Выборочное обследование пассажиропотока методом анализа Wi-Fi данных в московском транспортном узле. Часть 2

В современных, быстро развивающихся городах мира для построения транспортной модели городов требуются данные о пассажиропотоках. Отсутствие таких данных не позволяет своевременно принимать управленческие решения на уровне их распределения, в том числе в рамках общих транспортных потоков.
На данный момент существуют различные методы и системы для подсчёта пассажиропотоков, такие как глазомерный, анкетный и талонный методы и различные автоматизированные системы. Однако известные методы имеют свои недостатки.
По этой причине актуальной является задача поиска альтернативных методов и источников данных для исследования пассажиропотоков.
Данная статья опирается на актуализированные результаты исследования, проведённого в рамках подготовки автором магистерской диссертации. В его процессе и в развитие более ранних работ автора, в качестве источника данных были выбраны данные о подключении пассажиров к Wi-Fi роутерам. Так как на данном этапе исследование проводилось на территории Московского транспортного узла, в метрополитене и на Московском центральном диаметре, в вагонах которых установлено огромное количество Wi-Fi роутеров, при подключении к которым можно бесплатно получить доступ в Интернет, это значительно расширяет выборку Wi-Fi данных.
Целью данного исследования является изучение возможностей обработки Wi-Fi данных, полученных от Wi-Fi сканеров, в качестве инструмента анализа пассажиропотоков.
По результатам проведённого исследования было определено, что в среднем до 40 % пассажиров, находящихся в вагонах метрополитена и МЦД на обследованных линиях поездок, используют включённый Wi-Fi модуль в своём мобильном устройстве.
Результаты исследования подтвердили, что Wi-Fi данные могут быть использованы в качестве инструмента для анализа пассажиропотоков, но в то же время выявили необходимость сочетать их с другими источниками данных, также показали сильную зависимость результатов обработки Wi-Fi от технических характеристик Wi-Fi сканера и его расположения в транспортном средстве при проведении замеров.
В данном номере публикуется вторая часть статьи.

1. Пашина А. С., Кравчук И. С. Инновации в инфраструктуре Московского метрополитена // Сб. трудов конференции «Современное состояние, проблемы и перспективы развития отраслевой науки». – М.: Перо, 2019. − С. 330−335. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=39227779. Доступ 10.04.2022.

2. Долматеня Ю. В., Трандина Е. В. Особенности метрополитена, как площадки для организации и развития туристических мероприятий // Санкт-Петербургский государственный экономический университет. – 2019. – С. 135–139. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=42476132. Доступ 10.04.2022.

3. Подхалюзина В. А. Анализ пассажиропотока на наземном общественном транспорте Москвы // Вызовы глобального мира. Вестник ИМТП. − 2015. − № 2 (6). – С. 31−34. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=24245177. Доступ 10.04.2022.

4. Алексеев Н. Ю., Зюзин П. В. Оценка применимости Wi-Fi аналитики в исследованиях пассажиропотоков городского общественного транспорта на примере Москвы // Мир транспорта. – 2021. – № 3 (94). – С. 54–66. DOI: https://doi.org/10.30932/1992-3252-2021-19-3-6.

5. Петрова Д. В. Современные подходы к организации мониторинга пассажиропотоков общественного транспорта городских агломераций // International Journal of Open Information Technologies. – 2020. − Т. 8. − № 1. − С. 47−57. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=42340332. Доступ 10.04.2022.

6. Боровиков А. В. Анализ пассажиропотока городского автобусного маршрута // Международный студенческий научный вестник. − 2019. − № 3. – С. 46. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=38318095. Доступ 10.04.2022.

7. Новиков А. Н., Радченко С. Ю., Севостьянов А. Л. [и др.]. Исследование пассажиропотоков и транспортной подвижности населения в г. Орле // Мир транспорта и технологических машин. – 2011. – С. 69–77. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=17280343. Доступ 10.04.2022.

8. Рубцова К. А. Особенности учёта пассажиропотока на наземном городском пассажирском транспорте общего пользования // Экономика предпринимательства, организация и управление предприятиями, отраслями, комплексами. – 2015. – С. 168–172. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=24866446. Доступ 10.04.2022.

9. Berlingerio, M., Calabrese, F., Lorenzo, G., Nair, R., Pinelli, F., Sbodio, M. AllAboard: A System for Exploring Urban Mobility and Optimizing Public Transport Using Cellphone Data. Mobile phone Data for Development, 2013, pp. 397−411. DOI: https://doi.org/10.1007/978-3-642-40994-3_50.

10. Намиот Д. Е., Некраплённая М. Н., Покусаев О. Н., Чекмарёв А. Е. Матрицы корреспонденций и анализ пассажирских потоков // International Journal of Open Information Technologies. − 2020. − Т. 8. − № 4. – С. 25−30. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=42748922. Доступ 20.09.2022.

11. Поматилов Ф. С., Намиот Д. Е. Об анализе пассажиропотоков Московского метрополитена // Современные информационные технологии и ИТ-образование. − 2019. − Т. 15. − № 2. – С. 375–385. DOI:10.25559/SITITO.15.201902.375-385.

12. Брусянин Д. А., Вихарев С. В., Попов В. Ю., Горбенко А. А., Шека А. С. Интеллектуальная система мониторинга пассажиропотока транспортного комплекса региона // Инновационный транспорт. − 2012. − № 2 (3). – С. 41–43. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=18225474. Доступ 10.04.2022.

13. Щетинин Н. А., Коряков В. Б., Семикопенко Ю. В. Методика обследования пассажиропотоков // European Journal of Natural History. – 2020. – № 3. − С. 105–108. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=43172623. Доступ 10.04.2022.

14. Степанченко И. В., Крушель Е. Г., Панфилов А. Э., Лютая Т. П. Алгоритм имитации пассажиропотока на остановках транспортной сети мегаполиса // Математические методы в технике и технологиях. – 2019. – Т. 10. − С. 19−23. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=41261453. Доступ 10.04.2022.

15. Сытник Р. А. К вопросу об исследовании пассажиропотока в городских транспортно-логистических системах // Известия Волгоградского государственного технического университета. – 2016. – № 7 (186). − С. 43−48. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=26322476. Доступ 10.04.2022.

16. Янков К. В., Лавриненко П. А., Фадеев М. С. Опыт прогнозирования пассажиропотоков и социально-экономических эффектов при ускорении железнодорожного сообщения в Самаро-Тольяттинской агломерации // Научные труды: Институт народнохозяйственного прогнозирования РАН. – 2016. – Т. 14. − С. 622–646. [Электронный ресурс]: https://www.elibrary.ru/item.asp?id=27633857. Доступ 10.04.2022.

17. Nakagawa, Y., Nishida, J., Asao, H., Mukoko, B., Tamura, K. Application of AMP Collectors in Nairobi CBD for Transport Planning. Transportation Research Procedia, 2018, Vol. 34, pp. 107−114. DOI: https://doi.org/10.1016/j.trpro.2018.11.020.

18. Abedi, N., Bhaskar, A., Chung, E., Miska, M. Assessment of antenna characteristic effects on pedestrian and cyclists travel-time estimation based on Bluetooth and Wi-Fi MAC addresses. Transportation Research Part C: Emerging Technologies, 2015, Vol. 60, pp. 124–141. DOI:10.1016/j.trc.2015.08.010.

19. Kusakabe, T., Yaginuma, H., Fukuda, D. Estimation of bus passengers’ waiting time at a coach terminal with Wi-Fi MAC addresses. Transportation Research Procedia, 2018, Vol. 32, pp. 62−68. DOI:10.1016/j.trpro.2018.10.012.

20. Hong, J., Thakuriah, P. Examining the relationship between different urbanization settings, smartphone use to access the Internet and trip frequencies. Journal of Transport Geography, 2018, Vol. 69, pp. 11–18. DOI:10.1016/j.jtrangeo.2018.04.006.

21. Oransirikul, T., Nishide, R., Piumarta, I., Takada, H. Measuring Bus Passenger Load by Monitoring Wi-Fi Transmissions from Mobile Devices. Procedia Technology, 2014, Vol. 18, pp. 120−125. DOI: https://doi.org/10.1016/j.protcy.2014.11.023.

22. Martin, J., Mayberry, T., Donahue, C. [et al]. A Study of MAC Address Randomization in Mobile Devices and when it Fails. US Naval Academy, Proceedings on Privacy Enhancing Technologies, March 2017, 23 p. [Электронный ресурс]: https://www.semanticscholar.org/reader/abae19306dfe311a2301d4cd015003414513e72a. Доступ 10.04.2022. DOI:10.1515/popets-2017-0054.