МОДЕЛИРОВАНИЕ ПАССАЖИРСКИХ ПЕРЕВОЗОК НА МАГИСТРАЛЬНЫХ АВИАЛИНИЯХ РОССИИ

МОДЕЛИРОВАНИЕ ПАССАЖИРСКИХ ПЕРЕВОЗОК НА МАГИСТРАЛЬНЫХ АВИАЛИНИЯХ РОССИИ

© В.В.Балашов, А.В.Смирнов, Т.О.Цейтлина
© Государственный музей истории космонавтики им. К.Э. Циолковского, г. Калуга
Секция "Авиация и воздухоплавание"
2011 г.

Сокращение эмиссии загрязняющих веществ и парниковых газов наряду с улучшением топливной эффективности в настоящее время являются одними из приоритетных направлений развития авиационного транспорта. При разработке новых технологий необходима оценка их вклада в достижение намеченных показателей. При этом в процессе исследования и прогнозирования пассажирских авиаперевозок необходимо рассматривать показатели для авиатранспортной системы в целом, а не для отдельного самолёта на отдельной авиалинии. Следовательно, необходим инструментарий, который позволил бы оценить вклад новых технологий в достижение намеченных показателей сокращения эмиссии загрязняющих веществ и парниковых газов и улучшения топливной эффективности перспективных самолётов.

Подобный инструментарий имеет два уровня. К первому уровню следует отнести «базовые» модели и программы, разработанные для формирования сценария пассажирских авиаперевозок. Этот сценарий должен характеризовать интенсивность движения пассажирских самолётов различных классов по сети магистральных авиалиний в целях удовлетворения распределённого спроса населения на пассажирские авиаперевозки. Интенсивность движения воздушных судов (ВС) характеризуется количеством полётов на каждой авиалинии в заданный промежуток времени. Сценарий пассажирских авиаперевозок должен стать основой для формирования расписания полётов на каждой авиалинии, определив, какое число полётов должен совершить самолёт данного класса.

Первый уровень разрабатываемого инструментария включает в свой состав, как минимум, три модели: структурную эконометрическую модель спроса на пассажирские авиаперевозки, информационную модель условий существования прямого авиасообщения между двумя данными городами и расчётную модель оценки объёмов пассажиропотоков на сети авиалиний. Сценарий является этапом системной интеграции, и в перспективе методика разработки сценария полётов должна объединить эти модели. Далее, с учётом характера конкретной авиалинии (например, относится ли она к сезонным или круглогодичным) определяется требуемый класс ВС (в частности, с использованием метода провозных мощностей).

Второй уровень разрабатываемого инструментария должен содержать модели и программы для оценки вклада новых технологий в сокращение эмиссии загрязняющих веществ и парниковых газов и в улучшение топливной эффективности новых магистральных и региональных пассажирских самолётов. Эти модели позволят рассчитывать значения целевых показателей эффективности применения новых технологий. При расчёте целевых показателей необходимо опираться на сценарий пассажирских авиаперевозок, включающий последовательное прогнозирование развития сети авиалиний, определение среднерейсовой пассажировместимости и соответствующего класса ВС.

Целевые показатели, по которым можно судить об эффективности создаваемого научно-технического задела в сфере авиационных технологий, зафиксированы по следующим основным направлениям: безопасность полёта, экологичность, энергосбережение, доступность авиационного транспорта. На «вход» системы подаются две группы данных: характеристики прогнозного сценария авиаперевозок и характеристики данного класса перспективных пассажирских самолётов. Последние являются результатом концептуального проектирования — создания «набора» перспективных ВС.

В настоящей работе рассмотрена задача формирования модели «условий существования авиалиний» — правил, в соответствии с которыми происходит появление, существование и исчезновение авиалинии (прямой авиасвязи между двумя городами). В качестве параметров, характеризующих прямую авиасвязь между двумя городами/аэропортами, выбраны следующие:

– параметры авиалинии: наличие или отсутствие ж/д станции в пунктах вылета и прилёта, «класс авиалинии» (определяется как наименьшее значение класса аэропортов/аэродромов в пунктах вылета и прилета) и «код направления» (соответствует определённому сочетанию значений статусов городов/аэропортов вылета и прилёта, а также варианту взаимного расположения городов/аэропортов вылета и прилёта — расположены они или нет в одном и том же Федеральном округе и субъекте РФ);

– «генерационные» параметры для пункта вылета — численность населения города (с прилегающими к нему территориями) и доля валового регионального продукта, приходящаяся на данный город;

– «целевые» параметры для пункта прилёта — число мест размещения и статус города.

В разработанных ранее вариантах нейросетевой модели «условий существования авиалиний» использовались категории обычных (чётких) множеств. При обучении нейронной сети на выход сети подавалось одно из двух значений: 1 — авиалиния существует или 0 — авиалиния не существует (отсутствует). В рассматриваемой в настоящей работе версии модели были использованы категории нечётких множеств. Нечётким называется множество, относительно элементов которого нельзя определённо утверждать, принадлежит данный элемент рассматриваемому множеству или нет. При таком подходе каждому набору параметров, характеризующих данную авиасвязь, ставится в соответствие значение функции принадлежности, изменяющееся в диапазоне от 0 до 1. В этих целях на основании анализа показателей состояния внутрироссийских магистральных авиалиний в течение года были сформированы пять групп авиалиний, объединяющих авиалинии, находящиеся на одной и той же стадии развития. Каждой группе авиалиний было поставлено в соответствие определённое значение функции принадлежности. Тем самым понятие «авиалиния существует» приобрело нечёткий характер, что позволило повысить качество моделирования «условий существования авиалиний».

При построении нечёткой нейросетевой модели «условий существования авиалиний» использовались методы генетического алгоритма и самоорганизующихся карт Кохонена (реализованные программными средствами в пакете/системе STATISTICA), а также программные средства пакета Fuzzy Logic Toolbox и нейросетевого пакета среды программирования MATLAB.