Оптимізація пересадок при функціонуванні громадського транспорту є одним з важливих компонентів підвищення якості перевезень. На сприйняття пересадки пасажиром впливає ряд чинників: від особистісних характеристик користувача транспортних послуг до параметрів маршрутної мережі, характеристик поїздки та дизайну пересадкових зупинок. Для пошуку взаємозв’язку між різними типами вхідних даних, які впливають на ймовірність виконання пересадки на зупинці, використано метод побудови Байєсівських мереж як один з ефективних методів розв’язання задач прогнозування складних систем.
Потреба в пересадці виникає в пасажира при поєднанні двох причин: потреби у виконанні поїздки між двома транспортними районами та відсутності прямого маршруту громадського транспорту між цими транспортними районами. Кількість потреб у виконанні поїздки залежатиме від кількості жителів в районі відправки, а ймовірність відсутності прямого маршруту – від загальної кількості маршрутів, які відправляються з цього району. Для визначення впливу цих чинників на ймовірність пересадки на зупинці проведено моделювання у програмному середовищі PTV Visum (на прикладі м. Львова). В результаті отримано дані щодо загальної величини пасажирообміну на зупинках ГПТ з розподілом на кількість пасажирів, які здійснюють висадку на зупинці, кількість пасажирів, які здійснюють пересадку на цій зупинці та кількість пасажирів, які здійснюють перехід (до 200 м) на іншу зупинку для виконання пересадки. Середня тривалість очікування пересадки на зупинці залежить як від кількості маршрутів, що проходять через зупинку, так і від регулярності руху. Чітке дотримання розкладів руху сприяє зменшенню середньої тривалості очікування пересадки. Для перевірки адекватності моделювання проведено порівняння результатів розрахунку ймовірності пересадки на одній із зупинок з використанням розрахунків на основі даних натурних спостережень та з використанням моделювання. Розрахована ймовірність становить 0,16, змодельована – 0,12.
1. Elidan, G. & Friedman, N. (2005). Learning Hidden Variable Networks: The Information Bottleneck Approach. Journal of Machine Learning Research, 6. 81-127 (in English).
2. Zghurovskyi, M., Bidiuk P., Terentev O. (2007). Systemna metodyka pobudovy baiiesovykh merezh [A systematic method of designing Bayesian networks]. Naukovi visti "NTUU "KPI" [KPI Science News], 4, 47-61. (in Ukrainian).
3. Yap, M., Luo, D., Cats, O., van Oort, N., & Hoogendoorn, S. (2019). Where shall we sync? Clustering passenger flows to identify urban public transport hubs and their key synchronization priorities. Transportation Research Part C: Emerging Technologies, 98, 433-448. doi: 10.1016/j.trc.2018.12.013 (in English).
https://doi.org/10.1016/j.trc.2018.12.013
4. Garcia-Martinez, A., Cascajo, R., Jara-Diaz, S., Chowdhury, S., & Monzon, A. (2018). Transfer penalties in multimodal public transport networks. Transportation Research Part A: Policy And Practice, 114, 52-66. doi: 10.1016/j.tra.2018.01.016 (in English).
https://doi.org/10.1016/j.tra.2018.01.016
5. Schakenbos, R., Paix, L., Nijenstein, S., & Geurs, K. (2016). Valuation of a transfer in a multimodal public transport trip. Transport Policy, 46, 72-81. doi: 10.1016/j.tranpol.2015.11.008 (in English).
https://doi.org/10.1016/j.tranpol.2015.11.008
6. Chowdhury, S., & Ceder, A. (2016). Users' willingness to ride an integrated public-transport service: A literature review. Transport Policy, 48, 183-195. doi: 10.1016/j.tranpol.2016.03.007 (in English).
https://doi.org/10.1016/j.tranpol.2016.03.007
7. Kouwenhoven, M., de Jong, G., Koster, P., van den Berg, V., Verhoef, E., Bates, J., & Warffemius, P. (2014). New values of time and reliability in passenger transport in The Netherlands. Research In Transportation Economics, 47, 37-49. doi: 10.1016/j.retrec.2014.09.017 (in English).
https://doi.org/10.1016/j.retrec.2014.09.017
8. Wardman, M., Hine, J., & Stradling, S. (2001). Interchange and Travel Choice Volume 2. Edinburgh: Scottish Executive Central Research Unit (in English).
9. Guo, Z., & Wilson, N. (2011). Assessing the cost of transfer inconvenience in public transport systems: A case study of the London Underground. Transportation Research Part A: Policy And Practice, 45(2), 91-104. doi: 10.1016/j.tra.2010.11.002 (in English).
https://doi.org/10.1016/j.tra.2010.11.002
10. Palmer, D., James, C., & Jones, M. (2011). Door to Door Journeys. Retrieved from: https://bettertransport.org.uk/wp-content/uploads/legacy-files/research-... (in English).
11. Nesheli, M., & Ceder, A. (2014). Optimal combinations of selected tactics for public-transport transfer synchronization. Transportation Research Part C: Emerging Technologies, 48, 491-504. doi: 10.1016/j.trc. 2014.09.013 (in English).
https://doi.org/10.1016/j.trc.2014.09.013
12. Ceder, A., Hadas, Y., McIvor, M., & Ang, A. (2013). Transfer Synchronization of Public Transport Networks. Transportation Research Record: Journal Of The Transportation Research Board, 2350(1), 9-16. doi: 10.3141/2350-02 (in English).
https://doi.org/10.3141/2350-02
13. Chowdhury, S. (2013). The Effect of Interchange Attributes on Public-Transport Users′Intention to Use Routes Involving Transfers. Psychology And Behavioral Sciences, 2(1), 5-13. doi: 10.11648/j.pbs.20130201.12 (in English).
https://doi.org/10.11648/j.pbs.20130201.12
14. Ceder, A., Chowdhury, S., Taghipouran, N., & Olsen, J. (2013). Modelling public-transport users' behaviour at connection point. Transport Policy, 27, 112-122. doi: 10.1016/j.tranpol.2013.01.002 (in English).
https://doi.org/10.1016/j.tranpol.2013.01.002
15. Honcharenko, S. (2017). Vyznachennia popytu na posluhy pasazhyrskoho marshrutnoho transportu v serednikh mistakh [The demand determining for passenger route transport service in the middle cities]. Manuskript. Kharkiv, KhNADU (in Ukrainian).
16. Schakenbos, R., Paix, L., Nijenstein, S., & Geurs, K. (2016). Valuation of a transfer in a multimodal public transport trip. Transport Policy, 46, 72-81. doi: 10.1016/j.tranpol.2015.11.008 (in English).
https://doi.org/10.1016/j.tranpol.2015.11.008
17. Nielsen, O., Eltved, M., Anderson, M., & Prato, C. (2021). Relevance of detailed transfer attributes in large-scale multimodal route choice models for metropolitan public transport passengers. Transportation Research Part A: Policy And Practice, 147, 76-92. doi: 10.1016/j.tra.2021.02.010 (in English).
https://doi.org/10.1016/j.tra.2021.02.010
18. Pourret O., Naim P., & Marcot B. (2008). Bayesian Networks: A Practical Guide to Applications. Chichester, UK: Wiley. 448 (in English).
https://doi.org/10.1002/9780470994559