Preview

Известия Российской академии наук. Серия географическая

Расширенный поиск

Пространственные закономерности многолетней динамики пассажиропотока станций Московского метрополитена

https://doi.org/10.7868/S2658697525030047

Аннотация

В тексте обсуждается гипотеза о том, что расположение станций Московского метрополитена влияет на изменчивость пассажиропотока во времени. Данное предположение возникло, поскольку установлено, что в силу особенностей пространственной структуры города на пассажиропоток в центральной части Москвы влияет большее число факторов, чем на станции на периферии города, вследствие чего пассажиропоток станций в центре города должен быть более неравномерным во временной динамике. В исследовании используются топологические и статистические методы для подтверждения этой гипотезы. Положение каждой станции в пространстве рассчитывается с использованием показателя центральности по близости, а в качестве параметров для анализа выбраны два показателя: изменчивость пассажиропотока во времени (волатильность), рассчитанная с помощью коэффициента вариации, и относительное изменение объемов пассажиропотока между началом и концом исследуемого периода. Результаты показали, что станции с наибольшей волатильностью расположены хаотично, однако станции со средней и низкой волатильностью образуют более компактные пространственные группы в соответствии с центр-периферийным градиентом. Относительное изменение пассажиропотока за период исследования более детерминировано положением станций: большая часть станций в центральной части ядра агломерации демонстрирует снижение пассажиропотока, в то время как на окраине наблюдается замедление темпов спада или даже рост. Сделан вывод о том, что пространственное расположение станций является важным фактором, который следует учитывать при прогнозировании пассажиропотока, поскольку на станции, расположенные в центре города, влияет больше факторов, чем на станции на окраинах, что в конечном итоге влияет на волатильность.

Об авторе

И. В. Киселев
Институт географии РАН
Россия

Москва



Список литературы

1. Бернштейн-Коган С.В. Очерки географии транспорта: учеб. пособие для вузов. М.: Гос. изд-во, 1930. 348 с.

2. Беленький М.Н. Экономика пассажирских перевозок. М.: Транспорт, 1974. 271 с.

3. Гольц Г.А. Транспорт и расселение. М.: Наука, 1981. 247 с.

4. Киселев И.В. Влияние особенностей пространственной структуры города на неравномерность пассажиропотоков на московском метрополитене // Социально-экономические проблемы развития и функционирования транспортных систем городов и зон их влияния: матер. XXVII Международ. (тридцатой Екатеринбургской) науч.-практич. конф. (19–20 июня 2021 г.) / науч. ред. С.А. Ваксман. Екатеринбург: АМБ, 2021. С. 259–269.

5. Махрова А., Нефедова Т., Трейвиш А. Москва: мегаполис? агломерация? мегалополис? // Демоскоп Weekly. 2012. № 517–518.

6. Некраплённая М.Н., Намиот Д.Е. Анализ матриц корреспонденции метро // Int. J. Open Information Technologies. 2019. Т. 7. № 7. С. 68–80.

7. Тархов С.А. Эволюционная морфология транспортных сетей. М.: ИГ АН СССР, 1989. 382 с.

8. Alfred Chu K.K., Chapleau R., Trepanier M. Driverassisted bus interview: Passive transit travel survey with smart card automatic fare collection system and applications // Transportation Res. Record. 2009. Vol. 2105. № 1. P. 1–10.

9. Bagchi M., White P.R. The potential of public transport smart card data // Transport Policy. 2005. Vol. 12. № 5. P. 464–474.

10. Barry J.J., et al. Origin and destination estimation in New York City with automated fare system data // Transportation Res. Record. 2002. Vol. 1817. № 1. P. 183–187.

11. Brandes U. A faster algorithm for betweenness centrality // J. Mathematical Sociology. 2001. Vol. 25. № 2. P. 163–177.

12. Cats O., Jenelius E. Dynamic vulnerability analysis of public transport networks: mitigation effects of realtime information // Networks and Spatial Economics. 2014. Vol. 14. P. 435–463.

13. Chen M.C., Wei Y. Exploring time variants for short-term passenger flow // J. Transport Geography. 2011. Vol. 19. № 4. P. 488–498.

14. Fan Y., et al. Dynamic robustness analysis for subway network with spatiotemporal characteristic of passenger flow // Ieee Access. 2020. № 8. P. 544–555.

15. Hasan S., et al. Spatiotemporal patterns of urban human mobility // J. Statistical Physics. 2013. Vol. 151. P. 304–318.

16. Sørensen J.B. The use and misuse of the coefficient of variation in organizational demography research // Sociological Methods & Research. 2002. Vol. 30. № 4. P. 475–491.

17. Sedgwick P. Spearman’s rank correlation coefficient // Bmj. 2014. Vol. 349.

18. Sun L., et al. Understanding metropolitan patterns of daily encounters // Proceedings of the National Academy of Sciences. 2013. Vol. 110. № 34. P. 13774–13779.

19. Sun Y., Shi J., Schonfeld P.M. Identifying passenger flow characteristics and evaluating travel time reliability by visualizing AFC data: a case study of Shanghai Metro // Public Transport. 2016. Vol. 8. P. 341–363.

20. Tan Q., et al. Statistical analysis and prediction of regional bus passenger flows // Int. J. of Modern Physics B. 2019. Vol. 33. № 11. P. 1950094.

21. Zhao J., et al. Spatio-temporal analysis of passenger travel patterns in massive smart card data // IEEE Transactions on Intelligent Transportation Systems. 2017. Vol. 18. № 11. P. 3135–3146.


Рецензия

Для цитирования:


Киселев И.В. Пространственные закономерности многолетней динамики пассажиропотока станций Московского метрополитена. Известия Российской академии наук. Серия географическая. 2025;89(3):383-393. https://doi.org/10.7868/S2658697525030047

For citation:


Kiselev I.V. Spatial Regularities of Long­Term Dynamics of Passenger Flow at Moscow Metro Stations. Izvestiya Rossiiskoi Akademii Nauk. Seriya Geograficheskaya. 2025;89(3):383-393. (In Russ.) https://doi.org/10.7868/S2658697525030047

Просмотров: 14


ISSN 2587-5566 (Print)
ISSN 2658-6975 (Online)