ВЕРОЯТНОСТНАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ПРИБЫТИЯ КРУИЗНЫХ ИЛИ ПАРОМНЫХ СУДОВ В МОРСКОЙ ПОРТ ДЛЯ ОЦЕНКИ ИНФРАСТРУКТУРЫ

Темой исследования является вопрос разработки новых моделей и методов для оценки эффективности портовых операций морских пассажирских портов и терминалов в целях эффективного планирования работы и точного прогнозирования развития инфраструктуры. Отмечается, что изменения в маршрутных круизных и паромных сетях, особенно актуальные в условиях восстановления пассажиропотока после постепенного снятия ограничений по причине Covid-19, непосредственно отражаются на загруженности порта. Предлагается в сферу принятия решений по управлению морским пассажирским портом включить модели на основе рассмотрения вероятностных процессов заходов круизных или паромных судов. В качестве объекта исследования выбран регион Балтийского моря. Представлены основные современные направления в сфере морских пассажирских перевозок, подтверждающие постепенное восстановление работы маршрутных сетей. Объектом исследования выбран поток круизных и паромных судов морского пассажирского порта Пассажирский порт Санкт-Петербург «Морской фасад» (Санкт-Петербург). Выполнен анализ загруженности причалов, анализ размеров круизных и паромных судов, исследованы маршрутные сети паромных и круизных линий. В результате исследования представлена новая стохастическая модель и проведено сравнение с известными законами распределения. На основе полученных данных определена доверительная область принятия решений по загруженности порта. Рассматриваемая зона формируется на основе оценки исследования динамики нестационарной интенсивности движения судов с последующим применением корреляционно-регрессионного анализа и характеристик случайной функции, описывающей интервалы между отдельными прибытиями круизных и паромных судов. В предлагаемую модель включена возможность рассмотрения различных приоритетов, в первую очередь, по длине судна. Для выполнения исследования загруженности порта была построена цифровая транспортная модель в среде AnyLogic. Полученные данные используются для оптимизационных экспериментов в программной среде AnyLogic с целью комплексной оценки работы морского порта за год. На основе оптимизационного эксперимента и моделирования с учетом различных законов распределения формируются данные, которые используются для принятия решений при неопределенности для модернизации инфраструктуры. Представленная модель может быть использована для обоснования управленческих решений как на стратегическом, так и на тактическом уровне для оценки эффективности инвестиционных проектов по развитию морских пассажирских портов и терминалов.

паромная сеть, морские паромные перевозки, круговые диаграммы интенсивностей, Балтийское море, интенсивности, система портов

1. Cruise Market Watch. Growth of the Ocean Cruise Line Industry [Электронный ресурс]. - Режим доступа: https://cruisemarketwatch.com/growth/ (дата обращения: 01.02.2022).

2. Ćorluka G. Cruise port passenger flow analysis: A cruise port governance perspective / G. Ćorluka, I. Peronja, D. Tubić // NAŠE MORE: znanstveni časopis za more i pomorstvo. - 2020. - Vol. 67. - Is. 3. - Pp. 181-191. DOI: 10.17818/NM/2020/3.1.

3. Krile S. Work analysis of maritime passenger terminals for particular region based on circos plot / S. Krile, N. N. Maiorov // NAŠE MORE: znanstveni časopis za more i pomorstvo. - 2019. - Vol. 66. - Is. 2. - Pp. 57-61. DOI: 10.17818/NM/2019/2.2.

4. Пассажирский порт Санкт-Петербург «Морской фасад» [Электронный ресурс]. - Режим доступа: https://www.portspb.ru/O_porte/about (дата обращения 20.01.2022).

5. Maiorov N. Simulation of the route network and ferry traffic intensity based on the process of discretization and circos plot intensity diagram / N. Maiorov, V. Fetisov, S. Krile, D. Miskovic // Transport Problems. - 2019. - Vol. 14. - Is. 4. - Pp. 21-30. DOI: 10.20858/tp.2019.14.4.2.

6. Krile S. Modernization of the Infrastructure of Marine Passenger Port Based on Synthesis of the Structure and Forecasting Development / S. Krile, N. Maiorov, V. Fetisov // Sustainability. - 2021. - Vol. 13. - Is. 7. - Pp. 3869. DOI: 10.3390/su13073869.

7. AnyLogic [Электронный ресурс]. - Режим доступа: https://www.anylogic.com (дата обращения: 20.01.2022).

8. Язвенко М. Р. Моделирование морского грузового порта как системы массового обслуживания в среде AnyLogic / М. Р. Язвенко, А. Г. Морозков // Системный анализ и логистика. - 2020. - № 4 (26). - C. 59-66. DOI: 10.31799/2007-5687-2020-4-59-66.

9. Yan S. Optimal scheduling models for ferry companies under alliances / S. Yan, C. H. Chen, H. Y. Chen, T. C. Lou // Journal of Marine Science and Technology. - 2007. - Vol. 15. - Is. 1. - Pp. 8. DOI: 10.51400/2709-6998.2033.

10. Chen M. J. Itinerary planning: Modeling cruise lines’ length of stay in ports / M. J. Chen, P. Nijkamp // International Journal of Hospitality Management. - 2018. - Vol. 73. - Pp. 55-63. DOI: 10.1016/j.ijhm.2018.02.005.

11. Воевудский Е. Н. Стохастические модели в проектировании и управлении деятельностью портов / Е. Н. Воевудский, М. Я. Постан. - М.: Транспорт, 1987. - 318 с.

12. Dragovic B. Simulation Modelling of Ship-Berth Link with Priority Service / B. Dragovic, N. K. Park, Z. Radmilović, V. Maraš // Maritime Economics & Logistics. - 2005. - Vol. 7. - Is. 4. - Pp. 316-335. DOI: 10.1057/palgrave.mel.9100141.

13. Бродецкий Г. Л. Системный анализ в логистике. Выбор в условиях неопределенности /Г. Л. Бродецкий. - М.: Academia, 2010. - 336 с.