Величины пассажирооборота объектов
транспортной системы как компоненты анализа функционального использования
территории[1]
В. П. Федоров,
О.М. Пахомова, Л.А.Лосин, Н. В. Булычева
Статья
посвящена использованию расчетных показателей функционирования транспортной
системы для формирования оценочных факторов местоположения.
Одним из путей улучшения планирования и управления развитием
территорий является использование средств математического моделирования.
Процесс развития города можно представить как постоянную взаимную адаптацию его
систем и населения. Результаты адаптации являются совокупным эффектом
индивидуально принимаемых жителями решений, непосредственно управлять которыми
нельзя. Поэтому моделирование реакции населения на предоставляемые ему возможности
является практически основным способом, с помощью которого можно регулировать
развитие города, целенаправленно изменяя структуру и параметры его функциональных
систем, таких как система мест приложения труда, транспорт, система
обслуживания, различного рода инженерные системы, природная среда и т. п.. К таким моделям относятся модель прогноза
расселения и формирования пассажиропотоков, учитывающая как трудовые, так и
культурно-бытовые цели.
Программная реализация моделей расчета транспортных и
пассажирских потоков является инструментом, позволяющим осуществлять
целенаправленное формирование вариантов развития транспортной системы,
проводить сравнительный анализ эффективности различных мероприятий по ее
совершенствованию.
Современные компьютеры и системы программирования позволяют
создавать системы, реализующие разные подходы к моделированию, оценивать
результаты, а также использовать многочисленные параметры расчета. Применение
таких систем позволяет получить ряд агрегированных показателей качества территориально-транспортной
системы - оценок сложившегося расселения в городе по отношению к
пространственному размещению рабочих мест в условиях заданной транспортной
системы, качество взаимного размещения
расселения, рабочих мест и сети пассажирского транспорта города по отношению к
размещению мощностей ежедневного культурно-бытового обслуживания населения. В
ходе выполнения расчетов для каждого варианта производится построение целого
ряда показателей функционирования транспортной системы. Одним из таких
показателей является величина пассажирского или транспортного потока в
транспортном узле, т.е. суммарный поток, который формируется всеми участниками
движения, попавшими в этот узел.
Полученные таким образом или каким-нибудь другим способом
величины пассажирооборота транспортных узлов являются одной из компонент оценочного фактора местоположения – плотности «дневного»
населения [1]. При оценке выгодности функционального использования
территории различные участки характеризуются набором качеств. Многие из свойств
местоположения участка являются «системными», т.е. они формируются всей городской
средой. Их содержательный смысл и величина для каждого отдельного участка могут
быть определены только при рассмотрении его положения в составе всей городской
среды. Показатель плотности «дневного»
населения зависит от интенсивности городской жизни, массовых
"поведенческих" характеристик населения, величины и структуры
населения, которое бывает на данной территории в течение суток. В состав
«дневного» населения включаются как жители, проживающие на этой территории, так
и посещающие её с трудовыми, деловыми и культурно-бытовыми целями.
Плотность «дневного» населения – показатель, который
применяется при анализе территории с целью оценки её пригодности, в частности,
для строительства объектов коммерческого назначения, доходность которых в
значительной степени связана с обслуживанием населения. В задаче прогноза
потребности в площадях торгового назначения в зоне транспортного узла на
перспективу может быть взята территория 500 метрового радиуса. Обычно для
оценки потребности в площадях торгового назначения используют показатель
обеспеченности данными площадями в расчёте на население, проживающее в городе,
районе и т.п. (к примеру, в градостроительных нормах и правилах с помощью
показателей в расчёте на 1000 жителей населенного пункта устанавливаются
территориальные нормативы обеспеченности населения данным видом услуг). Такие
показатели хорошо «работают», когда речь идёт о городе в целом или крупном
районе города. Зона непосредственного окружения транспортного узла представляет
собой не замкнутую часть (район города), а территорию, «живущую» во взаимосвязи
с соседними территориями и районами. Значительную часть «дневного» населения
зоны составляют посетители района по трудовым, культурно-бытовым и транзитным
целям (анализ санкт-петербургской ситуации показал, что для большого количества
станций метрополитена доля жителей, проживающих в рассматриваемых зонах, в
«дневном» населении зоны невелика). В связи с этими соображениями анализ
потребности в площадях разумно производить с использованием показателей
обеспеченности в расчёте на «дневное» население зоны транспортного узла.
Поскольку нормативов, которые бы устанавливали уровень обеспеченности торговыми
площадями в расчёте на «дневное» население, не существует, для прогноза
площадей можно использовать сравнительный анализ уровня обеспеченности торговыми
площадями в различных транспортных узлах (в динамике).
Наиболее мощными узлами концентрации «дневного» населения
являются станции метрополитена. В преимущественно селитебных зонах прогноз
пассажирооборота станций метрополитена близок прогнозу «дневного» населения для
близлежащих территорий (сумме населения, проживающего в районе, и количества
мест приложения труда, располагающихся в районе). Станции же центра города
(особенно его ядра) обслуживают не только жителей данных районов, но и места
приложения труда, учебные заведения, а также многие другие системы
обслуживания. По данным автоматического учета метрополитена соотношение
пассажирооборота станции в будний день за час-пик и за сутки в целом составляет
от 6% (Невский Проспект - Гостиный двор) до 13% (Обухово). Чем «центральнее»
станция, тем это соотношение меньше (те есть, станция работает в течение суток
более равномерно). Для периферийных станций это соотношение, как правило,
составляет 11% -12%. При такой неравномерности пассажирооборота естественно
рассматривать величину суточного пассажирооборота и суточное количество
«дневного» населения.
За последние годы график зависимости потока от времени
суток претерпел значительные изменения: если в 1980-е годы наблюдались ярко
выраженные утренние и вечерние пиковые нагрузки, то сегодня во многих городах
наблюдается так называемое «сглаживание» пиков, выражающееся в расширении интервала
пиковых нагрузок при одновременном уменьшении доли максимального часа в
суточном объеме перевозок. Причем по территории города эти закономерности могут
варьировать в зависимости от преобладающего функционального назначения
территории и социального состава населения. Выбор интервала времени для
моделирования осуществляется на основе определения периода максимальной
загрузки сети, что требует исследования часовой, суточной и сезонной цикличности
автомобильных или пассажирских потоков. Расчет транспортных потоков, как
правило, производится на условный интервал времени - "расчетный час",
отражающий максимальные средне-вероятные потоки в пределах дневного периода
пиковых перевозок. Пассажиропоток утреннего часа пик буднего дня, в основном,
формируется трудовыми корреспонденциями (доля корреспонденций других типов
принята равной 5%)
Для более точного моделирования суточных потоков можно
множество всех корреспонденций «расслоить» на отдельные матрицы
корреспонденций, каждая для своей отрасли и вида передвижения [2]. Поскольку
начало рабочего дня в различных отраслях существенно отличается, вклад
различных отраслей в потокораспределение расчетного часа оказывается
разным, что можно учесть, выбирая для
каждой отрасли свой коэффициент. В результате исходная задача формирования
корреспонденций распадается на отдельные подзадачи по отраслям, и возможность
применения «расслоения» определяется наличием соответствующей информации по
отраслям занятости, не требуя новых модельных средств. При этом нужно отметить,
что такое «расслоение» может устранить искажения в структуре корреспонденций,
которые выражаются в снижении дальности корреспонденций и завышению на
предприятиях доли «местных» (т.е. проживающих недалеко от места работы) трудящихся.
Для каждого жителя города взаимозаменяемыми являются рабочие места только той
отрасли, в которой он занят, следовательно, возможность его выбора ограничена
не общим количеством рабочих мест в районе, а только количеством рабочих мест
района в соответствующей отрасли.
Для разных отраслей характерны не только особенности территориального
размещения мест приложения труда и времени осуществления корреспонденций, но и
различия в уровнях автомобилизации, в
отношении к затратам на передвижения у жителей. занятых в этих отраслях. На
основе информации базы данных ООО «Перспектива» (оценщики и консультанты) были
получены параметры расчета при расслоении на отрасли и без расслоения для
С-Петербурга, приведенные в таблице:
Отрасль |
Кф (смен) |
Кф, (час в периоде) |
Кф(сут)= Кф(смен)х Кф(час в периоде) |
Доля пользования инд. трансп. при предвиж. на работу |
Культура |
1 |
0.25 |
0.25 |
0.30 |
Наука |
1 |
0.26 |
0.26 |
0.23 |
Промышленность |
1.4 |
0.10 |
0.14 |
0.19 |
Школьники |
1 |
0.60 |
0.60 |
0.08 |
Строительство |
1.2 |
0.10 |
0.12 |
0.15 |
Жилищно-комм сл |
1 |
0.27 |
0.27 |
0.30 |
Коммер.-финанс |
1.2 |
0.34 |
0.40 |
0.40 |
Студенты |
1.1 |
0.45 |
0.50 |
0.05 |
Транспорт и связь |
1.3 |
0.25 |
0.31 |
0.25 |
Управление |
1 |
0.45 |
0.45 |
0.40 |
Здравоохранение |
1.3 |
0.30 |
0.40 |
0.21 |
Прочие |
1 |
0.20 |
0.20 |
0.19 |
Без рассл. на отр |
1.15 |
0.27 |
0.31 |
0.23 |
где
Кф. Смен – коэф. сменности в отрасли; Кф.час - доля расчетного часа в период максимальной загрузки сети (для
Санкт-Петербурга с 7 до 10 утра) в этом
периоде; Кф.сут - доля транспортного контингента в расчетном часе (произведение Кф. смен и Кф .час в периоде).
Литература
2.Федоров
В.П., Пахомова О.М., Булычева Н.В. Учет неоднородности системы мест приложения
труда при моделировании пассажирских и автомобильных потоков (на примере
Санкт-Петербурга) // Экономико-математические исследования: математические
модели и информационные технологии. /4 сб. трудов СПб экономико-математического
института. 2005. С. 156-167.