземный транспорт.

Шаг 4. На последнем шаге происходит наложение частных (по видам транспорта) матриц корреспонденций на существующую маршрутную сеть с учетом ее пропускной способности. Здесь обычно применяются две основные модели выбора: принцип пользовательского равновесия Уордропа и модель конкуренции по Штакельбергу.

Согласно принципу пользовательского равновесия каждый пользователь выбирает кратчайший маршрут (по времени в пути) при условии, что все остальные пользователи делают то же самое. Проблема данного подхода связана с двусторонней зависимостью: время в пути зависит от интенсивности движения (напряженности трафика), а интенсивность движения – от выбора пользователя. В итоге предполагается, что пользователи ориентируются либо на свой прошлый опыт, либо на оценки поисковых систем (навигаторов). В модели конкуренции Штакельберга пользователи реагируют на действия «лидера», например, диспетчера перевозок. Результатом расчета являются пассажиропотоки на линиях и станциях различных видов транспорта, а также время, затрачиваемое на передвижение.

Соответственно, четвертым спорным предположением модели является допущение о выборе кратчайшего по времени маршрута движения. Сама по себе эта предпосылка достаточно логична, но поскольку, как уже отмечалось, оценить данное время довольно проблематично, чаще всего выбирается привычный маршрут.

На основе вышеизложенного можно сделать вывод, что повсеместно используемая в настоящее время модель транспортного прогнозирования опирается на довольно спорные допущения о факторах, которые влияют на потребительский выбор. А именно:

- предположение о том, что основным критерием выбора места приложения труда является минимизация затрат времени на передвижение;

- предположение о том, что основным критерием выбора вида транспорта и маршрута передвижения являются обобщенные временные затраты.

Однако, несмотря на перечисленные недостатки, краткосрочные прогнозы, получаемые на основе описанной выше модели, обладают высокой степенью точности. Это объясняется тем, что корректирующие коэффициенты обычно определяются на основе регрессионных моделей, рассчитанных на больших интервалах времени. Иными словами, упрощенные содержательные допущения удается преодолевать за счет калибровки на основе технического анализа статистических данных.

Тем не менее, если речь идет о долгосрочном планировании, на десятки лет вперед, технический анализ прошлых трендов вкупе с упрощенными допущениями модели могут привести к недостоверному прогнозу.

Альтернативный подход к моделированию

Если говорить о тенденциях изменения рынка труда, то здесь существенными темпами растут доли дистанционной и портфельной занятости, а также занятости по требованию [11]. Все большее количество работников вовлечены в нестандартные формы занятости, которые характеризуются следующими особенностями: возможность удаленной работы; наличие многих мест работы; уход от модели четко заданной продолжительности рабочего дня на единой площадке; резкое возрастание передвижений, связанных с курьерской деятельностью. Все эти процессы оказывают существенное влияние на структуру спроса на транспортные услуги.

Изменения в потребительском поведении в настоящее время обусловлены, прежде всего, широким распространением электронных торговых площадок и возможностью дистанционного приобретения цифровых благ и электронных услуг. При этом уже сейчас можно сказать, что в ближайшее время все большую роль будут играть такие факторы как повсеместное распространение аддитивных технологий, которое позволит вернуть часть производства в рамки домашних хозяйств, и загрязненность городов, стимулирующая обеспеченное население изменять место своего проживания.

Помимо указанных выше факторов существенное влияние на транспортное поведение оказывает распространение средств индивидуального передвижения, в частности, велосипедов и самокатов, а также меняющаяся концепция обеспеченности новых микрорайонов социальной инфраструктурой. В обозримом будущем ожидается также появление беспилотных транспортных средств, которое окажет существенное влияние на структуру спроса на транспортные услуги.

Все эти факторы обуславливают необходимость изменения подхода к транспортному планированию (прогнозированию транспортных потоков) – переход от модели усредненного выбора к учету разнообразия моделей транспортного поведения и средовых факторов изменения структуры спроса.

Общая идея агент-ориентированной модели транспортного прогнозирования заключается в том, что население мегаполиса состоит из жителей, имеющих различные критерии выбора как мест проживания и работы, так и транспортного поведения. Или, другими словами, переменные, которые оказывают влияние на выбор, имеют для различных групп населения разное значение. При этом необходимо разделять два понятия: факторы, которые оказывают влияние на выбор потребителей, и аргументы, которые они (потребители) принимают во внимание при осуществлении выбора (таблица 1).

Под факторами будем понимать причины, которые определяют критерии выбора и соотношение между собой различных потребностей индивида. Набор таких факторов можно разделить на две группы: факторы, характеризующие внешнюю среду жизни потребителей транспортных услуг (обеспеченность социальной инфраструктурой, доступность интернета, доступность индивидуальных средств передвижения и пр.) – общие, и факторы, отражающие специфику конкретных индивидов – индивидуальные (образование, имущественное положение, возраст, характер работы и т.д.)

Аргументами будем называть переменные, которые индивид принимает во внимание, когда выбирает ту или иную модель транспортного поведения. Иными словами, факторы оказывают влияние на набор аргументов, которые индивид принимает во внимание при осуществлении выбора и на их соотношение между собой (значимость или вес переменной), а аргументы выступают в качестве независимых переменных функции выбора.

Таблица 1

Индивидуальные факторы и аргументы потребительского выбора

Всех жителей города (потенциальных пользователей транспортных услуг) можно разбить на кластеры в зависимости от значимости для них различных переменных выбора. Кластерный подход предполагает разделение множества изучаемых объектов на классы, обладающие схожими характеристиками. При этом заранее неизвестны ни число классов, ни наиболее существенные характеристики и принципы разделения. В итоге выбор наиболее значимых с точки зрения решения существующих задач характеристик объектов осуществляется на основе факторного анализа [12].

Деление на кластеры возможно, поскольку логично предположить, что предпочтения индивидов взаимосвязаны. Например, можно предположить, что чем выше уровень образования и квалификации индивида, тем менее он чувствителен к такому фактору как время на передвижение. Аналогично люди, которые выбирают жизнь на природе (в пригороде), будут придавать меньше значения времени, затрачиваемому на дорогу, но больше внимания будут уделять уровню предполагаемого дохода.

Следующий шаг – определение текущей численности и мест проживания представителей выявленных кластеров (на основе анализа существующих транспортных потоков). Третий шаг – разработка различных сценариев изменения общих факторов – развития технологий, изменения природных и политических условий, а также транспортной инфраструктуры города. Наконец, четвертый шаг – построение прогнозов транспортных потоков для альтернативных сценариев изменения экзогенных факторов.

Заключение

Преимуществом первого подхода является его разработанность и апробация практикой. Действительно, при правильной калибровке модели для осуществления краткосрочных прогнозов результаты моделирования демонстрируют относительно достоверные результаты. Однако в долгосрочном периоде сказывается низкая реалистичность принятых допущений.

В работе предложен алгоритм применения второго подхода, который включает в себя следующие составляющие: (а) выявление основных факторов, которые оказывают влияние на транспортное поведение; (б) выявление основных критериев выбора моделей проживания, работы и транспортного поведения; (в) разбиение совокупности жителей на относительно однородные кластеры; (г) определение текущей численности и мест проживания представителей выявленных кластеров; (д) разработка различных сценариев изменения внешних условий; (е) построение прогнозов транспортных потоков для альтернативных сценариев изменения экзогенных факторов.