|
Жол қозғалысының авариялық көрсеткіштерін болжаудың математикалық модельдерін әзірлеу
|
бет | 1/2 | Дата | 16.05.2022 | өлшемі | 6,3 Kb. | | #38615 |
| 3 бөлім
3 тарау
Жол қозғалысының авариялық көрсеткіштерін болжаудың математикалық модельдерін әзірлеу
ESBDD-нің маңызды құрылымдық элементі-төтенше жағдайларды болжау. Басқарушылық шешімдерді қабылдауда, оның ішінде қаралып отырған саладағы шешімдердің тиімділігі қаралып отырған процесс туралы деректердің толықтығы мен анықтығына байланысты шешім қабылдайды. Қабылданған шешім болашақта пайдаланылатындықтан, процестің дамуының негізгі тенденцияларын анықтау оның көрсеткіштерінің ықтимал мәндерін неғұрлым негізді бағалауға, мақсатқа жетуді қамтамасыз ететін шаралар жүйесін құруға мүмкіндік береді. Қалыптасқан жағдайды бағалауға мынадай көрсеткіштер әсер етеді: оның тұрақтылық деңгейі, сенімді статистиканың және оқиғалардың даму тарихының болуы, міндеттерді тұжырымдау және оларды шешуді түзету мүмкіндігі, ішкі және сыртқы сферасы, оқиғалардың ретсіздігі, оқиғаларды бақылаудың уақыт аралықтарының ұзақтығы. Проблемалардың себептерін анықтау басқару объектісінің жұмыс істеу заңдылықтарын тереңірек түсінуге, мақсаттарға қол жеткізуге әсер ететін маңызды факторларды ашуға мүмкіндік береді. Бұл проблеманың басқа проблемалармен байланысын анықтауға көмектеседі. Проблемалар кенеттен, күтпеген жерден пайда болады деген идея бар. Бұл ұсыныс дұрыс емес және басқару процесінде проблемаларды анықтау функциясы жиі орындалмайтындығымен түсіндіріледі. Бұл функцияны кез-келген ұйымдық жүйеде басшылық үнемі жүзеге асыруы керек. Проблемаларды анықтау функциясын іске асыру үшін жүйенің және сыртқы ортаның жай-күйі туралы ақпаратты жүйелі түрде жинауды ұйымдастыру және мақсаттарға қол жеткізу дәрежесіне талдау жүргізу қажет. Болашақта проблемалардың пайда болуын болжау үлкен маңызға ие. Мәселелерді болжау олардың пайда болуының күтпегендігін жояды, сондықтан шешімдерді дайындауға уақытты көбейтеді.
Авариялылық көрсеткіштеріне жол-көлік оқиғаларының (ЖКО) саны, жараланғандар мен қаза тапқандар саны жатады. Бұл деректер ЖКО салдарын талдауға мүмкіндік береді және оларды болжау алдын алу шараларымен апаттылыққа әсер етуге мүмкіндік береді. Осы шаралардың тиімділігін арттыру үшін көрсетілген тізбені ЖКО пайда болу себептерін сипаттайтын авариялылық көрсеткіштерімен толықтыру қажет, олар ЖКО туындауының алдындағы ЖҚЕ бұзу түрімен анықталады.
ЖКО пайда болуының алдындағы ЖКО, қаза тапқандар, жараланғандар және ЖҚЕ бұзушылықтар саны сияқты көрсеткіштер туралы деректер уақытша байланыстырылады және болжануы мүмкін. Д қосымшасының кестесінде айлар бойынша (2012-2016 жж.) 5 жыл ішіндегі апаттылық көрсеткіштерінің өзгеруін болжау үшін бастапқы деректер келтірілген.
Апаттылық көрсеткіштерін бөлу сипаттамаларын анықтау үшін "сипаттау статистикасы"модуліндегі STATISTICA жүйесінде іске асырылған барлау талдауын жүргізу қажет. Барлау талдауы одан әрі талдау туралы шешім қабылдау үшін кездейсоқ шамалардың дисперсия сипаттамаларын бағалауға мүмкіндік береді [23, 181].
3.1 және 3.2-суреттерде медиана, төменгі және жоғарғы квартильдер, үлгінің минималды және максималды мәні және шығарындылар сияқты талданған деректердің статистикалық сипаттамаларын көзбен сипаттайтын "мұртты жәшіктер" [181] диаграммалары немесе графиктері көрсетілген. Талдау нәтижелері қабылданған апаттылық көрсеткіштерін болжау мүмкіндігін растайды. Сонымен қатар, жол қозғалысы ережелерін бұзудың 4 тобы үшін сәйкесінше төменгі және жоғарғы квартильдерге қатысты үлгінің минималды және максималды мөлшерінің айтарлықтай айырмашылығы маусымдық компоненттің болу ықтималдығын көрсетеді.
Уақыт қатарларын талдау үшін әртүрлі зерттеу және талдау әдістері бар: корреляциялық және спектрлік талдау, тегістеу және сүзу, АВТО-регрессия және жылжымалы орта модельдері.
Зерттеулер көрсеткендей, BDD деңгейінің көрсеткіштерін болжау үшін уақыт серияларын талдау әдістерін қолдану тиімді, мысалы, АВТО-регрессия моделі және Интегралданған жылжымалы орта (ARPSS) және экспоненциалды тегістеу. Қазіргі уақытта уақыт қатарларының мінез-құлқын болжаудың математикалық модельдері нейрондық желілер негізінде құрылады. Классикалық модельдердің дәлдігі әлдеқайда жоғары болатын апаттық көрсеткіштер үшін осындай модельдерді құруға талпыныс жасалды.
3.3-суретте уақыт қатарларын талдау әдістерін болжау үшін пайдалану мүмкіндігін көрсететін апаттар санының өзгеру графигі көрсетілген. Модельді таңдау алгоритмі 3.4 суретте көрсетілген.
Уақыт қатарларының басты айырмашылығы-бақылаулар уақыттың дәйекті сәттерінде бірдей индикатор үшін жасалады. Уақыт қатарлары жақын орналасқан мәндердің тығыз байланысымен сипатталады. Уақыт қатарларының бұл ерекшелігін уақыт қатарларының болашақ мәндерін болжаудың әртүрлі мәселелерін шешу үшін тиімді пайдалануға болады.
Егер болжам мәндеріндегі айырмашылық аз болса, индикатор мәндерінің жоғарғы және төменгі шегі бар болжам негізінде шешім қабылдау қаупін бағалауға мүмкіндік беретін сенімділік аралығының болуына байланысты ARPSS моделіне артықшылық беру керек.
Достарыңызбен бөлісу: |
|
|