ШАБЛОНЫ ИСПОЛЬЗОВАНИЯ ЖЕЛЕЗНОДОРОЖНЫХ СТАНЦИЙ

  • Дмитрий Евгеньевич Намиот Московский государственный университет имени М.В. Ломоносова http://orcid.org/0000-0002-4463-1678
  • Олег Николаевич Покусаев Российский университет транспорта (МИИТ); Российская академия транспорта http://orcid.org/0000-0001-6916-8897
  • Василий Павлович Куприяновский Российский университет транспорта (МИИТ); Московский государственный университет имени М.В. Ломоносова http://orcid.org/0000-0003-3493-8729

Аннотация

Транспорт (умный транспорт) есть одна из основных компонент Умного Города. Соответственно, анализу и планированию транспорта (транспортных потоков) в городах уделяется большое внимание. Естественно, что любой анализ должен основываться на каких-то собираемых (измеряемых) данных. В настоящей статье в качестве таких данных выступает информация об использовании пассажирами станций железной дороги. Это данные о валидации (проверке) проездных документов при входе на станцию и при выходе из нее. Для каждой станции данные включают время, характеристики проездного документа, также информацию о начальной и конечной станции поездки. Статья написана по результатам работы по проектированию новой системы городских железных дорог, при этом речь идет об анализе данных по использованию железнодорожных станций, как в черте города, так и в городской агломерации. В работе рассматриваются шаблоны (модели) использования железнодорожных станций. Понимание того, как используется станция пассажирами необходимо для оценки трафика (пассажиропотока) транспортной системы, что, в свою очередь, и является основной задачей на этапе проектирования. Другим важным моментом является то, что шаблоны использования отражают сложившееся состояние транспортной системы и городской среды. Соответственно, эти шаблоны (модели) могут быть использованы в городской аналитике и выступать в роли индикаторов и метрик изменений в городской среде.

Сведения об авторах

Дмитрий Евгеньевич Намиот, Московский государственный университет имени М.В. Ломоносова

кандидат физико-математических наук, старший научный сотрудник лаборатории открытых информационных технологий, факультет вычислительной математики и кибернетики

Олег Николаевич Покусаев, Российский университет транспорта (МИИТ); Российская академия транспорта

кандидат экономических наук, директор Центра высокоскоростных транспортных систем;  главный исполнительный директор Российской академии транспорта

Василий Павлович Куприяновский, Российский университет транспорта (МИИТ); Московский государственный университет имени М.В. Ломоносова

эксперт Центра высокоскоростных транспортных систем; Научно-образовательный центр компетенций в области цифровой экономики

Литература

[1] Kupriyanovsky V. et al. Intellectual mobility and mobility as a service in Smart Cities. International Journal of Open Information Technologies. 2017; 5(12):77-122. Available at: https://elibrary.ru/item.asp?id=30739227 (accessed 12.06.2018). (In Russian)
[2] Kupriyanovsky V. et al. On Intelligent Mobility in the Digital Economy. International Journal of Open Information Technologies. 2017; 5(2):46-63. Available at: https://elibrary.ru/item.asp?id=28314925 (accessed 12.06.2018). (In Russian)
[3] Namiot D. et al. Pedestrians in the Smart City. International Journal of Open Information Technologies. 2016; 4(10):15-21. Available at: https://elibrary.ru/item.asp?id=27191892 (accessed 12.06.2018). (In Russian)
[4] Namiot D. et al. Bicycles in the Smart City. International Journal of Open Information Technologies. 2016; 4(10):9-14. Available at: https://elibrary.ru/item.asp?id=27191891 (accessed 12.06.2018). (In Russian)
[5] Namiot D., Pokusaev O., Lazutkina V. On passenger flow data models for urban railways. International Journal of Open Information Technologies. 2018; 6(3):9-14. Available at: https://elibrary.ru/item.asp?id=32595087 (accessed 12.06.2018). (In Russian)
[6] Namiot D. et al. On the assessment of socio-economic effects of the city railway. International Journal of Open Information Technologies. 2018; 6(1):92-103. Available at: https://elibrary.ru/item.asp?id=32314918 (accessed 12.06.2018). (In Russian)
[7] Namiot D., Sneps-Sneppe M. Customized Check-in Procedures. S. Balandin, Y. Koucheryavy, H. Hu (Eds.) Smart Spaces and Next Generation Wired/Wireless Networking. ruSMART 2011, NEW2AN 2011. Lecture Notes in Computer Science. Vol. 6869. Springer, Berlin, Heidelberg, 2011, pp. 160-164. DOI: 10.1007/978-3-642-22875-9_14
[8] Namiot D., Sneps-Sneppe M. A Survey of Smart Cards Data Mining. Wil van der Aalst et al. (Eds.) Supplementary Proceedings of the Sixth International Conference on Analysis of Images, Social Networks and Texts (AIST 2017). Moscow, Russia, July 27 - 29, 2017. CEUR Workshop Proceedings. 2017; 1975:314-325. Available at: http://ceur-ws.org/Vol-1975/paper33.pdf (accessed 12.06.2018).
[9] Steenbruggen J., Borzacchiello M.T., Nijkamp P., Scholten H. Mobile phone data from GSM networks for traffic parameter and urban spatial pattern assessment: a review of applications and opportunities. GeoJournal. 2013; 78(2):223-243. DOI: 10.1007/s10708-011-9413-y
[10] Ratti C., Frenchman D. et al. Mobile Landscapes: Using Location Data from Cell Phones for Urban Analysis. Environment and Planning B: Urban Analytics and City Science. 2006; 33(5):727-748. DOI: 10.1068/b32047
[11] Google Collaboratory Available at: https://research.google.com/colaboratory/unregistered.html (accessed 12.06.2018).
[12] Ding H., Trajcevski G., Scheuermann P., Wang X., Keogh E. Querying and Mining of Time Series Data: Experimental Comparison of Representations and Distance Measures. Proceedings of the VLDB Endowment. 2008; 1(2):1542-1552. DOI: 10.14778/1454159.1454226
[13] Berndt D.J., Clifford J. Using Dynamic Time Warping to Find Patterns in Time Series. KDD workshop. 1994, pp. 359-370. Available at: https://www.aaai.org/Papers/Workshops/1994/WS-94-03/WS94-03-031.pdf (accessed 12.06.2018).
[14] Keogh E.J., Pazzani M.J. Derivative Dynamic Time Warping. V. Kumar, R. Grossman (Eds.) Proceedings of the 2001 SIAM International Conference on Data Mining. 2001, pp. 1-11. DOI: 10.1137/1.9781611972719.1
[15] Nakamura T., Taki K., Nomiya H., Seki K., Uehara K. A shape-based similarity measure for time series data with ensemble learning. Pattern Analysis and Applications. 2003; 16(4):535-548. DOI: 10.1007/s10044-011-0262-6
Опубликована
2018-09-30
Как цитировать
НАМИОТ, Дмитрий Евгеньевич; ПОКУСАЕВ, Олег Николаевич; КУПРИЯНОВСКИЙ, Василий Павлович. ШАБЛОНЫ ИСПОЛЬЗОВАНИЯ ЖЕЛЕЗНОДОРОЖНЫХ СТАНЦИЙ. Международный научный журнал «Современные информационные технологии и ИТ-образование», [S.l.], v. 14, n. 3, p. 756-761, sep. 2018. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/443>. Дата доступа: 18 oct. 2021 doi: https://doi.org/10.25559/SITITO.14.201803.756-761.
Раздел
Цифровая трансформация транспорта

Наиболее читаемые статьи этого автора (авторов)