Аналитико-картографический проект развития комплекса задач анализа и прогнозирования транспортной ситуации в Москве на базе применения современных средств визуализации и ГИС

Лялина А.А.

ГУП НИИ ИТ

ВВЕДЕНИЕ

Транспорт города Москвы является сложной, многофункциональной, многоуровневой и динамично развивающейся социально-экономической и социо–технической системой.

Для эффективного управления транспортной системой города необходим комплексный подход, позволяющий эффективно использовать всю имеющуюся информацию для анализа, прогноза и принятия оперативных и стратегических решений. С этой целью специалистами НИИИТ в составе АИС Управления транспорта и связи был разработан блок задач «Анализ и прогноз транспортной ситуации», включающий в себя восемь комплексов задач: «Анализ и прогноз динамики задержек движения ГПТ», «Анализ и прогноз задержек движения НОТ», «Анализ и прогноз задержек движения метрополитена», «Анализ и прогноз заторовых ситуаций НОТ», «Анализ и прогноз выпуска подвижного состава на линии», «Анализ и прогноз динамики ДТП» и «Анализ и прогноз движения нефтепродуктов», «Анализ и прогноз цен на нефтепродукты». Введение перечисленных программ в эксплуатацию позволило повысить качество, достоверность и оперативность анализа развития транспортной ситуации, а также представить информацию о ТС в виде, удобном для выработки мер по оздоровлению транспортной ситуации и недопущению негативных тенденций в ее развитии.

Основные направления разработки кластера «Визуализация ТС»*: более глубокое проникновение в механизм обработки оперативной информации, в детальный ретроспективный анализ транспортной ситуации в любом заданном разрезе, удобная визуализация аналитической и прогнозной информации о транспортной ситуации на карте-схеме города, разработка мероприятий по стабилизации транспортной ситуации. Настоящая концепция содержит изложение основных направлений развития комплекса задач анализа и прогноза для обеспечения совершенствования транспортной системы города.

Для дальнейшего повышения эффективности и качества задач анализа и прогноза транспортной ситуации необходимо провести совершенствование этих задач по результатам их практического применения. При этом требуется расширить работу в сфере геоинформатики и информационных технологий при решении задач анализа.

Надеемся, что данный кластер станет инструментом в системе поддержки принятия решений.

*Кластер – совокупность усовершенствованных программных комплексов на базе применения современных средств визуализации.

1. СОВРЕМЕННЫЙ УРОВЕНЬ ОЦЕНКИ ТРАНСПОРТНОЙ СИТУАЦИИ В МОСКВЕ

Современный уровень анализа и прогноза транспортной ситуации в целом недостаточно высок. Тем не менее, созданы необходимые информационно-технологические условия для того, чтобы обеспечивать достоверный и регулярный анализ транспортной ситуации Созданы постоянно актуализирующиеся базы данных о транспортной ситуации в городе. Комплекс программ «Анализ и прогноз транспортной ситуации» разработан в среде Delphi 7 (язык программирования Pascal), которая ориентирована на создание разнообразных приложений баз данных. В анализе динамики развития транспортной ситуации в Москве применяются самые современные методы прогнозирования. Это позволяет повысить точность прогнозов и, следовательно, программ и планов. Решение блока задач “Анализ и прогноз транспортной ситуации в городе» происходит с применением многомерных средств обработки данных, которые позволяют пользователю выбрать необходимую информацию, используя произвольные комбинации ключевых параметров ("куб данных"») – линейное подчинение, последовательность временных интервалов и исследуемых параметров, географическое подразделение, принадлежность к различным категориям и т.д.

 Аналитическая и прогнозная информация, получаемая пользователем в результате выполнения существующих программ, должна быть подкреплена картографической базой, что существенно усилит восприятие информации и ускорит процесс принятия решений по оперативной координации деятельности всех элементов транспортного комплекса.

2. ПЕРСПЕКТИВЫ ОБЪЕДИНЕНИЯ БЛОКОВ ЗАДАЧ  «АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ТС В ГОРОДЕ» В ФУНКЦИОНАЛЬНЫЕ КЛАСТЕРЫ

 Развитие задач анализа и прогнозирования транспортной ситуации предлагается осуществить в соответствии с направлениями усовершенствования и расширения функций анализа и прогноза. Разрабатываемый кластер «Визуализация ТС» позволит:

  • оперативно регистрировать и визуализировать на выведенной на экран дисплея карте-схеме города транспортную ситуацию;
  • формировать отчеты и сводки о транспортной ситуации;
  • проводить анализ и прогнозирование развития транспортной ситуации в городе с помощью средств визуализации;
  • получать информационную и аналитическую поддержку решения для сбойных и нештатных ситуаций;
  • смоделировать нештатные ситуации и осуществить варианты их разрешения.

    3. ОСНОВНЫЕ НАПРАВЛЕНИЯ ВНЕДРЕНИЯ КЛАСТЕРА «ВИЗУАЛИЗАЦИЯ ТС»

    В соответствии с функциями блока задач «Анализ и прогноз ТС» выделяются пять основных направлений, выполняемых в результате работы кластера «Визуализация транспортной ситуации»: мониторинг ТС, анализ ТС, прогноз ТС, визуализация ТС, планирование управления ТС.

    3.1. Мониторинг транспортной ситуации

    Основные задачи мониторинга – сбор и сортировка информации о транспортной ситуации; сравнение транспортных ситуаций по различным показателям статистической отчетности, распределение различных категорий оценки транспортной ситуации по показателям; объединение и анализ данных по различным показателям.

    3.2. Анализ транспортной ситуации

    В основе анализа транспортной ситуации, применяемого в кластере «Визуализация ТС» лежит общая концепция анализа и прогноза. Ее можно продемонстрировать на примере «Анализа и прогноза ДТП».
    1. Анализ ДТП (фильтрация по виду ДТП).
    2. Анализ причин ДТП.
    3. Разработка мероприятий по ликвидации причин возникновения ДТП, стабилизация обстановки.

    Каждое мероприятие оказывает влияние:

  • на один или несколько видов ДТП;
  • на одну или несколько причин ДТП;

    При этом уменьшается важность причины и она (степень, количество) ликвидируется полностью, а следовательно исчезает и данный вид ДТП.

    4. Определение эффективности мероприятия.

    Анализ транспортной ситуации, проводимый в данном проекте, объединяет в себе:

  • трендовый анализ;
  • процентный анализ;
  • анализ последствий («Что будет, если…?);
  • выбор оптимального варианта («Что делать, если…?»);
  • кластерный анализ.

    3.3. Прогноз транспортной ситуации

    При прогнозировании развития транспортной ситуации в Москве применяются следующие методы:

  • мультипликативный;
  • корреляционный метод;
  • факторный анализ.

    3.4. Визуализация транспортной ситуации

    Основные задачи визуализации транспортной ситуации следующие:

  • создание картографической продукции на базе имеющегося материала;
  • связывание графических объектов с информацией в базе данных;
  • представление данных в виде карт, диаграмм, схем;
  • моделирование обстановки;
  • анализ пространственных данных.

    3.5. Планирование управления транспортной ситуацией

    На основе прогнозов транспортной ситуации разрабатываются программы и планы, в которых фиксируются пути и средства ликвидации заторовых ситуаций, ДТП и прочих элементов транспортной системы в соответствии с поставленными задачами.

    Планирование управлением транспортной ситуации позволит:

  • принимать и практически осуществлять управленческие решения по сокращению и предотвращению кризисных ситуаций в городе;
  • формировать сценарии управленческих решений по перспективному развитию города.

    Внедрение проекта «Визуализация ТС» позволит наглядно продемонстрировать, как влияет на тенденции развития исследуемого объекта практическая реализация тех или иных плановых решений.

    4. АНАЛИТИЧЕСКАЯ ОСНОВА КЛАСТЕРА «ВИЗУАЛИЗАЦИЯ ТС»

    Для анализа данных о транспортной ситуации в городе Москве в программном продукте «Визуализация ТС» использованы следующие инструменты.

    4.1. Статистический анализ

  • По каждому аналитическому признаку рассчитываются сводные показатели. Дополнительным показателем является число пересечений признаков, позволяющее выяснить, какая транспортная ситуация сложилась по той или иной причине.
  • Для каждого аналитического признака рассчитываются основные статистики (среднее значение показателя, дисперсия и т.п.), что позволяет отслеживать тенденции изменения его структуры.
  • Элементы одного аналитического признака можно сгруппировать несколькими способами по принципу близости значений показателя. Это позволяет перейти от анализа большого количества объектов к анализу небольшого количества групп объектов.
  • По каждому аналитическому признаку проводится процентный анализ.
  • Данные о транспортной ситуации отфильтровываются по заданному интервалу (или иному реквизиту), позволяя сузить рассматриваемую ситуацию до одной улицы, линии метро, вида транспорта и т.п.

    4.2. Многомерный анализ данных на базе куба решений

    Анализ показателей проводится одновременно по многим измерениям:

    дорожно-транспортные происшествия (индикаторы ДТП, вид транспорта, вид ДТП, места концентрации, время суток);
    задержки НОТ (вид транспорта, причина, места концентрации, продолжительность);
    задержки метрополитена (причина, линия метрополитена, продолжительность);
    задержки в работе аэрофлота (причина, продолжительность).

    В процессе анализа пользователь может произвольно менять точку зрения на данные (операция смены логического взгляда) и детализировать заинтересовавшие его сводные показатели, тем самым, просматривая данные в различных разрезах.

    Пользователь может создать собственные показатели, вычисляемые из набора исходных показателей с помощью арифметических, статистических и логических формул.

    Сводные показатели отображаются на графиках всевозможных типов.

    Определенный пользователем вид экспортируется в сводные таблицы.

    По любым аналитическим признакам или их пересечениям автоматически формируются временные ряды для анализа динамики и построения прогнозов.

    Для всех временных рядов рассчитываются стандартные характеристики динамики, такие как темпы роста, коэффициент тяжести последствий (КТП).

    Для набора рядов выполняется прогноз с помощью простых прогнозных моделей (экспоненциальное сглаживание).

    На сформированных временных рядах осуществляем трендовый анализ (экстраполяцию временных рядов).

    Выполняется ретроспективный анализ с прогнозированием методом сезонных явлений.

    5. КАРТОГРАФИЧЕСКАЯ ОСНОВА КЛАСТЕРА «ВИЗУАЛИЗАЦИЯ ТС»

    Выходной информацией задачи «Визуализация ТС» является отображение транспортных ситуаций на карте Москвы.

    Программа позволяет визуализировать аналитическую информацию при помощи электронных карт территорий:

  • закраски областей, значков и диаграмм;
  • создания карт-схем;
  • оформления картографических документов (легенды, надписи, расшифровки территорий).

    Основные функции программы по работе с картой:

  • составление карт ТС (имея векторную подложку и набор слоев);
  • выделение характерных объектов местности;
  • управление и опрос географических баз данных;
  • поддержка географических решений.

    Электронная карта содержит информацию об административных и муниципальных округах Москвы, железных дорогах, платформах, станциях метро, улицах (границы, перекрестки), автозаправочных станций. Поиск проводится по различным объектам, имеющим имя: по улицам, линиям метро, по схеме метро, по районам, по округам, платформам, аэропортам. Любой фрагмент карты можно вывести на принтер.

    Карта состоит из нескольких окон - основного, в котором выводится изображение фрагмента карты, информационной строки, окон запроса, верхнего меню и панели с иконками. При анализе данных мы видим таблицы данных, графики, отображение информации на карте.

    На панели инструментов, нажимая кнопки управления, можно просмотреть карту в выбранном масштабе. Векторная карта имеет возможность меняться от карты всей Москвы до экстентов, что позволяет рассматривать любой объект с разной точностью вывода. По нажатию кнопки мыши происходит сдвиг карты.

    Кластер «Визуализация ТС» обладает функциями редактирования картографической информации и нанесения на имеющуюся карту информации пользователя с возможностью создания новых слоев, стилей отображения объектов и классификаторов.

    6. ЭФФЕКТИВНОСТЬ ИСПОЛЬЗОВАНИЯ КЛАСТЕРА «ВИЗУАЛИЗАЦИЯ ТС» ПРИ ОЦЕНКЕ ТРАНСПОРТНОЙ СИТУАЦИИ В МОСКВЕ

     Введение в эксплуатацию кластера «Визуализация ТС» позволит существенно повысить качество, достоверность и оперативность анализа развития транспортной ситуации, а также выработать меры по оздоровлению транспортной ситуации и недопущению негативных тенденций в ее развитии. Этот уровень разработок обеспечит более глубокое проникновение в механизм обработки оперативной информации, расширит ретроспективный анализ транспортной ситуации до любого заданного разреза, визуализирует аналитическую и прогнозную информацию о транспортной ситуации на карте-схеме города, позволит разработать мероприятия по стабилизации транспортной ситуации.