Digital modeling of the resource allocation system in the passenger transport complex

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Тек жазылушылар үшін

Аннотация

The article presents original algorithms for digitizing resource distribution processes in complex passenger transport systems (PTS). The study aims to develop a universal digital model capable of adapting to conditions where key system parameters are derived from generalized relationships, and their parameterization remains incomplete. The proposed structure of the resource distribution (RD) system accounts for PTS dynamics, including uncertainties related to demand fluctuations, infrastructure constraints, and variability in operational scenarios. The RD-system model is adaptable to three typical research cases inherent to PTS. Each case is implemented through a unified methodological approach: forming morphological matrices for scenario selection based on evaluative functionals. These matrices integrate efficiency criteria, such as minimizing time and resource costs, enabling context-specific management adjustments. The algorithms utilize real-time data on system metrics — passenger flow, transport load, and resource availability — ensuring accuracy and relevance in calculations. A mandatory requirement for the RD-system is its three-tier hierarchical structure. At the first level, three indicator subsystems are defined, each divided into three strata (basic, derived, and integrated metrics). For example, the “Operational Efficiency” subsystem includes strata for transport travel time, route frequency, and passenger satisfaction levels. This structure allows for task decomposition, synchronization of heterogeneous data, and the generation of comprehensive solutions. The developed algorithms and RD-system structure can be integrated into intelligent transport management platforms, enhancing the flexibility and resilience of PTS under uncertainty. The results are particularly relevant for cities with high passenger flow dynamics and limited resources.

Авторлар туралы

R. Halturin

State University of Management (SUU)

PhD in Economics, Associate Professor, Leading Researcher of the Department of Research Coordination 109542, Moscow, Ryazansky Prospekt, 99

D. Nikitin

State University of Management

postgraduate student 99 Ryazanskij pr-t, Moskow, 109542

I. Kashtanov

State University of Management

postgraduate student 99 Ryazanskij pr-t, Moskow, 109542

Әдебиет тізімі

  1. Козырев А.Н. Цифровая экономика и цифровизация в исторической ретроспективе // Цифровая экономика. 2018. № 1 (1). С. 5–19. URL: http://digital-economy.ru/stati/tsifrovayaekonomika-i-tsifrovizatsiya-v-istoricheskoj-retrospektive. doi: 10.34706/DE-2018-01-01. EDN VMUSSB.
  2. Negroponte N. Being digital. New York: Knopf, 1995. VIII, 243 с.; 22. (A Borzoi book). URL: https://web.stanford.edu/class/sts175/NewFiles/Negroponte.%20Being%20Digital.pdf.
  3. Халин В.Г., Чернова Г.В. Цифровизация и ее влияние на российскую экономику и общество: преимущества, вызовы, угрозы и риски // Управленческое консультирование. 2018. № 10 (118). С. 46–63. doi: 10.22394/1726-1139-2018-10-46-63. EDN YNFXNZ.
  4. Терентьев А.В., Ефименко Д.Б., Карелина М.Ю. Методы районирования, как методы оптимизации автотранспортных процессов // Вестник гражданских инженеров. 2017. № 6 (65). С. 291–294. doi: 10.23968/1999-5571-2017-14-6-291-294 EDN YPNFZF.
  5. Evtiukov S., Karelina M., Terentyev A. A method for multicriteria evaluation of the complex safety characteristic of a road vehicle // Transportation Research Procedia, Saint Petersburg, 27–29 сен тя бря 2018 года. Vol. 36. — Saint Petersburg: Elsevier B.V., 2018. P. 149–156. doi: 10.1016/j.trpro.2018.12.057. EDN DGMMDN.
  6. Вакуленко С.П., Ларин О.Н., Левин С.Б. Теоретические аспекты механизмов взаимодействия в транспортных системах // Мир транспорта, 2014. № 6. С. 14–27. EDN TCUSLT.
  7. Karelina M.Yu., Terentyev A.V., Moiseev V.V., Stroev V.V. Enhancement of economic effi ciency of transport performance using multi-criteria estimation // International conference “Economy in the modern world” (ICEMW 2018): Proceedings of the International conference “Economy in the modern world” (ICEMW 2018), Kazan, 26–27 июля 2018 года / Editors: L.N. Safi ullin, Dr. Prof., Deputy Director for Science of the Institute of Management, Economics and Finance Kazan Federal University, Kazan, Russia; N.K. Gabdrakhmanov, PhD, Ass. Prof., Head of the Scientifi c Activities Department, Kazan Federal University, Kazan, Russia. Vol. 61. Kazan: Atlantis Press, 2018. P. 167–171. EDN WHRSRR.
  8. Terentiev A.V., Yevtukov S.S., Karelina E.A. Development of Zoning Method for Solving Economic Problems of Optimal Resource Allocation to Objects of Various Importance in Context of Incomplete Information // Proceedings of the International Scientifi c Conference “FarEastCon” (ISCFEC 2020): Серия: Advances in Economics, Business and Management Research, Vladivostok, 01–04 октября 2019 года. Vol. 128. Vladivostok: Atlantis Press, 2020. doi: 10.2991/aebmr.k.200312.108. EDN LJQRIK.
  9. Digital object-oriented control models in automobile-road complex systems / A.V. Terentyev, M.Y. Karelina, T.Y. Cherepnina [et al.] // IOP Conference Series: Materials Science and Engineering: 2019 International Conference on Digital Solutions for Automotive Industry, Roadway Maintenance and Traffi c Control, DS ART 2019, Cholpon-Ata, 01 ноября 2019 года. Vol. 832. BRISTOL: Institute of Physics Publishing, 2020. P. 012058. doi: 10.1088/1757-899X/832/1/012058. EDN LTGFWV
  10. Цветков В.Я. Логистика информационных потоков в распределенных системах // Наука и технологии железных дорог. 2017. № 1 (1). С. 34–44. EDN YLOJUL.
  11. Корячко В.П., Перепелкин Д.А. Анализ и проектирование маршрутов передачи данных в корпоративных сетях. М.: Горячая линия – Телеком, 2012. 236 с. EDN RBAWNL.
  12. Ефимова О.Ю. Адаптивная модель управления качеством городского пассажирского транспорта // Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки. 2016. № 1 (41). С. 48–54. EDN VYURMF.
  13. Цветков В.Я., Алпатов А.Н. Управление распределенными транспортными потоками // Государственный советник. 2014. № 3. С. 55–60. EDN SQYTJN.
  14. Андреев К.П., Терентьев В.В. Информационное моделирование в проектировании транспортных сетей городов // Новая наука: Теоретический и практический взгляд. 2016. № 117–2. С. 108–110. EDN UUDSCW.
  15. Знаменский Д.Н., Федоров М.П. Построение комплексной модели оптимизации маршрутной сети городского транспорта // Научно-технические ведомости. Инноватика СПбГПУ. 2011. № 3. С. 154–158. EDN NXVZEN.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».