Точность прогнозов транспортного спроса в Москве превысила 90% благодаря машинному обучению и слиянию GSM- и ГИС-данных

В Москве используются прямые данные от валидации на всех видах транспорта — городском, коммерческом (включая такси), каршеринге и личном транспорте. Цифровой двойник транспортной системы Москвы был создан еще 10 лет назад, и с тех пор он постоянно дополняется. В частности, ежеквартально обновляются GSM-данные всех сотовых операторов, а также используются ГИС-данные от Росстата и московских органов власти, позволяющие определить места приложения труда, виды недвижимости и точки генерации потоков.

Ключевым методологическим решением стало «скрещивание» GSM- и ГИС-данных. Как пояснил В. Титов, сотовая ячейка имеет диаметр 500 метров, и сотовые операторы не могут определить точное местоположение людей внутри нее. Однако при наложении на ГИС-данные, где известно распределение по зданиям и их площади, становится возможным распределить людей по конкретным зданиям с пониманием их роли — проживание, работа, сфера деятельности. Это позволило получить более точные исходные данные о местах приложения труда и перемещениях жителей.

Помимо классического четырехшагового моделирования (с использованием инструментов PTV Visum, Transnet, Transcode), в Москве применяются два дополнительных блока аналитики. Первый — собственный алгоритм расчета корреспонденций, позволяющий учитывать, что транспортное поведение жителей разных районов Москвы различается. Как отметил В. Титов, житель Запада и житель Юго-Востока Москвы имеют разное распределение по видам транспорта, что связано с социальным портретом и географическими возможностями районов. Поэтому в модели закладываются не общие критерии, а ментальные отличия.

Второй блок — алгоритмы машинного обучения. За последние 15 лет рельсовый каркас Москвы вырос с 180 станций метрополитена до более чем 440 станций (с учетом МЦК и МЦД). Все это время специалисты прогнозировали изменение пассажиропотоков и времени в движении, а затем сверяли прогнозы с фактическими данными, обучая алгоритмы на расхождениях. В результате точность прогнозов в настоящее время превышает 90%, а в большинстве случаев составляет 95-99%. Это позволяет при планировании новой инфраструктуры с высокой точностью предсказывать перераспределение спроса, изменение потоков и экономические эффекты для города.

Цифровая модель Москвы регулярно обновляется: в нее загружаются графы всех транспортных инфраструктур, все источники данных, а также планы развития инфраструктуры — проекты планировки территорий, градостроительные документы, комплексное развитие территорий и проекты развития транспорта.

Автор: Дарья Клементьева