Диссертация (792566), страница 17
Текст из файла (страница 17)
Пример записи результатов начисления баллов для характеристики спроса «рост объема перевозок»15161балл1 балл001 балл1балл4 года5 лет004 года5 лет3 года0004 года05 лет3 года4 года1балл01 балл0136123геометрическойПрименение прогнозноймодели посреднемуарифметическомузначениюЦепной55 лет1балл4 года1балл5 лет6789135 лет15161 балл001 балл1балл5 лет3 года3 года4 года5 лет142балла1 балл1балл4 года4 года-121балл00Посредней4 годаарифметической5 летПомедиане111балл3 годаПосредней4 годаарифметической5 летПомедиане101 балл1 балл1балл0001 балл1балл3 года-Применение прогнозноймодели посреднемуприростуБазисныйПомедиане41балл1балл1 балл1 балл0137Самая большая по абсолютному значению величина балльной оценкипоказывает, что применение анализируемого способа позволяет получатьминимальную ошибку МАРЕ для выбранной группы субъектов.
Для примера втаблице3.9,определениенаилучшегоспособапрогнозированиядляхарактеристики спроса заключается суммировании значений балльной оценки покаждому методу (строка «Итого») и поиска максимального значения баллов(таблица 3.10). Способ, соответствующий данному значению признаетсяцелесообразным для применения при заданной характеристике спроса.Таблица 3.10. Пример записи итоговых значений начисленных балловМатематическоевыражение моделипрогнозированияСпособрасчетакоэффициентовМетод усреднениязначенийБазисныйПрименениепрогнозной модели посреднему темпу ростаЦепнойПрименениепрогнозной модели посреднему приростуПрименение прогнозной модели посреднему арифметическому значениюБазисныйЦепной-По среднейарифметическойПо среднейгеометрическойПо медианеПо среднейарифметическойПо среднейгеометрическойПо медианеПо среднейарифметическойПо медианеПо среднейарифметическойПо медиане-Группа субъектов,длякоторыххарактеренростобъемов перевозок1 балл1 балл002 балла3 балла1 балл1 балл1 балл1 балл2 баллаАналогично проводится начисление баллов и расчет итоговых значений покаждой изучаемой характеристике спроса.1383.4.
Оценка результатов прогнозирования и выбор метода в зависимости отструктуры перевозок в регионахРезультаты расчета баллов по характеристикам спроса приведены в таблице3.11. Экспериментальные расчеты показали, что наилучший результат дляпостроения прогноза региональных перевозок (таблица 3.12) показывает методэкстраполяции трендов по среднему темпу роста и среднему арифметическомузначению. Базисный способ расчета коэффициентов и метод усреднения данныхпо среднему геометрическому значению не обеспечивают высокое качестворезультатов, что позволяет сделать вывод о нецелесообразности их применениядля прогнозирования транспортных потоков.139Таблица 3.11.
Результаты расчета баллов по характеристикам спросаПо медианеПо среднейарифметическойЦепнойПо среднейгеометрическойКуполообразныйПрименениепрогнозноймодели посреднему темпуростаПо среднейгеометрическойХаотическийБазисный4-я группаПо среднейарифметической43 года4 года5 лет3 года4 года5 лет4 года5 лет3 года4 года5 лет3 года4 года5 лет3-я группа32-я группа21-я группа1РетроспективнаяинформацияСтабильноесостояниеМетодусреднениязначенийРостСпособрасчетакоэффициентовСнижениеМатематическоевыражениемоделипрогнозированияГруппировочный признакТерриториальнаяСпецификаконфигурацияТенденцияформированияпассажирскихразвития спросагодовоготранспортныхциклапотоков5110110204142026100100000001017000000000000208110010100021019000100000001001010010000201002110000001021112012210110203102211300010000104102140123По медианеПрименениепрогнозноймодели посреднемуприростуБазисныйПо среднейарифметическойПо медианеЦепнойПо среднейарифметическойПо медианеПрименениепрогнозноймодели посреднемуарифметическомузначению--44 года5 лет3 года4 года5 лет4 года5 лет3 года4 года5 лет4 года5 лет3 года4 года5 лет5211000010020431621100100100111070100000021010028310000001011111900000101000010110001000000100010111210000020113211242100101302241113011000000100132141Таблица 3.12.
Способы построения моделей прогнозирования объемов региональных перевозок, рекомендуемые дляпримененияПо среднейарифметическойБазисныйПрименениепрогнозной модели посреднему темпу ростаПо среднейгеометрическойПо медианеЦепнойПо среднейарифметическойПо среднейгеометрической3-я группа4-я группаХаотическийКуполообразный32-я группа21-я группа1СтабильноесостояниеМетодусреднениязначенийРостСпособрасчетакоэффициентовСнижениеМатематическоевыражение моделипрогнозированияТенденцияразвития спросаГруппы регионовТерриториальнаяСпецификаконфигурация пасформированиясажирских транспортныхгодового циклапотоков456789101112142123По медианеПрименениепрогнозной модели посреднему приростуПрименениепрогнозной модели посреднемуарифметическомузначениюБазисныйЦепной-По среднейарифметическойПо медианеПо среднейарифметическойПо медиане-456789101112143Как показали экспериментальные расчеты, метод экстраполяции трендов посреднему темпу роста (расчет коэффициентов цепным способом при методеусреднения значений по средней арифметической и медиане) может бытьрекомендован к применению при следующих характеристиках региональногоспроса: снижение объемов перевозок; рост регионального спроса; концентрация пассажиропотоков осуществляется в зоне одного крупногонаправления; объемы перевозок формируют малое число крупных направлений.Методэкстраполяциитрендовпосреднемуприросту(расчеткоэффициентов производится цепным способом, усреднение данных – посреднему арифметическому значению) рекомендован при стабильном состояниирегионального спроса.Метод экстраполяции трендов по среднему арифметическому значениюобеспечивает высокое качество прогноза при следующих характеристиках спроса: концентрация объемов перевозок в границах 2-3 крупных направлений; пассажиропотокираспределяютсяпомногочисленнымсегментамрегионального транспортного рынка; годовой цикл перевозок имеет куполообразный вид.При хаотической специфике годового цикла регионального спроса высокоекачество результатов прогноза показывают два способа – по среднему темпуроста (расчет коэффициентов производится цепным способом при усредненииданных на основе медианы) и по среднему арифметическому значению.При практическом применении разработанных рекомендаций по выборуспособов прогнозирования регионального спроса методом экстраполяции трендовпредлагается следующая последовательность действий.
На первом этапеопределяется тенденция развития спроса (рост объемов перевозок, снижениеспроса, стабильное состояние) и при ее наличии подход к построению прогнозаопределяется в соответствии с данным группировочным признаком. В случае,144когда характер развития спроса установить не представляется возможным(например, наблюдается чередование всплесков и падений объемов перевозок погодам, в последней точке динамического ряда наблюдается изменении тенденциии т.д.),следует применять методыпрогнозированияв соответствиисгруппировочным признаком «Территориальная конфигурация пассажирскихтранспортных потоков». Вследствие внедрения мероприятий по стимулированиюспроса величина и структура транспортных потоков в регионе может изменятьсяи однозначное отнесение региона к одной из четырех групп может бытьзатруднено.
В таких случаях следует применять методы прогнозирования всоответствии со спецификой формирования годового цикла. Таким образом,разработанная система классификации, включающая три группировочныхпризнака, обеспечивает «гибкость» в выборе способов прогнозирования объемоврегиональных перевозок с учетом специфики локальных транспортных рынков.Выводы по третьей главе:1. Проанализированы существующие методические подходы к прогнозированиютранспортныхпотоков,выявленыихпреимуществаинедостаткиприпрактическом применении для регионального уровня.
Неформализованныеметоды основаны на интуиции и опыте специалистов пассажирского комплекса.Они не связаны с применением сложного математического аппарата иподготовкойбольшогообъемапервичныхданныхопассажиропотоках.Достаточно широко применяются интуитивные методы при оперативномпланировании пассажирских перевозок. Формализованные методы базируются наматематических расчетах и статистических исследованиях исходных данных. Ихпрактическое применение эффективно только при условии адаптации моделейпрогноза в действующие автоматизированные информационно-аналитическиесистемы для пассажирского комплекса.2.
Построение многофакторной модели является исключительно трудоемкойзадачей, требующей привлечения большого объема внешней (внетранспортной)145информации. Источником данных являются справочные материалы Федеральнойслужбы государственной статистики (Росстат), которая формирует показатели поитогам календарного года без детализации по кварталам и месяцам. В связи сэтим построить модель и провести расчеты прогноза транспортной подвижности сучетом внутригодовой неравномерности перевозок на основе применения методамногофакторного анализа не представляется возможным. В отличие от данногоподходатрендовыемоделиобеспечиваютдетализациюпоказателейоперспективном спросе по месяцам. При этом не требуется информация обэкзогенных факторах.
В качестве входной информации рассматриваются рядыдинамики объемов региональных перевозок за период наблюдения не менее пятилет, которые предоставлены в аналитической базе данных АСУ «Экспресс-3».Данный информационный ресурс позволяет на основе применения методовэкстраполяции трендов построить и получить данные прогноза региональныхпассажиропотоков по месяцам на перспективу 1-2 года.3. Разработана методика, позволяющая выбрать модель расчета перспективныхобъемоврегиональныхперевозок,обеспечивающуювысокоекачестворезультатов, при различных характеристиках спроса.
Предложенный подходвключает анализ тенденций ретроспективных данных, оценку конкурентнойсреды с помощью коэффициентов изменения долей рынка при проведениимероприятий по стимулированию спроса, определение качества прогнозноймодели на основе расчета показателя «ошибка прогноза», расчет баллов длякаждого способа и выбор целесообразного в применении с учетом характеристикрегионального спроса.4. Для выбора методического подхода к прогнозированию пассажиропотоков сучетом характеристик регионального спроса, разработан принцип балльнойоценки моделей прогноза. Он основан на выполнении и анализе расчетов, оценкепоказателя «ошибка прогноза» в рамках выборки данных.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
