Крупных городов 9 Страница

Для распределения населения в Екатеринбурге в настоящий мо мент характерно то, что оно в большей степени распределено на пери ферийной части города, поэтому красный эллипс по протяженности превышает синий, следовательно, можно говорить о том, что активные границы города шире, чем территориальные.

При проведении сравнительного анализа городов очевидно то, что Пермь является более протяженным, но с меньшим количеством насе Глава 2. Методы и технологии транспортного анализа...

ления, следовательно, он более затратный в плане совершения транс портных корреспонденций.

Полученную методику расчетов можно применять на практике для уточнения распределения неизвестных параметров. Например, имея точные и достоверные данные по распределению населения на терри тории города Перми, мы можем восстановить распределение данных по населению в другом городе, имеющем схожую структуру. Эти ме тодики применимы для вывода определяющих соотношений, участву ющих в дальнейшем анализе транспортного потенциала территорий и построении транспортных моделей городов.

Рассмотрим возможности пространственного анализа распреде ления городской структуры на основе построенных эллиптических моделей. Проведем анализ городского землепользования – для этого найдем изменения площадей дорог, зданий, водных объектов в зависи мости от их расстояния до центра Перми (центра эллипса с координа тами: –1172,616;

–380,2037). Подобным образом определим зависимо сти количества населения, трудящихся, студентов, рабочих и учебных мест.

Рис. 2.22. Разбиение территории города регулярной сеткой на ряды-кольца в зависимости от расстояния до центра города 2.2. Анализ транспортной подвижности населения Для простоты расчета используем регулярное разбиение террито рии города в плоской декартовой системе координат в виде сетки по следовательности квадратов-колец, как показано на рис. 2.22.

Ряды определяются как удаленные от центра, первый на расстоя нии 500 м (ближние от центра 4 ячейки), второй – 1000 м (12 ячеек) и т.д. Для каждого ряда суммируются параметры, характеризующие тот или иной вид анализируемых исходных данных.

Для диаграммы на рис. 2.23 (см. цветную вклейку) суммируются по рядам параметры площадей жилой застройки (коричневый цвет), па раметры площадей дорог (серый цвет), параметр водных объектов (си ний цвет), затем данные выстраиваются в зависимости от расстояния.

Для диаграммы (рис. 2.24, см. цветную вклейку) суммируются по рядам рассчитанные суммы количества населения, рабочих мест, сту дентов, учебных мест, а также количество зарегистрированных авто мобилей. Результаты расчета суммируются по ячейкам, равноудален ным от центра. Итоговые значения сумм строятся в виде диаграмм в зависимости от расстояния от центра.

Предварительный визуальный анализ диаграмм на рис. 2.23 и 2. позволяет заметить существенную неравномерность использования территории города. Это исторически определяется последовательно стью этапов его формирования от момента основания до современного вида.

Очевидно, что Пермь, как и многие города, основанные на транс портных коммуникациях, сформирована отчасти искусственным об разом: путем объединения ряда поселений в территориальное обра зование с общим центром муниципального управления. Кроме того, нетрудно заметить, что распределение потенциальных территорий ге нераторов и потребителей (истоков и стоков) транспортных потоков, в свою очередь, также неравномерно.

«Ю.В. Трофименко, М.Р. Якимов ТРАНСПОРТНОЕ ПЛАНИРОВАНИЕ: ФОРМИРОВАНИЕ ЭФФЕКТИВНЫХ ТРАНСПОРТНЫХ СИСТЕМ КРУПНЫХ ГОРОДОВ Москва • Логос •...»

-- [ Страница 4 ] --

В дополнение к этому можно отметить, что распределение насе ления по территории города не совпадает с распределением объектов недвижимости. Это существенно влияет на обобщенные показатели функционирования транспортной системы города, определяя значи тельный объем неравномерных в течение суток транспортных потоков по основным магистралям, связующим городское ядро и территории города, отстоящие от центра на 10–15 км. Эти закономерности по зволят на этапе построения модели транспортного спроса (а именно функции предпочтений дальности совершения поездки) корректно учитывать выявленную неравномерность.

2.2. Анализ транспортной подвижности населения Объем и структуру транспортного спроса в городах принято счи тать довольно статичными параметрами, мало меняющимися по терри Глава 2. Методы и технологии транспортного анализа...

тории в связи с локальными изменениями режимов ее использования, как-то: новое строительство объектов недвижимости или объектов транспортной инфраструктуры. Однако анализ статистики уровня ав томобилизации и объемов дорожного движения наглядно показывает, что существуют довольно ярко выраженные изменения общих объ емов транспортного спроса, а также способы его реализации.

Можно проследить, как изменяется уровень автомобилизации в го родах, растет интенсивность дорожного движения на улично-дорож ной сети. Но простое интерполирование статистических зависимостей этого роста на долгосрочную перспективу, очевидно, не будет обладать достаточной степенью достоверности. Представляется интересным получить необходимые для построения прогнозных моделей транс портного спроса в городах параметры, характеризующие общую под вижность жителей, на основе анализа статистики более развитых по уровню автомобилизации европейских стран.

Поставим задачу: определить основные параметры транспортного спроса в крупном российском городе (до 2030 г.). Прогноз параметров транспортного спроса будет проводиться в двух направлениях (рис.

2.25): прогноз подвижности населения и прогноз разделения (расще пления) всего объема транспортных корреспонденций по видам транс порта (Modal Split).

Модель изменения параметров транспортного спроса Модель изменения Modal Split подвижности населе (модель расщепления) ния городов Рис. 2.25. Принципиальная схема построения прогнозных моделей объемов транспортного спроса в городах 2.2.1. Анализ автомобилизации и общей подвижности населения городов В основу моделей легли статистические данные параметров под вижности, а также уровня использования различных видов транспорта для городов Германии, предоставленные компанией Poyry [125, 126] (http://www.poyry.com/), и статистическая информация по городам Италии от компании Systematica [126, 127] (http://www.systematica.

net/).

2.2. Анализ транспортной подвижности населения Таблица 2. Статистические данные количества населения, уровня автомобилизации и среднегодового пробега автомобиля для городов Германии Уровень Средний Примени Численность Количество автомоби- годовой тельно к Год населения, автомоби лизации, авто / пробег, городам тыс. чел. лей, тыс.

1000 жителей тыс. км России 1960 55433 4490 81,0 16, 1965 59012 9267 157,0 15, 1966 59638 10302 172,7 15, 1967 59873 11016 184,0 Россий ские 1968 60184 11683 194,1 14, города 1969 60848 12585 206,8 14, 1970 60651 13941 229,9 14, 1971 61302 15115 246,6 14, 1972 61672 16055 260,3 13, 1973 61976 17023 274,7 13, 1974 62054 17341 279,5 13, 1975 61829 17898 289,5 13, Россий ские 1976 61531 18920 307,5 13, города 1977 61400 20020 326,1 13, 1978 61327 21212 345,9 13, Россий ские 1979 61359 22535 367,3 12, города 1980 61566 23192 376,7 12, 1981 61682 23730 384,7 11, 1982 61638 24105 391,1 12, 1983 61423 24580 400,2 12, 1984 61175 25218 412,2 12, Глава 2. Методы и технологии транспортного анализа...

Рис. 2.26. График изменения численности населения и количества автомобилей, зарегистрированных в городах Германии (по годам) Рис. 2.27. График изменения уровня автомобилизации и среднего годового пробега в Германии (по годам) Для построения модели и прогнозирования подвижности населе ния использованы данные немецких исследователей, полученные в ре зультате статистического анализа и наблюдений в различных городах Германии (табл. 2.4, рис. 2.26 и 2.27).

Оценку изменения подвижности будем проводить по интегриро ванному показателю – суммарному пробегу всех автомобилей за сутки 2.2. Анализ транспортной подвижности населения (км/сутки). Для этого представим исходные данные в виде суточного пробега автомобиля и затем подсчитаем общий пробег всех автомоби лей.

За точку отсчета возьмем 1968 г. Именно этот год в Германии по основным параметрам, определяющим функционирование транспорт ных систем, соответствует 2008 г. для крупных российских городов.

Суммарный пробег для этого года составил: 14 700 км / 365 суток 11 683 000 авто = 506 847 945 км/сутки. 1976 г. соответствует по основ ным достигаемым показателям 2016 г. для крупных российских горо дов. Суммарный пробег составил: 13 500 км / 365 суток 18 920 авто = 699 780 822 км/сутки.

Таким образом, с 1968 по 1976 год, по данным наблюдений в горо дах Германии, отношение количества автомобилей на 1000 жителей увеличилось в 307,5/194,1 = 1,584 раза, общее количество автомоби лей увеличилось в 18920 / 11683 = 1,62 раза, суммарный пробег авто мобилей увеличился в 699 780 822 / 506 847 945 = 1,38 раза.

Выполнив аналогичные действия для всех предыдущих периодов времени каждого года, получим результаты суммарного пробега авто мобилей в сутки (табл. 2.5).

Полученные значения суммарного пробега парка автомобилей используются для ретроспективного прогнозирования уровня под вижности населения городов Германии в течение 1985–1990 гг. В по следующем полученные данные используем для расчета параметров подвижности населения в крупном российском городе на 2030 г. По строим функциональные зависимости для наблюдаемых параметров.

Для аппроксимации выберем логарифмический вид функции.

По результатам многочисленных исследований определили, что логарифмическая зависимость наиболее точно описывает основные параметры роста автомобилизации и транспортной подвижности на селения городов. График итоговой логарифмической функции пред ставлен на рис. 2.28.

В результате аппроксимации получен следующий вид функции уровня автомобилизации в зависимости от года:

= 27729 ln (x) – 210117, y (2.27) где x – прогнозируемый период (год).

На основании этого определим уровень автомобилизации на пер спективу до 1990 г. (табл. 2.6).

Сравним фактические данные об уровне автомобилизации с рас считанными. Коэффициент корреляции равен 0,984. Средняя относи тельная ошибка 3,6%, R2 = 0,97, стандартное отклонение 5,047. Таким образом, нам удалось достаточно точно аппроксимировать кривую изменения уровня автомобилизации. Уровень автомобилизации в Глава 2. Методы и технологии транспортного анализа...

Таблица 2. Значения суммарного пробега всех автомобилей в пересчете на сутки из статистического анализа наблюдений по городам Германии Уровень Суммарный Числен- Количе- Среднегодо автомоби- пробег всех ность ство авто- вой пробег Год лизации, автомоби населения, мобилей, на автомо авт./1000 лей в сутки, тыс. чел. тыс. биль, тыс. км жителей км 1960 55433 4490 81 16,3 1965 59012 9267 157 15,5 1966 59638 10302 172,7 15,5 1967 59873 11016 184 15 1968 60184 11683 194,1 14,7 1969 60848 12585 206,8 14,7 1970 60651 13941 229,9 14,4 1971 61302 15115 246,6 14,2 1972 61672 16055 260,3 13,8 1973 61976 17023 274,7 13,5 1974 62054 17341 279,5 13,1 1975 61829 17898 289,5 13,7 1976 61531 18920 307,5 13,5 1977 61400 20020 326,1 13,3 1978 61327 21212 345,9 13,2 1979 61359 22535 367,3 12,9 1980 61566 23192 376,7 12,8 1981 61682 23730 384,7 11,9 1982 61638 24105 391,1 12,2 1983 61423 24580 400,2 12,4 1984 61175 25218 412,2 12,5 городах Германии за 1990 г., составляющий 509 автомобилей на жителей, мы принимаем как прогнозный уровень автомобилизации крупного российского города, ожидаемый к 2030 г.

Аналогично аппроксимируем и экстраполируем данные для сум марного суточного пробега (рис. 2.29).

Результат аппроксимации для функции суммарного суточного про бега:

2.2. Анализ транспортной подвижности населения Рис. 2.28. Аппроксимация уровня автомобилизации логарифмической функцией Таблица 2. Рассчитанный и фактический уровень автомобилизации для городов Германии Рассчитанный уровень Фактический уровень Год автомобилизации автомобилизации 1985 440 1986 454 1987 468 1988 482 1989 495 1990 509 y = 51 405 954 ln(x) – 389 424 486;

(2.28) где x – прогнозируемый период (год).

Проведя экстраполяцию на 1985–1990 гг., получим следующие зна чения (см. табл. 2.7).

Таким образом, проведя соответствие между расчетными годами и показателями подвижности, получим следующие расчетные данные Глава 2. Методы и технологии транспортного анализа...

Рис. 2.29. Аппроксимация суммарного суточного пробега логарифмической функцией Таблица 2. Экстраполированные значения суммарного суточного пробега автомобилей в городах Германии Год Суммарный суточный пробег, тыс. км 1985 920161, 1986 946052, 1987 971930, 1988 997794, 1989 1023646, 1990 для прогнозирования этих параметров в крупных российских городах для трех периодов прогнозирования (табл. 2.8).

Для расчета уровня изменения подвижности будем использовать зависимости изменения суммарного пробега, так как этот показатель учитывает в себе как изменение уровня автомобилизации, так и сте пень (частоту) использования автомобиля (рис. 2.30).

2.2. Анализ транспортной подвижности населения Таблица 2. Значения уровня автомобилизации и относительного изменения суммарного пробега для крупных российских городов Уровень Относительное изменение суммарного Год автомобилизации пробега относительно 2009 г.

2016 308 1, 2022 391 1, 2030 509 2, Рис. 2.30. Принципиальная схема общего вклада в показатели подвижности городского населения различных характеристик транспортного спроса Рост количества автомобилей в собственности граждан опережает рост суммарного пробега всех зарегистрированных автомобилей. Это связано со следующими двумя факторами:

во-первых, наблюдается снижение интенсивности использования личных автомобилей;

во-вторых, наблюдается падение средней длины поездки, прихо дящейся на один зарегистрированный автомобиль.

Оценить уменьшение средней длины поездки, приходящейся на один автомобиль, можно из стремления водителями сохранить ощу щаемое время поездки в определенных рамках, поэтому при падении скорости движения вследствие увеличения интенсивности и загрузки участков улично-дорожной сети водители сокращают общую длину каждой поездки с целью экономии своего личного времени.

Соответствующие поправки, учитывающие данный факт, необ ходимо вносить в транспортную модель городов на этапе генерации транспортного спроса.

Глава 2. Методы и технологии транспортного анализа...

2.2.2. Анализ разделения (расщепления) транспортных корреспонденций по видам транспорта (Modal Split) Для построения модели расщепления и исследования изменения отношения Modal Split считаем возможным использовать данные, представленные компанией Systematica (табл. 2.9).

Таблица 2. Данные, предоставленные компанией Systematica (Италия) Из них на Среднее Автомо- Всего Количе- индиви- число кор Население, билей корре Год ство авто- дуальном респон чел. на 1000 спонден мобилей транс- денций на жителей ций порте чел. в день 2001 33 239 029 56 960 692 584 124 827 74 094 3, 2002 33 706 153 56 993 742 591 118 497 66 705 3, 2003 34 310 446 57 321 070 599 122 664 74 418 3, 2004 33 973 147 57 888 245 587 115 419 63 397 2, 2005 34 667 485 58 462 375 593 118 285 71 471 3, 2006 35 297 282 58 751 711 601 117 371 74 475 2, 2007 35 680 097 59 131 287 603 127 940 84 127 3, 2008 36 105 183 59 619 290 606 128 968 83 620 3, 2009 — 60 045 068 — 116 981 78 882 3, Следует отметить, что существуют определенные трудности им плементации исследованных статистических данных для целей про гнозирования транспортного спроса в крупных российских городах:

сложно однозначно определить соответствие между различными годами для сопоставления показателей долей корреспонденций для городов Италии и крупных российских городов;

из-за большого разрыва в годах, приведенных в представленных статистических материалах для Германии и Италии, вызывает затруд нение сопоставление этих данных и объединение в общий тренд.

Из этих данных можно определить изменение Modal Split по годам для Италии (табл. 2.10).

2.2. Анализ транспортной подвижности населения Таблица 2. Изменение Modal Split в городах Италии по годам Год Доля корреспонденций ИТ Доля корреспонденций ОТ 2001 0,594 0, 2002 0,563 0, 2003 0,607 0, 2004 0,549 0, 2005 0,604 0, 2006 0,635 0, 2007 0,658 0, 2008 0,648 0, 2009 0,674 0, Доля корреспонденций индивидуального транспорта рассчитана как отношение количества корреспонденций индивидуального транс порта к общему количеству корреспонденций. Доля корреспонден ций общественного транспорта рассчитана как отношение количества корреспонденций общественного транспорта к общему количеству корреспонденций.

На основе данных по городам Италии можно экстраполировать значения для общего количества корреспонденций в виде логарифми ческой функции. В итоге был получен следующий вид функции:

y = 1 506 283,89671ln(x) – 11 330 754, 94793, (2.29) где x – прогнозируемый период (год).

Мы провели ретроспективную экстраполяцию статистических дан ных для городов Италии и получили данные по уровню автомобили зации в соответствии с данными, полученными для Германии. Таким образом, данные по уровню автомобилизации по Италии для 2007 г.

соответствуют данным по Германии 1994 г. Следовательно, временное соотношение искомых параметров между городами Италии и России выстроится как соответствие 1982 г. к 2008 г.

Глава 2. Методы и технологии транспортного анализа...

Таблица 2. Общее количество корреспонденций Год Общее количество транс- Общее количество транс портных корреспонден- портных корреспонден ций по городам Италии, ций в крупном россий Италия Россия тысяч ском городе 1982 2008 104744 1989 2016 110055 1995 2022 114592 2003 2030 122664 Таблица 2. Доля корреспонденций на индивидуальном транспорте (по годам) Год Доля корреспонденций на индивидуальном транспорте Италия Россия 1982 2008 0, 1989 2016 0, 1995 2022 0, 2003 2030 0, Затем мы получили общее количество транспортных корреспон денций по крупным российским городам для прогнозных временных отрезков как пропорциональное увеличение относительно 2008 г.

(табл. 2.11). Пропорциональные соотношения строились относитель но исходных данных по городам Италии.

Таким образом, к 2030 г. общий объем транспортных корреспонден ций вырастет на 17%. Важно понимать, как изменится соотношение между корреспонденциями ИТ и ОТ внутри этого объема.

Проследим, как меняются доли корреспонденций на индивидуаль ном транспорте от общего количества корреспонденций по данным, приведенным в табл. 2.11.

Проведем экстраполяцию для долей корреспонденций на индиви дуальном транспорте (табл. 2.12), для которой выберем экспоненци альный вид функции:

2.2. Анализ транспортной подвижности населения y = 0,00000130193978385121e0,00651711962543928000x, (2.30) где x – прогнозируемый период (год).

Приведем еще один способ получения суммарного суточного про бега парка автомобилей для крупного города. Определять его будем в результате выполнения следующих последовательных действий:

Поделим среднегодовой пробег одного автомобиля на 365 и полу чим среднесуточный пробег одного автомобиля.

Умножим показатель среднесуточного пробега одного автомобиля на количество автомобилей и получим суммарный суточный пробег всех зарегистрированных в городе автомобилей.

Для того чтобы получить среднегодовой пробег на прогнозные годы для крупного российского города, проведем экстраполяцию дан ных по среднегодовому пробегу в Германии. Полученные данные бу дем использовать для вычислений по алгоритму, описанному выше, в пунктах 1 и 2.

Основное отличие такого подхода от приведенного в начале главы способа получения суммарного суточного пробега путем экстраполя ции самого суточного пробега заключается в том, что производится экстраполяция исходных данных (то есть годового пробега автомоби ля), а не значений, полученных в результате последующих вычисле ний. Так как суммарный суточный пробег всех автомобилей зависит от двух параметров – количества автомобилей и среднесуточного про бега одного автомобиля, то предполагается, что наиболее достоверные данные получатся, если экстраполировать каждый из параметров от дельно, а не их произведение.

Проведем экстраполяцию для среднегодового пробега одного ав томобиля (рис. 2.31). В этих целях будем использовать логарифмиче ский вид функции (см. рис. 2.29). Для среднегодового пробега одного автомобиля получилась функция следующего вида:

y = –343,59354 ln(x) + 2 620,85052. (2.31) Численное значение экстраполируемых данных о среднегодо вом пробеге одного автомобиля приведено в табл. 2.13 и выделено в рамку.

На материале полученных данных был определен суточный пробег одного автомобиля и суммарный суточный пробег по состоянию на ба зовый 2008 г. и последующих прогнозных временных отрезков (табл.

2.14).

Все полученные параметры транспортной подвижности сведены в итоговую таблицу (табл. 2.15).

Для удобства восприятия в табл. 2.15 (с. 128–129) перечислены источники информации, на базе которых получены итоговые цифры Глава 2. Методы и технологии транспортного анализа...

Таблица 2. Среднегодовой пробег одного автомобиля Год Среднегодовой пробег одного для городов для городов автомобиля, тыс. км России Германии 2008 1969 14, 1970 14, 1971 14, 1972 13, 1973 13, 1974 13, 1975 13, 2016 1976 13, 1977 13, 1978 13, 1979 12, 1980 12, 1981 11, 2022 1982 12, 1983 12, 1984 12, 1985 11, 1986 11, 1987 11, 1988 11, 1989 11, 2030 1990 10, прогнозных временных отрезков для транспортной подвижности в крупных российских городах.

Изменение подвижности населения спрогнозировано до 2030 г.

Уровень автомобилизации к этому времени достигнет показателя автомобилей на 1000 жителей. Среднесуточный пробег одного автомо биля сократится до 30 км. Соотношение объемов транспортных кор респонденций достигнет уровня 60% на индивидуальном транспорте и 40% транспортных корреспонденций на общественном транспорте.

2.2. Анализ транспортной подвижности населения Рис. 2.31. Экстраполяция среднего годового пробега одного автомобиля Таблица 2. Суммарный суточный пробег и суточный пробег одного автомобиля Год для российских Среднесуточный пробег Суммарный суточный городов одного автомобиля пробег 2008 44,1 2016 37,0 2022 33,4 2030 30,0 Полученные соотношения являются базовыми параметрами для построения моделей изменения транспортной подвижности населения крупных городов во времени. Можно предположить, что найденные зависимости статичны по отношению к большинству макроэкономи ческих показателей жизни общества в современных крупных инду стриальных городах Европы и России. Полученные параметры и их прогнозы на перспективу позволят исследователям в области транс портного планирования и организации дорожного движения давать качественные и количественные оценки эффективности тех или иных проектов в области развития транспортных систем городов.

Глава 2. Методы и технологии транспортного анализа...

Таблица 2. Итоговые значения параметров транспортной подвижности Параметр Уровень авто Год Среднесуточный Суммарный суточный мобилизации, пробег одного авто- пробег всех автомобилей, авт./тыс.

мобиля, км км жителей 2008 206 44,0 9 077 2016 308 37,0 11 391 2022 391 33,4 13 069 2030 509 30,0 15 270 Источник Данные по городам Германии Расчет Соответствие по Произведение среднесу Способ Соответствие годам + экстрапо- точного пробега одного получе по годам ляция исходных автомобиля и кол-ва ния данных автомобилей 2.3. Система мониторинга состояния и режимов функционирования дорожно-транспортного комплекса крупных городов Для создания качественных инструментов выработки управленче ских решений по формированию эффективной, безопасной и устойчи вой транспортной системы крупного города необходимо решить три методические задачи:

– создать модель транспортного спроса;

– создать модель транспортного предложения;

– разработать систему мониторинга состояния и условий движе ния на улично-дорожной сети.

Решение этих трех задач открывает возможность разработки при кладных математических моделей, необходимых при решении задач 2.3. Система мониторинга состояния и режимов функционирования... Таблица 2. населения крупного российского города по годам Параметр Доля корреспонден Общее количество Кол-во корреспонденций на ций на индивидуаль корреспонденций индивидуальном транспорте ном транспорте 1 995 000 0,55 1 097 2 048 865 0,612 1 253 2 105 202 0,593 1 248 2 283 611 0,607 1 386 Данные по городам Италии Расчет Экстраполяция ис Произведение доли корре ходных данных, их Экстраполяция спонденций на индивиду пропорциональное исходных данных альном транспорте и общего изменение данных кол-ва корреспонденций для городов России развития транспортных систем городов, транспортного планирования и организации дорожного движения.

Оценка состояния и условий движения на улично-дорожной сети – необходимый этап при создании системы моделирования и прогнози рования транспортных потоков, состояния загрязнения атмосферы городов, шумового загрязнения, моделирования и прогнозирования параметров транспортной безопасности. От качества, полноты и до стоверности исходной информации напрямую зависят как адекват ность создаваемой модели, так и результаты моделирования и прогно зирования многих процессов [128, 97].

Возникает необходимость в создании методики ведения непрерыв ного мониторинга состояния и условий движения на УДС города, об ладающей максимальной функциональностью и применимостью для Глава 2. Методы и технологии транспортного анализа...

разрешения наибольшего количества проблем, возникающих при экс плуатации транспорта в условиях большого города.

Методика оценки состояния и условий движения на улично-до рожной сети города должна удовлетворять ряду основных требований:

1. Требование универсальности.

Количество и перечень оцениваемых параметров о составе транс портных потоков и условий их движения по улично-дорожной сети го рода, равно как и точность и степень дискретизации всех необходимых для расчета параметров, не должны зависеть от каких-либо простран ственных или временных факторов.

2. Требование непрерывности и системности.

Методика сбора любой необходимой информации должна обес печивать возможность ведения непрерывного наблюдения за всеми параметрами в режиме постоянного мониторинга. Степень дискрети зации, полнота и точность информации, характеризующей состояние и условия движения на улично-дорожной сети, должны позволять по строение адекватных и непрерывных во времени математических мо делей поведения каждого исследуемого параметра.

3. Требование минимизации стоимости натурных исследований.

Учитывая тот факт, что величина затрат на создание системы мо делирования и прогнозирование транспортных систем городов напря мую зависит от затрат на сбор необходимой исходной информации в ходе проведения натурных исследований, методика сбора показателей должна обеспечивать получение максимума информации при мини муме материальных затрат.

Выбор основных параметров, включенных в систему мониторинга транспортных потоков на улично-дорожной сети города, основывался на следующих принципах:

1. Состав и количество параметров должны максимально полно и однозначно определять характер и степень удовлетворения суще ствующего на территории транспортного спроса имеющимся в распо ряжении сообщества транспортным предложением.

2. Технология сбора выбранных показателей должна обеспечивать максимальную достоверность собираемой информации. Выполнение этого требования в большей степени определяет итоговую ошибку по лучаемых на основе такой информации математических моделей.

Например, в ходе замеров показателей интенсивности транспорт ных потоков можно задать цель измерения мгновенной скорости транспортного потока или замер некоторых параметров ездовых ци клов отдельных групп автомобилей, а также автоматически на этапе подсчета количества транспорта более детально делить весь транс портный поток на отдельные группы.

Все эти шаги способствуют более полному и детальному изучению характера движения и, как следствие, приводят к более качественным 2.3. Система мониторинга состояния и режимов функционирования... и достоверным результатам. Однако проведенные многочисленные эксперименты по учету и замерам ряда дополнительных параметров транспортных потоков заставили отказаться от учета многих, без со мнения полезных, параметров, характеризующих движение транс портного потока.

Проанализировав собранную в процессе проведения пробных за меров информацию о некоторых дополнительных параметрах транс портных потоков, исследователи обнаруживают крайне низкую стабильность результатов наблюдений, небольшой коэффициент ав токорреляции между сходными по смыслу параметрами, существен ную величину случайной ошибки. Подобные объективные трудности при сборе информации по ряду параметров заставили отказаться, на пример, от замеров количества автомобилей, находящихся в очереди перед регулируемым перекрестком, а также автоматического деления транспортного потока на мелкие составные группы по видам транс порта, как требует того ряд известных методик.

Состав и количество параметров, механизм, технология и методика сбора необходимой исходной информации, как и дальнейшее получе ние расчетной информации должны отвечать принципу минимизации затрат на их проведение. Работы по проведению натурных обследова ний структуры и интенсивности транспортных потоков чрезвычайно дорогостоящие и требуют привлечения большого количества людей.

Поэтому увеличение количества измеряемых показателей, как и уже сточение методик по сбору информации, автоматически приводит к увеличению числа учетчиков, принимающих участие в исследованиях или к росту продолжительности проведения исследований.

Дата добавления: 2017-02-01; Просмотров: 60; Нарушение авторских прав?; Мы поможем в написании вашей работы!