Удосконалення контролю експлуатаційних характеристик електрорухомого складу метрополітену шляхом застосування ретроспективного методу розрахунку пасажиропотоків

Автор(и)

  • Іван Миколайович Сіроклин Український державний університет залізничного транспорту, Україна https://orcid.org/0000-0001-9978-8261
  • Сергій Олексійович Змій Український державний університет залізничного транспорту, Україна https://orcid.org/0000-0002-7974-5181
  • Василь Олександрович Сотник Український державний університет залізничного транспорту, Україна https://orcid.org/0000-0002-8039-1392
  • Олена Вікторівна Щебликіна Український державний університет залізничного транспорту, Україна https://orcid.org/0000-0002-8304-2921

DOI:

https://doi.org/10.15587/1729-4061.2025.340757

Ключові слова:

реконструкція маршрутів, метрополітен, адаптивне планування ремонтів, оптимізація графіків руху

Анотація

Об’єктом дослідження є процес формування експлуатаційних навантажень на електрорухомий склад метрополітену. Вирішується проблема неможливості прямого вимірювання пасажиропотоків на окремих ділянках мережі через те, що більшість систем контролю фіксують лише події входу та виходу пасажирів, не відстежуючи повний маршрут. Це створює аналітичні прогалини та унеможливлює точну оцінку реального навантаження, що є критичним для технічної діагностики та планування обслуговування.

Для вирішення цієї проблеми розроблено метод оцінювання пасажиропотоків, що ґрунтується на стохастичному моделюванні переміщення пасажира на орієнтованому графі транспортної мережі.

Запропоновано метод оцінки навантаження, відмінною рисою якого є відмова від визначення єдиного найімовірнішого шляху для кожного пасажира Натомість, умовна «вага» пасажира ймовірнісно розподіляється між множиною всіх допустимих маршрутів, які могли привести його від потенційної станції входу до фактичної станції виходу в межах часових обмежень.

Апробація методу шляхом імітаційного моделювання на умовній мережі показала високу точність отриманих результатів (середня відносна похибка не перевищила 0.5%). Розподіл похибок є симетричним, близьким до нормального і зосередженим біля нуля, що свідчить про відсутність систематичних відхилень. Точність пояснюється тим, що ймовірнісний розподіл дозволяє нівелювати невизначеність вибору пасажиром конкретного шляху та отримати об'єктивну інтегровану оцінку навантаження на рівні окремих перегонів.

Сфера практичного використання результатів охоплює системи технічного моніторингу стану рухомого складу, адаптивне планування ремонтів, оптимізацію графіків руху та підвищення безпеки перевезень в умовах використання знеособлених засобів оплати проїзду

Біографії авторів

Іван Миколайович Сіроклин, Український державний університет залізничного транспорту

Кандидат технічних наук

Кафедра автоматика та комп’ютерне телекерування рухом поїздів

Сергій Олексійович Змій, Український державний університет залізничного транспорту

Кандидат технічних наук

Кафедра автоматика та комп’ютерне телекерування рухом поїздів

Василь Олександрович Сотник, Український державний університет залізничного транспорту

Кандидат технічних наук

Кафедра автоматика та комп’ютерне телекерування рухом поїздів

Олена Вікторівна Щебликіна, Український державний університет залізничного транспорту

Доктор філософії (PhD)

Кафедра автоматика та комп’ютерне телекерування рухом поїздів

Посилання

  1. Cats, O., Gkiotsalitis, K., Schöbel, A. (2025). 50 years of Operations Research in public transport. EURO Journal on Transportation and Logistics, 14, 100160. https://doi.org/10.1016/j.ejtl.2025.100160
  2. Hussain, E., Bhaskar, A., Chung, E. (2021). Transit OD matrix estimation using smartcard data: Recent developments and future research challenges. Transportation Research Part C: Emerging Technologies, 125, 103044. https://doi.org/10.1016/j.trc.2021.103044
  3. Sari Aslam, N., Barros, J., Lin, H., Murcio, R., Bei, H. (2024). Alighting location estimation from public transit data: a case study of Shenzhen. Transportation Planning and Technology, 48 (5), 937–952. https://doi.org/10.1080/03081060.2024.2382247
  4. Tiam-Lee, T. J., Henriques, R. (2022). Route choice estimation in rail transit systems using smart card data: handling vehicle schedule and walking time uncertainties. European Transport Research Review, 14 (1). https://doi.org/10.1186/s12544-022-00558-x
  5. Mo, B., Ma, Z., Koutsopoulos, H., Zhao, J. (2023). Passenger Path Choice Estimation Using Smart Card Data: A Latent Class Approach with Panel Effects Across Days. arXiv. https://doi.org/10.48550/arXiv.2301.03808
  6. Nagy, R., Horvát, F., Fischer, S. (2024). Innovative Approaches in Railway Management: Leveraging Big Data and Artificial Intelligence for Predictive Maintenance of Track Geometry. Tehnički vjesnik - Technical Gazette, 31 (4), 1245–1259. https://doi.org/10.17559/tv-20240420001479
  7. Ou, Y., Mihăiţă, A.-S., Ellison, A., Mao, T., Lee, S., Chen, F. (2025). Rail Digital Twin and Deep Learning for Passenger Flow Prediction Using Mobile Data. Electronics, 14 (12), 2359. https://doi.org/10.3390/electronics14122359
  8. Su, G., Li, P., Lian, D., Mo, P. (2025). A coordinated passenger flow control model for urban rail transit considering willingness to board. Multimodal Transportation, 4 (3), 100225. https://doi.org/10.1016/j.multra.2025.100225
  9. Liu, J., Huang, W., Zhang, N., Ma, Z., Qian, Z. (2024). A Data-Driven Multi-Modal Fusion Method for Path Choice Estimation in Urban Rail Systems. https://doi.org/10.2139/ssrn.4994725
  10. Wen, D., Lv, H., Yu, H. (2025). Data‐Driven Approach for Passenger Assignment in Urban Rail Transit Networks: Insights From Passenger Route Choices and Itinerary Choices. Journal of Advanced Transportation, 2025 (1). https://doi.org/10.1155/atr/6620828
  11. Makridis, M. A., Kouvelas, A. (2023). An adaptive framework for real-time freeway traffic estimation in the presence of CAVs. Transportation Research Part C: Emerging Technologies, 149, 104066. https://doi.org/10.1016/j.trc.2023.104066
  12. Bernal, E., Rey, Á. (2019). Study of the Structural and Robustness Characteristics of Madrid Metro Network. Sustainability, 11 (12), 3486. https://doi.org/10.3390/su11123486
  13. Tian, X., Zheng, B., Wang, Y., Huang, H.-T., Hung, C.-C. (2021). TRIPDECODER: Study Travel Time Attributes and Route Preferences of Metro Systems from Smart Card Data. ACM/IMS Transactions on Data Science, 2 (3), 1–21. https://doi.org/10.1145/3430768
Удосконалення контролю експлуатаційних характеристик електрорухомого складу метрополітену шляхом застосування ретроспективного методу розрахунку пасажиропотоків

##submission.downloads##

Опубліковано

2025-10-31

Як цитувати

Сіроклин, І. М., Змій, С. О., Сотник, В. О., & Щебликіна, О. В. (2025). Удосконалення контролю експлуатаційних характеристик електрорухомого складу метрополітену шляхом застосування ретроспективного методу розрахунку пасажиропотоків. Eastern-European Journal of Enterprise Technologies, 5(3 (137), 68–74. https://doi.org/10.15587/1729-4061.2025.340757

Номер

Розділ

Процеси управління