Моделирование движения транспортного потока на регулируемых пересечениях с режимом адаптивного управления тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Леверенц Евгений Эдуардович

• Леверенц Евгений Эдуардович
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Леверенц Евгений Эдуардович

ВВЕДЕНИЕ

ГЛАВА 1 АНАЛИЗ СОВРЕМЕННЫХ МЕТОДИК И ИНСТРУМЕНТОВ ОРГАНИЗАЦИИ И ОПТИМИЗАЦИИ ДОРОЖНОГО ДВИЖЕНИЯ НА УЛИЧНО-ДОРОЖНОЙ СЕТИ

1.1 Характеристика улично-дорожной сети и особенности дорожного движения в крупных и крупнейших городах

1.2 Парадигмы развития улично-дорожной сети

1.3 Способы решения проблем при транспортной планировке и организации дорожного движения в городах

1.4 Анализ факторов, сковывающих и препятствующих гармоничному развитию улично-дорожной сети

1.5 Методы определения средней величины транспортной задержки на пересечениях

1.6 Использование интеллектуальных транспортных систем оптимизации организации дорожного движения без укрупнения улично-дорожной сети

1.7 Вывод по главе

ГЛАВА 2. ИССЛЕДОВАНИЕ ТРАНСПОРТНЫХ ПОТОКОВ НА РЕГУЛИРУЕМЫХ ПЕРЕСЕЧЕНИЯХ УЛИЧНО-ДОРОЖНОЙ СЕТИ

2.1 Экспериментальные исследования подходящего потока к пересечению

2.2 Эмпирическое распределение исходящего потока со стоп линии

2.3 Оценка флуктуации пропускной способности

2.4 Выводы по главе

ГЛАВА 3 ПРИМЕНЕНИЕ АДАПТИРОВАННОГО МЕТОДА «МОНТЕ-КАРЛО» К ЗАДАЧЕ МОДЕЛИРОВАНИЯ ТРАНСПОРТНОГО ПЕРЕСЕЧЕНИЯ

3.1 Моделирование транспортного потока

3.2 Реализация модели транспортного пересечения в виде комплекса программ

3.3 Точность метода

3.4 Моделирование и анализ результатов

3.5 Оценка достоверности данных численного эксперимента

3.6 Рекомендации по применению программного продукта

3.7 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ

ПРОГРАММЫ ДЛЯ ЭВМ

ПРИЛОЖЕНИЕ Б АКТ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ

РАБОТЫ

ПРИЛОЖЕНИЕ В ПРОВЕРКА ТРАНСПОРТНОГО ПОТОКА НА СООТВЕТСТВИЕ ВЕРОЯТНОСТНЫМ РАСПРЕДЕЛЕНИЯМ

Введение диссертации (часть автореферата) на тему «Моделирование движения транспортного потока на регулируемых пересечениях с режимом адаптивного управления»

ВВЕДЕНИЕ

Развитие улично-дорожной сети, является необходимым условием развития самого города, будь то расширение его границ или введение новых инфраструктурных объектов в уже устоявшиеся границы. Доступность транспортных путей, эффективность логистических услуг, эффективность общественного транспорта стали одной из важнейших задач, стоящих перед инженерами, которые отвечают за расширение улично-дорожной сети. Российская Федерация на рубеже веков сменила парадигму развития города. Вместе с тем сменился характер пользования улично-дорожной сетью. Приоритет общественного и специализированного транспорта как пользователя улично-дорожной сетью хоть и сохранился, но отошел на второй план в связи с незначительным удельным весом в отношении к личному транспорту [51]. Изменение этого характера повлекло за собой изменение плана развития города, а также прогнозов расселения и деловой активности жителей города [2].

Изменение облика города, увеличивает потребность жителей в личном транспорте. Такой путь развития ведет к высокому темпу автомобилизации населения [6]. Но это повышает потребление ресурсов улично-дорожной сети. Городские улицы Российской Федерации, формировавшиеся во времена другой градостроительной парадигмы, были рассчитаны на транспортную нагрузку в размере 30-80 автомобилей на 1000 жителей [41]. Это влечет за собой ряд проблем. Городские магистрали не справляются с потоками автомобилей в часы пиковой нагрузки. Такие пики создаются как дневным расписанием деловой активности граждан, так и сезонными явлениями и праздниками. Перегрузка городских магистралей в «часы пик» приводит к появлению транспортных заторов [1; 4].

Работа улично-дорожной сети на пределе возможностей, вызывает частое снижение средней скорости движения потока автомобилей [20], это ведет к снижению всей эффективности улично-дорожной сети. Эта неэффективность проявляется как в увеличении временных затрат на транспортировку грузов и пассажиров, увеличение горюче-смазочных материалов, так и в увеличение

экологической нагрузки на окружающую среду [34]. Перечисленные проблемы имеют четкое численное выражение, такое как объем загрязняющих веществ, вырабатываемый автомобилями, стоящими в сформировавшихся заторах, так и временя задержки автомобиля в сравнении с нормальным функционированием улично-дорожной сети [6].

Исследование магистральных улиц города Тюмени [2], показали, что скорость транспорта в «час пик» составляет, в среднем, 10-15км/ч, расход горючего увеличивается на 40% [32]. Частые остановки автомобилей у перекрестков значительно ускоряют износ ходовой части транспортных средств и разрушают дороги с образованием сдвигов и волн [81]. Режим работы двигателя «газ-тормоз», повышает интенсивность выхлопных газов, малая скорость движения в заторе, многократно увеличивает применение этого режима функционирования автомобилей. Это увеличивает износ узлов автомобилей и дорожного покрытия. В исследованиях [2] показано, что выброс вредных веществ в режиме затора 2,5 раза больше, чем при скорости 40-60км/ч. Высокая интенсивность движения в сумме с повторением монотонных действий, не имеющих значительного эффекта в продвижении по городу, снижает внимание водителя, а последующее желание наверстать потерю провоцирует увеличение скорости движения, что увеличивает количество дорожно-транспортных происшествий [8].

Картина, составленная из вышеперечисленных явлений свойственных современной улично-дорожной сети, демонстрирует необходимость в обеспечении быстрого и безопасного движения по улично-дорожной сети. Учет современных требований к улично-дорожной сети при проектирование городской инфраструктуры, позволит добиться ее максимальной эффективности в исполнении транспортных функций [5; 80].

Так же, транспортный затор создает целый комплекс проблем, напрямую с дорожной сетью не связанный. Первое, это загрязнение окружающей среды и ухудшение экологической обстановки в городе. Автомобильный транспорт и без того оказывающий значительное влияние на чистоту воздуха, в сформировавшемся

заторе концентрирует выбросы в одном очаге. Увеличение косвенных выбросов, загрязняющих прилежащую к дороге почву.

Экономическое влияние транспортных заторов велико. Нерациональный расход времени на совершение операций с участием транспорта ведет к увеличению затрат на издержки, связанные с логистикой. То есть каждый километр, пройденный автомобилем, будет включать в себя стоимость простоя в заторе. С учетом массовости операций, завязанных на автомобильном транспорте, как индивидуальном, так и общественном или коммерческом, размер общего экономического ущерба чрезвычайно велик [24].

Неравномерность транспортного потока создает повышенное давление в своих очагах, на дорожное покрытие, уменьшая срок его эксплуатации. Что ведет к увеличению частоты ремонтных работ на участке.

Перечисленные последствия формирования транспортных заторов заставляют нас обратить свое пристальное внимание на разрешение данной проблемы [54].

Решений предложено достаточно много, они направленны как на увеличение пропускной способности улиц, так и на изменение характера организации дорожного движения [20]. Методы условно делятся на два лагеря, «жестких» и «мягких» мер [98].

Жесткие меры подразумевают под собой работы, связанные с переустройством дорожной сети путем расширения дорог, строительства новых и устройство транспортных развязок в разных уровнях. И капитальные работы такого типа могли бы решить проблему транспортных заторов целиком, если бы число транспортных средств и их участие в транспортном потоке было бы статической системой. Но на практике мы видим, как увеличение участников дорожного движения влияет на характер этого движения, а его характер влияет на количество участников. Чем больше транспорта в улично-дорожной системе, тем более разветвленной становится она, и тем большее количество транспорта появляется для пользования ей [32]. Этот замкнутый круг, не позволит нам, создавать все

новые километры улично-дорожной сети для утилизации всего транспорта, так как мы ограничены свободным пространством [63], которое можно было бы использовать более рационально.

Мягкие меры, наоборот, не подразумевают под собой капитального переустройства участков улично-дорожной сети, а работают с тем, что уже имеем. К ним относятся административные меры, направленные на реорганизацию характера дорожного движения, введение односторонних улиц, запреты поворотов на пересечениях, введение пешеходных фаз в схему регулирования светофоров, введение рекомендуемых скоростей, реверсивное движение, оптимизация автомобильных парковок, развитие общественного и корпоративного транспорта [53], введение систем автоматизированного регулирования дорожного движения как на пересечениях, так и на перегонах. Решение транспортных проблем таким образом, позволяет нам принимать решения с минимальным временным промежутком, между проектом и реализацией. Капиталовложения этих методов, отличаются в меньшую сторону в отличии от жестких мер [109].

Так как работа проектных решений ведется на существующей улично-дорожной сети, эти меры не требуют дополнительного пространства для введения их в работу. Но опять же, они не позволяют нам исключить динамику из транспортной системы. Рост количества участников дорожного движения, как со стороны личного, так и со стороны коммерческого транспорта, рано или поздно потребует расширения улично-дорожной сети [125].

Для эффективного использования всей площади улично-дорожной сети необходимо использовать меры, направляющие участников дорожного движения на свободные участки. При отсутствия дирекционных указаний, единственным способом воздействия на транспортную массу является способ регулирования дорожного движения на пересечениях [91].

Такие системы как АСУДД (автоматизированные системы управления дорожным движением) используют в качестве навигационных систем GPS, Glonass, что позволяет в реальном времени отслеживать всю ситуацию на городской

улично-дорожной сети [122]. Это позволяет координировать автомобильные потоки, позволяя всему городу воспринимать транспортную нагрузку как единый живой организм [56; 85].

Получение данных осуществляется как при помощи глобальных навигационных систем, так и при помощи локальных датчиков (нажимные детекторы проезда, купольные камеры, направленный инфракрасный луч и др.). Более того, к современным методам мониторинга состояния улично-дорожной сети необходимо отнести и автоматизированные транспортные средства (АТС). Они работают в связке как друг с другом V2V (автомобиль-автомобиль), так и анализируя обстановку вокруг себя V2I (автомобиль-инфраструктура). В международных трудах введение автоматизированных средств и их способы коммуникации получили названия V2V и V2I [57]. Пока автомобили, управляемые вручную остаются преобладающим участником дорожного движения V2V и V2I остаются дополнением к транспортной инфраструктуре. Включаясь в систему автоматизированного регулирования дорожного движения (АСУДД), системы V2V и V2I не претендуют, в ближайшем будущем, на её замену [95; 112].

К АСУД относятся отечественная система управления движением «Спектр 2.0», применяемая в г. Тюмени, в частности, и зарубежные SCOOT и UTOPIA. Применение адаптивного управления движением позволяет снизить задержки транспортных средств на регулируемых пересечениях по экспертным оценкам на 10-60% [7]. Многие производители дают такие же цифры в рекламной информации, касающихся своих продуктов, но не раскрывают методики подсчета задержек.

Для обоснования применения адаптивного управления движением на регулируемом пересечении требуется знать количество задержек транспортных средств и величину, на которые они снизятся. Некоторые программные продукты имитационного моделирования транспортных потоков, такие как VISSIM, Anylogic имеют надстраиваемые дополнительные модули адаптивного управления движением, но они имеют значительную стоимость, что затрудняет их внедрение. К

примеру, коммерческая лицензия на одно рабочее место программы VISSIM на сеть 10 км оценивается в 4170 тыс. руб. Также производители программных продуктов в рамках коммерческой тайны не раскрывают методологии и механизмов их работы.

Можно сказать, что оптимальное решение из предложенных мер удовлетворяет только текущий момент времени, и в будущем оно все равно потребует пересмотра [111]. Это верно лишь для точечных решений, не позволяющих рассматривать всю улично-дорожную сеть целиком [70]. Существующая улично-дорожная система, представляет точку отсчета для работ, связанных с ее преобразованием. На основании этого, появились концепции комплексных систем организации дорожного движения и комплексных схем организации общественного транспорта (КСОДД, КСОТ) [117]. Формирование долгосрочных стратегий развития улично-дорожной сети города невозможно без моделирования её элементов [9; 89]. Решения, принятые на основе моделирования изолированных участков улично-дорожной сети, позволят сформировать эффективную транспортную инфраструктуру города с перспективами расширения.

Рассматривая систему целиком, у нас есть возможность выделить для себя очаговые точки, те самые в которых заторы возникают чаще всего. Это точки пересечения транспортных потоков. Они представлены, в основном, транспортными пересечениями в одном уровне. Большинство решений связанных с проблемой формирования заторов, затрагивают именно транспортные пересечения. Введение автоматизированного регулирования, уширение проезжей части, устройство развязок в разном уровне, все это касается именно транспортных пересечений. Таким образом в первом приближении мы видим, что оптимизация транспортных пересечений позволит нам устранить основные очаги формирования транспортных заторов, и уже сужает наш круг поисков решения этой проблемы. Далее возникает вопрос, а какое именно проектное решение позволит нам максимально эффективно решить возникшую проблему. Исходя из вышеперечисленного, можно сказать, что самое эффективное изолированное решение может плохо показать себя при работе в системе. Для этого потребуется

механизм определения наиболее целесообразных мероприятий по совершенствованию транспортных пересечений. Типов транспортных пересечений в одном уровне можно выделить, по методу регулирования, три: нерегулируемые, регулируемые, регулируемые системой автоматизированного регулирования. Но предлагаем ввести еще одну классификацию, по степени изолированности пересечения. Где изолированное — это такой тип пересечения, который выполняя работу транспортного узла, за счет территориальной удаленности или технических факторов, не оказывает влияние на соседние с ним узлы улично-дорожной сети. Не изолированное — это пересечение, которое выполняя работу транспортного узла, за счет территориального позиционирования оказывает влияние на соседние в улично-дорожной сети, транспортные узлы.

Исходя из вышесказанного, можно ограничить для себя круг решений, выделив именно те элементы улично-дорожной сети, оказывая влияние на которые, мы получаем предсказуемый результат. Влияние на эти элементы позволит нам оценить эффективность принятых мер без возможного негативного влияния на остальные элементы улично-дорожной сети. Такое сужение области работ позволит нам, на основании прогноза выработать наименее рискованную стратегию усовершенствования существующей улично-дорожной сети. Что имеет под собой прямую практически-прикладную функцию, по сбережению бюджетных средств на разработку и принятие проектных решений. Эффективность того или иного решения будет определяться исходя из оказываемого экономического эффекта. Произведенный экономический расчет существующей ситуации позволит нам рассчитать существующие издержки, от эксплуатации улично-дорожной сети.

Моделирование развития транспортной ситуации позволит проанализировать предложенные или наиболее распространенные проектные решения на предмет экономической эффективности. Подобный алгоритм принятия решения, позволяет автоматизировать процесс выбора, предусмотренного в плане корректировки объектов улично-дорожной сети, или их полного переустройства.

Технология оценки экономической эффективности, наряду с введением

классификации транспортных пересечений, повлечет за собой ряд научно-теоретических открытий. К ним будут относиться такие нововведения или уточнения, как уточнение видов и параметров применяемых статистических распределений, описывающих подходы автомобилей к стоп-линии и проезды через нее. Для оценки экономического эффекта потребуется собственная методика расчета задержек на пересечении в зависимости от его места в классификации. Потребуется разработать и проверить модель подхода транспортных средств.

Актуальность диссертационной работы заключается в оптимизации дорожного движения на регулируемых пересечениях различной конфигурации и в разных дорожно-транспортных ситуациях с возможностью дальнейшего инженерного поиска решений по их частичной или полной (развязка в разных уровнях) реконструкции.

Для достижения цели необходимо решение следующих задач:

1. Провести натурный пассивный эксперимент по исследованию входящего и исходящего транспортного потока на регулируемых пересечениях, выявить закономерности работы пересечения. Обосновать тип распределения для моделирования подхода и ухода транспортных средств.

2. Разработать алгоритмы, в рамках выбранной модели, зависимости флуктуации (неоднородности во времени на заданном интервале) пропускной способности регулируемого пересечения от сложности пересечения и интенсивности движения на нем.

3. Построить модель адаптивного регулируемого пересечения.

4. Адаптировать метод «Монте-Карло» к задаче моделирования транспортного пересечения с различными видами регулирования на нем, с учетом меры флуктуации пропускной способности.

5. Разработать программный комплекс, основанный на стохастической дискретно-событийной модели подхода-ухода транспортных средств.

6. Провести оценку численного моделирования характеристик транспортного потока на пересечении с различными режимами регулирования и выбор

эффективного решения по критерию транспортных задержек. Объект исследования: транспортные потоки, на регулируемых пересечениях.

Предмет исследования: процесс движения транспортных потоков через регулируемые пересечения с различными алгоритмами управления ими.

Научная новизна соответствует трем пунктам паспорта специальности 1.2.2 - Математическое моделирование, численные методы и комплексы программ по техническим наукам:

1. На базе экспериментальных данных обоснована модель регулируемого пересечения в виде бета-распределения подходящего потока и нормального распределения исходящего потока, учитывающая параметры флуктуации фактической пропускной способности регулируемого пересечения, зависящей от экспертной оценки сложности организации дорожного движения.

2. По принятым на основании натурных экспериментов вероятностным законам распределения, модифицирован метод Монте-Карло с учетом созданной математической модели, учитывающий применение бета-распределение входящего потока и флуктуацию пропускной способности пересечения.

3. Создан программный продукт, моделирующий работу адаптивного регулируемого пересечения, учитывающий показатель флуктуации пропускной способности и бета-распределение входящего потока. Это позволяет оценивать эффективность организации дорожного движения по длине очереди и транспортной задержке.

Результаты, выносимые на защиту: 1. Транспортный поток на пересечении рассматривается как гетерогенная система, состоящая из входящего и исходящего потока.

2. Бета-распределение входящего по многополосной проезжей части на пересечение транспортного потока. Для описания входящего потока использовалось распределение Пуассона и бета-распределение.

3. Учет флуктуации пропускной способности зависящей от сложности организации движения на пересечении при генерации исходящего потока.

4. Разработанный на основе метода «Монте-Карло» вычислительный алгоритм расчета транспортного потока на пересечении с различными вариантами организации дорожного движения.

5. Комплекс программ для проведения вычислительных экспериментов по моделированию транспортных пересечений с различными способами регулирования.

6. Оценка эффективности методов регулирования по критериям длины очереди и транспортной задержки по итогу моделирования работы транспортного пересечения

Теоретическая и практическая значимость. Разработана модель адаптивного регулируемого пересечения с учетом пешеходного движения и последующим расчетом параметров образующихся очередей. С ее помощью можно моделировать работу пересечений улично-дорожной сети крупных и крупнейших городов с дальнейшей оценкой длин очередей и транспортной задержки. На основании полученных данных выбрать мероприятия по оптимизации дорожного движения и частичную или полную реконструкцию регулируемых пересечений. Разработанный программный продукт позволяет ограничить применение дорогих зарубежных программных комплексов, имеющих в своей основе закрытый код.

Достоверность полученных результатов работы обеспечивается опорой на основные положения теории транспортных потоков, экспериментальной проверкой применяемых в математической модели распределений случайной величины, моделированием методом «Монте-Карло» и сравнением результатов численного эксперимента с натурным.

Апробация работы. Результаты работы были представлены на:

- 69-ая международная научная конференция по проблемам архитектуры и строительства в городе Казани, 2017 год.

- IV международная научная конференция студентов и молодых ученых «Молодежь, наука, технологии: новые идеи и перспективы», город Томск, 2017.

- Всероссийская научно-практическая конференция «Инновации и долговечность объектов транспортной инфраструктуры (материалы, конструкции, технологии) город Тюмень, 2018 год.

- VII Международная конференция «Проблемы безопасности строительных критичных инфраструктур», город Челябинск, 2020 год.

Внедрение. Результаты диссертационной работы применялись для оценки характеристик существующих транспортных пересечений и вариантов проектных решений, с последующим выбором наиболее эффективного. Работы осуществлялись в рамках проектной деятельности «ПИИ Тюменьдорпроект».

Публикации. Результаты исследования изложены в 17 опубликованных работах, из них:

- 5 работ в журналах, входящих в перечень рецензируемых научных изданий, рекомендованных ВАК;

- 5 статей в журналах, индексируемых базой данных Scopus;

- Свидетельство о государственной регистрации программ для ЭВМ Личный вклад автора. Автор участвовал в постановке задач исследования,

теоретическом поиске, разработке модели, натурных наблюдениях, постановке экспериментов, обработкой результатов и выводов из них.

Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения. Полный объем работы составляет 149 страниц, включая 32 рисунка, 38 таблиц, трех графических приложений и список литературы в 126 источников.

Соискатель выражает свою исключительную благодарность руководителю кандидату технических наук, доценту Андронову Роману Валерьевичу за

руководство работой, за научную поддержку за ценные советы по работе над диссертацией, доктору наук, профессору Мальцевой Татьяне Владимировне за консультации и ценные советы по оформлению результатов и Шапцеву Валерию Алексеевичу за помощь в формировании структуры изложения идей и мыслей, которые несет работа.

ГЛАВА 1 АНАЛИЗ СОВРЕМЕННЫХ МЕТОДИК И ИНСТРУМЕНТОВ ОРГАНИЗАЦИИ И ОПТИМИЗАЦИИ ДОРОЖНОГО ДВИЖЕНИЯ НА

УЛИЧНО-ДОРОЖНОЙ СЕТИ

1.1 Характеристика улично-дорожной сети и особенности дорожного движения

в крупных и крупнейших городах

Транспортный сектор, являясь самым крупным инфраструктурным сектором, отражает состояние экономики страны в целом и может служить инструментом мониторинга ситуации в стране.

На автомобильный транспорт в Российской Федерации приходится до 70% всех перевозимых грузов. В 2018 году объем грузоперевозок совершенными автомобильным транспортом в Российской Федерации составил 8.3 млрд тон.

Грузооборот транспорта за 2019 г. составил 5670,9 миллиарда тонно-километров (100,6% к уровню 2018 г.), в том числе железнодорожного - 2602,5 (100,2%) [117], автомобильного - 275,4 (106,3%), внутреннего водного - 62,8 (95,1%), морского - 36,5 (99,0%), воздушного - 7,4 (94,6%), трубопроводного - 2686,2 миллиарда тонно-километров (100,0%) (см. рисунок 1.1) [121].

Пассажирооборот транспорта общего пользования за 2019 г. составил 570,5 миллиарда пассажиро-километров (107,2% к уровню 2018 г.), из него железнодорожного 133,6 (103,1%), автомобильного - 113,3 (98,7%), воздушного -323,0 миллиарда пассажиро-километров (112,6%) [58].

100 п 0,1 1 9 0,0 0,1 1,8 0,0 2,9

центов 6 га о о И 38,6 3,3 НЕ 2,7 37,4 5

и ш

о % 40 ■

20 ■ 0 - 30,5 м 31,3

Грузооборот Перевозки грузов Грузооборот ■ Перевозки грузов 1

2018 2019

■ Воздушный

□ Водный

□ Автомобильный

□ Трубопроводный

□ Железнодорожный

Рисунок 1.1 - Распределение коммерческих перевозок грузов и грузооборота по видам транспорта (в процентах)

Масштабы и характер использования транспортных услуг в Российской федерации соответствует уровню развития страны. Значительные расстояния между рабочим местом и местом проживания, маятниковая миграция между работой в черте города и за городом, высокий уровень неравенства в стране не позволяют уменьшить количество автомобилей в улично-дорожной сети.

Использование общественного транспорта оценивается в 3% [6]. Что является наименьшим показателем из всех стран перечня БРИК (в Китае 4%, около 8% в Индии) [109], но больше, чем в других странах, таких как США, где данный показатель менее одного процента [61].

Личный автомобильный транспорт, так же является значительной долей семейного бюджета, которая составляет около 10% (см таблицу 1.1).

Таблица 1.1 - Расходы населения стран БРИК, США и Германии на транспорт, 2014 год, долл./чел.

Россия Бразилия Китай Индия США Германия

Всего, личные расходы 6608 7054 2797 958 36361 24696

Расходы на транспорт, в т. ч.: 879 1073 209 139 3630 3421

На личный транспорт (ЛТ): 678 798 97 65 3323 2705

На покупку 416 303 31 14 1198 1128

На содержание 262 496 66 51 2125 1577

Мемо: доля расходов на ЛТ 10,3% 11,3 3,5 6,7 9,1 11

На услуги общественного транспорта (ОТ): 202 274 111 74 307 716

Железнодорожного (включая метро и трамваи) 64 8 17 4 4 130

Автомобильного (городские и междугородние автобусы, троллейбусы и такси) 92 236 75 69 128 184

Россия Бразилия Китай Индия США Германия

Воздушного 32 30 16 0,9 164 308

Прочих видов

(водные, 14 0,4 4 0,6 11 95

смешанные, услуги)

Мемо: доля расходов на ОТ 3 3,9 4,0 7,7 0,8 2,9

Структура расходов на ОТ, % 100 100 100 100 100 100

Железнодорожный 32 3 15 5 1 18

Автомобильный 45 86 67 93 42 26

Воздушный 16 11 14 1 53 43

Прочие виды 7 0,1 4 1 3 13

Мемо: расходы на товары 917 675 355 51 3823 3210

Исходя из данных представленных выше видим, что основные траты по всему миру приходятся именно на личный транспорт, это говорит о том, что личный транспорт является крупнейшим источником расходов как в коммерческой жизни городов, так и в вопросе транспортировки пассажиропотока. Это делает его основным потребителем улично-дорожной сети (см. таблицу 1.2). И количество индивидуального транспорта в ближайшее время имеет лишь тенденцию на увеличение [7; 59].

Список литературы диссертационного исследования кандидат наук Леверенц Евгений Эдуардович, 2023 год

СПИСОК ЛИТЕРАТУРЫ

1. Алферова И.Д. Расчет длительности пешеходной фазы основного такта работы светофорного объекта / И. Д. Алферова, З. В. Альметова, В. А. Городокин, В. Д. Шепелев // Транспорт. Транспортные сооружения. Экология. - 2019. - № 1. - С. 5 - 11.

2. Андронов, Р. В. Моделирование очередей на регулируемых пересечениях улично-дорожной сети крупного города в условиях плотных транспортных потоков : специальность 05.13.18 «Математическое моделирование, численные методы и комплексы программ", 05.23.11 «Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей» : диссертация на соискание ученой степени кандидата технических наук / Андронов Роман Валерьевич. - Тюмень, 2007. - 184 с.

3. Андронов, Р. В. Моделирование транспортных пересечений городских улиц с адаптивным регулированием дорожного движения / Р. В. Андронов, Е. Э. Леверенц, Т. В. Мальцева // Вестник Тюменского государственного университета. Физико-математическое моделирование. Нефть, газ, энергетика. - 2022. - Т. 8. - № 1(29). - С. 144 - 160.

4. Андронов, Р. В. Оценка стационарности транспортного потока как возможного условия адаптивного управления на регулируемых пересечениях / Р. В. Андронов, Е. А. Скиданова, В. А. Ямохин // Организация и безопасность дорожного движения : материалы XIV Национальной научно-практической конференции с международным участием, Тюмень, 13 мая 2021 года. - Тюмень: Тюменский индустриальный университет, 2021. - С. 164 - 168.

5. Андронов, Р.В. Расчет методом Монте-Карло задержек транспортных средств на изолированном регулируемом пересечении при его работе на высоких уровнях загрузки / Р. В. Андронов, Е. Э. Леверенц // Вестник гражданских инженеров. - 2017. - № 1(60). - С. 221 - 226.

6. Андронов, Р. В. Понятие затора и формирование очередей на регулируемом пересечении в условиях плотного транспортного потока / Р. В. Андронов, Б. П. Елькин, Д. А. Гензе // Научно-технический вестник Поволжья. - 2015. -№ 1. - С. 39 - 41.

7. Андронов, Р. В. Применение адаптивного регулирования на пересечении городских улиц в сравнении с устройством развязки в разных уровнях / Р. В. Андронов, Е. Э. Леверенц, В. В. Морозов // Вестник гражданских инженеров. - 2017. - № 4(63). - С. 194 - 200.

8. Басков, В. Н. Информационно-цифровой подход к оценке уровня безопасности дорожного движения / В. Н. Басков, Е. И. Исаева // Мир транспорта и технологических машин. - 2022. - № 3 - 2(78). - С. 46 - 55.

9. Басков, В. Н. Оценка уровня интеллектуализации дорожно- транспортной системы / В. Н. Басков, Е. И. Исаева // Мир транспорта и технологических машин. - 2022. - № 2(77). - С. 76 - 84.

10. Боярский, С. Н. Результаты имитационного моделирования задержки транспорта на нерегулируемых пересечениях автомобильных дорог / С. Н. Боярский // Экология и научно-технический прогресс. Урбанистика. - 2013. - Т. 2. - С. 82 - 91.

11. Боярский, С. Н. Совершенствование методов определения средней задержки транспорта на пересечении автомобильных дорог с высоким значением коэффициента загрузки движением / С. Н. Боярский // Современные проблемы науки и образования. - 2014. - № 3. - С. 83.

12. Бояршинов, М. Г. Выделение детерминированной составляющей интенсивности транспортного потока / М. Г. Бояршинов, А. С. Вавилин, А. Г. Шумков // Прогрессивные технологии в транспортных системах: Евразийское сотрудничество : Сборник материалов XV международной научно-практической конференции, Оренбург, 09-11 декабря 2020 года. -Оренбург: Оренбургский государственный университет, 2020. - С. 81 - 87.

13. Бояршинов, М. Г. Применение показателя Хёрста для исследования

интенсивности транспортного потока / М. Г. Бояршинов, А. С. Вавилин, Е.

B. Васькина // Интеллект. Инновации. Инвестиции. - 2022. - № 2. - С. 68 -81.

14. Бояршинов, М. Г. Фурье-анализ интенсивности транспортного потока / М. Г. Бояршинов, А. С. Вавилин, А. Г. Шумков // Интеллект. Инновации. Инвестиции. - 2021. - № 4. - С. 46 - 59.

15. Бояршинов, М. Г. Цифровая обработка данных системы видеофиксации нарушений правил дорожного движения / М. Г. Бояршинов // Транспорт. Транспортные сооружения. Экология. - 2022. - № 3. - С. 5 -18.

16. Бурлуцкий, А. А. Опыт применения беспилотных летательных аппаратов для обследования интенсивности движения транспортных потоков / А. А. Бурлуцкий, У. К. Красько // Производственные системы будущего: опыт внедрения Lean и экологических решений : Материалы международной научно-практической конференции, Кемерово, 13-14 апреля 2022 года / Под редакцией Т.В. Галаниной, М.И. Баумгартэна. - Кемерово: Кузбасский государственный технический университет имени Т.Ф. Горбачева, 2022. -

C. 102.1 - 102.9.

17. Бурлуцкий, А. А. Анализ опыта формирования оптимальных маршрутных СХЕМ городского пассажирского транспорта / А. А. Бурлуцкий // Вестник Томского государственного архитектурно-строительного университета. -2013. - № 2(39). - С. 371 - 380.

18. Витолин, С. В. Анализ изменения длины очереди автомобилей перед регулируемым перекрестком при перегрузке / С. В. Витолин // Транспорт Урала. - 2018. - № 2(57). - С. 80 - 84.

19. Витолин, С. В. Светофорное регулирование и безопасность дорожного движения / С. В. Витолин // Дороги и мосты. - 2019. - № 1(41). - С. 138 -150.

20. Власов, А. А. Динамическое ограничение скорости движения транспортных средств на автомагистралях / А. А. Власов, А. М. Горелов, М. А. Гаврина //

Современные проблемы науки и образования. - 2015. - № 1 - 1. - С. 130.

21. Власов, А. А. Методика формирования многопрограммного управления изолированным перекрестком / А. А. Власов, И. А. Пильгейкина, И. А. Скорикова // Компьютерные исследования и моделирование. - 2021. - Т. 13.

- № 2. - С. 295-303.

22. Девятов, М. М. Формирование современных требований к транспортной инфраструктуре сельских муниципальных образований на основе исследования эволюции системы водитель - автомобиль - дорога - среда / М. М. Девятов, А. М. Поляков, Е. В. Столетов // Вестник Волгоградского государственного архитектурно-строительного университета. Серия: Строительство и архитектура. - 2019. - № 2(75). - С. 80 - 91.

23. Дорохин, С. В. Экспериментальное исследование коэффициента приведения на пересечениях и примыканиях лесовозных автомобильных дорог / С. В. Дорохин, А. В. Скрыпников, М. Ю. Смирнов // Современные проблемы науки и образования. - 2015. - № 1 - 1. - С. 94.

24. Дроздов, Г. Д. Проблемы развития экономики Российской Федерации в зависимости от развития «зеленой» экономики / Г. Д. Дроздов, И. В. Дроздова // Технико-технологические проблемы сервиса. - 2016. - № 3(37).

- С. 73 - 75.

25. Евсеева, А. И. Мониторинг велосипедного трафика в условиях города / А. И. Евсеева // Государственное управление. Электронный вестник. - 2017. -№ 64. - С. 82 - 108.

26. Евсеева, А. И. Новая городская мобильность: тенденции развития транспортных систем / А. И. Евсеева // Государственное управление. Электронный вестник. - 2016. - № 59. - С. 238 - 266.

27. Елькин, Б. П. Развитие общественного транспорта как первоочередной этап реализации «антипробковых» мероприятий в городах / Б. П. Елькин, Р. В. Андронов // Развитие дорожно-транспортного комплекса и строительной инфраструктуры на основе рационального природопользования : материалы

VII Всероссийской научно-практической конференции (с международным участием), Омск, 26-27 апреля 2012 года. Том Книга 1. - Омск: Сибирский государственный автомобильно-дорожный университет (СибАДИ), 2012. -С. 69 - 73.

28. Живоглядов, В. Г. Теоретические принципы возникновения и упреждения заторовых состояний на автодорогах / В. Г. Живоглядов, О. Н. Бахтина // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2004. - № 3. - С. 103 - 105.

29. Исаева, Е. И. Повышение эффективности использования автомобилей с учетом вероятности возникновения транспортных заторов : специальность 05.22.10 «Эксплуатация автомобильного транспорта» : диссертация на соискание ученой степени кандидата технических наук / Исаева Екатерина Игоревна. - Орел, 2017. - 174 с.

30. Исследование транспортных потоков городской улично-дорожной сети на стационарность методом дисперсионного анализа / Р. В. Андронов, Е. Э. Леверенц, В. О. Доманский, Б. П. Елькин // Научно-технический вестник Поволжья. - 2022. - № 9. - С. 7 - 11.

31. К вопросу о транзитных транспортных потоках в городах / Б. П. Елькин, Р. В. Андронов, О. В. Иванов, П. Ю. Буйносов // Дорожно-транспортный комплекс, экономика, экология, строительство и архитектура : Материалы Международной научно-практической конференции, Омск, 21-23 мая 2003 года. - Омск: Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Сибирская государственная автомобильно-дорожная академия (СибАДИ)», 2003. - С. 95 - 97.

32. Клинковштейн, Г. И. Организация дорожного движения / Г. И. Клинковштейн, М. Б. Афанасьев. - 3-е издание, переработанное и дополненное. - Москва : Транспорт, 1992. - 207 с.

33. Ковалев, Р. Н. Исследование параметров конфликтных зон на пересечениях

автомобильных дорог в зависимости от скоростей пересекающихся транспортных потоков / Р. Н. Ковалев, С. Н. Боярский, О. В. Минин // Транспорт Урала. - 2005. - № 3(6). - С. 21 - 24.

34. Ковалев, Р. Н. Логистическое управление транспортными системами : учебное пособие / Р. Н. Ковалев, Д. В. Демидов, С. Н. Боярский ; Федеральное агентство по образованию, Уральский гос. лесотехнический ун-т (УГЛТУ). - Екатеринбург : Уральский гос. лесотехнический ун-т, 2008. - 165 с.

35. Колесов, Г. В. Средства и технологии оценки загрязнения городской воздушной среды автотранспортными потоками : специальность 25.00.36 «Геоэкология (по отраслям)» : диссертация на соискание ученой степени кандидата технических наук / Колесов Глеб Викторович. - Тюмень, 2004. -145 с.

36. Мануковский, А. Ю. Опыт применения элементов технологии информационного моделирования / А. Ю. Мануковский, Д. П. Курдюков, В. А. Коротков // Актуальные направления научных исследований XXI века: теория и практика. - 2020. - Т. 8. - № 1(48). - С. 100 - 105.

37. Математическая модель оценки эффективности планирования создания и развития лесной транспортной сети на базе комплексного подхода / Р. Н. Ковалев, И. М. Еналеева-Бандура, А. Н. Баранов, А. Н. Чемоданов // Деревообрабатывающая промышленность. - 2021. - № 4. - С. 23 - 30.

38. Методические рекомендации по оценке пропускной способности автомобильных дорог: ОДМ 218.2.020-2012 - 2012: утв. Распоряжением Федерального дорожного агентства от 17.02.2012 № 49 - р. - М.: Росавтодор, 2012. - 69с.

39. Морозов, В. В. Совершенствование модели влияния концентрации транспортного потока на интенсивность движения автомобилей / В. В. Морозов, В. Н. Карнаухов, С. А. Ярков // Интеллект. Инновации. Инвестиции. - 2020. - № 1. - С. 98 - 105.

40. Паращук, Е. М. Алгоритм адаптивного регулирования дорожного движения / Е. М. Паращук, Н. Г. Горшкова // Вестник Белгородского государственного технологического университета им. В.Г. Шухова. - 2016. - № 6. - С. 155 - 164.

41. Петров, В. В. Автоматизированные системы управления дорожным движением в городах / В. В. Петров. - 3-е издание, стереотипное. - Омск : Сибирский государственный автомобильно-дорожный университет (СибАДИ), 2021. - 99 с.

42. Повышение безопасности регулируемых перекрёстков путём введения выделенной пешеходной фазы / Е. М. Чикишев, А. С. Гаваев, Д. А. Чайников, С. А. Сидоров // Мир транспорта и технологических машин. -2022. - № 3-5(78). - С. 54 - 62.

43. Повышение качества и эффективности технической эксплуатации автотранспортных средств по результатам исследований их эксплуатационной надёжности с применением методов имитационного моделирования / А. В. Скрыпников, Е. В. Кондрашова, С. В. Дорохин, В. А. Бурмистров // Международный журнал прикладных и фундаментальных исследований. - 2014. - № 6. - С. 125 - 126.

44. Романова, Н. А. Программно-целевое планирование, как современный механизм управления социально-экономическим развитием города МАГАДАНА / Н. А. Романова // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. -2009. - № 46. - С. 99 - 114.

45. Ромашова, А. А. Обзор технологий сбора данных о параметрах движения городских транспортных потоков / А. А. Ромашова, А. А. Бурлуцкий // Избранные доклады 67-й Университетской научно-технической конференции студентов и молодых ученых : Доклады конференции студентов и молодых ученых, Томск, 19-23 апреля 2021 года. - Томск: Томский государственный архитектурно-строительный университет, 2021. -

С. 220 - 223.

46. Сараев, Е. И. Понятие и содержание организации дорожного движения (от технических аспектов к правовым) / Е. И. Сараев // Общество и право. -2013. - № 3(45). - С. 241 - 245.

47. Свидетельство о государственной регистрации программы для ЭВМ № 2022611007 Российская Федерация. Система моделирования автомобильного движения через транспортное пересечение в разных режимах регулирования (SmartAdaptive+) : № 2022610123 : заявл. 11.01.2022 : опубл. 18.01.2022 / Р. В. Андронов, В. О. Доманский, Е. Э. Леверенц ; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Тюменский индустриальный университет».

48. Формирование системы индикаторов визуальной информационно-эстетической модели для цифровой дорожно-транспортной инфраструктуры городской среды / М. М. Девятов, В. С. Волков, И. М. Вилкова, О. В. Гагулина // Вестник Волгоградского государственного архитектурно-строительного университета. Серия: Строительство и архитектура. - 2020. -№ 1(78). - С. 77 - 91.

49. Численные и графоаналитические методы оптимизации транспортных сетей с применением информационных систем / В. В. Никитин, А. В. Скрыпников, А. А. Берестовой [и др.] // Строительные и дорожные машины. - 2021. - № 11. - С. 32 - 36.

50. Якимов, М. Р. Транспортное планирование. Практические рекомендации по созданию транспортных моделей городов в программном комплексе PTV Vision® VISUM / М. Р. Якимов, Ю. А. Попов. - Москва : ООО «Издательская группа Логос», 2014. - 200 с.

51. Ярков, С. А. Алгоритмы выбора городским населением способа и средств для передвижения / С. А. Ярков, Е. М. Чикишев // Инженерный вестник Дона. - 2022. - № 7(91). - С. 616 - 623.

52. Acheampong, R. A. Capturing the behavioural determinants behind the adoption of autonomous vehicles: Conceptual frameworks and measurement models to predict public transport, sharing and ownership trends of self-driving cars / R. A. Acheampong, F. Cugurullo // Transportation research part F: traffic psychology and behaviour. - 2019. - T. 62. - P. 349 - 375.

53. Akdogan, M. A. Locating emergency vehicles with an approximate queuing model and a meta-heuristic solution approach / M. A. Locating, Z. P. Mayidir // Transportation Research Part C: Emerging Technologies. - 2018. - T. 90. - P. 134 - 155.

54. Alsger, A. Public transport trip purpose inference using smart card fare data / A. Alsger, A. Tavassoli, M. Mesbah, L. Ferriera, M. Hickman // Transportation Research Part C: Emerging Technologies. - 2018. - T. 87. - P. 123 - 137.

55. Altazin, E. Rescheduling through stop-skipping in dense railway systems / E. Altazin, F. Ramond, S. Trefond // Transportation Research Part C: Emerging Technologies. - 2017. - T. 79. - P. 73 - 84.

56. Andronov, R. Effectiveness of adaptive control of traffic light intersection on isolated multi-lane intersections / R. Andronov, E. Leverents // E3S Web of Conferences : 2018 International Science Conference on Business Technologies for Sustainable Urban Development, SPbWOSCE 2018, St. Petersburg, 10-12 december 2018. Vol. 110. - St. Petersburg: EDP Sciences, 2019. - P. 02107.

57. Andronov, R. Research of the Incoming Traffic Flow at City Intersections on the Suitability of the Use of Adapted Traffic Light Control / R. Andronov, E. Leverents // Advances in Intelligent Systems and Computing. - 2020. - Vol. 1116. - P. 1095 - 1101.

58. Binder, S. The multi-objective railway timetable rescheduling problem / S. Binder, Y. Maknoon // Transportation Research Part C: Emerging Technologies. - 2017. - T. 78. - P. 78 - 94.

59. Borndorfer, R. Recent success stories on integrated optimization of railway systems / R. Borndorfer, T. Klug // Transportation Research Part C: Emerging

Technologies. - 2017. - T. 74. - P. 196 - 211.

60. Briand, A. S. Analyzing year-to-year changes in public transport passenger behaviour using smart card data / A.S. Briand, E. Come, M. Trepanier, L. Oukhellou // Transportation Research Part C: Emerging Technologies. - 2017. -T. 79. - P. 274 - 289.

61. Burggraeve, S. Integrating robust timetabling in line plan optimization for railway systems / S. Burgraeve, S. H. Bull // Transportation Research Part C: Emerging Technologies. - 2017. - T. 77. - P. 134 - 160.

62. Celikoglu, H. B. Special Issue on Advances in Modeling, Simulation and Optimization of Dynamic Network Traffic / H. B. Celikogu, J. Habbard, K. Han // Transportation Research Part C: Emerging Technologies. - 2018. - T. 95. - P. 442 - 444.

63. Cheng, D. X. Development of an improved cycle length model over the highway capacity manual 2000 quick estimation method / D. X., Cheng, Z. Z. Tian // Journal of transportation engineering. - 2005. - T. 131. - №. 12. - P. 890 - 897.

64. Cheon, S. H. Data-driven stochastic transit assignment modeling using an automatic fare collection system / S. H. Cheon, C. Lee // Transportation Research Part C: Emerging Technologies. - 2019. - T. 98. - P. 239 - 254.

65. Csikos, A. Network traffic flow optimization under performance constraints / A. Csikos, T. Farhady, B. Kulcsar // Transportation Research Part C: Emerging Technologies. - 2017. - T. 83. - P. 120 - 133.

66. Csikos, A. Variable speed limit design based on mode dependent Cell Transmission Model / A. Csikos, B. Kulcsar // Transportation Research Part C: Emerging Technologies. - 2017. - T. 85. - P. 429 - 450.

67. Deb, S. Investigating pedestrian suggestions for external features on fully autonomous vehicles: A virtual reality experiment / S. Deb, L. J. Stawderman // Transportation research part F: traffic psychology and behaviour. - 2018. - T. 59. - P. 135 - 149.

68. Dell'Orco, M. Modeling the dynamic effect of information on drivers' choice

behavior in the context of an Advanced Traveler Information System / M. Dell'Orco, M. Marinelli // Transportation Research Part C: Emerging Technologies. - 2017. - T. 85. - P. 168 - 183.

69. Farid, Y. Z. An analytical model to conduct a person-based evaluation of transit preferential treatments on signalized arterials / Y. Z. Farid, E. Chistofa // Transportation Research Part C: Emerging Technologies. - 2018. - T. 90. - P. 411 - 432.

70. Gao, Y. Real-time automatic rescheduling strategy for an urban rail line by integrating the information of fault handling / Y. Gao, L.Yang // Transportation Research Part C: Emerging Technologies. - 2017. - T. 81. - P. 246 - 267.

71. Gordon, J. B. Estimation of population origin-interchange-destination flows on multimodal transit networks / J. B. Gordon, H. N. Koutsoloulos, N. H. Wilson // Transportation Research Part C: Emerging Technologies. - 2018. - T. 90. - P. 350 - 365.

72. Janacek, J. Optimization of periodic crew schedules with application of column generation method / J. Janeck, M. Kohani // Transportation Research Part C: Emerging Technologies. - 2017. - T. 83. - P. 165 - 178.

73. Jiang, G. Route choice, travel time variability, and rational inattention / G. Jiang, M. Fosgerau, H. K. Lo // Transportation Research Part B: Methodological. -2020. - T. 132. - P. 188 - 207.

74. Kachroo, P. Theory of safety surrogates using vehicle trajectories in macroscopic and microscopic settings: application to dynamic message signs controlled traffic at work zones / P. Kachroo, A. Sharma // Transportation research part C: emerging technologies. - 2018. - T. 91. - P. 62 - 76.

75. Kim, J. Route choice stickiness of public transport passengers: Measuring habitual bus ridership behaviour using smart card data / J. Kim, J. Corcoran // Transportation Research Part C: Emerging Technologies. - 2017. - T. 83. - P. 146 - 164.

76. Kostsov, A. Results of studies on traffic volume at left-turn exits of grade-

separated intersections / A. Kostsov // Transportation Research Procedia, Saint Petersburg, 27-29 september 2018. Vol. 36. - Saint Petersburg: Elsevier B.V., 2018. - P. 347 - 351.

77. Lee, S. Integrated deep learning and stochastic car-following model for traffic dynamics on multi-lane freeways / S. Lee, D. Nghduy // Transportation research part C: emerging technologies. - 2019. - T. 106. - P. 360 - 377.

78. Lee, W. H. A delay root cause discovery and timetable adjustment model for enhancing the punctuality of railway services / W. H. Lee, L. Yen // Transportation Research Part C: Emerging Technologies. - 2016. - T. 73. - P. 49 - 64.

79. Lentzakis, A. F. Region-based prescriptive route guidance for travelers of multiple classes / A.F. Lentzakis, S.I. Ware, C. Wen // Transportation Research Part C: Emerging Technologies. - 2018. - T. 87. - P. 138 - 158.

80. Liang, M. Integrated sequencing and merging aircraft to parallel runways with automated conflict resolution and advanced avionics capabilities / M. Liang, D. Delahaye // Transportation Research Part C: Emerging Technologies. - 2017. - T. 85. - P. 268 - 291.

81. Liden, T. An optimization model for integrated planning of railway traffic and network maintenance / T. Liden, M. Joborn // Transportation Research Part C: Emerging Technologies. - 2017. - T. 74. - P. 327 - 347.

82. Liljamo, T. Attitudes and concerns on automated vehicles / T. Liljamo, H. Liimatainen // Transportation research part F: traffic psychology and behaviour. -2018. - T. 59. - P. 24 - 44.

83. Liu, G. Agglomeration centrality examination of cities: an urban transport perspective / G. Liu, X. Yao, Q. Fan // Sustainable Cities and Society. - 2020. -T. 61. - P. 102273.

84. Liu, P. Distributed MPC for cooperative highway driving and energy-economy validation via microscopic simulations / P. Liu, U. Ozhuner // Transportation Research Part C: Emerging Technologies. - 2017. - T. 77. - P. 80 - 95.

85. Liu, Z. Strategic planning of dedicated autonomous vehicle lanes and autonomous vehicle/toll lanes in transportation networks / Z. Liu, Z. Song // Transportation Research Part C: Emerging Technologies. - 2019. - T. 106. - P. 381 - 403.

86. Luan, X. Integrated optimization on train scheduling and preventive maintenance time slots planning / X. Luan, J. Miao // Transportation Research Part C: Emerging Technologies. - 2017. - T. 80. - P. 329 - 359.

87. Mamouei, M. A framework for user-and system-oriented optimisation of fuel efficiency and traffic flow in Adaptive Cruise Control / M. Mamouei, I. Kaparias // Transportation Research Part C: Emerging Technologies. - 2018. - T. 92. - P. 27 - 41.

88. Meng, L. Special issue on Integrated optimization models and algorithms in rail planning and control / L. Meng, F. Corman // Transportation Research Part C: Emerging Technologies. - 2018. - T. 88. - P. 87 - 90.

89. Morozov, V. Formation of the traffic flow rate under the influence of traffic flow concentration in time at controlled intersections in Tyumen, Russian federation / V. Morozov, S. Iarkov // Sustainability. - 2021. - Vol. 13. - No 15.

90. Morozov, V. The application of lane occupancy parameter for solving tasks of traffic management / V. Morozov, S. Iarkov // Transportation Research Procedia, Saint Petersburg, 27-29 september 2018. - Saint Petersburg: Elsevier B.V., 2018. - P. 520 - 526.

91. Nordhoff, S. User acceptance of automated shuttles in Berlin-Schoneberg: A questionnaire study / S. Nordhoff, J. Winter // Transportation Research Part F: Traffic Psychology and Behaviour. - 2018. - T. 58. - P. 843 - 854.

92. Palmeiro, A. R. Interaction between pedestrians and automated vehicles: A Wizard of Oz experiment / A.R. Palmeiro, S. Kint, L. Vissers, H. Farah, J.C. Winter // Transportation research part F: traffic psychology and behaviour. -2018. - T. 58. - P. 1005 - 1020.

93. Qi, H. Monte Carlo Tree Search-based intersection signal optimization model with channelized section spillover / H. Qi, X. Hu // Transportation Research Part

C: Emerging Technologies. - 2019. - Т. 106. - P. 281 - 302.

94. Rao, X. A new rail optimisation model by integration of traffic management and train automation / X. Rao, M. Monigel // Transportation Research Part C: Emerging Technologies. - 2016. - Т. 71. - P. 382 - 405.

95. Rempe, F. A phase-based smoothing method for accurate traffic speed estimation with floating car data / F. Rempe, P. Franeck, P. Fastenrath // Transportation Research Part C: Emerging Technologies. - 2017. - Т. 85. - P. 644 - 663.

96. Robenek, T. Hybrid cyclicity: Combining the benefits of cyclic and non-cyclic timetables / T. Robenek, Y. Maknoon // Transportation Research Part C: Emerging Technologies. - 2017. - Т. 75. - P. 228 - 253.

97. Roncoli, C. Special issue on «Management of Future Motorway and Urban Traffic Systems» / C. Roncoli, R.C. Carlson, N. Bekiaris-Liberis, N. Gerolininis // Transportation Research Part C: Emerging Technologies. - 2018. - Т. 96. - P. 1 - 2.

98. Sama, M. On the tactical and operational train routing selection problem / M. Sama, P. Pellegrini // Transportation Research Part C: Emerging Technologies. -2017. - Т. 76. - P. 1 - 15.

99. Schobel, A. An eigenmodel for iterative line planning, timetabling and vehicle scheduling in public transportation / A. Schobel // Transportation Research Part C: Emerging Technologies. - 2017. - Т. 74. - P. 348 - 365.

100. Serebryakov, D. V. Transport Interchanges Design Features in Seismically Dangerous and Densely Built-Up Areas / D. V. Serebryakov, V. G. Lebedeva, V. V. Govorov // Procedia Engineering, Saint Petersburg, 17-19 мая 2017 года. Vol. 189. - Saint Petersburg, 2017. - P. 716 - 720.

101. Sharma, K. K. Modeling uncertain data using Monte Carlo integration method for clustering / K. K. Sharma, A. Seal // Expert systems with applications. - 2019. -Т. 137. - P. 100 - 116.

102. Shin, Y. Land consumption impacts of a transportation system on a city: An analysis / Y.E. Shin, V.R. Vuchic // Transportation Research Record. - 2009. - Т.

2110. - №. 1. - P. 69 - 77.

103. Simulation of regional mortality rate in road accidents identifies the relationship of the vehicles which have arrived from other regions / V. Kapitanov, O. Monina, A. Chubukov, V. Silyanov // Science Journal of Transportation. - 2016. - No 7. -P. 129 - 136.

104. Sun, Y. Evolution of public transit modes in a commuter corridor / Y. Sun, Q. Guo // Transportation Research Part C: Emerging Technologies. - 2017. - T. 75.

- P. 84 - 102.

105. Tajtehranifard, H. A path marginal cost approximation algorithm for system optimal quasi-dynamic traffic assignment / H. A. Tajtehranifard, A. Bhaskar, N. Nassir, M. M. Haque // Transportation Research Part C: Emerging Technologies.

- 2018. - T. 88. - P. 91 - 106.

106. Tang, K. A tensor-based Bayesian probabilistic model for citywide personalized travel time estimation / K.A. Tang, S. Chen // Transportation Research Part C: Emerging Technologies. - 2018. - T. 90. - P. 260 - 280.

107. Tao, S. Exploring Bus Rapid Transit passenger travel behaviour using big data / S. Tao, J. Corcoran // Applied geography. - 2014. - T. 53. - P. 90 - 104.

108. Tao, S. To travel or not to travel: Weather is the question. Modelling the effect of local weather conditions on bus ridership / S. Tao, J. Corcoran // Transportation research part C: emerging technologies. - 2018. - T. 86. - P. 147 - 167.

109. Testeshev, A. A. Identification of the Composition of Transport Streams for Remote Satellite Monitoring / A. A. Testeshev, V. D. Timohovez, T. G. Mikeladze // IOP Conference Series: Materials Science and Engineering, Vladivostok, 02 - 04 oktober 2018. Vol. 463, Part 2. - Vladivostok: Institute of Physics Publishing, 2018. - P. 022097.

110. The effect of the traffic organization method at a controlled intersection on the uniformity of traffic capacity / R. Andronov, E. Leverents, D. Genze, E. Legostaeva // E3S Web of Conferences : Innovative Technologies in Environmental Science and Education, ITESE 2019, Divnomorskoe Village, 09-

14 September 2019. Vol. 135. - Divnomorskoe Village: EDP Sciences, 2019. - P. 02010.

111. Tiaprasert, K. Closed-form multiclass cell transmission model enhanced with overtaking, lane-changing, and first-in first-out properties / K. Tiaprasert, Y. Zhang // Transportation Research Part C: Emerging Technologies. - 2017. - T. 85. - P. 86 - 110.

112. Tuchner, A. Vehicle platoon formation using interpolating control: A laboratory experimental analysis / A. Tucher, J, Haddad // Transportation Research Part C: Emerging Technologies. - 2017. - T. 84. - P. 21 - 47.

113. Turek, W. Leveraging rapid simulation and analysis of large urban road systems on HPC / W. Turek, L. Siwik // Transportation Research Part C: Emerging Technologies. - 2018. - T. 87. - P. 46 - 57.

114. Vasic, B. Defining the functional and physical compatibility of a modernized tramway rolling stock with a newly planned LRT system: a case study of Belgrade / B. Vasic, V. Popovic, V.R. Vuchic, G. Danon, A. Vencl // Transportation Planning and Technology. - 2012. - T. 35. - №. 3. - P. 241 - 261.

115. Veelenturf, L. P. Passenger oriented railway disruption management by adapting timetables and rolling stock schedules / L. P. Veelenturf, L.G. Kroon // Transportation Research Part C: Emerging Technologies. - 2017. - T. 80. - P. 133 - 147.

116. Vuchic, V. R. Light rail and BRT: Competitive or complementary? / V.R. Vuchic // Public Transport International. - 2005. - T. 5. - P. 10.

117. Vuchic, V. R. Transportation for Liveable Cities: Problems, Obstacles and Successful Solutions / V.R. Vuchic // World Cities: Achieving Liveability and Vibrancy. - 2010. - P. 105 - 130.

118. Wang, R. Comparing traffic state estimators for mixed human and automated traffic flows / R. Wang, Y. Li // Transportation Research Part C: Emerging Technologies. - 2017. - T. 78. - P. 95 - 110.

119. Wright, M. A. On node models for high-dimensional road networks / M. A.

Wrihgt, G. Gomes // Transportation Research Part B: Methodological. - 2017. -T. 105. - P. 212 - 234.

120. Wu, J. The role of environmental concern in the public acceptance of autonomous electric vehicles: A survey from China / J. Wu, J. W. Wang, T. Chen // Transportation Research Part F: Traffic Psychology and Behaviour. - 2019. - T. 60. - P. 37 - 46.

121. Wu, X. Designing an integrated distribution system for catering services for highspeed railways: A three-echelon location routing model with tight time windows and time deadlines / X. Wu, L. Nie // Transportation Research Part C: Emerging Technologies. - 2017. - T. 74. - P. 212 - 244.

122. Xie, S. Railroad caller districting with reliability, contiguity, balance, and compactness considerations / S. Xie, Y. Ouyang // Transportation Research Part C: Emerging Technologies. - 2016. - T. 73. - P. 65 - 76.

123. Zhang, B. Determinants of take-over time from automated driving: A metaanalysis of 129 studies/ B. Zhang, J. Winter, J. Varotto, R. Happee, M. Martens // Transportation research part F: traffic psychology and behaviour. - 2019. - T. 64. - P. 285 - 307.

124. Zhang, C. Optimisation of lane-changing advisory at the motorway lane drop bottleneck / C. Zhang, N.R. Sabar, E. Chung, A. Bhaskar, X. Guo // Transportation Research Part C: Emerging Technologies. - 2019. - T. 106. - P. 303 - 316.

125. Zhao, N. An integrated metro operation optimization to minimize energy consumption / N. Zhao, C. Roberts // Transportation Research Part C: Emerging Technologies. - 2017. - T. 75. - C. 168 - 182.

126. Zhou, M. Impacts of weather on public transport ridership: Results from mining data from different sources / M. Zhou, D. Wang // Transportation research part C: emerging technologies. - 2017. - T. 75. - P. 17 - 29.

СВИДЕТЕЛЬСТВО О ГОСУДАРСТВЕННОЙ РЕГИСТРАЦИИ ПРОГРАММЫ ДЛЯ ЭВМ

АКТ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

ПРОВЕРКА ТРАНСПОРТНОГО ПОТОКА НА СООТВЕТСТВИЕ ВЕРОЯТНОСТНЫМ РАСПРЕДЕЛЕНИЯМ

ул. Профсоюзная (от ул. Ленина до ул. Герцена)

Количество автомобилей за ед. время

ул. 50 лет Октября (от ул. Профсоюзной до ул.

Количество автомобилей за ед. время

ул. Мельникайте (от п/провода к ул. Республики)

Количество автомобилей за ед. время

ул. Мельникайте (от ул. Республики к п/проводу)

Количество автомобилей за ед. время ул. Мельникайте (от ул. Широтной к ул. Гнаровской)

= 90 * 80

0 70

1 60

я

л 50 о

Ё 40 о

н 30

5 20

я

^10 Е 0

ул. Усадебная (к ул. Щербакова)

2345 Количество автомобилей за ед. время

1

6

50 , 45 40 35 р30 рот25 20 15 - 10 ° 5 0

ул. Щербакова (от ул. Безымянной до ул. Вел. тракт)

2

3

4

Количество автомобилей за ед. время

1

5

45 - 40 35 30 яро25 20 15 10 5 0

ул. Щербакова (от ул. Вел. тракт до ул. Безымянная)

2

3

4

Количество автомобилей за ед. время

1

5

ул. Велижанский тракт (от ул. Мелиораторов к ул.

1 2 3 4 5

Количество автомобилей за ед. время

45 - 40 35 30 яро25 овто20 15 . 10 ° 5 0

ул. Велижанский тракт (от ул. Щербакова к ул. Мелиораторов)

2

3

4

Количество автомобилей за ед. время

1

5

ул. Интернациональная (от ул. Востания к ул.

12345 Количество автомобилей за ед. время

ул. Интернациональная (от ул. Амурской к ул.

Количество автомобилей за ед. время

ул. Герцена (от ул. Челюскинцев)

Количество автомобилей за ед. время

ул. Герцена (от ул. Грибоедова)

Количество автомобилей за ед. время

о4

я н о о

70 60

ул. Первомайская

м50 е

яр40 о

овт

о

а Ё

е о £

30 20

10

о4

т с о

м е

я р

рот

в о

а

15

е о £

234 Количество автомобилей за ед. время

60

ул. Магнитогорская (к ул. Московский Тракт)

50

40

30

20

10

2

3

4

5

Количество автомобилей за ед. время

45 * 40

ст35

о

м30

е

я

яро25

вт20 о

к

е о £

15 т10

ул. Московский тракт (от ТЦ "Колумб" к ул. Магнитогорская)

3

4

5

6

7

Количество автомобилей за ед. время

1

5

0

1

6

5

0

1

2

8

9

ул. Широтная (от ул. Федорова к ул. Пермякова)

Количество автомобилей за ед. время

ул. Мельникайте (от ул. 30 лет Победы к ул.

Количество автомобилей за ед. время

ул. Мельникайте (от ул. Широтной к ул. Гнаровской)

Количество автомобилей за ед. время

ул. Западносибирская ( от ул. Юбилейной)

12 3 4

Количество автомобилей за ед. время

ул. Западносибирская (от р. Тура)

12 3 4

Количество автомобилей за ед. время

Фактические данные Распределение Пуассона Нормальное распредеелнне Бета распределение