Keresletbecslő statisztikai és adatbányászati modellek fejlesztése a vasúti személyszállítás számára
Keresletbecslő statisztikai és adatbányászati modellek fejlesztése a vasúti személyszállítás számára
A vasúti személyszállító vállalatok hatékony működésének egyik alapfeltétele, hogy ismerjék a szolgáltatásaik használóinak számát, és ezt a jövőre nézve is meg tudják becsülni. A keresletbecslés eredményei közvetlenül hasznosíthatók a vasútüzem tervezésekor, például menetrendek, a kocsibeosztás (kapacitásallokáció) és a személyzetvezénylés optimalizációja során. Keresletbecslés segítségével több információ áll rendelkezésre a nagyobb infrastruktúra- és járműfejlesztések hatására vonatkozóan, elősegítve a fejlesztési prioritásokról szóló döntések alátámasztottságát, legitimációját.
Kutatásunk célja, hogy elindítson egy folyamatot, amelynek eredményeként a MÁV-Start Zrt. is kialakíthatja személyszállítási keresletbecslő kapacitásait.
A keresletbecslés a rendelkezésre álló szakirodalom szerint elsősorban statisztikai és adatbányászati módszerekkel történik. Keresletbecsléshez egy modellre van szükségünk, amely leírja egy adott időben, adott viszonylaton közlekedő járat utasszámait nagyszámú külső tényező függvényében. A külső tényezők lehetnek
• a szolgáltatás minőségével kapcsolatos, a vasúttársaság által kontrollált paraméterek
• alternatív közlekedési szolgáltatások minőségével kapcsolatos paraméterek
• illetve olyan közlekedési kínálattól független tényezők, mint például az évszak (iskolaidőszak), a hét napja, napszak, nemzeti ünnep.
A kutatás során az alábbi feladatok elvégzését tűzzük ki célul:
1. Irodalomkutatás – az elérhető szakirodalom mélyebb feltérképezése, különösen a hollandiai Aurora és a brit PDFH modellek működését, módszertanát illetően.
2. Módszertani ismeretek bővítése – azoknak a módszertanoknak a pontosabb megértése, amelyek a személyszállítási keresletbecslési feladat elvégzése szempontjából relevánsak lehetnek. Három módszerre fektetünk hangsúlyt: a nemlineáris és nemparametrikus regresszióra, a véletlen erdők módszerére és a support vector machines módszerre. A módszereket R programozási környezetben teszteljük.
3. Pilot projekt – egy kiválasztott év minden viszonylatának teljes utasforgalmat lefedő jegyeladási adatait felhasználva teszteljük a fenti módszereket, amelyek potenciálisan alkalmasak lehetnek keresetbecslésre. A módszerek pontosságát összehasonlítva következtetéseket vonunk le arról, hogy melyik irány a leginkább ígéretes a MÁV-Start saját keresleti modelljének kialakítása szempontjából.
Összességében a kutatás során létrehozott modellt arra kívánjuk használni, hogy meg tudjuk jósolni a jövőben bármely vonalon várható utas keresletet. Ennek segítségével a MÁV-Start pedig sokkal jobban tudja kielégíteni a jelentkező igényeket és optimálisabban tudja felhasználni az erőforrásait.
szerző
-
Varga Zoltán György
Közlekedésmérnöki
alapképzés (BA/BSc)
konzulens
-
Dr. Hörcher Dániel
adjunktus, Közlekedéstechnológiai és Közlekedésgazdasági Tanszék