АНАЛІЗ МЕТОДІВ ПРОГНОЗУВАННЯ РУХУ МІСЬКОГО ГРОМАДСЬКОГО ТРАНСПОРТУ

Анотація

У статті розглянуто проблему прогнозування руху міського громадського транспорту в умовах зростання мобільності населення, підвищення інтенсивності транспортних потоків та розвитку інтелектуальних транспортних систем. Актуальність дослідження зумовлена необхідністю підвищення точності прогнозування часу прибуття транспорту на зупинку, часу руху між зупинками, інтервалів руху та завантаженості транспортних засобів для покращення якості транспортного обслуговування населення.
Метою роботи є аналіз сучасних методів прогнозування руху міського громадського транспорту, визначення їх переваг і недоліків, а також оцінка перспективних напрямів розвитку систем прогнозування в умовах динамічного міського середовища. Особлива увага приділяється можливості застосування різних підходів залежно від доступності даних, обчислювальних ресурсів та особливостей транспортної інфраструктури.
У роботі проаналізовано статистичні методи прогнозування, зокрема моделі часових рядів, регресійний аналіз, метод ковзного середнього, ARIMA та SARIMA-моделі. Показано, що ці підходи залишаються ефективними для короткострокового прогнозування у відносно стабільних транспортних системах завдяки простоті реалізації, швидкості обчислень і зрозумілій математичній інтерпретації, проте мають обмеження у врахуванні нелінійних залежностей і впливу зовнішніх чинників.
Окремо розглянуто фільтраційні методи, зокрема фільтр Калмана, який застосовується для оцінювання стану транспортної системи в реальному часі на основі даних GPS, AVL та сенсорної інформації. Також досліджено методи машинного навчання, глибокого навчання, нейронні мережі та графові моделі, які забезпечують вищу точність прогнозів за рахунок здатності моделювати складні просторово-часові та нелінійні залежності у транспортних потоках.
Встановлено, що найбільш перспективними є гібридні та просторово-часові моделі, які поєднують переваги статистичних, фільтраційних і нейромережевих підходів. Такі моделі дозволяють досягати високої точності прогнозування в умовах значної варіативності трафіку, адаптуватися до змін транспортної ситуації та працювати з великими обсягами різнорідних даних.
Узагальнено, що вибір методу прогнозування має базуватися на типі транспортної задачі, якості та структурі вхідних даних, а також вимогах до швидкодії та точності системи. Практичне значення роботи полягає у можливості використання отриманих результатів для розроблення інтелектуальних систем підтримки прийняття рішень, удосконалення управління міським громадським транспортом, оптимізації маршрутів і розкладів, а також підвищення надійності та доступності міських перевезень.