Аннотация результатов, полученных в 2017 году
Построена математической модель системы с разделенными интересами в составе триады взаимодействия регулятор-перевозчик-пассажир. Определены конкретные подходящие функции взаимодействия в парах множеств регулятор-перевозчик (динамическая популяционная модель), перевозчик-пассажир (система массового обслуживания с отсечением по качеству), влияние на макроэкономические и социальные параметры в паре пассажир-регулятор (управление в условиях неопределенности). Разработан каркас имитационной модели, в которой инициализация расчетов происходит в паре регулятор-перевозчиков с расчетом на несколько временных тактов вперед, полученные данные передаются на вход функции взаимодействия перевозчик- пассажир, а затем пассажир-регулятор. Система с разделенными интересами строит показатели и требования верхнего уровня к транспортному обслуживанию населения и обосновывает в частности минимально допустимые значения параметров безопасности, качества транспортных услуг, доступности. Полученные на этом уровне данные являются ограничениями, накладываемыми на маршрутные сети в ходе их корректировки. Тестовая компьютерная модель системы мониторинга транспортных корреспонденций. Алгоритмы и методики будут запрограммированы и выложены для использования в расчетах на научном веб-сервисе http://transport.viharev.com и http://webtransportsystem20180302113528.azurewebsites.net. Сервисы продолжают активно дорабатываться. В ближайшее время, до конца июня 2018 года, будет реализована проуцедура обмена данными между мультиагентной иммитационной моделью, отвечающей за выбор видов транспорта и оценку пассажирского опыта с итерационной моделью расчета функций взаимодействия в триаде регулятор-перевозчик-пассажир. Эффективность использования пассажирского транспорта определяется способностью системы (маршрутная сеть, графики движения, подвижной состав) осваивать пассажиропотоки с максимальными наполняемостями. Это крупная оптимизационная задача, значительно осложненная динамическим характером пассажиропотоков, которые существуют исключительно в привязке к действующей совокупной маршрутной сети пассажирского (жд, авто, авиа и речной транспорт) и личного транспорта (здесь уместно говорить не о маршрутной, а дорожной сети). Даже при моделировании пассажиропотоков в рамках одной городской агломерации широко применяемый подход анализа точек зарождения и поглощения пассажиропотоков дает результаты оставляющие значительный запас (десятки процентов) для повышения эффективности маршрутной сети. Такая оптимизация может быть основана исключительно на точных данных о фактических пассажиропотоках. С другой стороны особенности маршрутной сети в купе с тактовостью движения и используемым подвижным составом могут как привлекать пассажиров с других видов транспорта (не только пассажирского, но и личного), так и отталкивать их. Известная неоднородность пассажиропотоков в том числе внутри сезонов и, как показывает собираемая нами статистика в нескольких крупных городах (Екатеринбург, Пермь, Курган, Тюмень), значимые изменения пассажиропотоков, происходящие при незначительных изменениях в точках зарождения и поглощения, свидетельствуют о необходимости сбора точных данных о пассажиропотоках на регулярной, ежедневной основе. То есть традиционные подходы к моделированию пассажиропотоков на основе очень медленно, по сравнению с реальными транспортными потоками, меняющихся градостроительных данных дают слабые оценки. Построенные так матрицы корреспонденций исчерпали потенциал для оптимизации. Следующий шаг за моделями динамически адаптирующими транспорт к пассажиропотокам. Предлагаемые нами подходы способны решать задачу регулярной корректировки маршрутной сети, так и, что более важно, в еженедельном режиме, предлагать варианты более оптимального, с учетом актуальных коротких (до трех недель) данных, освоения пассажиропотока, за счет алгоритмов назначения транспортных средств подходящей вместимости и тактовости движения, предлагающих решение в точности соответствующие актуальным пассажиропотокам. Такой подход способен значимо повышать эффективность работы железнодорожного транспорта, поскольку обеспечивает увеличение провозной способности и обеспечивает оптимального управления перевозочным процессом пассажиров. Более того динамически регулируемое назначение подвижного состава и тактовости движения, позволяет решать задачу снижения нагрузки на транспортную и в том числе железнодорожную инфраструктуру. Подобные подходы особенно актуальны для построения транспортных схем с использованием высокоскоростных магистралей. Именно координация маршрутных сетей городов с высокоскоростным жд транспортом, позволит обеспечить наполняемость ВСМ и сделает реальностью формирование региональных агломераций. В конечном счете проводимое нами исследование создает основу для разработки и внедрения интеллектуальных систем управления перевозочным процессом на железнодорожном транспорте.

Аннотация результатов, полученных в 2018 году
Исследование в целом и текущем отчетном периоде было посвящено обогащению модели транспортной инфраструктуры как системы с разделенными интересами. Впервые удалось сформировать целостную «дышащую имитационную модель» по всей триаде взаимодействия то есть были соединены все три функции взаимодействия: регулятор-перевозчик, перевозчик-пассажир, пассажир-регулятор. Разумеется, сами функции взаимодействия буду и дальше детализироваться, однако принципиально, что теперь можно запустить итерационный процесс для всей транспортной системы с разделенными интересами. То есть с оговорками построен цифровой двойник системы государственного управления пассажирским транспортом в условиях разделенных интересов С одной стороны это впервые дает возможность строить прогнозы по состоянию (качество, удовлетворенность, строгость регулирования, субсидирование, безопасность и др.) транспортной инфраструктуры, а с оценивать результативность тех или иных регулирующих воздействий на отрасль в целом и на удовлетворенность населения в частности. Принципиально, что по каждому из параметров оценки могут быть получены не просто средние, а детализированные до отдельных микрорайонов и даже кварталов. А это готовый инструмент поддержки принятия решений в управлении пассажирскими перевозками. Работа целостной имитационной модели системы с разделенными интересами строится на вычислениях отдельных показателей по следующим алгоритмам и методикам. полученные теоретические результаты в виде имитационных моделей и методик расчета реализуются коллективом в виде научного веб-сервиса (https://transportsystemweb.azurewebsites.net/, transport.viharev.com). Веб-сервис моделирования поведения и выбора пассажиров был представлен нами на нескольких международных конференциях и уже использовался для проведения собственных расчетов исследователями из Польши, Германии и России. Реализация методик в онлайн доступе позволяет значительно повышать интерес к проводимому исследованию, облегчает получение рассветных результатов и их независимую проверку рецензентами, а интерес к сервису подтверждается приглашениями выступить пленарными докладами.

Аннотация результатов, полученных в 2019 году
В целом исследование шло над дальнейшим расширением выразительных возможностей имитационной модели общественного транспорта и моделирования поведения и выбора пассажиров/населения. Основной применяемый матаппарат это машинное обучение и дифференциальные уравнения. Поэтому помимо журналов специализирующихся на транспортной тематике две работы были опубликованы в журналах математической направленности Реализация блока интеллектуальные системы планирования и управления эффективностью городских перевозок заключается в дальнейшем развитии научного веб-сервиса для ученых-транспортников и урбанистов 4 расчетных модуля. Модули реализуют в коде методики и алгоритмы, полученные и разработанные в ходе исследования. Поскольку основные результаты связаны с применением алгоритмов обучения с подкреплением их использование научным и транспортным сообществом в ручном виде невозможно. Поэтому программная реализация является обязательным условием их широкого распространения. Модуль моделирования поведения и выбора пассажиров был представлен нами на нескольких международных конференциях и уже использовался для проведения собственных расчетов исследователями из Польши, Германии и России. Реализация методик в онлайн-доступе позволяет значительно повышать интерес к проводимому исследованию, облегчает получение рассчетных результатов и их независимую проверку рецензентами, а интерес к сервису подтверждается приглашениями выступить пленарными докладами. Принципиальным в подходе коллектива является отказ от статистических методов анализа и прогнозирования поведения пассажиров при выборе видов транспорта - базовой задачей определяющей интеллектуализацию больших транспортных систем. Разработанная модель, используя методы машинного обучения (в первую очередь обучение с подкреплением), фактически вскрывает природу выбора человеком вида транспорта. Так статистически не обусловленное поведение интеллектуальных агентов, которые моделируют выбор вида транспорта группами пассажиров, схоже с тем, которое демонстрируют пассажиры при выборе видов транспорта. Именно этот выбор формирует эпюры пассажиропотоков, объективные значения которых мы получаем на основе подсчета пассажиров по видео данным. Получающиеся профили эпюр пассажиропотков реальных пассажиров и искусственных интеллектуальных агентов близки. Обстоятельная проверкаявляется частью дальнейших исследований. В частности предстоит выявить факторы, вызывающие расхождение между модельными и наблюдаемыми результатами. Так в иммитационной модели не учитываются сейчас погодные факторы, а календарные данные не учитывают особенности предпраздничных дней. Другим обязательным требованием для решения задач диспетчеризации маршрутной сети и оптимизации наполняемости подвижного состава является моделирование деятельности перевозчиков и влияние регуляторных требований на их финансовые показатели. Именно обеспечение безубыточности перевозки при выполнении требований к качеству транспортной услуги является целью диспетчерезации маршрутной сети, подбора оптимального по вместимости подвижного состава и тактовости движения. Важно отметить, что разрабатываемая имитационная модель системы с разделенными интересами увязывает с помощью передаточных функций выбор и поведение пассажиров с качеством предоставляем услуги, рассчитывает выбор пассажиров и ожидаемую наполняемость транспортных средств. Все это позволяет сделать бесшовный расчет. Сейчас в веб-сервисе эти отдельные модули уже представлены. Реализация «дышащей» имитационной модели регулятор-перевозчик-пассажир не было предусмотрено настоящим грантом но будет реализованы в ходе дальнейших исследований.