Повышение эффективности использования автобусов при выполнении городских пассажирских перевозок в городе Гомель
Для существующей маршрутной сети значения спроса на перевозку в единицу времени 1 час описывается следующим выражением, связывающим фактор (время) и зависимую переменную:
Z(t) = Zo+ Zc(t)+ Zн(t)+ Zм(t), (2.1)
где Zo – среднегодовое значение спроса на перевозку в единицу времени;
Zc(t), Zн(t), Zм(t) – соответственно суточные, недельные и сезонные составляющие колебания значений спроса.
Zc(t)
=
, (2.2)
Zн(t)
=
, (2.3)
Zм(t)
=
, (2.4)
Подставив уравнения (2.2) – (2.4) в (2.1) получаем выражение:
Z(t)=Zo+
+
+
,
(2.5)
где
–
коэффициенты
многочлена
Фурье;
–
коэффициент
степенного
многочлена
i-й степени;
–
порядок
многочлена
Фурье;
–
порядок
степенного
многочлена;
t – текущее значение календарного времени с отчетом от начала года в часах;
24, 168, 2184 – периоды колебаний спроса на перевозки соответственно суточный, недельный и сезонный.
– дробная
часть, полученная
в результате
деления.
Постоянные коэффициенты ряда, определенные при статистическом анализе, отражают совокупность факторов и степень их влияния на величину и характер изменения объемов пассажиропотоков в конкретный момент времени. Проверка адекватности уравнения экспериментальным данным производится по критерию Фишера. Пользуясь предложенной зависимостью, можно спрогнозировать величину пассажиропотока в конкретный момент времени, что позволит принять адекватное решение.
Параметры (коэффициенты) уравнений определяются по следующим зависимостям:
(2.6)
; (2.7)
, (2.8)
где yэi -экспериментальные значения зависимой переменной в i-х расчетных точках.
Проверка адекватности уравнения многочлена ряда Фурье экспериментальным данным производится по критерию Фишера. При этом при расчете числа степеней свободы под числом факторов понимается число использованных гармоник ряда Фурье.
Мерой согласованности может служить также коэффициент средней линейной ошибки аппроксимации E:
. (2.9)
При проведении расчетов номера гармоник, включаемые в уравнение, рекомендуется принимать адаптивно по максимуму значения статистики критерия Фишера F или минимуму коэффициента средней линейной ошибки аппроксимации E. Гармоники, которые вызывают уменьшение значения F или увеличение значения E, не включаются в модель связи. При этом верхнее значение номера гармоник не должно быть больше чем n/2.
Изучение статистических зависимостей основывается на корреляционно-регрессионном анализе. Корреляционный анализ позволяет ответить на вопрос о существовании зависимости между случайными величинами, а также оценить степень тесноты статистической зависимости. Инструментом регрессионного анализа является уравнение регрессии. Исходными данными для проведения корреляционно-регрессионного анализа является статистическая информация, содержащая значения факторов и зависимого от них параметра.
Одной из возможных схем проведения корреляционно-регрессионного анализа является следующая:
1) проводится взаимный парный корреляционный анализ между всеми возможными сочетаниями факторов и дублирующие факторы исключаются (из дублирующих друг друга факторов для дальнейших расчетов один из них исключают - обычно зависимый);
2) принимается вид уравнения регрессии (модели связи);
3) рассчитываются параметры уравнения регрессии;
4) проверяется значимость отдельных факторов в модели и адекватность уравнения регрессии экспериментальным данным в целом. Если нет малозначимых факторов и уравнение регрессии согласуется с экспериментальными данными - решение получено, а иначе на п.5;
5) отбрасываются малозначимые факторы и проводятся новые расчеты (п. 2-4 или 3,4).
Полученное уравнение регрессии является моделью связи между факторным пространством и зависимым параметром.
Если связь оказалась несущественной, то расчеты или повторяют с другим видом уравнения регрессии или прекращают.
Статистикой, характеризующей тесноту связи между факторами и зависимой переменной, является коэффициент множественной корреляции.
Коэффициент множественной корреляции показывает какая часть дисперсии зависимой переменной объясняется принятой регрессионной моделью:
,
(2.10)
где
-
объясненная
сумма квадратов
отклонений
от оценки
математического
ожидания (m
– число опытов);
-
полная сумма
квадратов
отклонений
от оценки
математического
ожидания;
а0 - оценка математического ожидания случайной величины.
Разность между полной и объясненной суммой квадратов является остаточной (необъясненной) суммой отклонений от оценки математического ожидания
.
(2.11)
Тогда
через
значение коэффициента
множественной
корреляции
рассчитывается
по формуле:
(2.12)
Значения R может быть в пределах от 0 до 1.0. При R = 0 связь между факторами и зависимой переменной отсутствует, а R = 1.0 указывает на функциональную зависимость.
Для проверки гипотезы существенности коэффициента множественной корреляции и согласованности уравнения регрессии с экспериментами данными используется статистика критерия Фишера:
(2.13)
или
,
(2.14)
где
и
-
соответственно
объясненная
и остаточная
дисперсия для
зависимого
параметра.
Чтобы не было оснований отвергнуть гипотезу, что экспериментальные данные согласуются с полученным уравнением регрессии, рассчитанная статистика критерия Фишера должна быть больше табличного значения (F > Fт). Табличное значение Fт определяется в зависимости от уровня значимости и числа степеней свободы k1 = n и k2= m - n- 1 (n – число факторов).
Уровень значимости (вероятность) рекомендуется принимать 0.01 - 0.05 (чем меньше, тем жестче требования к адекватности модели).
Если F < Fт , то считается, что уравнение регрессии не согласуется с экспериментальными данными.
Табличные значения критерия Фишера приведены ниже в таблице 2.1.[12].
Таблица 2.1 - Табличные значения критерия Фишера
| Уровень значимости 0,05 | ||||||||||||
| k2 | k1 | |||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | |
| 1 | 161 | 200 | 216 | 225 | 230 | 234 | 237 | 239 | 241 | 242 | 243 | 244 |
| 2 | 18,51 | 19,00 | 19,16 | 19,25 | 19,30 | 19,33 | 19,36 | 19,37 | 19,38 | 19,39 | 19,40 | 19,41 |
| 3 | 10,13 | 9,55 | 9,28 | 9,12 | 9,01 | 8,94 | 8,88 | 8,84 | 8,81 | 8,78 | 8,76 | 8,74 |
| 4 | 7,71 | 6,94 | 6,59 | 6,39 | 6,26 | 6,16 | 6,09 | 6,04 | 6,00 | 5,96 | 5,93 | 5,91 |
| 5 | 6,61 | 5,79 | 5,41 | 5,19 | 5,05 | 4,95 | 4,88 | 4,82 | 4,78 | 4,74 | 4,70 | 4,68 |
| 6 | 5,99 | 5,14 | 4,76 | 4,53 | 4,39 | 4,28 | 4,21 | 4,15 | 4,10 | 4,06 | 4,03 | 4,00 |
| 7 | 5,59 | 4,74 | 4,35 | 4,12 | 3,97 | 3,87 | 3,79 | 3,73 | 3,68 | 3,63 | 3,60 | 3,57 |
| 8 | 5,32 | 4,46 | 4,07 | 3,84 | 3,69 | 3,58 | 3,50 | 3,44 | 3,39 | 3,34 | 3,31 | 3,28 |
| 9 | 5,12 | 4,26 | 3,86 | 3,63 | 3,48 | 3,37 | 3,29 | 3,23 | 3,18 | 3,13 | 3,10 | 3,07 |
| 10 | 4,96 | 4,10 | 3,71 | 3,48 | 3,33 | 3,22 | 3,14 | 3,07 | 3,02 | 2,97 | 2,94 | 2,91 |
| 11 | 4,84 | 3,98 | 3,59 | 3,36 | 3,20 | 3,09 | 3,01 | 2,95 | 2,90 | 2,86 | 2,82 | 2,79 |
| 12 | 4,75 | 3,88 | 3,49 | 3,26 | 3,11 | 3,00 | 2,92 | 2,85 | 2,80 | 2,76 | 2,72 | 2,69 |
| 13 | 4,67 | 3,80 | 3,41 | 3,18 | 3,02 | 2,92 | 2,84 | 2,77 | 2,72 | 2,67 | 2,63 | 2,60 |
| 14 | 4,60 | 3,74 | 3,34 | 3,11 | 2,96 | 2,85 | 2,77 | 2,70 | 2,65 | 2,60 | 2,56 | 2,53 |
| 15 | 4,54 | 3,68 | 3,29 | 3,06 | 2,90 | 2,79 | 2,70 | 2,64 | 2,59 | 2,55 | 2,51 | 2,48 |
| 16 | 4,49 | 3,63 | 3,24 | 3,01 | 2,85 | 2,74 | 2,66 | 2,59 | 2,54 | 2,49 | 2,45 | 2,42 |
| 17 | 4,45 | 3,59 | 3,20 | 2,96 | 2,81 | 2,70 | 2,62 | 2,55 | 2,50 | 2,45 | 2,41 | 2,38 |
Статистику критерия Фишера можно использовать для оценки значимости отдельных факторов. Фактор является малозначимым в том случае, если его исключение из модели не вызывает существенного снижения статистики критерия Фишера. При этом исключение малозначимого фактора может обеспечить увеличение статистики F .
2.2 Определение закономерностей изменения пассажиропотоков во времени
Для существующей маршрутной сети определим значения спроса на перевозку используя многочлен Фурье. Для расчета выберем маршруты №1, 4, 5, 12, 16, и 25, так как на них наиболее значимые пассажиропотоки, что позволит получить более точные характеристики.
Доли пассажиропотоков приходящиеся на каждый месяц года, по сравнению с июнем месяцем, представлены графически на рисунке 2.1.

Рисунок 2.1 – Доли пассажиропотока по месяцам года
Соответственно доли пассажиропотоков по дням недели, по сравнению со средой, представлены графически на рисунке 2.2.

Рисунок 2.2 - Доли пассажиропотоков по дням недели
Приведем пример расчета многочлена Фурье для расчета часовых пассажиропотоков на маршруте №1 «Вокзал – Любенский» в июнь месяц, день недели – среда.
Параметры (коэффициенты) многочлена Фурье рассчитаем по формулам (2.6) – (2.8):
при m=18, k=9:
![]()
![]()
![]()
Параметры многочлена Фурье сведем в таблицу 2.1.
Таблица 2.1 – Параметры многочлена Фурье
| k | а0 | ak | bk |
| 1 | 1003,78 | -43,735 | 18,418 |
| 2 | 1003,78 | -531,002 | 565,124 |
| 3 | 1003,78 | -78,111 | 230,363 |
| 4 | 1003,78 | -291,954 | -250,814 |
| 5 | 1003,78 | -319,498 | -60,697 |
| 6 | 1003,78 | 87,222 | -87,565 |
| 7 | 1003,78 | 109,066 | -211,617 |
| 8 | 1003,78 | 37,457 | 38,252 |
| 9 | 1003,78 | 163,556 | 6,8*10-14 |
Теоретические значения часовых пассажиропотоков рассчитаем по формуле (2.2):
при k=1:
yт1=1003,78+(43,735*cos(2*3,14*1*1/18)+18,418*sin(2*3,14*1*1/18)+
+(-43,735*cos(2*3,14*1*2/18)+ 18,418*sin(2*3,14*1*2/18)+
+(-43,735*cos(2*3,14*1*3/18)+ 18,418*sin(2*3,14*1*3/18)+
+(-43,735*cos(2*3,14*1*4/18)+ 18,418*sin(2*3,14*1*4/18) +
+(-43,735*cos(2*3,14*1*5/18)+ 18,418*sin(2*3,14*1*5/18) +
+(-43,735*cos(2*3,14*1*6/18)+ 18,418*sin(2*3,14*1*6/18) +
+(-43,735*cos(2*3,14*1*7/18)+ 18,418*sin(2*3,14*1*7/18) +
+(-43,735*cos(2*3,14*1*8/18)+ 18,418*sin(2*3,14*1*8/18) +
+(-43,735*cos(2*3,14*1*9/18)+ 18,418*sin(2*3,14*1*9/18);
yт1=969.
Теоретические значения часовых пассажиропотоков рассчитанные и далее для различных гармоник сведем в таблицу 2.2.
Коэффициент средней линейной ошибки аппроксимации E рассчитывается по формуле (2.9):
Е=1/18*(abs((341-339)/339)+ abs((337-1960)/1960)+ abs((801-2006)/2006)+ abs((1101-1362)/1362)+ abs((1087-1200)/1200)+ abs((760-825)/825)+ abs((683-534)/534)+ abs((614-314)/314)+ abs((556-582)/582)+ abs((701-701)/701)+ abs((846-1361)/1361)+ abs((846-2249)/2249)+ abs((1010-1876)/1876)+ abs((915-860)/860)+ abs((728-407)/407)+ abs((615-1003)/1003)+ abs((214-450)/450)+ abs((55-145)/145));
Е=0,559;
Коэффициент множественной корреляции R рассчитывается по формуле (2.10):
Sоб=(339-1003,78)2+(1960-1003,78)2+(2006-1003,78)2+(1362-1003,78)2+(1200-1003,78)2+(825-1003,78)2+(534-1003,78)2+(314-1003,78)2+(582-1003,78)2+(701-1003,78)2+(1361-1003,78)2+(2249-1003,78)2+(1876-1003,78)2+(860-1003,78)2+(407-1003,78)2+(1003-1003,78)2+(450-1003,78)2+(145-1003,78)2;
Sоб=23180,5;
Sп=(341-1003,78)2+(337-1003,78)2+(801-1003,78)2+(1101-1003,78)2+(1087-1003,78)2+(760-1003,78)2+(683-1003,78)2+(614-1003,78)2+(556-1003,78)2+(701-1003,78)2+(846-1003,78)2+(846-1003,78)2+(1010-1003,78)2+(915-1003,78)2+(728-1003,78)2+(615-1003,78)2+(214-1003,78)2+(55-1003,78)2;
Sп=9043657;
![]()
R=0,0506;
Статистика критерия Фишера рассчитывается по формуле (2.14):

F=0,00228.
Для остальных гармоник расчеты производятся аналогично.
при k=2:
Е=0,416;
Sоб=5553657;
Sп=9043657;
R=0,784;
F=1,415.
Так как на втором шаге коэффициент средней линейной ошибки аппроксимации E уменьшился, коэффициент множественной корреляции R и критерий Фишера увеличились, то вторая гармоника включается в многочлен Фурье.
при k=3:
Е=0,703;
Sоб=6005277;
Sп=9042657;
R=0,815;
F=1,757.
Так как на третьем шаге коэффициент средней линейной ошибки аппроксимации E увеличился, коэффициент множественной корреляции R и критерий Фишера увеличились, то третья гармоника не включается в многочлен Фурье.
при k=4:
Е=0,295;
Sоб=7061269;
Sп=9043657;
R=0,884;
F=3,167.
Так как на четвертом шаге коэффициент средней линейной ошибки аппроксимации E уменьшился, коэффициент множественной корреляции R и критерий Фишера увеличились, то четвертая гармоника включается в многочлен Фурье.
при k=5:
Е=0,298;
Sоб=7916001;
Sп=9043657;
R=0,936;
F=6,240.
Так как на пятом шаге коэффициент средней линейной ошибки аппроксимации E уменьшился, коэффициент множественной корреляции R и критерий Фишера увеличились, то пятая гармоника включается в многочлен Фурье.
при k=6:
Е=0,347;
Sоб=8093962;
Sп=9043657;
R=0,946;
F=7,576.
Так как на шестом шаге коэффициент средней линейной ошибки аппроксимации E увеличился, коэффициент множественной корреляции R и критерий Фишера увеличились, то шестая гармоника не включается в многочлен Фурье.
при k=7:
Е=0,394;
Sоб=8549092;
Sп=9043657;
R=0,972;
F=15,365.
Так как на седьмом шаге коэффициент средней линейной ошибки аппроксимации E увеличился, коэффициент множественной корреляции R и критерий Фишера увеличились, то седьмая гармоника не включается в многочлен Фурье.
при k=8:
Е=0,310;
Sоб=7969199;
Sп=9043657;
R=0,939;
F=6,593.
Так как на восьмом шаге коэффициент средней линейной ошибки аппроксимации E уменьшился, коэффициент множественной корреляции R и критерий Фишера уменьшились, то восьмая гармоника включается в многочлен Фурье.
при k=9:
Е=0,478;
Sоб=8572916;
Sп=9043657;
R=0,974;
F=16,188.
Так как на девятом шаге коэффициент средней линейной ошибки аппроксимации E увеличился, коэффициент множественной корреляции R и критерий Фишера увеличились, то девятая гармоника не включается в многочлен Фурье.
Теоретические значения часовых пассажиропотоков рассчитанные для всех гармоник сведены в таблицу 2.2.
Таблица 2.2 – Теоретические значения часовых пассажиропотоков
| yтi | k | ||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | |
| 1 | 969 | 663 | 824 | 366 | 361 | 242 | 142 | 339 | 176 |
| 2 | 982 | 1446 | 1685 | 1635 | 1956 | 1988 | 2183 | 1960 | 2124 |
| 3 | 981 | 1735 | 1814 | 2099 | 1992 | 2078 | 1863 | 2006 | 1842 |
| 4 | 1014 | 1706 | 1546 | 1676 | 1393 | 1273 | 1363 | 1362 | 1525 |
| 5 | 1030 | 1335 | 1097 | 950 | 1156 | 1188 | 1331 | 1200 | 1037 |
| 6 | 960 | 736 | 658 | 665 | 877 | 964 | 639 | 825 | 989 |
| 7 | 1049 | 400 | 561 | 761 | 481 | 361 | 670 | 534 | 371 |
| 8 | 1051 | 281 | 520 | 477 | 362 | 394 | 310 | 314 | 477 |
| 9 | 1048 | 517 | 585 | 225 | 544 | 631 | 435 | 582 | 418 |
| 10 | 1060 | 1016 | 856 | 719 | 723 | 603 | 942 | 701 | 864 |
| 11 | 1025 | 1490 | 1251 | 1678 | 1357 | 1390 | 1130 | 1361 | 1198 |
| 12 | 1010 | 1765 | 1686 | 2128 | 2235 | 2322 | 2364 | 2249 | 2413 |
| 13 | 993 | 1685 | 1846 | 1623 | 1907 | 1787 | 1937 | 1876 | 1712 |
| 14 | 978 | 1284 | 1523 | 1021 | 815 | 848 | 640 | 860 | 1023 |
| 15 | 966 | 742 | 820 | 671 | 459 | 546 | 696 | 407 | 243 |
| 16 | 958 | 310 | 149 | 670 | 949 | 810 | 760 | 1003 | 1166 |
| 17 | 956 | 186 | -52 | 383 | 498 | 530 | 550 | 450 | 286 |
| 18 | 960 | 429 | 351 | 137 | -182 | -95 | -73 | 145 | 19 |
Таким образом, получаем многочлен Фурье для расчета часовых пассажиропотоков на маршруте №1:
(2.15)
где i – порядковый час суток.
Расчет параметров и критериев многочлена Фурье для остальных маршрутов производится аналогичным образом.
Расчетные значения сведем в таблицы 2.3 – 2.7, соответственно по маршрутам №4, №5, №12, №16 и №25.
Таблица 2.3 - Параметры многочлена Фурье для маршрута №4
| k | a0 | ak | bk | E | sоб | sп | R | F |
“+, -“ |
| 1 | 667 | -153,951 | 35,332 | 0,418 | 256055 | 2481692 | 0,321 | 0,102 | + |
| 2 | 667 | -121,157 | 209,573 | 0,363 | 903330 | 2481692 | 0,603 | 0,508 | + |
| 3 | 667 | -34,611 | 224,301 | 0,348 | 1336481 | 2481692 | 0,733 | 1,037 | + |
| 4 | 667 | -154,707 | -49,494 | 0,323 | 1570682 | 2481692 | 0,795 | 1,532 | + |
| 5 | 667 | -261,835 | -55,089 | 0,279 | 2057815 | 2481692 | 0,910 | 4,315 | + |
| 6 | 667 | 25,167 | -42,628 | 0,373 | 2059359 | 2481692 | 0,607 | 0,521 | - |
| 7 | 667 | 20,953 | -161,146 | 0,509 | 2403345 | 2481692 | 0,706 | 0,887 | - |
| 8 | 667 | -17,303 | 24,701 | 0,377 | 2068466 | 2481692 | 0,609 | 0,524 | - |
| 9 | 667 | 160,889 | 2,6*10-14 | 0,413 | 2506420 | 2481692 | 0,727 | 0,999 | - |
Таким образом, получаем многочлен Фурье для расчета часовых пассажиропотоков на маршруте №4:
(2.16)
где i – порядковый час суток.
Таблица 2.4 - Параметры многочлена Фурье для маршрута №5
| k | а0 | ak | bk | E | sоб | sп | R | F |
“+, -“ |
| 1 | 520 | -141,6 | -137,825 | 0,747 | 335627 | 4597840 | 0,270 | 0,07 | + |
| 2 | 520 | -161,547 | 418,125 | 0,732 | 2357949 | 4597840 | 0,716 | 0,935 | + |
| 3 | 520 | 144,667 | 203,035 | 0,553 | 2771999 | 4597840 | 0,776 | 1,349 | + |
| 4 | 520 | -231,447 | -104,999 | 6,496 | 3412356 | 4597840 | 0,861 | 2,558 | - |
| 5 | 520 | -261,678 | 72,998 | 0,326 | 3331705 | 4597840 | 0,851 | 2,339 | + |
| 6 | 520 | 26,556 | -86,987 | 3,067 | 3435843 | 4597840 | 0,864 | 2,628 | - |
| 7 | 520 | 8,111 | -210,931 | 0,207 | 3760325 | 4597840 | 0,904 | 3,990 | + |
| 8 | 520 | 43,161 | -42,48 | 0,851 | 3790596 | 4597840 | 0,907 | 4,173 | - |
| 9 | 520 | 194 | -8,4*10-14 | 0,794 | 4406317 | 4597840 | 0,978 | 20,45 | - |
Таким образом, получаем многочлен Фурье для расчета часовых пассажиропотоков на маршруте №5:
(2.17)
где i – порядковый час суток.
Таблица 2.5 - Параметры многочлена Фурье для маршрута №12
| k | а0 | ak | bk | E | sоб | sп | R | F |
“+, -“ |
| 1 | 672 | 3,791 | 2,066 | 0,450 | 685,716 | 3081871 | 0,014 | 0,001 | + |
| 2 | 672 | -269,376 | 349,288 | 0,319 | 1783245 | 3081871 | 0,760 | 1,220 | + |
| 3 | 672 | 41,667 | 179,941 | 0,360 | 2035588 | 3081871 | 0,812 | 1,729 | - |
| 4 | 672 | -146,842 | -73,033 | 0,270 | 2164038 | 3081871 | 0,837 | 2,095 | + |
| 5 | 672 | -206,267 | 39,415 | 0,350 | 2471188 | 3081871 | 0,895 | 3,596 | - |
| 6 | 672 | -22,778 | -32,524 | 0,278 | 2183467 | 3081871 | 0,841 | 2,160 | + |
| 7 | 672 | -16,691 | -159,239 | 0,376 | 2448163 | 3081871 | 0,891 | 3,433 | - |
| 8 | 672 | 26,052 | -61,188 | 0,374 | 2244449 | 3081871 | 0,902 | 3,894 | - |
| 9 | 672 | 149 | -1,5*10-14 | 0,500 | 2685648 | 3081871 | 0,988 | 37,94 | - |
Таким образом, получаем многочлен Фурье для расчета часовых пассажиропотоков на маршруте №12:
(2.18)
где i – порядковый час суток.
Таблица 2.6 - Параметры многочлена Фурье для маршрута №16
| k | a0 | ak | bk | E | sоб | sп | R | F |
“+, -“ |
| 1 | 1079 | -160,569 | -132,122 | 0,502 | 386915 | 8740464 | 0,210 | 0,041 | + |
| 2 | 1079 | -496,496 | 503,038 | 0,360 | 5256472 | 8740464 | 0,775 | 1,341 | + |
| 3 | 1079 | 59,722 | 292,235 | 0,704 | 5889014 | 8740464 | 0,820 | 1,835 | - |
| 4 | 1079 | -241,2 | -202,957 | 0,260 | 6427738 | 8740464 | 0,857 | 2,470 | + |
| 5 | 1079 | -364,161 | -71,555 | 0,251 | 7496530 | 8740464 | 0,926 | 5,356 | + |
| 6 | 1079 | 65,389 | -88,046 | 0,407 | 7643930 | 8740464 | 0,935 | 6,196 | - |
| 7 | 1079 | 57,896 | -211,076 | 0,444 | 8017527 | 8740464 | 0,957 | 9,857 | - |
| 8 | 1079 | 62,196 | -89,096 | 0,397 | 7609013 | 8740464 | 0,933 | 5,977 | - |
| 9 | 1079 | 247,222 | 1,5*10-13 | 0,557 | 8679352 | 8740464 | 0,996 | 126,2 | - |
Таким образом, получаем многочлен Фурье для расчета часовых пассажиропотоков на маршруте №16:
(2.19)
где i – порядковый час суток.
Таблица 2.7 - Параметры многочлена Фурье для маршрута №25
| k | а0 | ak | bk | E | sоб | sп | R | F |
“+, -“ |
| 1 | 640 | -49,929 | -158,935 | 0,587 | 217074 | 5122719 | 0,205 | 0,039 | + |
| 2 | 640 | -262,843 | 443,925 | 0,503 | 2676823 | 5122719 | 0,722 | 0,972 | + |
| 3 | 640 | 74,278 | 228,534 | 34,02 | 3129926 | 5122719 | 0,781 | 1,396 | - |
| 4 | 640 | -145,832 | -97,591 | 0,360 | 3060953 | 5122719 | 0,773 | 1,319 | + |
| 5 | 640 | -326,314 | 8,229 | 0,268 | 3939270 | 5122719 | 0,876 | 2,958 | + |
| 6 | 640 | -43,611 | -33,967 | 0,699 | 3965337 | 5122719 | 0,879 | 3,045 | - |
| 7 | 640 | 74,076 | -215,331 | 0,646 | 4395666 | 5122719 | 0,926 | 5,374 | - |
| 8 | 640 | 55,508 | -93,73 | 0,736 | 4075264 | 5122719 | 0,891 | 3,458 | - |
| 9 | 640 | 163,778 | 2,2*10-13 | 0,699 | 4508421 | 5122719 | 0,938 | 6,523 | - |
Таким образом, получаем многочлен Фурье для расчета часовых пассажиропотоков на маршруте №25:
(2.20)
где i – порядковый час суток.
Если подвергнуть той же процедуре суммарные часовые пассажиропотоки на рассмотренных маршрутах, то можно увидеть, что они так же подчиняются тому же закону распределения.
Таблица 2.8-Параметры многочлена Фурье для суммарных пассажиропотоков
| k | а0 | ak | bk | E | sоб | sп | R | F |
“+, -“ |
| 1 | 4581 | -494,37 | -318,75 | 0,502 | 3195818 | 1,74*108 | 0,135 | 0,016 | + |
| 2 | 4581 | -1859 | 2540 | 0,376 | 97576619 | 1,74*108 | 0,748 | 1,134 | + |
| 3 | 4581 | 154,833 | 1350 | 1,400 | 1,11*108 | 1,74*108 | 0,798 | 1,568 | - |
| 4 | 4581 | -1235 | -846,47 | 0,293 | 1,23*108 | 1,74*108 | 0,840 | 2,134 | + |
| 5 | 4581 | -1699 | -134,28 | 0,369 | 1,45*108 | 1,74*108 | 0,911 | 4,387 | + |
| 6 | 4581 | 208,5 | -380,37 | 0,409 | 1,47*108 | 1,74*108 | 0,919 | 4,833 | - |
| 7 | 4581 | 287,973 | -1118 | 0,452 | 1,59*108 | 1,74*108 | 0,955 | 9,320 | - |
| 8 | 4581 | 173,229 | -169,27 | 0,391 | 1,46*108 | 1,74*108 | 0,914 | 4,545 | - |
| 9 | 4581 | 1011 | 4,5*10-13 | 0,497 | 1,66*108 | 1,74*108 | 0,976 | 17,89 | - |
Таким образом, получаем многочлен Фурье для расчета часовых суммарных пассажиропотоков на маршрутах:
(2.21)
где i – порядковый час суток.
Если в полученные формулы (2.15 – 2.20) подставить поправочный коэффициент необходимого дня недели и месяца (рисунок 2.1-2.2), то получим формулы для расчета значений часовых пассажиропотоков в любой период времени с такой же точностью на каждом маршруте.
2.3 Расчет распределения пассажиропотока по часам суток
Расчет теоретических значений часовых пассажиропотоков производится для рассмотренных маршрутов в соответствии с определенными закономерностями по формулам (2.15) - (2.20).
Приведем пример расчета для маршрута №1 «Вокзал – Любенский» в июнь месяц, день недели – среда, в соответствии с формулой (2.15):
В период времени с 6-00 до 7-00:
![]()
yт1=339 пасс;
В период времени с 7-00 до 8-00:
![]()
yт2=1960 пасс;
В период времени с 8-00 до 9-00:
![]()
yт3=2006 пасс;
В период времени с 9-00 до 10-00:
![]()
yт4=1361 пасс;
В период времени с 10-00 до 11-00:
![]()
yт5=1200 пасс;
В период времени с 11-00 до 12-00:
![]()
yт6=825 пасс;
В период времени с 12-00 до 13-00:
![]()
yт7=534 пасс;
В период времени с 13-00 до 14-00:
![]()
yт8=314 пасс;
В период времени с 14-00 до 15-00:
![]()
yт9=582 пасс;
В период времени с 15-00 до 16-00:
![]()
yт10=701 пасс;
В период времени с 16-00 до 17-00:
![]()
yт11=1361 пасс;
В период времени с 17-00 до 18-00:
![]()
yт12=2249 пасс;
В период времени с 18-00 до 19-00:
![]()
yт13=1876пасс;
В период времени с 19-00 до 20-00:
![]()
yт14=860 пасс;
В период времени с 20-00 до 21-00:
![]()
yт15=407 пасс;
В период времени с 21-00 до 22-00:
![]()
yт16=1003 пасс;
В период времени с 22-00 до 23-00:
![]()
yт17=450 пасс;
В период времени с 23-00 до 24-00:
![]()
yт18=145 пасс.
Результаты расчетов теоретических значений часовых пассажиропотоков по всем рассмотренным маршрутам приведены в таблице 2.9.
Таблица 2.9 - Теоретические значения часовых пассажиропотоков на маршрутах
|
Время суток |
Номер маршрута | |||||
| 1 | 4 | 5 | 12 | 16 | 25 | |
| 6-7 | 340 | 585 | 554 | 428 | 339 | 387 |
| 7-8 | 1960 | 1362 | 1240 | 1126 | 1804 | 1298 |
| 8-9 | 2006 | 994 | 398 | 1246 | 1854 | 1042 |
| 9-10 | 1362 | 483 | 317 | 1101 | 1252 | 633 |
| 10-11 | 1200 | 574 | 641 | 687 | 1189 | 668 |
| 11-12 | 825 | 571 | 122 | 495 | 920 | 481 |
| 12-13 | 534 | 692 | 283 | 426 | 513 | 46 |
| 13-14 | 314 | 730 | 214 | 324 | 505 | 168 |
| 14-15 | 582 | 842 | 609 | 229 | 866 | 607 |
| 15-16 | 701 | 662 | 622 | 571 | 993 | 602 |
| 16-17 | 1361 | 600 | 567 | 1117 | 1486 | 972 |
| 17-18 | 2249 | 1124 | 1670 | 1219 | 2374 | 1646 |
| 18-19 | 1876 | 1171 | 1312 | 960 | 2146 | 1399 |
| 19-20 | 860 | 540 | 416 | 757 | 1012 | 521 |
| 20-21 | 407 | 329 | 261 | 492 | 626 | 332 |
| 21-22 | 1003 | 511 | 124 | 429 | 1073 | 701 |
| 22-23 | 450 | 193 | 41 | 330 | 561 | 280 |
| 23-24 | 145 | 59 | 108 | 237 | 184 | 145 |
Путем проведения несложных преобразований можно так же рассчитать теоретические значения часовых пассажиропотоков по всем маршрутам, так как колебания пассажиропотоков носят случайный, но закономерный характер. Изменение величины пассажиропотока по часам суток, дням недели и месяцам (сезонам) года является типичным примером динамического временного ряда Фурье.
2.4 Вывод
В результате статистического исследования изменений пассажиропотоков во времени получены закономерности их изменения на маршрутах. Закономерности представлены в виде уравнений (многочленов) Фурье для расчета часовых пассажиропотоков на маршрутах №1, 4, 5, 12, 16, 25 (формулы 2.15 –2.20, соответственно).
Полученные формулы имеют высокий коэффициент множественной корреляции, что указывает на тесную функциональную зависимость между теоретическими и экспериментальными значениями пассажиропотоков.
Расчетная статистика критерия Фишера имеет значение больше табличного, что позволяет судить о согласованности уравнения регрессии с экспериментами данными.
Коэффициент средней линейной ошибки аппроксимации находится в пределах нормы, это также указывает на высокую точность вычислений.
3 Разработка мероприятий по повышению эффективности использования автобусов при выполнении городских пассажирских перевозок в городе Гомеле
3.1 Расчет рациональной вместимости автобусов
Выручка от городских перевозок пассажиров не покрывает затрат, возникающих при их выполнении. Одной из причин такого состояния является низкий средний коэффициент использования пассажировместимости транспортных средств.
Одной из причин низкого наполнения автобусов является их неоптимальная вместимость. Завышенная вместимость снижает средний коэффициент использования пассажировместимости или вызывает необходимость применения движения транспортных средств с большими интервалами, заниженная – повышает затраты за счет применения мене эффективных пассажирских транспортных средств. Движение транспортных средств с большими интервалами или слишком высокий коэффициент использования пассажировместимости снижают качество обслуживания пассажиров. Поэтому пассажировместимость единицы