Forecasting Transport Service Demand under Dynamic Conditions: A Scenario-Based Approach

Abstract

 В теорії транспортних систем прогнозування попиту на транспортні послуги є важливим завданням, для якого існують класичні методи: гравітаційні та регресійні моделі, моделі дискретного вибору та часові ряди. Вони дозволяють оцінювати пасажиропотоки та аналізувати вплив соціально-економічних чинників. Проте динамічний розвиток ринку та кризові ситуації вимагають застосування більш адаптивних підходів, таких як сценарне моделювання із використанням алгоритмів машинного навчання та інтелектуальної аналітики. Метою роботи є  апробація сценарного підходу до прогнозування попиту на транспортні послуги в умовах динамічних змін зовнішнього середовища. У роботі запропоновано алгоритм моделювання, проведено числові розрахунки та аналіз ключових показників транспортного попиту (середня мобільність, середній час поїздки, втрати пересувань, модальний розподіл). Результати показали високу чутливість попиту до кризових обставин різної природи та дозволили визначити практичні рекомендації щодо оптимізації маршрутної мережі, підвищення стійкості та адаптивності транспортної системи.

In transport systems theory, forecasting the demand for transport services is an essential task addressed by classical methods such as gravity and regression models, discrete choice models, and time series analysis. These approaches enable the estimation of passenger flows and the assessment of socio-economic factors. However, the dynamic development of the market and crisis situations necessitate more adaptive approaches, such as scenario modeling supported by machine learning algorithms and intelligent analytics.

The aim of this study is to test a scenario-based approach to forecasting transport service demand under dynamic external conditions. The paper proposes a modeling algorithm, conducts numerical calculations, and analyzes key transport demand indicators (average mobility, average travel time, travel losses, modal split). The results demonstrate high sensitivity of demand to crises of various origins and provide practical recommendations for optimizing the route network, enhancing the resilience, and improving the adaptability of the transport system.