Algorithm for calculating the forecasted passenger flow of innovative railway transport based on a neural model

封面

如何引用文章

全文:

详细

Aim: to create a neural network toolkit for predicting passenger traffic by innovative (high-speed) rail transport.

Materials and methods: statistical data on passenger traffic on all modes of transport in the areas of high-speed railway lines. Methods: econometric modeling, multilayer perceptron.

Results: an algorithm for planning passenger traffic on high-speed railway lines based on an intelligent neural model.

Conclusion: The ability of the neural network model to "learn" allows to increase the reliability of population mobility forecasts when evaluating HSRT projects.

作者简介

N. Zhuravleva

Emperor Alexander I Petersburg State Transport University

编辑信件的主要联系方式.
Email: zhuravleva_na@mail.ru
ORCID iD: 0000-0003-3566-9225
SPIN 代码: 8599-5636
Scopus 作者 ID: 56583893700

Dr Sci. (Economics), Professor

俄罗斯联邦, St. Petersburg

N. Batalova

Emperor Alexander I Petersburg State Transport University

Email: natalyabatalova@yandex.ru
ORCID iD: 0000-0002-5948-7226
SPIN 代码: 4027-4771

Senior Lecturer

俄罗斯联邦, St. Petersburg

参考

  1. Zaitsev AA, Talashkin GN. Economics of High-Speed Infrastructure. Bulletin of scientific research results. 2013;4(9):69–75. EDN: SERDED (In Russ.)
  2. Tsidenov AS. The creation of high-speed highways is the key to the country's success in the present and future. Transport Rossiiskoi Federatsii. Zhurnal o nauke, praktike, ekonomike. 2016;5(66):10–15. EDN: WZJSSH
  3. Mironova IA, Tishchenko TI, Frolova MP. Problems of assessing the socio-economic efficiency of a large-scale infrastructure project using the example of a high-speed highway. Rossiiskii ekonomicheskii zhurnal. 2022;3. (In Russ.) doi: 10.33983/0130-9757-2022-3-100-119
  4. Zhuravleva NA. Economic assessment of intermodal effects of high-speed transport systems in the economy of the new technological order.
  5. Bulletin of scientific research results, 2018; 4:31-40. EDN: YYSESD (In Russ.)
  6. Vasilyeva ME, Volkova EM, Romanov AS. Intelligent transport systems in Russian megacities: the essence, structure and directions of development. Modern Transportation Systems and Technologies. 2023;9(4):117–128. doi: 10.17816/transsyst202394117-128 (In Russ.)
  7. Rosstat – Natsionalnie scheta [internet] Accessed: Jul 14, 2025 Available from: https://rosstat.gov.ru/statistics/accounts Accessed: Jul 14, 2025
  8. Dannie Komiteta po razvitiyu turizma Sankt‑Peterburga. Otchet o khode realizatsii Gosudarstvennoi programmi Sankt-Peterburga «Razvitie sferi turizma v Sankt-Peterburge» za 2019 god i za I polugodie 2020 goda. [internet] Accessed: Jul 14, 2025Available from: https://www.gov.spb.ru/gov/otrasl/c_tourism/otchet-na-pravitelstvo-o-hode-realizacii-gosudarstvennoj-programmy-san/ (In Russ.)
  9. Dannie Komiteta po razvitiyu turizma Sankt‑Peterburga. Statistika razvitiya turisticheskogo rinka. "Turbarometr Sankt‑Peterburga 2023". Analiticheskie pokazateli turizma i industrii gostepriimstva Sankt‑Peterburga v 2023 g. [internet] Accessed: Jul 14, 2025 Available from: https://businesstat.ru/russia/services/hotels_and_tourism/tourism/?yclid=12898454363016527871 (In Russ.)
  10. Tolstikh VN. Pertseptron, neironnaya set. Chto dalshe? Paradigma, 2022;37. (In Russ.) EDN: WLFBPI
  11. Zou W, Chen L, Xiong J. High-speed railway, market access and economic growth. International Review of Economics & Finance. 2019. doi: 76. 10.1016/j.iref.2019.11.014.
  12. Cascetta E, Cartenì A, Henke I, Pagliara F. Economic growth, transport accessibility and regional equity impacts of high-speed railways in Italy: ten years ex post evaluation and future perspectives. Transp Res Part A Policy Pract. 2020;139:412–428. doi: 10.1016/j.tra.2020.07.008

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Cumulative effects of high-speed rail transport

下载 (139KB)
索引源数据
3. Fig. 2. An enlarged algorithm of a multilayer perceptron model in a neural network model for assessing the effects of high-speed rail transport

下载 (324KB)
索引源数据
4. Fig. 3. Predicted distribution of passenger traffic between modes of transport in the presence and absence of the VSZhM-1 railway link between major cities

下载 (145KB)
索引源数据
5. Fig. 4. Dynamics of annual passenger traffic on the VSZhM-1 railway

下载 (84KB)
索引源数据

版权所有 © Zhuravleva N.А., Batalova N.V., 2025

Creative Commons License
此作品已接受知识共享署名 4.0国际许可协议的许可

link to the archive of the previous title

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».