Estimation of railway car flow fluctuation characteristics using prediction mathematical models based on time series
https://doi.org/10.53883/20749325_2021_03_32
Abstract
The authors propose an unconventional approach to assess the seasonal unevenness of railway car flows based on the construction of mathematical forecast models. The identification of models of the time series of fluctuations of car flows delivered at the junction points of railways is carried out based on a systematic approach with the possibility of predicting their volumes. The historigrams and correlograms are obtained.
About the Authors
E. V. Malovetskaya
Иркутский государственный университет путей сообщения
Russian Federation
Russian Federation
R. S. Bol’shakov
Иркутский государственный университет путей сообщения
Russian Federation
Russian Federation
References
1. Мачерет, Д.А. Объемы перевозок – ключевой фактор эффективности развития транспортной инфраструктуры/ Д.А. Мачерет, А.Ю. Ледней. –Текст: непосредственный // Экономика железных дорог. –2019. –№4. –С. 28–38.
2. Бодюл, В.И. Математическая модель внутрисуточной неравномерности грузовых перевозок/ В.И. Бодюл. –Текст: непосредственный // Материалы международной конференции «Инфотранс 2005». – Москва. –С. 20–24.
3. Грунтов, П.С. Исследование влияния неравномерности движения на технологию сортировочных станций / Грунтов Петр Степанович: автореферат дис. на соискание ученой степени кандидата технических наук; Белорус. ин-т инженеров ж. -д. транспорта. –Гомель, 1965. –25 с. –Текст: непосредственный.
4. Сотников, Е.А. Неравномерность грузовых перевозок в современных условиях и ее влияние на потребную пропускную способность участков/ Е.А. Сотников, К.П. Шенфельд. –Текст: непосредственный // Вестник ВНИИЖТ. –2011. –№5. –С. 3–9.
5. Маловецкая, Е.В. Актуализация порядка расчета плана формирования поездов и уточнения перечня показателей эксплуатационной работы на основе имитационного моделирования с учетом развития полигонных технологий/ Е.В. Маловецкая. –Текст: непосредственный // Современные наукоемкие технологии. –2019. –№1(53). –С. 184–188.
6. Бабина, О.И. Сравнительный анализ имитационных и аналитических моделей/ О.И. Бабина. –Текст: непосредственный // Имитационное моделирование. Теория и практика: сборник трудов конференции. – Санкт-Петербург: Центр технологии судостроения и судоремонта (Санкт-Петербург), 2009. –С. 73–77.
7. Grigoroudis E., Orfanoudaki E., Zopounidis C. «Strategic performance measurement in a healthcare organisation: A multiple criteria approach based on balanced scorecard», Omega, 2012, №40 (1), pp. 104-119.
8. Sehra S. K., Brar D., Singh Y., Kaur D. «Multi criteria decision making approach for selecting effort estimation model», arXiv preprint arXiv:1310.5220, 2013.
9. Бурда А.Г. Экономико-математические методы и модели: учебное пособие / А.Г. Бурда, Г.П. Бурда; Министерство сельского хозяйства Российской Федерации, ФГБОУ ВО «Кубанский государственный аграрный университет имени И.Т. Трубилина». –Краснодар: КубГАУ, 2018. –180 с. ISBN 978-5-00097-684-5. –Текст: непосредственный.
10. Волокобинский М.Ю. Принятие решений на основе метода анализа иерархий/М.Ю. Волокобинский, О.А. Пекарская, Д.А. Рази. –Текст: непосредственный // Финансы: Теория и практика, 2016. –Т.20, №2. –С. 33–42.
11. Волкова, В.Н. Классификация моделей в системном анализе/ В.Н. Волкова, Л.В. Черненькая, В.Е. Магер. –Текст: непосредственный // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Информатика. Телекоммуникации. Управление. –2013. –№3 (174). –С. 33–43.
12. Звягин, Л.С. Применение системно-аналитических методов в области экспертного прогнозирования/ Л.С. Звягин. –Текст: непосредственный // Экономика и управление: проблемы, решения. –2017. –Т.3, №6. –С. 145–148.
13. Самотина, С.А. Принятие управленческих решении в условиях неопределенности/С.А. Самотина, Е.В. Потапова. –Текст: непосредственный // Инновационная экономика: информация, аналитика, прогнозы. –2011. –№1. –С. 3–4.
14. Sevcenko G. Statybos investicimq sprendimе rizikos valdymas: Diss. VGTU leidykla «Technika», 2015, 186 p.
15. Valiris G., Chytas P., Glykas M. «Making decisions using the balanced scorecard and the simple multiattribute rating technigue», Performance Measurement and Metric, 2005.
16. Доклад генерального директора – председателя правления открытого акционерного общества «Российские железные дороги» О.В. Белозёрова на расширенном итоговом заседании правления ОАО «РЖД». –Текст: непосредственный // Железнодорожный транспорт. –2018. –№1. –С. 4–10.
17. Маловецкая, Е.В. Актуальность применения имитационного моделирования при расчете плана формирования поездов с учетом развития полигонных технологий/ Е.В. Маловецкая. –Текст: непосредственный // T-Comm – Телекоммуникации и Транспорт. –2019. Т.12, –№4. –С.48–53. ISSN 2072-8735 (Print). ISSN 2072-8743 (Online). DOI 10.24411/2072-8735-2018-10261.
18. Malovetskaya E.V., Bolshakov R.S., Dimov A.V., Byshlyago A.A. «Planning of qualitative indexes of railroad operational work in polygon technologies» et al 2020 IOP Conf. Ser.: Mater. Sci. Eng. 760 012041.
19. Синчуков, А.В. Современная классификация математических моделей/ А.В. Синчуков. –Текст: непосредственный // Инновационная наука. –2016. –№3-1. –C. 214–215.
Review
For citations:
Malovetskaya E.V., Bol’shakov R.S. Estimation of railway car flow fluctuation characteristics using prediction mathematical models based on time series. Science and Technology in Transport. 2021;(3):32-39. (In Russ.) https://doi.org/10.53883/20749325_2021_03_32
Views:
7
Email this article 