Ушбу мақолада саёҳат маълумотларининг транспорт танлаш ва унинг саёҳат вақтига таъсири ўрганилган. Шу мақсадда саёҳат маълумотлари асосида транспорт тури учун чизиқли регрессия моделлари таклиф қилинган. Ўтказилган сўровнома натижаларига кўра, транспорт танловига таъсир қилувчи кўплаб омиллар боғлиқлик тенгламаси орқали ўрганилди. Логит модели ёрдамида ҳар бир вариантни танлаш эҳтимолининг кўриниши ифодаланган. Ушбу моделдан фойдаланиб, йўналишлар орасидаги ҳаракатланиш ва йўловчиларнинг мақсадли функциясини баҳолашда ҳаракат режимини танлаш учун максимал эҳтимоллик усули қўлланилди. Ҳар бир йўловчи кўзлаган манзилигача ҳаракатланишида мавжуд муқобил вариантлардан бирини танлашидаги мақсад функцияси қийматлаштирилди. Йўловчиларнинг йўналишлар орасидаги транспортни танлашига таъсир қилувчи вариантларнинг муҳим ўзгарувчан атрибутлари аниқланди. Чизиқли регрессия тенгламаси корреляция матрицаси асосида олинган коэффициентлар ёрдамида тузилди. Регрессион модель натижалари йўловчи транспорт танловларининг ўзаро таъсири доирасида олинди.
Ушбу мақолада саёҳат маълумотларининг транспорт танлаш ва унинг саёҳат вақтига таъсири ўрганилган. Шу мақсадда саёҳат маълумотлари асосида транспорт тури учун чизиқли регрессия моделлари таклиф қилинган. Ўтказилган сўровнома натижаларига кўра, транспорт танловига таъсир қилувчи кўплаб омиллар боғлиқлик тенгламаси орқали ўрганилди. Логит модели ёрдамида ҳар бир вариантни танлаш эҳтимолининг кўриниши ифодаланган. Ушбу моделдан фойдаланиб, йўналишлар орасидаги ҳаракатланиш ва йўловчиларнинг мақсадли функциясини баҳолашда ҳаракат режимини танлаш учун максимал эҳтимоллик усули қўлланилди. Ҳар бир йўловчи кўзлаган манзилигача ҳаракатланишида мавжуд муқобил вариантлардан бирини танлашидаги мақсад функцияси қийматлаштирилди. Йўловчиларнинг йўналишлар орасидаги транспортни танлашига таъсир қилувчи вариантларнинг муҳим ўзгарувчан атрибутлари аниқланди. Чизиқли регрессия тенгламаси корреляция матрицаси асосида олинган коэффициентлар ёрдамида тузилди. Регрессион модель натижалари йўловчи транспорт танловларининг ўзаро таъсири доирасида олинди.
В этой статье исследуется влияние информации о поездках на поведение пассажиров при выборе транспорта и на время, проведенное в пути. С этой целью для выбора вида транспорта на основе информации о поездках авторы используют модели линейной регрессии. По результатам проведенных анкетных опросов многие факторы, влияющие на выбор транспорта, были изучены с помощью корреляционного уравнения. Модель выбора представляет вероятность выбора каждой альтернативы с помощью рассчитанной логит-модели. С помощью прикладной логит-модели применен метод максимального правдоподобия для выбора режима движения при оценке целевой функции пассажиров при межадресном перемещении. Оценивалась целевая функция при выборе каждым пассажиром одной из имеющихся альтернатив при движении к намеченному пункту назначения. Были выявлены важные переменные альтернативные факторы, влияющие на выбор пассажирами транспорта между пунктами назначения. Уравнение линейной регрессии было построено с использованием коэффициентов, полученных на основе корреляционной матрицы. Результаты регрессионной модели были получены в рамках взаимодействия вариантов пассажирского транспорта.
This article investigates the impact of travel information on transport choice behaviour and the impact of travel time display. To this end, we estimate linear regression models using data from the Mobility Survey, which consists of observational data on transport mode choice. Based on the results obtained through the conducted questionnaire surveys, many influencing factors on the choice of transport were studied through the correlation equation. Using the applied Logit model, the maximum likelihood method was used for the selection of the mode of movement in the evaluation of the objective function of passengers in inter-address movement. The objective function in the choice of which of the available alternatives was preferred by each passenger in moving to the intended destination was evaluated. The important variable attributes of the alternatives that influence the choice of inter-destination transportation means of passengers are identified. The choice model represents the probability of choosing each alternative through the calculated Logit model. A linear regression equation was developed using the coefficients obtained on the basis of the correlation matrix. The results of the regression model were obtained as part of the interaction of the transport choices of passengers.
№ | Muallifning F.I.Sh. | Lavozimi | Tashkilot nomi |
---|---|---|---|
1 | Atajanov M.K. | "Transport logistikasi" kafedrasi doktoranti | Toshkent davlat transport universiteti |
2 | Qutlimuratov Q.R. | texnika fanlari bo‘yicha falsafa doktori (PhD), “Yo‘l harakati muhandisligi va boshqaruvi” kafedrasi dotsenti | Toshkent Kimyo xalqaro universiteti |
№ | Havola nomi |
---|---|
1 | Atajanov, M. (2020). Improvement of multimodal transport technologies through innovative infrastructures to increase the quality of logistics capacity of urban public transport. Tashkent: Innovative Development . |
2 | Atajanov, M. (2022). Assessment of the logistics capacity of urban public transport by means of taxonomic analysis methods. Logistics and Economics, 2, 170-180. |
3 | Atajanov, M., & Solayev, S. (2020). Increasing the efficiency of urban public transport (UPT) services through the use of multimodal transport technologies. Proceedings of the Conference. Retrieved from https://iopscience.iop.org/issue/1755-1315/614/1 |
4 | Dufour, D. (2010). Promoting the bicycle as a public mode of transport for daily commuting. Lighttermoet & Partners. |
5 | El-Assi, W., Mahmoud, M., & Habib, K. (2017). Effects of built environment and weather on bike sharing demand: a station level analysis of commercial bike sharing in Toronto. Transportation, 44, 589-613. |
6 | Eren, E., & Uz, V. (2020). A review on bike-sharing: the factors affecting bike-sharing demand. Sustainable Cities and Society, 54, 101882. |
7 | Fan, A., Chen, X., & Wan, T. (2019). How have travelers changed mode choices for first/last mile trips after the introduction of bicycle-sharing systems: an empirical study in Beijing. China Journal of Advanced Transportation, 5426080. |
8 | Labouret, S., & Vasta, R. Guide to Cycling Facilities. |
9 | Levy, N., Golani, C., & Ben-Elia, E. (2019). An exploratory study of spatial patterns of cycling in Tel Aviv using passively generated bike-sharing data. Journal of Transport Geography, 76, 325-334. |
10 | Marra, A., & Corman, F. (2020). Determining an efficient and precise choice set for public transport based on tracking data. Institute for Transport Planning and Systems. Transportation Research, Part A (142), 168–186. |
11 | Pecman, J. (2012). Experience with the use of electric bike as an alternative vehicle in urban areas. Vestnik AGTU, 2(54). |
12 | Safronov, E., Safronov, K., & Semenova, E. (2015). Management of the transport network load of the city, taking into account the increase in the availability of passenger transport. Bulletin of SibADI, 6(46), 38. |
13 | Salah, M. (2020). Impacts of Bike Sharing on Transit Ridership. Department of Civil and Environmental Engineering. Retrieved from https://researchrepository.wvu.edu/etd/7875?utm_ source=researchrepository.wvu.edu%2Fetd%2F7875&utm_medium=PDF&utm_campaign=PDFCoverPages |
14 | Sattivaldiev., B., Qutlimuratov, Q., & Azimov, I. (2021). A systematic analysis of the current state of the urban traffic cycle development method. Prospects for the development of the transport sector, (p. 41). Tashkent. |
15 | Shelmakov, P., & Shelmakov, S. (2012). Development of cycling in the Russian Federation. Successes of Modern Natural Science, 6, 183-184. |
16 | Taherdoost, H. (2017). Determining Sample Size; How to Calculate Survey Sample Size. International Journal of Economics and Management Systems. Retrieved from https://www.iaras.org/ iaras/filedownloads/ijems/2017/007-0032(2017).pdf |
17 | Tsokur, A., & Denisenko, E. (2017). Principles for the phased introduction of cycling infrastructure into the urban environment. Izvestiya KGASU, 4(42), 117-127. |