An Analysis of the Impact of Key Operational Indicators on the Number of Derailed Trains within the Boundaries of East Siberian Railway

Research article
DOI:
https://doi.org/10.23670/IRJ.2023.138.203
Issue: № 12 (138), 2023
Suggested:
10.07.2023
Accepted:
06.12.2023
Published:
18.12.2023
458
9
XML
PDF

Abstract

This article analyses the current state of the East Siberian Railway and the factors affecting the operational environment under high turbulence conditions. The aim of the study is to apply the method of correlation and regression analysis in the course of examining the operational indicators affecting the growth of detrained trains. In this work, the advantages and disadvantages of the analysed method have been discussed and the relevance of testing the model for adequacy to validate the results obtained has been highlighted. The conditionality of the studied aspect is marked by the growth of the freight traffic within the boundaries of the Eastern polygon, the constant increase of the arising technical and technological difficulties, consisting in the unpreparedness of the infrastructure for the passage of the declared volume. In this regard, there is a necessity to develop the Baikal-Amur Mainline and the Trans-Siberian Railway in order to ensure the export of the prospective volume of export-oriented products of new enterprises being established in the region of the Eastern polygon. This, in turn, affects the relevance of considering the issues of stabilizing the operational situation under risk conditions. In addition, the study of conditions for the development of cargo turnover in the Eastern polygon is determined by the provision of several trans-Eurasian corridors through which cargoes are shipped to the industrial centres and ports of China, cargoes are transported from the fields of Siberia and the Urals to the ports of the Far East for further transportation to the growing markets of the Asia-Pacific region, and cargoes are shipped along the transit route through the territory of Mongolia.

1. Введение

Курс новой государственной политики взят на создание в Восточной Сибири и Дальнем Востоке конкурентоспособных условий для развития бизнеса. Нередко о Восточном регионе говорится как об экономической площадке опережающего развития. В Долгосрочной программе развития открытого акционерного общества «Российские железные дороги» до 2025 года предусмотрено увеличение провозной способности Байкало-Амурской и Транссибирской железнодорожных магистралей до 180 млн. тонн к 2024 году

. В первую очередь это связано с потенциально привлекательным экспортным направлением бурно развивающейся Юго-Восточная Азии. На долю стран-членов Азиатско-Тихоокеанского экономического сотрудничества приходится свыше 31,6% мирового ВВП, около 60% объема прямых иностранных инвестиций. 

Рост грузопотока в границах Восточного полигона достиг своего критического значения. И железнодорожная отрасль столкнулась с техническими и технологическими трудностями, в том числе и в части неподготовленности инфраструктуры к пропуску заявленного объема

. Поэтому ключевым фактором роста экономики дальневосточных регионов останется развитие транспортной инфраструктуры, прежде всего Байкало-Амурской магистрали и Транссиба, для обеспечения вывоза перспективного объема экспортно ориентированной продукции с новых предприятий, создаваемых в регионе Восточного полигона. При этом стоит учитывать возможность задержки в перевозочном процессе, а именно отставление от движения поездов при невозможности организации пропуска по участкам
. Основными факторами (так принято считать специалистами железнодорожниками), влияющими на образование так называемых «брошенных» поездов, являются завышенные значения показателей: «рабочий парк дороги», «прием поездов», «сдача поездов», «погрузка дороги» и иные. Увеличение поездов, отставленных временно от движения, ведет к просрочке доставки груза и, как следствие, к возникновению финансовых рисков. Клиентоориентированность и в конечном итоге имидж компании значительно страдают от невыполнения основных показателей перевозочного процесса.

Для обеспечения 100% пропуска заданных объемов были приняты ряд организационных мер. Так, например, создание Восточного полигона из четырех дорог (Красноярская, Восточно-Сибирская, Забайкальская, Дальневосточная) должно было положительным образом повлиять на организацию грузопотока

. Сложившаяся структура диспетчерского управления претерпела значительные изменения. Об итогах работы можно судить по приведенным в таблице 1 показателям.

Таблица 1 - Основные показатели работы ВСЖД в рамках раздельного учета

Наименование показателей

Ед. изм.

2018 г.

2019 г.

2020 г.

2021 г.

2022 г.

Факт (с/с)

% к п.г.

Факт (с/с)

% к п.г.

Факт (с/с)

% к п.г.

Факт (с/с)

% к п.г.

Погружено вагонов

ваг.

2821

2699

95,65

2540

94,13

2415

95,05

2467

102,17

Выгрузка

ваг.

2005

1983

98,90

1962

98,96

1974

100,59

2141

108,44

Рабочий парк общий

ваг.

55443

62741

113,16

60992

97,21

60144

98,61

61391

102,07

Порожний

ваг.

31221

36149

115,78

37382

103,41

34905

93,37

33711

96,58

Местный

ваг.

4939

5743

116,28

5096

88,73

6419

125,97

7326

114,12

Транзит

ваг.

19284

20850

108,12

18514

88,80

18821

101,65

20354

108,15

Прием

ваг.

11237

11242

100,04

11557

102,80

10779

93,27

10778

99,99

Сдача

ваг.

11179

11133

99,59

11520

103,48

10702

92,90

10685

99,84

Оборот грузового вагона

сут.

5,96

6,86

115,11

6,62

96,40

6,72

101,58

6,67

99,20

Оборот местного вагона

сут.

2,46

2,90

117,58

2,60

89,66

3,25

125,23

3,42

105,24

Оборот транзитного вагона

сут.

2,65

2,89

109,05

2,51

87,01

2,68

106,62

2,85

106,54

Оборот порожнего вагона

сут.

4,65

5,47

117,66

5,59

102,17

5,73

102,58

5,60

97,72

Примечание: по данным Восточно-Сибирской железной дороги

При рассмотрении показателей в сравнении с 2018 годом выделим такую негативную тенденцию как снижение погрузки на 387 вагонов в среднем в сутки, или 12,5%, рост рабочего парка (общий) на 6362 вагона в среднем в сутки, или 10,73%, при этом снижены показатели по приему (-57 вагонов среднем в стуки) и по сдаче (-68 вагонов среднем в стуки). На протяжении 2021-2022 годов Восточно-Сибирская железная дорога работает в условиях сверхнормативного наличия вагонного парка. Также негативное влияние на эксплуатационную работу дороги оказывает сверхнормативное наличие вагонов рабочего и нерабочего парка, следующих в адрес вагоноремонтных предприятий. Значительное влияние на выполнение пробежных норм по инфраструктуре железной дороги и нормативных сроков доставки оказывают отставленные от движения грузовые поезда

. Отметим, что 59% поездов были задержаны на инфраструктуре общего пользования по причинам, зависящим от перевозчика. Задержки поездов на Северном ходу дороги обусловлены не только отказами дирекции тяги и дефицитом локомотивов грузового движения, но и неравномерным планированием возврата тяги
.

Такие внешние условия как ковидные ограничения (2021 год), ограничительные политические и экономические меры, введенные государствами и международными организациями в отношении России (2022 год) существенно повлияли на структуру перевозок, изменили географию рынков сбыта и в корне переориентировали вагонопотоки.

Целью настоящей работы является исследование факторов (эксплуатационных показателей), влияющих на рост поездов, отставленных от движения с помощью корреляционно-регрессионного анализа. В данном случае эксплуатационная обстановка будет описана как математический объект с множеством линейных и нелинейных связей.

2. Современное состояние Восточно-Сибирской железной дороги в условиях социально-экономического развития

Начиная с 2013 года на базе ОАО «РЖД» с целью обеспечения дополнительного объема перевозок различных грузов посредством ликвидации «узких мест» на железных дорогах Дальнего Востока и Забайкалья реализуется комплекс мероприятий, направленных на развитие и совершенствование железнодорожной инфраструктуры Восточного полигона. Так, в 2021 году объем инвестиций составил более 64 млрд. рублей. Согласно детальных планов мероприятий по реализации инвестиционных проектов «Мероприятия по увеличению пропускной и провозной способности инфраструктуры для увеличения транзитного контейнеропотока в 4 раза, в т.ч. Транссиб за 7 суток», утвержденного ЦЗ-1 Кобзевым С.А. № 1628 от 06.10.2021 г., «Модернизация БАМа и Транссиба (II этап)», утвержденного ЦЗ-1 Кобзевым С.А. № 1629 от 06.10.2021 г. в 2022 году было запланировано к реализации 7 объектов, таких как: второй главный путь на перегоне Гоуджекит – Тыя, станция Северобайкальск, двухпутная вставка на перегоне Блокпост 1068 км (Северобайкальск – Блокпост 1084 км), двухпутная вставка на перегоне Новый Уоян – Баканы с примыканием к станции Новый Уоян, двухпутная вставка на перегоне Янчуй – Чуро с примыканием к станции Чуро, второй главный путь на перегоне Сенаторский – Икабьякан, третий путь на перегоне Слюдянка I – Слюдянка II

.

В 2023 году запланировано к реализации 27 объектов, но фактически с учетом отставания в 2022 году по данным заказчиков будет реализован 31 объект.

Обострение короновирусной инфекции, а также увеличение нагрузки на диспетчерский аппарат всей системы железнодорожного сообщения данного участка в связи с ростом новых объектов в рамках модернизации стало причиной снижения объема работы и количества переработанных грузовых потоков.

3. Корреляционный анализ факторов, влияющих на эксплуатационную обстановку на Восточно-Сибирской железной дороге

Для формирования математической модели были выбраны следующие показатели:

- X1 – «транзит» (количество вагонов, находящихся в категории «транзит»);

- X2 – «местный» (количество вагонов, находящихся в категории «местный»);

- X3 – «погрузка» (количество вагонов, принятых к перевозке);

- X4 – «прием» (количество поездов, поступивших по стыкам Хани, Юрты, Петровский Завод);

- X– «сдача» (количество поездов, переданных на соседние железные дороги);

- X– «участковая скорость» (среднюю скорость движения поезда по участку с учётом времени стоянок на промежуточных станциях, разгона, замедления и задержки поезда на перегонах);

- Y – «количество поездов, отставленных от движения» (к учету приняты как поезда, задержанные согласно диспетчерского приказа, так и поезда без приказа).

Данные показатели выбраны из широкого перечня всех эксплуатационных показателей исходя из экспертного мнения специалистов органа управления Восточно-Сибирской железной дороги.

Первоначально, суть исследования заключалась в том, чтобы выявить линейную зависимость каждого фактора. Как, например, «рабочий парк (X) – количество поездов, отставленных от движения (Y)». Гипотеза состоит в следующем: «чем выше значения показателя «рабочий парк», тем больше количество задержанных поездов. Для определения характера и тесноты связи показателей «рабочий парк» и «количество поездов, отставленных от движения» применен корреляционно-регрессионный анализ

.

Свод статистических данных представлен в таблице № 2 за период 2021-2022 гг.

Таблица 2 - Количество поездов, отставленных от движения в проекции с показателем «рабочий парк»

Год

2021 г.

2022 г.

Месяц

Количество задержанных поездов

Рабочий парк, ср/сут.

Количество задержанных поездов

Рабочий парк, ср/сут.

январь

1396

59878

835

59730

февраль

1063

61594

816

59257

март

1282

61808

824

58084

апрель

1138

60147

524

57826

май

931

62389

483

58506

июнь

897

60650

550

64222

июль

773

60512

574

63439

август

802

60021

729

63640

сентябрь

859

58093

922

61570

октябрь

635

60934

1223

62197

ноябрь

792

57870

1319

63768

декабрь

855

57851

1629

64307

Примечание: по данным Восточно-Сибирской железной дороги

При росте показателя «рабочий парк» существует прямая зависимость между количеством задержанных поездов и темпами роста рабочего парка, однако теснота связи слабая.

Коэффициент детерминации в данном случае – 0,109, или 10,9%. Это означает, что расчетные параметры модели слабо объясняют зависимость между изучаемыми параметрами. Переменная X регрессионной модели показывает весомость переменной Х на Y, в нашем случае – 0,04 (небольшая степень влияния). Положительное значение говорит о линейной зависимости со знаком «+».

Таким образом, построить адекватную модель, исследуя зависимость показателя «задержанные поезда» от каждого фактора X, не представляется возможным.

Изменим свод данных для проведения дальнейших исследований, а именно возьмем годовые значения каждого показателя посуточно для учета внешних показателей, таких как, например, сезонность, проведение профилактических работ на предприятии (влияние на показатель «погрузка») и т.д. Дальнейший учет будет производиться с учетом совокупного влияния всех факторов.

Первоначально выполним описательную характеристику факторов: таблица 3.

Таблица 3 - Описательная статистика факторов, влияющих на показатель «поезда, отставленные от движения»

Описательная статистика

Транзит

Местный

Погрузка

Прием (поезда)

Сдача (поезда)

Участковая скорость

Задержанные поезда

Минимальное значение

23047,00

6210,00

1730,00

111,00

129,00

32,10

50,00

Среднее значение

28085,14

7644,66

2426,79

165,05

167,37

36,70

101,87

Максимальное значение

32263,00

9250,00

3088,00

196,00

198,00

42,00

181,00

СКО

1895,67

655,45

205,25

15,39

14,88

1,92

23,58

Медиана

27903,00

7616,00

2439,00

166,00

169,00

36,70

101,00

Ассиметрия

0,10

0,20

-0,34

-0,39

-0,44

0,11

0,28

Информативной мерой «центрального положения» переменной можно считать среднее значение. Анализ смещения в одну из сторон показывает точку тяготения к обозначенным пределам. Показатель «прием (поезда)» смещен в сторону максимального значения, показатель «задержанные поезда» в противовес более тяготеет к минимальному значению. Среднеквадратичное отклонение, показывающее разброс величины, показывает относительную стабильность и отсутствие выбросов в приведенной статистике.

В целях определения меры влияния факторов X на переменную Y выполним корреляционный анализ таблица 4.

Таблица 4 - Корреляционный анализ

Факторы 

Транзит

Местный

Погрузка

Прием (поезда)

Сдача (поезда)

Участковая скорость

Задержанные поезда

Транзит

1

 

 

 

 

 

 

Местный

0,021160

1

 

 

 

 

 

Погрузка

0,075903

-0,141941

1

 

 

 

 

Прием (поезда)

0,046698

-0,054685

0,06736

1

 

 

 

Сдача (поезда)

-0,2772

-0,0941993

0,044257

0,324476

1

 

 

Участковая скорость

-0,66605

0,003340

0,03221

0,451987

0,423866

1

 

Задержанные поезда

0,457431

0,118919

0,053150

-0,531866

-0,291087

-0,674316

1

Как видно из приведенного анализа показатели «транзит», «прием (поезда)», «участковая скорость» в наибольшей степени оказывают влияние на «задержанные поезда».

Такие факторы как: «количество остановок локомотивов по причине их неисправностей», «количество выявленных неисправностей железнодорожного пути, отказы по вине структурных подразделений», «количество внеплановых «окон» в информационных системах ОАО «РЖД» уже учтены в основных показателях. Например, «количество остановок по причине их неисправностей» ухудшают показатель «участковая скорость», которая уже присутствует в исследованиях.

В дальнейшем при выполнении корреляционно-регрессионного анализа будем считать зависимость линейного характера. Для формирования линейной регрессионной модели будут использованы факторы, имеющие наибольшее значение коэффициентов корреляции

.

Таким образом, корреляционно-регрессионная модель описывается формулой:

img
(1)

При проведении корреляционно-регрессионного анализа с помощью Пакета «Анализ данных» получены следующие значения переменных a0, а1, a4, a6 (указаны в Таблице 5):

Таблица 5 - Коэффициенты регрессионной модели

a0

a1 (транзит)

a4 (прием поездов)

a6 (участковая скорость)

252,4947466

0,003307264

-0,61502334

-3,869679689

В общем виде линейная регрессионная модель может быть описана:

img
(2)

Для оценки качества выбранной регрессионной модели используем формулу расчета коэффициента линейной детерминации, или R-квадрат:

img
(3)
img
(4)
img
(5)

ESS – сумма квадратов остатков модели множественной регрессии с n независимыми переменными

TSS – общая сумма квадратов модели множественной регрессии с n независимыми переменными

.

R-квадрат, или коэффициент линейной детерминации является одной из наиболее эффективных оценок адекватности регрессионной R2модели, мерой качества уравнения регрессии в целом. Если R-квадрат > 0,95, говорят о высокой точности аппроксимации (модель хорошо описывает явление). Если R-квадрат лежит в диапазоне от 0,6 до 0,95, говорят об удовлетворительной аппроксимации (модель в целом адекватна описываемому явлению). Если R-квадрат < 0,5, принято считать, что точность аппроксимации недостаточна и модель требует улучшения (введения новых независимых переменных, учета нелинейностей и т. д.)

.

Для получения выводов о тесноте связей между исследуемыми параметрами используем шкалу Чеддока

.

Таблица 6 - Шкала Чедокка

Количественная мера тесноты связи

Качественная характеристика силы связи

Значение на 2022 – 2023 год

0,1 – 0,3

Слабая

0,691

0,3 – 0,5

Умеренная

0,5 – 0,7

Заметная

0,7 – 0,9

Высокая

0,9 – 0,99

Весьма высокая

В нашем случае, модель можно отнести к «заметной» и использовать при описании оперативной поездной ситуации и построении прогнозного варианта на небольшой интервал времени.

Дополнительно выполнена оценка качества полученной модели (ее достоверность) по уровню значимости критерия Фишера.

 

Формулы

img
(6)
img
(7)
img
(8)

n – это число наблюдений

m – число параметров при переменной x (то есть количество факторов в модели регрессии)

Дисперсионный анализ оценивает общее качество полученной модели: ее достоверность. Коэффициент Фишера должен быть меньше, чем 0,05 (строка Регрессия, столбец Значимость F).

В нашем случае коэффициент Фишера равен 9,38Е-67

P-Значение, или вероятность, позволяющая определить значимость коэффициента регрессии. В случаях, когда Р-Значение > 0,05, коэффициент может считаться нулевым, что означает, что соответствующая независимая переменная практически не влияет на зависимую переменную. В нашем случае величины менее 0,05, соответственно, независимые переменные в значительной мере влияют на полученную линейную регрессионную модель.

На следующем этапе производится расчет предсказанного Y, или теоретические (расчетные) значения результативного признака и вычисляется средняя ошибка аппроксимации.

img
(9)

где:

А – оценка погрешности линейной регрессионной модели;

Yi – расчетное значение показателя «задержанные поезда»;

Y – значение показателя «задержанные поезда» посуточно.

Оценка погрешности линейной регрессионной модели получена на уровне 12%, что является допустимой погрешностью. Если величина этой ошибки находится в пределах от 4% до 12%, то модель регрессии считается адекватной действительности.

4. Заключение

В условиях возникновения риска, обусловленного влиянием внешних и внутренних факторов на пропускную способность участков Восточно-Сибирской железной дороги, возникает необходимость быстрого реагирования и принятия определенных решений в сложившейся ситуации

. Основными показателями при выборе мероприятий, ориентированных на снижение количества поездов, отставленных от движения, могут быть параметры, имеющие сильную корреляционную связь, такие как «транзит», «прием (поезда)», «участковая скорость» и др. Оценить степень влияния каждого параметра позволяет корреляционно-регрессионный анализ. Имея ряд недостатков, таких как громоздкость формирования данных (в нашем случае 363 позиции), существенное влияние на результат состава и объема выборки, нельзя не признать и положительные моменты: комплексное исследование зависимости факторов, быстрое получение прогнозируемых значений и проверка адекватности полученной модели. В случае, описанном выше, корреляционно-регрессионный анализ использован в качестве предварительной оценки степени влияния и создания прогнозной модели.

Article metrics

Views:458
Downloads:9
Views
Total:
Views:458