Целью работы является моделирование и предиктивный анализ процесса движения общественного транспорта по городским автомагистралям с учетом транспортной загруженности участков дорог в различные периоды времени. Для достижения цели решается задача прогностической оценки, расчета и корректировки времени прибытия общественного транспорта на промежуточные и конечные точки своих маршрутов в условиях городской среды с учетом динамики изменения транспортных и пешеходных потоков, времени проездов регулируемых и нерегулируемых перекрестков и других факторов. В результате исследований разработана методика и программное приложение для анализа движения транспортных средств и прогностической оценки их средней скорости движения на участках маршрута с учетом различных факторов и корректировки прогнозируемого времени прибытия в зависимости от текущих условий дорожного движения. Целью является повышение точности прогноза времени прибытия транспортных средств на заданные точки остановок по маршрутам следования. Критерием эффективности является среднее абсолютное отклонение прогнозного времени прибытия транспорта на промежуточные и конечные точки маршрутов от реального в условиях текущей дорожной обстановки. Программное предложение предназначено для прогнозирования и корректировки времени движения общественного транспорта по маршруту. Исследование выполнено при поддержке гранта Российского научного фонда (проект № 20-71-10087).
The purpose of the work is to model and predictively analyze the process of public transport movement along urban highways, taking into account the traffic congestion of road sections at different periods of time. To achieve the goal, the problem of predictive assessment, calculation and adjustment of the arrival time of public transport at intermediate and final points of its routes in an urban environment is solved, taking into account the dynamics of changes in transport and pedestrian flows, travel times at controlled and unregulated intersections and other factors. As a result of the research, a methodology and software application was developed for analyzing the movement of vehicles and predicting their average speed on sections of the route, taking into account various factors and adjusting the predicted time of arrival depending on current traffic conditions. The goal is to increase the accuracy of forecasting the time of arrival of vehicles at given stopping points along the routes. The efficiency criterion is the average absolute deviation of the predicted time of arrival of transport at intermediate and final points of routes from the actual one under the current traffic situation. The software proposal is designed to predict and adjust the travel time of public transport along the route. The study was supported by a grant from the Russian Science Foundation (project no. 20-71-10087).
1. Погребной В.Ю., Фадеев А.С. Алгоритмизация прогнозирования времени прибытия пассажирского транспорта города Томска на остановку с использованием модели, основанной на исторических и реальных данных // Интернет-журнал «Науковедение». 2013. № 6 (19). URL: https://naukovedenie.ru/PDF/100TVN613.pdf (дата обращения: 12.04.2024).
2. Vanajakshi L., Subramanian S., Sivanandan R. Travel time prediction under heterogeneous traffic conditions using global positioning system data from buses // IET Intelligent Transport Systems. 2009. Vol. 3. P. 1–9.
3. Игумнов А.О., Сонькин Д.М. Разработка методики построения прогноза времени прибытия с использованием статистических и фактических данных о движении транспортных средств по принципу подбора шаблонов // Интернет-журнал «Науковедение». 2016. № 3 (8). URL: http://naukovedenie.ru/PDF/34TVN316.pdf (дата обращения: 12.04.2024).
4. Агафонов А.А., Юмаганов А.C. Сравнение методов машинного обучения в задаче прогнозирования движения общественного транспорта // Информационные технологиии нанотехнологии: сборник трудов ИТНТ-2019: V международная конференция и молодежная школа. Самара: Новая техника, 2019. С. 761–768.
5. Lee C., Yoon Y. A Novel Bus Arrival Time Prediction Method Based on Spatio-Temporal Flow Centrality Analysis and Deep Learning // Electronics. 2022. Vol. 11. DOI: 10.3390/electronics11121875.
6. Aljamal M.A., Abdelghaffar H.M., Rakha H.A. Developing a Neural – Kalman Filtering Approach for Estimating Traffic Stream Density Using Probe Vehicle Data // Sensors. 2019. Vol. 19. DOI: 10.3390/s19194325.
7. Аламир Х.С., Заргарян Е.В., Заргарян Ю.А. Модель прогнозирования транспортного потока на основе нейронных сетей для предсказания трафика на дорогах // Известия ЮФУ. Технические науки. 2021. № 6 (223). С. 124–132.
8. Achar A., Regikumar R., Kumar B. Dynamic Bus Arrival Time Prediction exploiting Non-linear Correlations // International Joint Conference on Neural Networks (IJCNN). 2019. P. 1–8. DOI: 10.1109/IJCNN.2019.8852358.
9. Tingting Y., Gang Z., Jian Z., Shanglu H., Bin R. A prediction model of bus arrival time at stops with multi-routes // Transportation Research Procedia. 2017. Vol. 25. P. 4623–4636. DOI: 10.1016/j.trpro.2017.05.381.
10. Hamidu M. Modeling and Simulation of GPS Positioning and Iterative Vehicle Motion Using Kalman Filter in Vehicle Tracking System // Communications. 2017. Vol. 5. DOI: 10.11648/j.com.20170502.11.
11. Pun L., Zhao P., Liu X. A Multiple Regression Approach for Traffic Flow Estimation // IEEE Access. 2019. Vol. 7. P. 35998–36009. DOI: 10.1109/ACCESS.2019.2904645.
12. Hans E., Chiabaut N., Leclercq L,, Bertini R. Real-time Bus Route State Forecasting Using Particle Filter: An Empirical Data Application // Transportation Research Procedia. 2015. Vol. 6. P. 434–447. DOI: 10.1016/j.trpro.2015.03.033