Статья опубликована в рамках: CXII Международной научно-практической конференции «Актуальные вопросы экономических наук и современного менеджмента» (Россия, г. Новосибирск, 04 ноября 2026 г.)
Наука: Экономика
Секция: Экономические аспекты регионального развития
Скачать книгу(-и): Скачать книгу
дипломов
ФОРМАЛИЗАЦИЯ КОЭФФИЦИЕНТА СТОХАСТИЧЕСКОЙ ГОТОВНОСТИ ИНФРАСТРУКТУРЫ И ОЦЕНКА ЕГО ВЛИЯНИЯ НА ПЛАНИРОВАНИЕ ГРУЗОПОТОКОВ ВОСТОЧНОГО ПОЛИГОНА
УДК 338.47:519.863
FORMALIZATION OF THE STOCHASTIC INFRASTRUCTURE READINESS COEFFICIENT AND ASSESSMENT OF ITS IMPACT ON FREIGHT FLOW PLANNING IN THE EASTERN POLYGON
Аннотация
Планирование грузопотоков на макрорегиональных коридорах России во многом опирается на детерминированные модели, в которых инфраструктура считается исправной по умолчанию, тогда как паводки, сильные морозы и технологические «окна» регулярно сокращают реально доступную пропускную способность. В работе формализован коэффициент стохастической готовности инфраструктуры γ — доля календарного времени, в течение которой участок способен пропускать поезда, — и предложено правило его агрегирования для последовательного коридора, разделяющее общие для нескольких участков и локальные факторы ограничений. Коэффициент вводится в ограничения задачи стратегического планирования (MILP) вместо номинальной пропускной способности. Расчет для фрагмента Восточного полигона Владивосток — Хабаровск — Комсомольск-на-Амуре — Советская Гавань показывает, что планирование по номинальной пропускной способности завышает ожидаемую мощность коридора на 10,6–14,2 % (на 5,3–8,7 % относительно наличной пропускной способности, учитывающей технологические «окна»), а простое перемножение коэффициентов готовности участков, напротив, занижает ее на 14,6–17,3 %.
Abstract
Freight flow planning on Russia's macro-regional corridors largely relies on deterministic models that treat infrastructure as always operational, whereas floods, severe frosts and maintenance possessions regularly reduce the capacity actually available. The paper formalizes the stochastic infrastructure readiness coefficient γ — the share of calendar time during which a line section can pass trains — and proposes an aggregation rule for a serial corridor that separates factors common to several sections from local ones. The coefficient replaces nominal capacity in the constraints of a strategic planning (MILP) problem. A calculation for the Vladivostok — Khabarovsk — Komsomolsk-on-Amur — Sovetskaya Gavan fragment of the Eastern Polygon shows that planning by nominal capacity overestimates the expected corridor capacity by 10.6–14.2 % (by 5.3–8.7 % relative to available capacity net of maintenance possessions), while simply multiplying the readiness coefficients of sections underestimates it by 14.6–17.3 %.
Ключевые слова: коэффициент готовности инфраструктуры, пропускная способность, общие причины отказов, смешанное целочисленное линейное программирование, синхромодальные перевозки, региональная экономика, Восточный полигон.
Keywords: infrastructure readiness coefficient, railway capacity, common-cause failures, mixed-integer linear programming, synchromodal transport, regional economy, Eastern Polygon.
Введение
Переориентация внешнеторговых потоков Российской Федерации на восточное и южное направления придаёт транспортно-логистической инфраструктуре макрорегиональных коридоров стратегическое значение, что закреплено в Транспортной стратегии Российской Федерации до 2030 года [1]. Прогнозируемое увеличение грузопотока в 1,5–2 раза к 2035 году делает актуальным вопрос о принципиальной применимости детерминированных методов планирования, исходящих из предположения о постоянной работоспособности инфраструктуры. Эмпирическая практика эксплуатации Восточного полигона свидетельствует об обратном: паводки, экстремальные морозы и плановые ремонтные работы регулярно и предсказуемо снижают доступную пропускную способность отдельных участков сети. Фактический вывоз устойчиво отстает от номинальной провозной способности: 148,8 млн т при 158 млн т в 2022 г. и 150,5 млн т при 173 млн т в 2023 г. [2]. Использование в плановых расчётах номинальной (паспортной) пропускной способности приводит к систематическому формированию нереализуемых плановых обязательств, что влечёт простои и штрафные издержки за нарушение сроков доставки.
Цель работы — формализовать коэффициент стохастической готовности инфраструктуры как параметр задачи стратегического планирования грузопотоков и количественно оценить, насколько его учет меняет оценку доступной мощности коридора.
Гипотеза исследования: для последовательного коридора ни номинальная пропускная способность, ни произведение коэффициентов готовности отдельных участков не дают корректной оценки доступной мощности — первая систематически завышает ее, второе занижает, поскольку часть ограничений (сильные морозы на обширной территории, технологические «окна» по единому графику) действует на несколько участков одновременно.
Научная новизна работы состоит в следующем: 1) коэффициент готовности введен непосредственно в ограничения задачи MILP вместо номинальной пропускной способности с раздельным учетом гидрологической, температурной и технологической компонент по участкам; 2) предложено правило агрегирования готовности последовательного коридора, в котором общие факторы учитываются однократно, а локальные — по участкам, и получены нижняя и верхняя границы ожидаемой мощности коридора; 3) на расчетном примере для фрагмента Восточного полигона количественно оценена ошибка обоих упрощенных подходов.
1. Пространственная специфика российских макрорегиональных коридоров как фактор, ограничивающий применимость европейских моделей синхромодальности
В классической теории транспортной экономики длительное время доминирующей парадигмой организации грузоперевозок являлась статическая мультимодальность, при которой маршрут и вид транспорта на каждом участке определяются однократно на этапе предтранспортного планирования исходя из тарифа и нормативных сроков доставки, а инфраструктура принимается работоспособной без ограничений. При возникновении экзогенного возмущения — аварии, паводка, резкого понижения температуры — статический план не подлежит оперативному пересмотру, что порождает каскадный рост издержек.
Реакцией на возрастающую изменчивость логистических цепочек стал переход к парадигме синхромодальности — способности логистической системы динамически переключать груз между видами транспорта в процессе перевозки [3]. Вместе с тем непосредственный перенос европейских моделей синхромодального перепланирования на макрорегиональные коридоры России методологически некорректен. В компактной и плотной транспортной сети, характерной, в частности, для региона Бенилюкс, источники неопределённости носят локальный характер (очереди в портах, единичные технические отказы подвижного состава). Для российских коридоров источником неопределённости выступает само пространство: значительная протяжённость, пересечение нескольких климатических зон и неравномерность освоения территории превращают географическую среду в системный генератор рисков. В этой связи в работе предлагается использовать уточнённое понятие — пространственно-синхромодальная система, в рамках которого вероятность сбоя и ограничение пропускной способности участка определяются не случайным образом, а закономерно связаны с его географическим положением.
2. Гибридная архитектура MILP и DES как методологический ответ на ограничения детерминированного планирования
Необходимость гибридной архитектуры обусловлена ограничениями каждого из вычислительных методов по отдельности, а также анализом зарубежного опыта агентно-ориентированного моделирования синхромодальных перевозок, в частности модели, разработанной для сети региона Бенилюкс [4]. Задача смешанного целочисленного линейного программирования (MILP) позволяет находить математически оптимальное распределение потоков по сети на стратегическом уровне, однако требует фиксации всех параметров, включая пропускную способность, на этапе постановки задачи. При подстановке в такую задачу номинальной пропускной способности участка решение оптимизационной задачи использует инфраструктуру до предела, не формируя резерва на случай сбоя.
Дискретно-событийная имитация (DES), в отличие от аналитических методов оптимизации, не осуществляет поиск оптимума, а воспроизводит функционирование системы во времени, что позволяет оценить устойчивость сформированного плана к реализации паводков, экстремальных температур и технических отказов, а также величину накапливаемых штрафных издержек за нарушение сроков доставки. Использование каждого из методов по отдельности не обеспечивает полноты анализа: MILP не учитывает вероятностные риски, тогда как применение полноценной имитации без предварительной стратегической оптимизации сопряжено с чрезмерными вычислительными затратами, на что указывают и работы отечественной школы агентно-ориентированного моделирования экономических систем [5, с. 45; 6, с. 22], а также общие принципы управления логистическими системами в условиях риска и неопределённости [7]. В связи с этим в настоящем исследовании решение стратегического уровня, полученное методом MILP с учётом инфраструктурных рисков, передаётся на тактический уровень, где его устойчивость верифицируется имитационным моделированием суточной работы коридора (в настоящей работе — 1000 прогонов по 10 лет).
3. Формализация коэффициента стохастической готовности инфраструктуры γ
Для устранения зависимости плановых расчётов от номинальной пропускной способности C_max в исследовании вводится показатель γe — доля календарного времени, в течение которого участок сети e способен обеспечивать пропуск грузов без экстренных ограничений скорости движения или полной остановки. В задаче MILP данный показатель непосредственно заменяет детерминированное ограничение на стохастически скорректированное: xe ≤ C_e · γe, где C_e — номинальная пропускная способность участка, а правая часть неравенства представляет собой ожидаемую, а не номинальную пропускную способность участка.
Для отдельного участка, на котором действуют ограничения разной физической природы, γe рассчитывается в предположении их независимости:
γe = (1 − P_flood,e) × (1 − P_frost,e) × (1 − P_tech), (1)
где P_flood,e — доля суток с перерывом движения из-за паводков на участке e; P_frost,e — доля суток с минимальной температурой воздуха −35 °C и ниже на метеостанциях участка; P_tech — доля времени, занятая технологическими «окнами» и техническими отказами. Порог −35 °C принят как сценарный параметр: распоряжением ОАО «РЖД» № 1799р пропуск поездов повышенной массы и длины ограничивается уже при температуре ниже −30 °C [8], а при более сильных морозах растет число отказов стрелочных переводов и контактной сети; влияние выбора порога оценено ниже.
Традиционный подход теории надежности к системе из последовательно соединенных элементов предполагает перемножение их коэффициентов готовности [9]. Перенос формулы (1) на коридор в целом таким способом — перемножение γe всех участков — корректен только при независимости ограничений на разных участках. В исследованиях устойчивости железнодорожных систем сбои, как правило, рассматриваются как единичные события на отдельных элементах сети [10], однако для последовательного коридора допущение о независимости нарушается: сильный мороз охватывает одновременно территорию нескольких участков, а технологические «окна» назначаются по единому графику. Если фактор действует на все участки сразу, коридор теряет из-за него одни и те же сутки, а перемножение учитывает эти потери многократно. Поэтому, в отличие от традиционной схемы, предлагается агрегировать готовность коридора с разделением факторов:
γкор = (1 − P_tech) × (1 − max_i P_frost,i) × Π_j (1 − P_flood,j), (2)
где технологический фактор считается общим для коридора, морозные сутки — вложенными (мороз на более теплом участке сопровождается морозом на более холодном), а паводки — локальными по гидрологически обособленным участкам j. Тогда ожидаемая пропускная способность коридора X ограничена снизу и сверху:
C_min × γкор ≤ X ≤ min_i (C_i × γi), (3)
где C_i — номинальная пропускная способность участка i, C_min — ее минимум (узкое звено). Нижняя граница соответствует коридору без промежуточных резервов, когда перерыв на любом участке останавливает поток по всей цепи; верхняя — достаточным резервам на станциях, при которых простой одного участка компенсируется накопленным запасом. В задаче MILP ограничение на поток по коридору задается правой частью неравенства (3) в зависимости от принятого уровня резервирования, а для отдельного участка — ограничением xe ≤ C_e · γe.
4. Расчет для фрагмента Восточного полигона
Расчет выполнен для фрагмента Владивосток — Хабаровск — Комсомольск-на-Амуре — Советская Гавань, состоящего из трех последовательных участков (табл. 1). Значения P_frost,i определены по среднему многолетнему числу суток с минимальной температурой −35 °C и ниже на станциях Бикин (4,9 сут в год) и Комсомольск-на-Амуре (16,4 сут в год) [11]. Значения P_flood и P_tech, а также соотношения номинальной пропускной способности участков заданы по порядку величины и носят сценарный характер, поэтому результаты представляют собой модельный расчет, демонстрирующий работу методики, а не эмпирическую оценку фактической мощности коридора.
Таблица 1.
Исходные данные и коэффициенты готовности участков
| Участок | C_i, отн. ед. | P_flood | P_frost | γi по (1) | C_i · γi |
|---|---|---|---|---|---|
| e₁ Владивосток — Хабаровск (в т. ч. Хабаровск — Бикин) | 1,5 | 0,029* | 0,013 | 0,912 | 1,368 |
| e₂ Хабаровск — Комсомольск-на-Амуре | 1,2 | 0,003 | 0,045 | 0,907 | 1,088 |
| e₃ Комсомольск-на-Амуре — Советская Гавань | 1,0 | 0,005 | 0,045 | 0,904 | 0,904 |
Примечание: P_tech = 0,048 (35 сут из 730) для всех участков; * с учетом участка Хабаровск — Бикин (0,025), для которого в сценарии принят наибольший паводковый риск (пойма р. Уссури).
По формуле (2) готовность коридора составляет γкор = (1 − 0,048) × (1 − 0,045) × (1 − 0,004) × (1 − 0,025) × (1 − 0,003) × (1 − 0,005) ≈ 0,876, а верхняя граница по формуле (3) определяется участком e3: 1,0 × 0,904 = 0,904. Сопоставление с упрощенными подходами приведено в табл. 2.
Таблица 2.
Оценка доступной мощности коридора при разных способах учета готовности, доли номинальной пропускной способности узкого звена
| Способ оценки | X | Отклонение от предлагаемой оценки |
|---|---|---|
| Номинальная пропускная способность (γ = 1) | 1,000 | завышение на 10,6–14,2 % |
| Наличная пропускная способность (учтены только «окна») [11] | 0,952 | завышение на 5,3–8,7 % |
| Произведение коэффициентов участков C_min · γ₁γ₂γ₃ | 0,748 | занижение на 14,6–17,3 % |
| Предлагаемая оценка без резервов, C_min · γкор | 0,876 | — |
| Предлагаемая оценка при достаточных резервах, min C_i · γi | 0,904 | — |
Результаты подтверждают гипотезу: номинальная и наличная пропускная способность завышают доступную мощность коридора, а перемножение коэффициентов участков занижает ее на сопоставимую величину, поскольку общие факторы (технологические «окна» и вложенные морозы) учитываются в нем многократно — по каждому участку. Для иллюстрации: при номинальной провозной способности узкого звена 25 млн т в год разрыв между планом по наличной пропускной способности и нижней границей составляет около 1,9 млн т в год, т. е. именно такой объем плановых обязательств оказывается систематически невыполнимым.
Наиболее чувствительна оценка к температурному порогу: при пороге −40 °C завышение относительно наличной пропускной способности снижается до 1,3–4,5 %, при пороге −30 °C возрастает до 12,9–16,5 %; двукратное сокращение P_flood изменяет его незначительно (5,0–6,7 %). Корректность формул проверена имитационной моделью суточной работы коридора (1000 прогонов по 3650 суток): при отсутствии резервов она воспроизводит нижнюю границу (0,8758 против аналитических 0,8760), при достаточных резервах — верхнюю (0,9042 против 0,9043).
Заключение
В работе формализован коэффициент стохастической готовности инфраструктуры γ и показан способ его использования в задаче стратегического планирования грузопотоков вместо номинальной пропускной способности. Основные результаты состоят в следующем.
Во-первых, для отдельного участка γ рассчитывается как произведение вероятностей отсутствия гидрологических, температурных и технологических ограничений, а для последовательного коридора — с однократным учетом общих факторов, что дает нижнюю (без резервов) и верхнюю (при достаточных резервах) границы ожидаемой мощности.
Во-вторых, модельный расчет для фрагмента Восточного полигона показал, что планирование по номинальной пропускной способности завышает доступную мощность коридора на 10,6–14,2 %, по наличной — на 5,3–8,7 %, тогда как перемножение коэффициентов участков занижает ее на 14,6–17,3 %; таким образом, оба упрощенных подхода приводят к ошибке одного порядка, но разного знака.
В-третьих, разница между нижней и верхней границами (0,876 и 0,904) определяет потенциальный эффект от станционных резервов и задает рамку для выбора между резервированием, синхромодальным переключением потоков и инвестициями в инфраструктуру.
Ограничением работы является сценарный характер значений P_flood, P_tech и соотношений пропускной способности участков, использование многолетних климатических норм вместо совместных суточных рядов по метеостанциям, а также не проверенное по наблюдениям допущение о вложенности морозных суток. Дальнейшее развитие методики предполагает калибровку по эксплуатационным данным о датах и длительности перерывов движения и переход к агентно-ориентированному управлению, при котором решения о переключении между видами транспорта принимаются в режиме реального времени.
Список литературы
- Распоряжение Правительства РФ от 27.11.2021 № 3363-р «Об утверждении Транспортной стратегии Российской Федерации до 2030 года с прогнозом на период до 2035 года» // Собрание законодательства РФ. – 2021. – № 49 (ч. II). – Ст. 8560.
- Скорлыгина Н. БАМ обнаружил в себе пустоту / Н. Скорлыгина // Коммерсантъ. – 2024. – № 35. – URL: https://www.kommersant.ru/
doc/ 6534442 (дата обращения: 10.10.2026). - Behdani B. Multimodal schedule design for synchromodal freight transport systems / B. Behdani, Y. Fan, B. Wiegmans, R. Zuidwijk // European Journal of Transport and Infrastructure Research. – 2016. – Т. 16, № 3. – P. 424–444. – DOI: 10.18757/ejtir.2016.16.3.3105.
- Alaei S. Synchromodal transport re-planning: an agent-based simulation approach / S. Alaei, J. Durán-Micco, C. Macharis // European Transport Research Review. – 2024. – Т. 16. – DOI: 10.1186/s12544-023-00624-y.
- Бахтизин А.Р. Агент-ориентированные модели экономики / А.Р. Бахтизин. – М.: Экономика, 2008. – 279 с.
- Бочкарев А.А. Имитационное моделирование логистических систем на основе агентно-ориентированного подхода: монография / А.А. Бочкарев. – Санкт. – Петербург: СПбГЭУ, 2022. – 150 с.
- Сергеев В.И. Управление цепями поставок в условиях риска и неопределённости: монография / В.И. Сергеев. – Москва: ИНФРА-М, 2023. – 320 с.
- Инструкция по организации обращения грузовых поездов повышенной массы и длины на железнодорожных путях общего пользования ОАО «РЖД»: утв. распоряжением ОАО «РЖД» от 01.09.2016 № 1799р (ред. от 06.12.2022). – Доступ из информ.-правовой системы «МЕГАНОРМ».
- ГОСТ Р 27.102–2021. Надежность в технике. Надежность объекта. Термины и определения: национальный стандарт Российской Федерации: утв. и введен в действие приказом Росстандарта от 08.10.2021 № 1104-ст. – Москва: Российский институт стандартизации, 2021.
- N. Be. Bešinović N. Resilience in railway transport systems: a literature review and research agenda // Transport Reviews. – 2020. – Т. 40, № 4. – P. 457–478. – DOI: 10.1080/01441647.2020.1728419.
- Научно-прикладной справочник по климату СССР. Сер. 3: Многолетние данные. Ч. 1–6. Вып. 25: Хабаровский край, Амурская область. – Санкт. – Петербург: Гидрометеоиздат, 1992.
- Инструкция по расчету пропускной и провозной способностей железных дорог ОАО «РЖД»: утв. распоряжением ОАО «РЖД» от 04.03.2022 № 545/р. – Москва, 2022. – 364 с.
дипломов

