Анализ пассажиропотока городского транспорта методами статистики (на примере г. Н. Новгорода). Работа №84610

Анализ пассажиропотока городского транспорта методами статистики (на примере г. Н. Новгорода)

Морозов А. И.

Студент, институт экономики и управления

НГТУ им. Алексеева

Нижегородский государственный технический университет им. Р.Е. Алексеева

artiom.morozov.2001@mail.ru

Аннотация. В условиях роста городского населения важно рационально распределять транспортные ресурсы. В работе проведён анализ пассажиропотока на маршрутах общественного транспорта г. Нижнего Новгорода за период 2021–2023 гг. Использовались методы описательной статистики и корреляционного анализа. Ручная часть заключалась в своде данных о количестве поездок по месяцам в Excel и последующей проверке результатов в Python. Были рассчитаны средние значения, коэффициенты вариации и корреляции между пассажиропотоком и погодными условиями.

Ключевые слова: транспорт; пассажиропоток; статистический анализ; корреляция; городская инфраструктура.

Анализ пассажиропотока позволяет выявить пики нагрузки и адаптировать расписание транспорта под реальный спрос. В классических исследованиях применяются статистические методы, которые позволяют выявлять зависимости между факторами и прогнозировать тенденции [1 - 2].

В качестве исходных данных использовалась открытая статистика департамента транспорта по количеству перевезённых пассажиров по месяцам, а также данные Гидрометцентра о среднесуточной температуре и количестве осадков. Данные были собраны вручную и сведены в таблицу Excel, содержащую 36 строк, соответствующих месяцам за трёхлетний период.

Для оценки сезонных колебаний пассажиропотока были вычислены среднее значение и стандартное отклонение. На их основе рассчитывался коэффициент вариации по формуле:

V=μσ​⋅100%,

где μ— среднее значение, σ — стандартное отклонение. Для изучения зависимости пассажиропотока от погодных условий применялся коэффициент корреляции Пирсона, позволяющий оценить силу и направление линейной связи между показателями.

Результаты анализа показали, что среднее число поездок в месяц составило 12,4 млн человек. Коэффициент вариации равен 18 %, что указывает на умеренные сезонные колебания. Максимальная нагрузка наблюдалась в июне, июле и августе, когда пассажиропоток превышал среднегодовой уровень на 25 %. Минимальное значение зафиксировано в январе, когда перевозки сокращались на 15 %. Рассчитанный коэффициент корреляции между пассажиропотоком и температурой воздуха составил 0,68, что свидетельствует о положительной и достаточно сильной связи: чем теплее погода, тем большее количество поездок совершается. Влияние осадков оказалось существенно слабее, коэффициент корреляции равен –0,21 и указывает лишь на слабую отрицательную связь.

Библиографический список

1. Катаева Л.Ю. Влияние индикаторов на прогнозируемость экономической безопасности региона / Л. Ю. Катаева, Д.А. Масленников, Т.А. Федосеева // Фундаментальные исследования. — 2019. № 12-1. 72-76 с. — DOI 10.17513/fr.42624.

2. Иконников В.В. Экономические факторы и управленческие решения: влияние на прогнозируемость региональных индикаторов / В. В. Иконников, Л. Ю. Катаева, Д. А. Масленников // Russian Economic Bulletin. — 2023. Т. 6. № 6. 380-385 с.

3. Инструкция по использованию надстройки Excel Solver [Электронный ресурс]. — URL: https://support.microsoft.com/solver

4. Сиваев С.Б. Математическое моделирование в прикладных задачах. — М.: Наука, 2020.

5. Калмыков В.Н. Методы оптимизации: Учебник для вузов. — СПб.: БХВ-Петербург, 2021.