Главная страница » Публикации » №4 (72) » Основные результаты моделирования потоковых процессов по транспортно-коммуникационным коридорам в транспортно-логистической системе умного города

Основные результаты моделирования потоковых процессов по транспортно-коммуникационным коридорам в транспортно-логистической системе умного города

The main results of modeling flow processes on transport and communication corridors in the transport and logistics system of a smart city

Регионы России
Транспорт и логистика

Авторы

Савин Глеб Владимирович
кандидат экономических наук, доцент кафедры коммерции, логистики и экономики торговли
Россия, Уральский государственный экономический университет
glebsavin@ya.ru
Савина Валерия Владимировна
преподаватель
Россия, Уральский государственный экономический университет
valeria902010@mail.ru

Аннотация

Основной целью данной работы является презентация результатов применения авторского методического подхода по моделированию потоковых процессов по транспортно-коммуникационным коридорам. Актуальность исследования выражается в необходимости обеспечения скоординированности организации движения в городе. В статье приведен обзор развития транспортно-логистической системы крупных российских городов, в частности, основных показателей эффективности трафика и его экологичности, а также выделены транспортно-коммуникационные коридоры на примере крупного промышленного города, прогнозировано снижение издержек при развитии логистической координации.

Ключевые слова

умный город, муниципалитет, транспортно-логистическая система (ТЛС), умная мобильность, транспортно-коммуникационный коридор, цифровая дорога, моделирование, перегруженность системы, логистическая координация, снижение издержек

Рекомендуемая ссылка

Савин Глеб Владимирович , Савина Валерия Владимировна

Основные результаты моделирования потоковых процессов по транспортно-коммуникационным коридорам в транспортно-логистической системе умного города// Региональная экономика и управление: электронный научный журнал. ISSN 1999-2645. — №4 (72). Номер статьи: 7214. Дата публикации: 14.11.2022. Режим доступа: https://eee-region.ru/article/7214/

DOI: 10.24412/1999-2645-2022-472-14

Authors

Savin Gleb Vladimirovich
Candidate of Economic Sciences, Associate Professor of the Department of Commerce, Logistics and Economics of Trade
Russia, Ural State University of Economics
glebsavin@ya.ru
Savina Valeriya Vladimirovna
teacher
Russia, Ural State University of Economics
valeria902010@mail.ru

Abstract

The main purpose of this work is to present the results of the application of the author's methodological approach to modeling flow processes along transport and communication corridors. The relevance of the study is expressed in the need to ensure the coordination of the organization of movement in the city. The article provides an overview of the development of the transport and logistics system of large Russian cities, in particular, the main indicators of traffic efficiency and its environmental friendliness, as well as highlighted transport and communication corridors using the example of a large industrial city, and predicted cost reduction in the development of logistics coordination.

Keywords

smart city, municipality, transport and logistics system (TLS), smart mobility, transport and communication corridor, digital road, modeling, system congestion, logistics coordination, cost reduction

Suggested Citation

Savin Gleb Vladimirovich , Savina Valeriya Vladimirovna

The main results of modeling flow processes on transport and communication corridors in the transport and logistics system of a smart city// Regional economy and management: electronic scientific journal. ISSN 1999-2645. — №4 (72). Art. #7214. Date issued: 14.11.2022. Available at: https://eee-region.ru/article/7214/ 

DOI: 10.24412/1999-2645-2022-472-14

Print Friendly, PDF & Email

Введение

В связи с продолжающейся урбанизацией и ростом численности населения во всем мире продолжают расти заторы. Последствия движения тран­спортных средств носят повсеместный характер, включая загрязнение воздуха, потерю времени и гибель людей на дорогах [1].

При этом формирование ТЛС умного города требует нового подхода, который основан на развитии транспортных коммуникационных коридоров (цифровой модели дороги [2]), который может решить проблему перегруженности данных систем более ускоренными темпами. Данный подход и моделирование по ним потоковых процессов позволяет обеспечить рост экономики в рамках те­ории устойчивого развития, повысить уровень логистической координации, а также улучшить экологическую обстановку в городе и снизить совокупные издержки для каждого экономического агента.

 

Методы исследования

Подчеркнем, что российские города частично присутствуют в рей­тингах (IESE Cities in Motion Index [3], EasyPark Smart City Index [4] и пр.), по кото­рым их можно отнести к категории «умный». В данных струк­турных единицах и взаимности от бюджетов происходит внедрение социо­технологических драй­веров ци­фро­вой экономики во все значимые сферы экономики и социальной сферы, но их развитие существенно отстает от лидеров в области инвестиций в транспортно-логистическую, цифровую и интел­лектуальную инфраструктуру.

ТЛС умного города является инфраструктурным проектом [5] и согласно авторскому методологическому подходу развития необходимо выделить ключевые российские проблемы организации потоковых процессов.

Во-первых, перегруженность центральной части города («городского ядра»), что характерно для всех ТЛС городов мира.

Во-вторых, популяризация и использование индивидуального пассажирского транспорта при организации движения, что негативно сказывается на экологии и удовлетворенности граждан.

В-третьих, устаревшие градостроительные нормы, и сложность согласования нововведений, а также большие сроки их реализации.

В-четвертых, административная система управления городским транспортом, а также не полностью согласованная политика в области развития транс­портной инфраструктуры и объектов логистической, производственной и градо­строительной деятельности, большой ее износ, а также транспортных средств.

В-пятых, ограниченные финансовые ресурсы, а также слабое развитие концессии, государственно-частного партнерства, высокая доля закредитованности муниципалитетов.

В-шестых, отсутствие вовлеченности обычных граждан, а также моло­дежи в решения проблем организации движения и улучшения городской жизни.

В-седьмых, большинство стратегий развития муниципалитетов пишется на основе анализа сложившихся тенденций и их экстраполяции, что является в корне не верным подходом обустройства будущего.

В итоге, основное внимание сегодня необходимо уделить развитию транспортно-коммуникационных коридоров, а также формированию норм и правил в рамках институциональной экономики на основе современной трансформации логистики [6, 7], что позволит при развитии современных цифровых технологий синхронизировать потоковые процессы и обеспечить новую степень логистической координации и умной мобильности [8, 9]. С этой целью моделирование потоковых процессов позволит снизить перегруженность данных систем и снизить затраты для каждого экономического агента.

 

Анализ перегруженности и прочих показателей транспортно-логистической системе в российских городах

Уровень трафика в российских городах сопоставим с ТЛС умных городов-лидеров, но в них превалирует использование автомо­би­льного транспорта перед другими альтер­нативами, а также данные системы характеризу­ются вы­сокими экологическими выбросами (табл. 1).

 

Таблица 1 – Оценка трафика в российских городах [10]

Город Traffic Index Time Index (in minutes) Time Exp. Index Inefficiency Index CO2 Emission Index
Москва 219,61 51,34 7 325,46 226,70 4 573,09
Санкт-Петербург 205,50 47,94 5 043,46 196,91 5 257,89
Новосибирск 167,36 40,60 1 792,73 173,90 5 073,00
Екатеринбург 143,58 37,98 1 099,03 152,28 3 614,05
Нижний Новгород 104,57 28,96 71,04 119,91 3 162,19

 

Задержка при тридцатиминутной поездке составляет от 28,96 до 51,34 мин, что также соизмеримо с ТЛС умных городов-лидеров при соответствующей категории людности. При этом уровень неудовлетворенности временем поездки (Time Exp. Index) отражает утомленность поездкой более 25 минут, а показатель (Inefficiency Index) – превалирование использование личного по отношению с общественному транспорту, CO2 Emission Index – выбросы транспорта при организации движения.

Использование вида транспорта и другие показатели при перемещении граждан по городу отображены на карте мобильности (табл.2).

 

Таблица 2 – Показатели использования передвижения в российских городах [10]

Город/ Показатели Работа на дому Про­гулка Авто Вело­сипед Мото­цикл Автобус (Трол­лей­бус) Трамвай Метро (Поезд)
Москва, %1 5,57 17,3 28,23 2,39 0,99 5,69 0,6 38,97
 – расстояние (км) 8,67 22,75 7,08 26,33 14,82 10,50 21,10
 – время (мин) 36,16 54,69 27,88 39,00 51,66 39,17 58,43
Санкт-Петербург, % 8,44 20,44  40,44  2,67 7,11  1,33  19,56
– расстояние (км) 6,81 19,52 11,78 20,64 12,00 20,45
 – время (мин) 37,91 43,65 27,17 68,69 60,00 61,50
Новосибирск, % 11,11 27,78 40,74 11,11 1,85 7,14
 – расстояние (км) 4,00 17,32 17,13 11,00 23,12
 – время (мин) 26,73 40,77 62,17 64,00 53,50
Екатеринбург, % 4,76 33,33 35,71 2,38 14,29 7,14 2,38
 – расстояние (км) 4,04 12,87 11,50 9,25 4,33 10,00
 – время (мин) 32.00 34,33 40,00 64,67 31,67 33,00
Нижний Новгород, % 3,39 23,73 37,29 1,69 1,69 15,25 6,78 10,17
 – расстояние (км) 3,68 11,88 3,50 10,00 8,48 5,68 10,97
 – время (мин) 24,21 30,98 17,00 10,00 35,44 32,00 26,00

1 % – процент использования от общего числа респондентов.

 

В крупных городах большинство граждан используют личный автомобиль (от 28,23 до 40,44% респондентов) и метро (от 2,17 до 38,97%) и автобус (от 5,69 до 15,25%), при этом время, затрачиваемое на одну поездку, составляет от 26,00 до 61,50 мин.

Комбинации использования общественного транспорта отражены в табл. 3.

 

Таблица 3 – Основные схемы движения по ТЛС российских городов [10]

Город Прогулки Автобус Трамвай Метро (Поезд)
Москва Авто – Автобус–Трамвай – Метро Трамвай – Метро Метро Авто –Автобус – Трамвай
Санкт-Петербург Автобус – Трамвай–Метро Трамвай – Метро Метро Автобус – Трамвай
Новосибирск Автобус – Трамвай Метро
Екатеринбург Авто – Метро
Нижний Новгород Авто – Автобус – Метро Автобус – Метро

 

Результаты позволяют удержать, что приведенные ТЛС российских городов характе­ризуются минимальной комбинацией использования альтернатив при выборе способа передвижения. При этом уровень перегруженности достигает крити­ческих значений (табл. 4).

 

Таблица 4 – Перегруженность расширенного пула ТЛС российских городов [11, 12]

Город Конгестия, % Доп. время за рулем в час пик, в год, час Доп. время ежедневно, мин ДТП в год, 2020 г.
Ср. Max Min Утром Вечером
Москва 59 97 12 225 26 32 790
Санкт-Петербург 49 105 14 207 24 30 507
Новосибирск 45 115 23 181 20 26 94
Екатеринбург 36 91 15 163 19 23 94
Нижний Новгород 30 67 10 135 15 20 182
Ростов-на-Дону 34 73 13 140 17 20 74
Самара 41 91 18 167 19 24 106
Казань 29 69 9 128 15 19 143
Челябинск 31 64 18 131 16 18 164
Омск 31 67 14 135 16 19 183

 

Как итог, уровень пере­гружен­ности транспортно-логистической системы для расширенного пула российских городов в сравнении с городами-лидерами в мире следующий: максимальный уровень конгестии достигает 83% против 115% для отечественных пред­ставителей в кате­гории от 1 до 3 млн. чел., в два раза выше для ТЛС от 3 млн. чел., что позволяет судить о интенсификации основных усилий и внедрении современных технологий и инноваций в основные и с большей людностью структурные единицы территориального развития в мире.

Сегодня российские ТЛС только точечно реализуют концепцию устойчивого развития в области «умных» городов, и в частности, в области интеллектуальных транспортных систем.

 

Моделирование потоковых процессов по транспортно-коммуникационным коридорам

Авторами сформулированы следующие транспортно-коммуникационные коридоры для цифровой модели г. Екатеринбурга (табл. 5).

Приведенные ТКК являются основными направлениями движения от зон генерации грузов и основных объектов их хранения [13].

Формирование в конечных пунктах ТКК категории «Промзона» позволяет выйти на новый уровень скоординированности потоковых процессов и прийти к роботизированным системам послед­ней мили по уже сформированной транспортной инфраструктуре.

Структура транспортных потоков однотипная: личный (88%), общественный (7%) и грузовой (5%) транспорт. Проведем моделирование транспортных потоков, в результате получены следующе результаты (табл. 6).

Таким образом, результаты позволяют утверждать, что выделение отдель­ных полос позволит изменить скорость движения по ТКК, а разгрузка пере­крестка будет происходит в отдельную фазу светофора, а при развитии высокоавтоматизированных средств позволит роботизировать все процессы транспорта.

 

Таблица 5 – Основные схемы движения по ТКК

ТКК Направления (улицы/переулки) Расстояние, км Количество светофоров, ед.
CW11 Ленина/ Московская – Татищева – Токарей – Халтурина – Бебеля – Таватуйская – Расточная –Промзона 8,7 16
CW12 Малышева/8 Марта – Репина – Зоологическая – С. Дерябиной – В. де Геннина – А. Сахарова – Амундсена – Мостовая – Промзона 12,9 31
CS11 Фурманова/8марта – Московская – Волгоградская – Амундсена – Мостовая – Промзона 9,0 15
CS12 Фурманова/8марта – Московская – Военная – Титова – Новинская – Промзона 7,8 16
CS13 Ю. Фучика/Белинского – Щербакова ­– Пархоменко – Грибоедова – Торговая – Альпинистов – Промзона 10,1 17
CS14 Ю. Фучика/Белинского – С. Белых ­– Луганская – Кольцовский тракт – Бахчиванджи – Промзона 15,9 7
CE11 Ленина/Восточная – Гагарина – Малышева – Сыромолотова – 40-летия Комсомола – Сибирский тракт дублер – Комсомольская – Промзона 8,2 14
CE12 Ленина/Восточная – Блюхера – Уральская – Учителей – Сулимова – Д. Зверева – Промзона 6,3 13
CN11 Ленина/К. Либкнехта – Свердлова – Челюскинцев – Космонавтов – Кировоградская – Донбасская – Суворовский – Серовский тракт – Расточная — Промзона 13,3 24
CE12 Ленина/К. Либкнехта – Свердлова – Челюскинцев – Космонавтов – Фронтовых Бригад – Старых Большевиков – Фрезеровщиков – Промзона 10,3 29

 

Таблица 6 – Результаты моделирования потоковых процессов по ТКК

ТКК Насыщенность, авт/ч Время циклов, с Насыщение зеленого, % Сумма потока, авт
CW11 1800 1320 62 82
CW12 1950 1980 58 88
CS11 1350 1215 48 68
CS12 1200 1420 53 55
CS13 1415 1570 59 59
CS14 850 815 45 44
CE11 920 1100 62 48
CE12 2100 1270 50 95
CN11 1850 1455 55 83
CE12 1715 2130 63 76

 

Моделирование транспортных потоков по выделенной полосе с учетом выделения фазы работы светофора позволяет обеспечить и внести коррективы в организацию движения и задать начальные условия внедрения.

Примером может служить следующее представление потоковых про­цессов на перекрестке (рис. 1).

 

Пример моделирования перекрестка при выделении отдельного цикла светофора с целью координации движения по ТКК

Рис. 1. Пример моделирования перекрестка при выделении отдельного цикла светофора с целью координации движения по ТКК

 

Подчеркнем, что для развития ТКК необходимы административные меры по их выделению, а также нормы и правила взаимодействия экономических агентов, а также высокоавтоматизированных транспортных средств в будущем [14].

Сегодня для ТЛС г. Екатеринбурга данный проект может выступить новым видением организации движения, который затрагивает нет только роботи­зиро­ванные системы, развитие интеллектуальных транспортных систем, а также единую систему управления [15]. Его развитие позволит обеспечит более высокий уровень логистической координации и снизить потери (согласно авторской методике [1]) для каждого экономического агента (табл. 7).

 

Таблица 7 – Прогноз авторских вариаций снижения затрат для экономических агентов г. Екатеринбурга при формировании нового типа, тыс. руб.

Год Перспективный Оптимистичный Стандартный Пессимистичный
θ ср θ мах θ ср θ мах θ ср θ мах θ ср θ мах
2024 15,17 32,04 14,87 28,40 14,26 26,22 13,34 17,49
2025 16,14 33,65 15,82 29,83 15,50 27,54 14,19 18,38
2026 17,18 32,23 16,83 28,61 16,49 26,44 15,09 17,76
2027 18,27 33,83 17,90 30,04 17,54 27,76 16,05 18,65
2028 19,44 35,51 19,05 31,53 18,66 29,14 17,08 19,59
2029 20,69 37,28 20,27 33,10 19,86 30,60 18,16 20,57
2030 22,01 39,13 21,56 34,74 21,12 32,12 19,32 21,60

 

Результаты позволяют утверждать, что формирование ТЛС нового типа позволит получить годовую экономию в среднем от 13,34 до 22,01 тыс. руб.  (максимально – до 39,1 тыс. руб.) для каждого экономического агента.

 

Заключение

Сегодня развитие высокоавтоматизированных транспортных средств в условиях городской застройки требует разрешительных согласований, а формирование кооперативных интеллектуальных систем требует достаточно высоких финан­совых средств.

Предлагаемый авторский подход по моделированию позволяет изменить традиционные подходы по организации движения в городе, и добиться более высоких показателей эффективности, используя авторское видение.

Для развития современной ТЛС сегодня необходимо сформировать интегрированную систему управления, которая позволит сформировать альтернативный путь ее развития, основанный на развитии транспортно-коммуникационных коридоров, что приведет в более существенным результатам и снижению совокупных издержек для экономических агентов в области организации движения при меньшем уровне инвестиций.

  

Библиографический список

  1. Савин, Г.В. Показатель качества транспортно-логистической системы умного города // Экономический анализ: теория и практика. 2020. Т. 9., №11 (506). С. 2116-2135. DOI: https://doi.org/10.24891/ea.19.11.2116.
  2. Malone, K., Silla, A., Johanssen, C., Bell D. Safety, mobility and comfort assessment methodologies of intelligent transport systems for vulnerable road users. EURASIP Journal on Wireless Communications and Networking, 2019, vol. 9 (2). DOI: https://doi.org/10.1007/s12544-017-0235-y
  3. IESE Cities in Motion Index [Электронный ресурс]. – Режим доступа: https://media.iese.edu/research/pdfs/ ST-0542-E.pdf (дата обращения: 01.06.2021);
  4. EasyPark Smart City Index [Электронный ресурс]. – Режим доступа: https://www.easyparkgroup.com/smart-cities-index (дата обращения: 01.06.2021);
  5. Savin, G.V. The smart city transport and logistics system: Theory, methodology and practice // Управленец. 2021, Т. 12, №6. С. 67–86. DOI: 10.29141/2218-5003-2021-12-6-5.
  6. Сагинов, Ю., Сагинова, О. Умная городская логистика: направления исследований // Логистика. 2022. № 4 (185). С. 32-36.
  7. Winkelhaus, S., Grosse, E. Logistics 4.0: a systematic review towards a new logistics system International. Journal of Production Research, 2020, vol. 58, pp. 18-43. DOI: https://doi.org/10.1080/00207543.2019.1612964.
  8. Kronsell, A., Mukhtar-Landgren, D. (2020), Experimental Governance of Smart Mobility: Some Normative Implications, Paulsson, A. and Sørensen, C.H. (Ed.) Shaping Smart Mobility Futures: Governance and Policy Instruments in times of Sustainability Transitions, Emerald Publishing Limited, Bingley, pp. 119-135. DOI: https://doi.org/10.1108/978-1-83982-650-420201007.
  9. Pan,, Zhou, W., Piramuthu, S., Giannikas, V., Chen, C. Smart city for sustainable urban freight logistics. International Journal of Production Research, 2021, vol. 59, pp. 2079-2089. DOI: https://doi.org/10.1080/00207543.2020.1809733.
  10. Numbeo [Электронный ресурс]. – Режим доступа: https://www.numbeo.com (дата обращения: 17.04.2021);
  11. TomTom [Электронный ресурс]. – Режим доступа https://www.tomtom.com (дата обращения:01.06.2021);
  12. ГИБДД [Электронный ресурс]. – http://stat.gibdd.ru (дата обращения:17.04.2021);
  13. Программа комплексного развития транспортной инфраструктуры города Екатеринбурга на 2020–2023 годы [Электронный ресурс]. – Режим доступа https://м.екатеринбург.рф/file/6335ae3c0ab1da42ab21f83ef172a1f2 (дата обращения: 17.04.2021);
  14. Acheampong, R.A., Cugurullo, F., Dusparic, I., Gueriau, M. The transition to autonomous cars, the redesign of cities and the future of urban sustainability. Urban Geography, 2020. vol. 02, pp. 1-27. DOI: doi.org/10.1080/02723638.2020. 1746096.
  15. Collado, A., Kakderi, C., Komninos, N., Panori, A., Papadaki, I. Digital Transformation of City Ecosystems: Platforms Shaping Engagement and Externalities across Vertical Markets. Journal of Urban Technology, 2020. vol. 14, pp. 1-22. DOI: https://doi.org/10.1080/10630732.2020.1805712.

 

References

  1. Savin, G.V. Quality indicator of the transport and logistics system of a smart city [Pokazatel’ kachestva transportno-logisticheskoj sistemy umnogo goroda // Ekonomicheskij analiz: teoriya i praktika. Savin G.V.] // Economic analysis: theory and practice. 2020. vol. 9., no. 11 (506). pp. 2116-2135. DOI: https://doi.org/10.24891/ea.19.11.2116.
  2. Malone, K., Silla, A., Johanssen, C., Bell, D. Safety, mobility and comfort assessment methodologies of intelligent transport systems for vulnerable road users. EURASIP Journal on Wireless Communications and Networking, 2019, vol. 9 (2). DOI: https://doi.org/10.1007/s12544-017-0235-y
  3. IESE Cities in Motion Index. URL: https://media.iese.edu/ research/pdfs/ ST-0542-E.pdf (accessed 01.06.2021);
  4. EasyPark Smart City Index. URL: https://www.easyparkgroup.com /smart-cities-index (accessed 01.06.2021);
  5. Savin, G.V. The smart city transport and logistics system: Theory, methodology and practice // The Manager. 2021, vol. 12, no 6. pp. 67–86. DOI: 10.29141/2218-5003-2021-12-6-5.
  6. Saginov, Yu., Saginova, O. Smart urban logistics: research areas [Umnaya gorodskaya logistika: napravleniya issledovanij. Saginov YU., Saginova O.] // Logistics. 2022. no. 4 (185). pp. 32-36.
  7. Winkelhaus, S., Grosse, E. Logistics 4.0: a systematic review towards a new logistics system International. Journal of Production Research, 2020, vol. 58, pp. 18-43. DOI: https://doi.org/10.1080/00207543.2019.1612964.
  8. Kronsell, A., Mukhtar-Landgren, D. (2020), Experimental Governance of Smart Mobility: Some Normative Implications, Paulsson, A. and Sørensen, C.H. (Ed.) Shaping Smart Mobility Futures: Governance and Policy Instruments in times of Sustainability Transitions, Emerald Publishing Limited, Bingley, pp. 119-135. DOI: https://doi.org/10.1108/978-1-83982-650-420201007.
  9. Pan, S., Zhou, W., Piramuthu, S., Giannikas, V., Chen, C. Smart city for sustainable urban freight logistics. International Journal of Production Research, 2021, vol. 59, pp. 2079-2089. DOI: https://doi.org/10.1080/00207543.2020.1809733.
  10. Numbeo URL: https://www.numbeo.com (accessed 17.04.2021);
  11. URL: https://www.tomtom.com (accessed 01.06.2021);
  12. State Traffic Inspectorate [Gosavtoinspekciya]: http://stat.gibdd.ru (accessed 17.04.2021);
  13. The program of integrated development of transport infrastructure of the city of Yekaterinburg for 2020-2023 [Electronic resource]: https://м.екатеринбург.рф/file/6335ae3c0ab1da42ab21f83ef172a1f2 (accessed 17.04.2021);
  14. Acheampong, R.A., Cugurullo, F., Dusparic, I., Gueriau, M. The transition to autonomous cars, the redesign of cities and the future of urban sustainability. Urban Geography, 2020. vol. 02, pp. 1-27. DOI: doi.org/10.1080/02723638.2020. 1746096.
  15. Collado, A., Kakderi, C., Komninos, N., Panori, A., Papadaki, I. Digital Transformation of City Ecosystems: Platforms Shaping Engagement and Externalities across Vertical Markets. Journal of Urban Technology, 2020. vol. 14, pp. 1-22. DOI: https://doi.org/10.1080/10630732.2020.1805712.

Еще в рубриках

Регионы России

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *