Сбор данных о мобильности населения необходим для понимания особенностей передвижения населения и обеспечения устойчивого развития транспортной инфраструктуры в условиях глубоких социально-экономических преобразований [1]. Последние десятилетия отмечены преобразованиями, неравномерной эволюцией спроса в крупных городах и появлением новых, более устойчивых видов транспорта. Эти изменения сильно повлияли на взаимодействие между предложением и спросом на услуги в транспортной отрасли. В этой связи пассивные данные, такие как Wi-Fi и Bluetooth, становятся ключевым источником информации для понимания индивидуального поведения в сфере мобильности и обеспечения эффективного функционирования общественного транспорта [2].
Данные Wi-Fi, собранные с помощью датчиков, представляют сигнал, полученный устройством с меткой времени, местоположением (модуль GPS) и мощностью сигнала. Для получения матрицы корреспонденций и долей пассажиров при посадке и высадке, двух важнейших инструментов для специалистов по планированию работы городского транспорта, необходимы следующие шаги. Первый шаг – исключение ошибочных сигналов, принадлежащих пассажирам автобуса. Второй шаг – в определении пункта отправления/назначения набора сигналов, поступающих от одного и того же оборудования. В работе предлагается использовать машинное обучение для автоматической фильтрации сигналов и обеспечения воспроизводимости методологии. Матрица корреспонденций и доли пассажиров, совершающих посадку и высадку, полученные из выбранных сигналов Wi-Fi, сравниваются с так называемыми «эталонными» параметрами для проверки качества собранных данных. На первом этапе сравниваются доли пассажиров, совершающих посадку и высадку, полученные из данных Wi-Fi со смарт-картами. Затем сравниваются пары «пункт отправления/назначения» Wi-Fi, с результатами опросов. Процедура сравнения подтверждает актуальность алгоритмов машинного обучения в прогнозировании спроса.
Перевозчики должны соответствовать все более жестким требованиям в отношении качества обслуживания [3], а дефицит средств ставит под сомнение традиционные методы опроса. В этом случае внимание уделяется новым технологиям, позволяющим получать недорогие пассивные данные о мобильности, как способу поддержки транспортного планирования. В последнее время появляются новые источники данных, поскольку широкое распространение смартфонов упрощает непрерывное получение информации о местоположении населения. Среди них датчики Wi-Fi, установленные в городских автобусах, позволяют осуществлять реальный и непрерывный сбор данных о мобильности. Этот пассивный метод не требует усилий от пассажиров и представляет минимальные затраты для государственных органов.
