Нейросетевая модель прогнозирования скопления пассажиров для оптимизации управления движением городского общественного транспорта

Развитие общественного транспорта в городах является эффективным способом уменьшения «заторов» в улично-дорожной сети и как следствие повышения скорости перевозок пассажиров. Повышение качества городских автобусных перевозок способствует привлечению большего числа пассажиров. Интервалы движения автобусов единожды рассчитываются для каждой маршрутной линии индивидуально, исходя из среднего показателя скопления пассажиров на остановочных пунктах. В свою очередь, внезапное скопление большого количество пассажиров на остановочных пунктах становится причиной того, что не все пассажиры могут своевременно передвигаться, что вызывает беспокойство у пассажиров. Это является одним из факторов снижения качества пассажирских транспортных услуг. Целью исследования является разработка модели прогнозирования скопления пассажиров на остановочных пунктах для оптимизации управления движением городского общественного транспорта. Материалы и методы. В настоящей статье представлена нейросетевая модель прогнозирования скопления пассажиров на остановочных пунктах. Она учитывает пространственно-временные характеристики движения автобусов. Результаты. Разработанная модель прогнозирования скопления пассажиров на остановочных пунктах апробирована на реальных данных автобусного маршрута № 3 (г. Душанбе, Таджикистан). Модель позволила спрогнозировать пассажиропоток (количество пассажиров на остановочных пунктах) с точностью от 72 до 74,5 % от реального числа пассажиров на остановочных пунктах. Заключение. Предлагаемый метод в отличие от других методов позволяет автоматически адаптировать модель прогнозирования под изменяющиеся условия маршрутной линии. Представленный метод универсальный и может применяться и для других маршрутных линий (остановочных пунктов). Он не требует больших временных затрат для перенастройки.