Глобальные пассажирские потоки, охватывающие миллиарды перемещений ежегодно, играют важную роль в мировой экономике. Объём пассажирских перевозок в 2024 году превысил 9,5 млрд. человек. Повышение мобильности населения за счет роста доступности качественных транспортных услуг является важнейшим приоритетом государственной транспортной политики. Однако события последних лет выявили нестабильность классических методов управления глобальными пассажиропотоками. Пандемия привела к снижению потоков на 66% в 2020 году, указав на необходимость поиска адаптационных методов прогнозирования. Цифровые инструменты, помогающие оперативно оценивать пассажирские потоки, дают возможность значительно повысить эффективность глобальных пассажироперевозок. Автор рассматривает проблемы прогнозирования и устойчивости в управлении пассажирскими потоками. Адаптивное прогнозирование подразумевает модели, корректируемые по актуальным данным с использованием искусственного интеллекта и больших массивов информации. Современные подходы в управлении глобальными пассажиропотоками с машинным обучением, повышают точность прогнозов на 15-20%. Устойчивость в управлении пассажиропотоками включает сопротивление шокам и скорость восстановления. Предлагаемая автором модель адаптивного прогнозирования в управлении глобальными пассажиропотоками объединяет LSTM и сценарии. Адаптивное прогнозирование и устойчивость – ключевые тренды для стабильного развития глобальных пассажиропотоков. Цель исследования – проанализировать тренды, разработать новую модель прогнозирования и оценить её вклад в устойчивость в управлении глобальными пассажиропотоками.
адаптивное прогнозирование, устойчивость, пассажиропотоки, машинное обучение, сценарийное моделирование
1. Отчет о мировом рынке пассажирских перевозок за 2024 год. URL: https://ru.tripinfo.com/itm/articles/2024-global-source-passenger-market-report. (дата обращения: 19.12.2025 г.).
2. Агафонов А.А., Ефименко Е.Ю. Прогнозирование движения подключенных транспортных средств в сценарии с адаптивным управлением сигналами светофоров // IX Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии», 2023. – URL: https://repo.ssau.ru/bitstream/Informacionnye-tehnologii-i-nanotehnologii/Prognozirovanie-dvizheniya-podkluchennyh-transportnyh-sredstv-v-scenarii-s-adaptivnym-upravleniem-signalami-svetoforov-105981/1/978-5-7883-1919-3_2023-030422.pdf. (дата обращения: 19.12.2025 г.).
3. Распоряжение Правительства РФ от 27.11.2021 N 3363-р (ред. от 06.11.2024) «О Транспортной стратегии Российской Федерации до 2030 года с прогнозом на период до 2035 года». URL: https://www.consultant.ru/document/cons_doc_LAW_402052/. (дата обращения: 19.12.2025 г.).
4. Милосердов Д.И. Усовершенствованная система нейросетевого прогнозирования групп временных рядов с непрерывным обучением // Информационно-управляющие системы, 2024. – № 1 (128).
5. Федосеев М.В. Анализ современных подходов к использованию системной аналитики больших данных в прогнозировании стоимости авиабилетов // Вестник науки, 2025. – №4 (85).
6. Holling C.S. Resilience and Stability of Ecological Systems // Annual Review of Ecology and Systematics, 1973. – № 4. – P. 1-23.
7. Economic Performance of the Airline Industry, 2022. URL: https://www.iata.org/en/iata-repository/publications/economic-reports/airline-industry-economic-performance---october-2021---report/ (дата обращения: 20.12.2025).
8. Climate Change 2023: Synthesis Report, 2023. URL: https://www.ipcc.ch/report/ar4/wg1/climate-models-and-their-evaluation/ (дата обращения: 20.12.2025).
9. Воробьев А.В., Кашеварова Г.Г. Адаптивные модели краткосрочного прогноза оседания земной поверхности и определение наиболее неблагоприятного положения здания в мульде сдвижения // Инженерно-строительный журнал, 2013. – № 9. – С. 10-87.
10. Современные системы и технологии на транспорте: проблемы и перспективы: материалы Международной молодежной научно-практической конференции, посвященной 95-летию ВГЛТУ им. Г.Ф. Морозова, Воронеж, 24-25 апреля 2025 года / отв. ред. Д.А. Жайворонок; М-во науки и высшего образования РФ, ФГБОУ ВО «ВГЛТУ». – Воронеж, 2025. – 296 с.
11. Кадырова Г.М., Красюкова Н.Л., Рождественская И.А., Токмурзин Т.М., Воронова Е.И. Адаптивная оптимизация транспортных потоков внутри подземных выработок на базе методов искусственного интеллекта // Горная промышленность, 2025. – № 1. – С. 137-146.
12. Антохонова И.В. Методы социально-экономического прогнозирования: учебник для вузов / И.В. Антохонова. – 2-е изд., испр. и доп. – Москва: Издательство Юрайт, 2025. – 174 с.
13. Игнашева Т.А. Методы прогнозирования социально-экономических процессов: учебное пособие / Т.А. Игнашева. – Йошкар-Ола: ПГТУ, 2018. – 104 с.
