<?xml version="1.0" encoding="UTF-8"?>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:noNamespaceSchemaLocation="JATS-archive-oasis-article1-4.xsd" article-type="research-article" dtd-version="1.4" xml:lang="ru">
  <front>
    <journal-meta>
      <journal-title-group>
        <journal-title>Журнал Современные наукоемкие технологии</journal-title>
      </journal-title-group>
      <issn>1812-7320</issn>
      <publisher>
        <publisher-name>Общество с ограниченной ответственностью &amp;quot;Издательский Дом &amp;quot;Академия Естествознания&amp;quot;</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="doi">10.17513/snt.39759</article-id>
      <article-id pub-id-type="publisher-id">ART-39759</article-id>
      <title-group>
        <article-title>ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА ДЛЯ ОБНОВЛЕНИЯ МАТРИЦЫ КОРРЕСПОНДЕНЦИЙ ПРИ ВВЕДЕНИИ НОВЫХ ПУНКТОВ ПРИТЯЖЕНИЯ ПОТОКОВ</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name-alternatives>
            <name xml:lang="ru">
              <surname>Наумова</surname>
              <given-names>Н.А.</given-names>
            </name>
          </name-alternatives>
          <name-alternatives>
            <name xml:lang="en">
              <surname>Naumova</surname>
              <given-names>N.A.</given-names>
            </name>
          </name-alternatives>
          <email>Nataly_Naumova@mail.ru</email>
          <xref ref-type="aff" rid="aff1"/>
        </contrib>
      </contrib-group>
      <aff id="aff1">
        <institution xml:lang="ru">ФГБОУ ВО «Кубанский	 государственный технологический университет»</institution>
        <institution xml:lang="en">Kuban State Technological University</institution>
      </aff>
      <pub-date date-type="pub" iso-8601-date="2023-09-04">
        <day>04</day>
        <month>09</month>
        <year>2023</year>
      </pub-date>
      <issue>9</issue>
      <fpage>25</fpage>
      <lpage>30</lpage>
      <permissions>
        <license xlink:href="https://creativecommons.org/licenses/by/4.0/">
          <license-p>This is an open-access article distributed under the terms of the CC BY 4.0 license.</license-p>
        </license>
      </permissions>
      <self-uri content-type="url" hreflang="ru">https://top-technologies.ru/article/view?id=39759</self-uri>
      <abstract xml:lang="ru" lang-variant="original" lang-source="author">
        <p>Изучение динамики транспортных и пешеходных потоков, прогнозирование их характеристик необходимо при формировании и оптимизации транспортной инфраструктуры городов. Основную нагрузку на элементы улично-дорожной сети составляют регулярные по времени потоки транспортных средств между парами районов отправлений – прибытий, информация о которых хранится в матрице корреспонденций. С этой точки зрения актуальной задачей представляется разработка методов определения и динамического обновления матрицы корреспонденций при введении новых потокообразующих элементов. В частности, методов сбора и обработки необходимой информации о потоках, методов идентификации параметров транспортных и пешеходных потоков. Целью данной работы является разработка вероятностно-статистических методов планирования наблюдений для оценки обновления данных о корреспонденциях, вызванных новым слоем спроса. Существуют физические и технологические ограничения при наблюдении за транспортной сетью, которые следует учитывать при планировании эксперимента. Разработан алгоритм для определения оптимального расположения точек наблюдения при уточнении матрицы корреспонденции с учетом энтропии системы. Определено необходимое число измерений для заданной надежности получения параметров распределения транспортного потока. Разработан метод оценки изменений в матрице транспортных корреспонденций, вызванных появлением нового слоя спроса.</p>
      </abstract>
      <abstract xml:lang="en" lang-variant="translation" lang-source="translator">
        <p>Analysis of the dynamics of growth and pedestrian flows, forecasting The main load on the elements of the road network is met by regular time flows of vehicles between pairs of nearby departures and arrivals, information about which is found in the OD-matrix. From this point of view, the development of methods for determining and dynamically updating the OD-matrix with the introduction of new flow-forming elements seems to be an urgent task. In particular, methods for collecting and processing the necessary information about flows, methods for identifying the parameters of traffic and pedestrian flows must be explored. The purpose of this work is to develop probabilistic-statistical methods for planning observations to evaluate the update of correspondence data caused by a new demand layer. There are physical and technological limitations when observing the transport network, which should be taken into account when planning an experiment. An algorithm has been developed to determine the optimal location of observation points when refining the correspondence matrix, taking into account the entropy of the system. The required number of measurements for a given reliability of obtaining traffic flow distribution parameters is determined. A method has been developed for assessing changes in the matrix of transport correspondence caused by the emergence of a new layer of demand.</p>
      </abstract>
      <kwd-group xml:lang="ru">
        <kwd>матрица корреспонденций</kwd>
        <kwd>математическая модель</kwd>
        <kwd>транспортный поток</kwd>
        <kwd>вероятностно-статистические методы</kwd>
      </kwd-group>
      <kwd-group xml:lang="en">
        <kwd>OD-matrix</kwd>
        <kwd>mathematical model</kwd>
        <kwd>traffic flow</kwd>
        <kwd>probabilistic-statistical methods</kwd>
      </kwd-group>
    </article-meta>
  </front>
  <back>
    <ref-list>
      <ref>
        <note>
          <p>1. Zhu S., Guo Y., Zheng H., Peeta S., Ramadurai G., Wang J. Field Data Based Data Fusion Methodologies to Estimate Dynamic Origin-Destination Demand Matrices from Multiple Sensing and Tracking Technologies . USDOT Region V Regional University Transportation Center Final Report, 31st July 2016. 65 p.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>2. Yu H., Zhu S., Yang J., Guo Y., Tang T. A Bayesian Method for Dynamic Origin–Destination Demand Estimation Synthesizing Multiple Sources of Data // Sensors. 2021. Vol. 21 (15). No. 4971. P. 1–20. DOI: 10.3390/s21154971.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>3. Теселкин А.А. Байесовский подход к задаче планирования экспериментов для оценки транспортных корреспонденций // Наука. Технологии. Инновации: сборник научных трудов: в 10 ч. Новосибирск: Издательство НГТУ, 2017. С. 245–247.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>4. Naumova N.A. Method for estimating an origin-destination matrix for dynamic assignment // International Journal of Control Theory and Applications. 2016. Т. 9, № 30. С. 129–138.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>5. Наумова Н.А. Отчет о научно-исследовательской работе в рамках гранта РФФИ № 16-48-230720 Р_А «Разработка методов автоматизированного управления транспортными потоками с учетом динамических изменений в матрице корреспонденций». Краснодар: ФГБОУ ВО «КубГТУ», 2018. 97 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>6. Петров И.Г. Вероятностно-статистические методы в менеджменте // Человек и общество в цифровой экономике: опыт, проблемы и направления развития: материалы Всероссийской научно-практической конференции, посвященной 100-летию ФГБОУ ВО «Финансовый университет при Правительстве Российской Федерации». М., 2018. С. 138–144.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>7. Теселкин А.А. Методы планирования и статистического анализа наблюдений для оценки матриц транспортных корреспонденций: дис. … канд. техн. наук. Новосибирск, 2018. 162 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>8. Вентцель Е.С. Теория вероятностей: учеб. для вузов. 11-е изд. М.: Кнорус, 2018. 664 с.</p>
        </note>
      </ref>
      <ref>
        <note>
          <p>9. Севастьянов Б.А. Курс теории вероятностей и математической статистики. Серия: Классический учебник МГУ. М., 2022. 256 с.</p>
        </note>
      </ref>
    </ref-list>
  </back>
</article>
