РАЗРАБОТКА ОПТИМАЛЬНОГО МЕТОДА ПРОГНОЗИРОВАНИЯ МОДЕЛИ ПАССАЖИРОПОТОКА ОБЩЕСТВЕННОГО ТРАНСПОРТА НАМАНГАНСКОЙ ОБЛАСТИ

АННОТАЦИЯ

В статье рассматриваются вопросы выбора наилучшего типа функции для прогнозирования путем определения пассажиропотока на участке маршрутов общественного транспорта Наманганской области. Для прогнозирования используются два типа функций, а именно линейная и параболическая функция.

ABSTRACT

The article examines the issues of choosing the best type of function for prediction by determining the flow of passengers on the section of public transport routes of Namangan region. Two types of functions are used for prediction, namely linear and parabolic function.

Ключевые слова: параболическая функция, модель прогнозирования, моделирование, разработка модели.

Keywords: parabolic function, prediction model, modeling, model development.

Введение

В последние годы в нашей стране были приняты меры по улучшению качества работы общественного транспорта. В настоящее время население Наманганской области составляет 2,878 миллиона человек. Уровень автомобилизации населения составляет 72 единицы общественного транспорта на 1000 человек. Существует 82 маршрута, предназначенных для общественного транспорта, 379 единиц подвижного состава, а их средний возраст составляет 4 года. В настоящее время потребность в общественном транспорте в Наманганской области составляет 1149 единиц, но в эксплуатации находятся 705 автобусов и 444 микроавтобуса. Мы изучили пассажиропоток в результате изучения Наманганской области в разделе маршрутов. Используя эти результаты, мы разработали модель прогнозирования. В декабре 2022 года департамент транспорта Наманганской области провел социальный опрос среди 1661 потребителя с целью оценки степени защиты их прав в сфере услуг пассажирского транспорта в регионе. Во второй части анкеты были изучены использование услуг пассажирского транспорта, оценка транспортных услуг и уровень удовлетворенности потребителей услугами пассажирского транспорта. Анализируя результаты опроса, 77% потребителей пользуются общественным транспортом, 74,3% пассажиров получили предложения по открытию новых транспортных маршрутов, более 50% пассажиров не были удовлетворены количеством автобусов и микроавтобусов и качеством их обслуживания [1].

Методология

Методология Метод прогнозирования в основном связан с анализом заданных временных рядов. Сглаживание временных рядов методом наименьших квадратов является одним из наиболее распространенных методов.

В этом случае отклонение суммы квадратов при расчете должно быть минимальным по сравнению с реальным

                                        (1)

Здесь у_i - истинное значение временного ряда.

 фактическое значение, рассчитанное на основе приведенной формулы.

При определении аналитического статуса временных рядов в экономической статистике в основном используются следующие функции [5]:

прямой линейный 

                                                          (2)

в форме параболы 

                                                  3)

показатели эффективности 

                                                       (4)

Согласно методу наименьших квадратов, зависимые переменные прямой линии находятся из решения приведенной ниже системы уравнений. Мы используем таблицу 1 для разработки расчетной модели, которая изучает поток пассажиров в процессе следования от начальной станции до последней станции [4,5,6,7,8].

Таблица 1.

 Разработка вычислительной модели с использованием линейной функции (исходящий поток)

                                                  (6)

Здесь y - ранг данной строки;

N- количество строк;

Если , то система будет иметь следующий внешний вид.

                                                       (7)

В этом:

 ;                                                  (8)

На основе данных, полученных по 18- автобусному маршруту в городе Наманган Наманганской области, был изучен поток пассажиров в ежедневном движении автобуса.

В нем был изучен поток пассажиров от главной станции "Чорсу" до станции "Больница нервных болезней" последней Наманганской области (отправление), поток пассажиров от "Больницы нервных болезней" Наманганской области до главной станции "Чорсу" [9,10,11,12,13,14,15].

На основе полученных данных система уравнений и расчетная модель были определены путем создания таблицы (таблицы 1, 2).

                                                       (9)

Здесь мы рассчитываем параметры:

                                       (10)

Таким образом, мы определяем следующую модель.

                                                      (11)

Таблица 2.

 Данные, рассчитанные с помощью модели, представлены в последнем столбце таблицы (обратный поток)

Таким же образом мы выполняем описанную выше процедуру для тока нагрева и выполняем расчеты.

Разработка вычислительной модели с использованием линейной функции

                                                        (12)

                                      (13)

                                                     14)

Результаты, основанные на разработанной модели, представлены в таблице 2.

На практике при выборе модели прогнозирования рассчитанные модели сравниваются на основе критериев и выбираются те, которые соответствуют требованиям. В этом случае используются следующие критерии:

среднее абсолютное отклонение

                                                  (23)

среднее квадратичное отклонение

                                                        24)

коэффициент вариации

                                                       (25)

коэффициент корреляции

                                                 (26)

В этом случае начальный расчетный уровень и среднее арифметическое временных рядов равны соответственно;

n - количество параметров (строк).

Отклонения определяются для каждой функции.

Критерии сравнения рассчитаны на основе данных, приведенных в таблице (таблица 5).

Таблица 5.

При выборе модели прогнозирования

Анализ показывает, что модель, разработанная на основе параболической функции, была признана оптимальной по всем показателям. Поэтому мы определяем результаты прогнозирования на следующий период в соответствии с параболической моделью.

Вывод

Потребность в прогнозировании и их широкое распространение способствовали появлению различных эмпирических, математических, логических и других методов и приемов разработки экономического и научно-технического прогнозирования. Все методы можно условно объединить в три группы: экстраполяция, экспертные суждения и моделирование. В прогнозировании интуиция играет важную роль в анализе статистических данных и изучении текущих тенденций и закономерностей. Из применения вышеуказанных методов можно сделать некоторые общие выводы. Анализ показывает, что модель, разработанная на основе параболической функции, была признана оптимальной по всем показателям. Чем точнее исходные данные, тем более оптимальными могут быть результаты. Этот метод позволяет делать прогнозы на короткие промежутки времени. Предлагаемый научно обоснованный метод прогнозирования может обеспечить лучшие результаты планирования, чем существующие методы. Ожидается, что в 2024 году пассажиропоток увеличится на 12%.

Список литературы:

1. MARUPOV, M., & YUSUFKHONOV, Z. CHOICE OF THE OPTIMUM FORECASTING MODEL IN DIFFERENT VALUE OF INITIAL INFORMATION. UNIVERSUM, 23-26.
2. Improving the position of the logistics performance index of Uzbekistan Zokirkhan Yusufkhonov, Malik Ravshanov, Akmal Kamolov and Elmira Kamalova E3S Web Conf., 264 (2021) 05028 DOI: https://doi.org/10.1051/e3sconf/202126405028
3. Nikolay_P_Fedorenko_and_Chemicalization_Program. Экономика и математические методы. 2018. DOI:10.31857/S042473880000658-2
4. Marupov, M. M., Sh, O. B., & Yusufkhonov, Z. Y. (2022). SIMULATION MODEL FOR EFFICIENCY EVALUATION AUTOMOBILE TRANSPORT WORKS. Проблемы современной науки и образования, (3 (172)), 24-29.
5. Nazarova, V., Kenjaeva, B., & Atadjanova, Z. (2022). Modeling The Level Of Attractiveness Of Urban Public Passenger Transport Of The City Of Tashkent. Journal of Optoelectronics Laser, 41(5), 274-280.
6. MARUPOV, M., & YUSUFKHONOV, Z. CHOICE OF THE OPTIMUM FORECASTING MODEL IN DIFFERENT VALUE OF INITIAL INFORMATION. UNIVERSUM, 23-26.
7. Theodore Tsekeris & Charalambos Tsekeris (2011) Demand Forecasting in Transport: Overview and Modeling Advances, Economic Research-Ekonomska Istraživanja, 24:1, 82-94, DOI: 10.1080/1331677X.2011.11517446
8. A. Kuziev, M. Juraev, Z. Yusufkhonov, and D. Akhmedov , "Application of multimodal transportation in the development of future flows of the region", AIP Conference Proceedings 2612, 060027 (2023) https://doi.org/10.1063/5.0134950
9. Zokirkhan Yusufkhonov, Malik Ravshanov, Akmal Kamolov, and Dilmurod Ahmedov , "Prospects for the development of transport corridors of Uzbekistan", AIP Conference Proceedings 2432, 030074 (2022) https://doi.org/10.1063/5.0089689
10. Juraev Muxiddin, Yusufkhanov Zokirkhon, & Akhmedov Dilmurod (2022). MODELING THE SYSTEM OF VEHICLE AND DRIVER ACTIVITY. Universum: технические науки, (1-3 (94)), 71-73.
11. Theodore Tsekeris & Charalambos Tsekeris (2011) Demand Forecasting in Transport: Overview and Modeling Advances, Economic Research-Ekonomska Istraživanja, 24:1, 82-94, DOI: 10.1080/1331677X.2011.11517446
12. Abdurahim, M., Zulfiya, A., & Zokirkhon, Y. (2022). DETERMINATION OF THE MAIN CRITERIA WHEN SELECTING CARGO TRANSPORTATION. Universum: технические науки, (6-7 (99)), 27-29.
13. Abdullaev , B., Muminov , T., & Akhmedov , D. (2021). TIME TAKEN ON THE PASSENGER’S TRAVEL TO THE DESTINATION AND INDICATORS AFFECTING IT. SCIENCE AND INNOVATIVE DEVELOPMENT, 4(1), 75–83. Retrieved from https://indep-ilm.uz/index.php/journal/article/view/122
14. Равшанов, М. Н., Ахмедов, З. С., Ахмедов, Д. Т. У., & Юсуфхонов, З. Ю. У. (2022). ПРОСТОТА ОРГАНИЗАЦИИ МЕЖДУНАРОДНЫХ ПОСТАВОК ПО КОНКУРЕНТОСПОСОБНЫМ ЦЕНАМ. Universum: технические науки, (5-4 (98)), 64-67.
15. Атаджанова, З. С., & Мурадов, А. С. (2019). Пути развития логистической инфраструктуры железнодорожного транспорта. In Логистика-евразийский мост (pp. 22-26).
16. Peculiarities of container terminal functioning in delivery chains Ilesaliev I.I., Makhmatkulov S.G., Abduvakhitov S.R. (2020)  IOP Conference Series: Materials Science and Engineering,  918  (1) , art. no. 012043
17. Rasulov, M., Masharipov, M., & Ismatullaev, A. (2021). Optimization of the terminal operating mode during the formation of a container block train. In E3S Web of Conferences (Vol. 264, p. 05025). EDP Sciences.