Оптимизация управления автомобильными перевозками в логистической системе крупного города

Аннотация
В статье рассмотрены современные проблемы перевозки грузов в крупных городах, связанные с возникновением такого явления, как транспортный коллапс, характеризуемый значительным снижением на отдельных участках улично-дорожной сети (УДС) скорости движения транспорта, вплоть до полной остановки. Спонтанно возникающий коллапс, как правило, быстро распространяется на соседние участки городских магистралей и способен привести к снижению эффективности планирования затрат на осуществление грузоперевозок. В условиях низкого качества прогнозирования этого явления [Юркин, 2012; Гуда и др., 2010], а также недостаточного качества информирования об условиях реализации грузоперевозок, планируемые транспортные издержки логистических операторов [Герами и др., 2015] на практике оказываются неэффективными и делают перевозимый товар менее конкурентоспособным на рынке потребления. Рассмотрены современные первопричины возникновения транспортных коллапсов и возникающих с ними логистических рисков дополнительных потерь. Предложена научно-методическая база совершенствования логистических систем крупных городов. Показано, что оптимизировать управление транспортными потоками городской логистической системы и повысить эффективность планирования грузоперевозок возможно за счёт создания централизованной системы, позволяющей логистическим операторам использовать адресную информацию об условиях реализации каждой грузоперевозки, получаемой от системы управления общегородским дорожным движением.
Ключевые слова: управление транспортными потоками, логистический оператор, транспортный коллапс, логистические риски, эффективность перевозок, системы навигации, интеллектуальные транспортные системы.
Актуальность проблемы
На протяжении многих десятилетий и в настоящее время ведутся разработки информационных систем, целью которых является достижение максимально эффективного планирования транспортировки грузов в условиях перегруженности УДС крупных городов транспортными потоками. Такое явление, как транспортный коллапс крайне негативно сказывается на эффективности транспортных логистических процессов, т.к. от простоя в коллапсах существенные убытки несут многие организации, заинтересованные в своевременной и точной доставке грузов. В условиях возникновения коллапсов и низкого качества их прогнозирования, планируемые логистические процессы на практике, оказываются настолько неэффективными, что приводят к нарушению графиков перевозок, срыву очередей обслуживания автомобильного транспорта и снижению эффективности его использования, издержкам производителей товаров и посредников. Это, в свою очередь, приводит к таким негативным последствиям, как повышение стоимости перевозки, увеличению страховых расходов, тарифов на перевозку, снижению эффективности складирования, управления запасами, к общему снижению качества и надёжности логистических услуг, что делает любой перевозимый груз менее конкурентоспособным на рынке потребления, т.к. в конечном счёте, все издержки включаются стоимость любого перевозимого товара.
Одной из задач, поставленных в Транспортной стратегии РФ до 2030 года, является снижение уровня транспортных издержек в цене конечной продукции на 30% [Герами и др., 2015]. Из-за транспортных проблем экономика России теряет от 7% до 9% ВВП в год [III Международный конгресс ROAD TRAFFIC RUSSIA, 2012], а транспортные издержки в стоимости производимой продукции составляют в среднем 15-20% [Герами и др., 2015], поэтому значительные средства вкладываются в развитие технологий, методологий и систем [Гасников, 2013; Протокол № 54 от 09.12.16г; Постановление Правительства Москвы (30.08 2017г.) N 597-ПП], способствующих решению вышеуказанных проблем и снижению их негативных последствий. Тем не менее, многочисленные попытки разработки и внедрения технологий [Протокол № 54 от 09.12.16г; Постановление Правительства Москвы (30.08 2017г.) N 597-ПП], как показывает опыт, недостаточно эффективны. Это указывает на необходимость поиска новых идей [Афанасьев, 2018], позволяющих оптимизировать управление транспортными потоками, снижая не только издержки логистических операторов, но и соответствующие риски их возникновения.
В современных условиях, в городских агломерациях и мегаполисах действуют интеллектуальные транспортные системы (ИТС), в функции которых входит управление общегородским дорожным движением, мониторинг транспортных потоков, информационное обеспечение участников дорожного движения, а также расчёт упредительного прогноза состояния транспортных потоков для создания и использования алгоритмов предотвращения коллапсов. Однако, отсутствие единого информационного взаимодействия между транспортной и логистической системой городов, системами навигации, транспортными компаниями, и частными водителями говорит о децентрализованном и хаотичном использовании такого важного ресурса, как пропускная способность УДС. Из-за разницы целей поездок, их динамики и отсутствия согласованных действий между всеми участниками дорожного движения возникают ситуации, когда параметры транспортного потока превышают пропускную способность УДС, что приводит к коллапсам. При этом, в мировой практике ИТС, профильные информационные системы, системы навигации и системы интеллектуальной поддержки логистической деятельности, как правило, не несут ответственность ни за качество публикуемых прогнозов состояния дорожного движения, ни за эффективность алгоритмов устранения возникающих транспортных коллапсов, ни за качество предоставляемых навигационных и информационных услуг своим потребителям. Это говорит о том, что в рамках решения задач своевременной доставки грузов все риски от простоя в коллапсах и возможных издержек логистические и транспортно-экспедиторские компании берут на себя, что приводит к вышеуказанным издержкам и влияет на эффективность выполнения транспортно-логистических процессов в крупных городах.
Транспортный поток, обусловленный перевозкой грузов любой логистической системы является лишь некоторой составной частью общегородских транспортных потоков, который обладает таким отличительным признаком, как предсказуемость (детерминированный поток), т.к. прежде, чем создать действительную нагрузку на пропускную способность УДС он проходит этап планирования. Однако, в условиях отсутствия информационного взаимодействия между логистической системой и городской транспортной системой (ИТС), алгоритмами управления общегородским дорожным движением не учитывается информация о планируемых логистической системой транспортных потоках, что приводит к непредсказуемым издержкам транспортно-логистической деятельности города. В свою очередь, отсутствие в городской транспортной системе механизма учёта информации о транспортно-логистической деятельности города, в рамках разработки алгоритмов предупреждения коллапсов, говорит о сомнительном качестве расчёта прогнозов состояния транспортных потоков в общегородском дорожном движении, на основе которого логистической системой должно осуществляться планирование процесса транспортировки грузов. Стоит отметить, что упреждающая информация о возможных коллапсах, прогнозируемая городской транспортной системой носит общий, неадресный характер, и зачастую, она является избыточной и неактуальной для конкретного водителя, в то время как достижение приемлемых результатов выполнения грузоперевозок требует индивидуальную информационную поддержку для каждой конкретной перевозки, и эта поддержка должна быть точной, адресной, достоверной, а система, выполняющая такую поддержку должна нести определённую ответственность за её достоверность. Ещё один недостаток существующей упреждающей информации о коллапсах и алгоритмов их устранения состоит в том, что её воздействие может не только улучшать, но и ухудшать состояние общегородского транспортного потока потому, что, представив общую информацию об альтернативных маршрутах, водители, воспользовавшись ей, могут своими действиями образовать на них дополнительные заторы, т.к. система не имеет информации от водителей об их итоговых намерениях и действиях.
На мировом рынке информационного обеспечения представлено множество профильных систем навигации и систем интеллектуальной поддержки логистических процессов. Их основные недостатки состоят в том, что каждая из них ориентирована на свою категорию потребителя, функционирует вне зависимости друг от друга, по собственным правилам и алгоритмам. Поэтому такие системы, осуществляя информационную поддержку своих клиентов, во-первых, не учитывают реальные транспортные намерения всех остальных участников дорожного движения, не входящих в список своих пользователей, а во-вторых, не используют пропускную способность УДС в качестве единого централизованного пространства для расчёта будущей навигации, т.к. их функционал никак не связан с алгоритмами управления дорожным движением городских транспортных систем (ИТС), что так же говорит о децентрализованном использовании пропускной способности УДС и приводит к снижению эффективности логистических процессов.
На практике процесс осуществления грузоперевозок выглядит следующим образом:
На стратегическом уровне логистические операторы осуществляют планирование маршрутов в соответствии с заявленными объёмами грузоперевозок
На тактическом уровне осуществляется расчёт затрат на осуществление планируемых перевозок
На диспетчерском уровне осуществляется контроль выполнения запланированных объёмов перевозок
При этом, проблема больших отклонений планируемых затрат на перевозки от фактических (см. табл. 2) заключается в том, что на нижнем уровне выполнения перевозок водители не в состоянии выполнять команды диспетчеров, обеспечивая своевременную доставку грузов по той причине, что планирование конкретного маршрута происходит в отрыве от сложившихся условий дорожного движения. Это происходит потому, что водители, получая директивы своего оператора, выезжают на УДС, где автоматически попадают под действия алгоритмов общегородским дорожным движением, разработчикам которых ничего неизвестно о планируемых объёмах логистической системы.
Вышесказанное говорит о необходимости в разработки научно-методической базы для создания информационного взаимодействия между логистической и транспортной системами города. В рамках реализации такого взаимодействия предполагается создание централизованной системы, обеспечивающей информационную взаимосвязь между всеми участниками дорожного движения, способную аккумулировать планы транспортировок, выполнять адресную информационную поддержку каждой транспортировки и оптимально использовать городскую транспортную инфраструктуру в качестве единого пространства для планирования транспортных логистических процессов. Такие решения позволят одновременно повысить эффективность использования пропускной способности УДС и оптимизировать управление транспортными потоками городской логистической системы.
Оценка эффективности существующих систем навигации
В современных условиях логистические операторы крупных городов сталкиваются с проблемой выбора системы интеллектуальной поддержки, позволяющей наиболее эффективно осуществлять планируемые грузоперевозки. Некоторые операторы разрабатывают собственные системы, однако, в любом случае, всегда стоит вопрос о необходимости в разработке метода, позволяющего не только оценивать эффективность существующих систем навигации, но и проводить их сравнение между собой.
Оценка полезности таких систем требует определения критериев эффективности их функционирования. Эффективность любой системы навигации или управления общегородскими транспортными потоками существенно зависит от точности и достоверности прогноза состояния общегородского транспортного потока, т.к. на его основе все современные системы рассчитывают алгоритмы управления дорожным движением или осуществляют построение оптимальных маршрутов для своих пользователей. Поэтому, логистическим операторам при расчёте и составлении расписаний транспортировки грузов, также необходимо проводить оценку систем, рассчитывающих прогноз состояния общегородских транспортных потоков на УДС.
В рамках такой системы выбор управляющих воздействий на транспортный поток (объект управления) должен осуществляться с учетом прогнозируемых ею характеристик дорожного трафика.
Прогноз характеристики X(t) общегородского транспортного потока, используемой системой при расчёте оптимального маршрута, помимо среднего значения X(t0) на любой момент времени t0 в ближайшем будущем, должен включать алгоритмическое или функциональное средство интервального оценивания ожидаемых значений X(t).
То есть, должна быть обеспечена возможность, для любого указываемого пользователем значения доверительной вероятности p, нахождения доверительного интервала (α,β), накрывающего истинное значение X(t0) с заданной вероятностью p:
Pα<Xt0<β=p.
Как правило, границы доверительного интервала указывают в виде:
α=X(t0) - kpσ*X(t0)β= X(t0) - Kpσ*X(t0)
где
σ*X(t0)- оценка среднеквадратического отклонения X(t0),
kp, Kp - коэффициенты разброса значений X(t0), вычисляемые в соответствии с законом распределения значений характеристики транспортного потока.
Учитывая, что при любом t переменная X(t) имеет непрерывный характер изменения, то для задания ее закона распределения вероятностей используется плотность f(X).
Тогда в качестве критерия эффективности прогноза можно использовать выражение
(1)
где
X - наблюдаемое фактическое значение характеристики,
X - ее прогноз.
Все значения критерия (1) принадлежат отрезку [0;1]. Чем выше значение Kp(X), тем точнее прогноз.
Оценку эффективности средств прогнозирования системы управления транспортными потоками целесообразно проводить по агрегированным данным, вычисляя среднее значение критерия по совокупности n наблюдений значений характеристики X:
Kp=1ni=1nKp(Xi)(2)
Таким образом, оценку качества прогнозирования значений X(t) в рамках системы можно осуществлять по следующей схеме:
Выделить период оценки качества прогнозирования характеристики X(t).
Периодически осуществлять (и фиксировать) прогноз значений на выделенный период.
В течение этого периода фиксировать действительные значения X(t).
Используя (1), рассчитать значения критерия Kp для каждого наблюдения X(t).
Используя (2), вычислить значение Kp.
При сравнении систем перечисленные действия проводятся для каждой из них и преимущество отдается той системе, у которой значение Kp больше.
Строгое сравнение качества прогнозирования двух систем I и II осуществляется с проверкой статистической гипотезы H0:MKpI= MKpII равенства математических ожиданий значений критерия Kp при условии задания порога значимости результата.
Если систем несколько, то они упорядочиваются по убыванию Kp и для соседних систем проверяется гипотеза H0. Отвержение гипотезы H0 соответствует наличию статистически доказанной разницы в прогнозах сравниваемых систем. Принятие гипотезы означает, что ощутимой разницы – нет.
Таким образом, можно оценивать качество прогнозирования и проводить сравнение любых систем интеллектуальной поддержки осуществления грузоперевозок (см. табл. 1).
Таблица 1. Оценка качества и сравнение систем
№ ппПараметры УДС Система интеллектуальной поддержки (навигации) Значение
1 Город 1 Система 1x1∈[0;1]
- - - - - -
Система Nxn∈[0;1]
2 Город 2 Система 1'x1'∈[0;1]
- - - - - -
Система N'xn'∈[0;1]
Необходимо отметить, что, насколько бы совершенны не были существующие системы навигации, эффективность их использования всегда будет ставиться под сомнение в силу их разнородности, децентрализованного использования ими пропускной способности УДС и отсутствия информационной взаимосвязи с системой управления общегородским дорожным движением, в частности, с алгоритмами светофорного управления.
Использование централизованной системы
В настоящее время в мировой практике отсутствует опыт применения централизованной системы управления общегородскими транспортными потоками индивидуальным информированием о реализации автомобильных перевозок, поэтому в данной работе будет рассматриваться модель такой системы.
В основе решения вышеуказанных проблем лежит рассмотрение транспортного потока, как случайного потока транспортных единиц, каждая из которых обладает действительными намерениями водителей и логистических организаций, известными системе ещё до момента начала осуществления перевозки. Основным отличием использования централизованной системы от существующих заключается в том, что расчёт прогнозов состояния транспортных потоков на УДС будет рассчитываться на основе вероятности выполнения водителями утверждённых инструкций системы.
Рассматриваемая система [Афанасьев, 2018] является динамической системой регулирования квазиуправляемым процессом со слабой обратной связью и обладает тремя основными свойствами, которые её характеризуют:
Идентифицируемостью. Система вырабатывает определённые результаты в пределах:
- неограниченного количества получения системой сообщений (информации) от водителей о своих действительных транспортных намерениях в виде заявок на поездку.
- неограниченного времени поступления сообщений (информации) от водителей о своих действительных транспортных потребностях в виде заявок на поездку.
- ограниченной по времени обработки поступающей информации о сообщаемых транспортных потребностях.
- ограниченной по времени передачи информации водителям об условиях удовлетворения их транспортных потребностей в виде инструкции выполнения заявки.
Модель процесса заключается в отправке водителями информации о своей транспортной потребности в виде заявки, её обработки системой, и передачи водителям инструкций об условиях её реализации.
Наблюдаемостью. Хранение заявок водителей и инструкций об условиях их удовлетворения. Пошаговая хронология выполнения каждым водителем согласованных инструкций системы. Выявление факторов, при которых результат выполнения водителями инструкций привёл к отклонениям от прогнозируемых системой данных о трафике.
Управляемостью. Воздействие на поведение водителя путём согласования с ним инструкций реализации заявок на поездку. Использование системой информационного ресурса поддержки водителей в режиме реального времени до, во время поездки, условиях парковки, а также передача водителям стимулирующей информации для мотивации соблюдения ими правил дорожного движения и выполнения индивидуальных предписаний системы. Ресурсом управления будет являться уникальная база знаний информационной поддержки водителей, разработанная под конкретную улично-дорожную сеть, в том числе работа Call-центра поддержки водителей.
На основе системы [Афанасьев, 2018] возможно разработать централизованную систему, способную обеспечить информационную взаимосвязь между транспортной и логистической системами крупного города. На рисунке №1 приведена укрупнённая блок-схема алгоритма взаимодействия между транспортной и логистической системами города.
начало
Логистическая система
1
Устраивают инструкции, издержки? 
6
Планируемые грузоперевозки
нет 
2
Транспортная система организации и управления общегородским дорожным движением (ИТС) 
да 
3
Контроль выполнения инструкций. Мониторинг издержек.
7
Формирование транспортного потока
Генерация инструкций, оптимизирующих планируемые грузоперевозки. Калькуляция издержек.
конец
5
Рис. 1 Алгоритм взаимодействия логистической и транспортной системой организации и управления общегородским дорожным движением
Описание алгоритма:
Логистическая система - абонент или оператор, успешно прошедший процедуру регистрации, при которой он указывает:
Наименование компании
Реквизиты компании
Тип и марка транспортного средства
Количество транспортных средств
Прочие данные
Абонент направляет системе заявки на планируемые грузоперевозки, содержащие следующую информацию:
Данные транспортных средств
Координаты выезда и назначения
Время
Маршрут
Стоимость
Приоритеты поездки
Данные о водителе
Прочие данные
Система принимает и обрабатывает заявки на планируемые грузоперевозки всех своих абонентов. Причём, заявки на поездки принимаются не только от логистических операторов, но ото всех водителей и абонентов, использующих пропускную способность УДС в целях планирования личных поездок.
Системой формируется образ транспортного потока так, если бы все заявки абонентов осуществлялись, исходя из суммарных намерений всех абонентов, так, как есть.
Системой генерируется набор уникальных инструкций для каждого абонента в индивидуальном порядке по каждой планируемой перевозке, исходя из знаний системы о пропускной способности УДС и не допущения вероятности возникновения транспортного коллапса, т.е. не превышения транспортных намерений всех абонентов над пропускной способностью УДС и загрузки парковочного пространства. При этом, системой осуществляется калькуляция прогноза затрат абонента на осуществление каждой поездки:
Расход топлива
Расход ГСМ
Время поездки
Время парковочной сессии
Нормо-часы пробега
Прочие данные
Условный блок. В случае, если абонента устраивает хотя бы одна из множества предложенных системой инструкций, то его заявка считается в системе зарегистрированной в качестве единицы транспортной нагрузки на УДС. В случае, если абонент отклоняет инструкции, то заявка абонента автоматически отправляется системой в блок корректировки исходных данных (п.2). Взаимодействие с абонентом продолжается до тех пор, пока заявки регистрируются, либо абонент отказывается от взаимодействия с системой. При этом, одной зарегистрированной заявке может соответствовать только одна инструкция.
Системой осуществляется контроль выполнения водителем инструкции системы, которые утвердил абонент, во время которого фиксируются и рассчитываются возможные отклонения, которые может допускать водитель во время осуществления грузоперевозки.
В результате моделирования алгоритма возможно показать поведение показателей критериев оптимизации при различных режимах и сценариях управления транспортными потоками (см. табл. 2).Таблица 2. Оценка отклонений
Затраты на транспортировку
Планируемые, рассчитанные на основе согласованных инструкций системы Фактические, рассчитанные по факту выполнения инструкций системы Отклонения
В рамках фиксации отклонений (п.7) системой будут анализироваться причины таких отклонений (см. табл. 3).
Таблица 3. Показатели причин отклонений
Причины отклонений
Виновники ДТП % Нарушители ПДД % Абоненты и водители, не использующие систему % Отклонения от выполнения согласованных инструкций, % Прочие %
Например:
Несвоевремен-ный выезд
Несоблюдение скоростного режима
Отклонение от маршрута Необходимо отметить, что и централизованную систему [Афанасьев, 2018] также необходимо проверять на предмет достоверности прогнозируемых ею данных (см. гл. 3). Необходимость данной проверки связана с тем, что на УДС невозможно гарантировать отсутствие возможности возникновения транспортных коллапсов по следующим причинам:
Человеческий фактор. Водитель не ограничен в своих действиях при функционировании любой системы
Технический фактор. Вероятность отказов агрегатов автомобиля
На УДС любого мегаполиса всегда будут возникать стохастические возмущения, приводящие к транспортным коллапсам. Однако, отличительное преимущество использования централизованной системы состоит в том, что каждый участник транспортного процесса будет иметь достоверную информацию о первопричинах и обстоятельствах возникновения заторов и коллапсов в режиме реального времени, и эта информация позволит в дальнейшем принимать меры для их устранения без ущерба для участников дорожного движения.
Практическая значимость знания о возникающих отклонений состоит в возможности проведения их анализа и дальнейшей инициации процессов, в результате которых возможно будет принимать меры по их упреждению.
В рамках создания модели взаимодействия логистической и транспортной системы города возможно использовать следующую схему:
На стратегическом уровне будут определены правила взаимодействия между логистической и транспортной системой города.
На тактическом уровне в рамках планирования, на основе правил (п.1) будет осуществляться процесс согласования будущих поездок.
На диспетчерском уровне будет осуществляться совместный контроль выполнения согласованных поездок.
Резюме
Применение централизованной системы воздействия на общегородские транспортные потоки индивидуальным информированием об условиях осуществления будущих поездок позволит значительным образом оптимизировать затраты на перевозки и снизить логистические риски потерь, связанных с простоями в транспортных коллапсах.
ЛИТЕРАТУРА/REFERENCES:
III Международный конгресс ROAD TRAFFIC RUSSIA. (2012), «Противостоять коллапсу», по адресу: http://transportrussia.ru/item/1505-protivostoyat-kollapsu.html (Дата обращения: 17.10.2018) III International Congress ROAD TRAFFIC RUSSIA. (2012) «Combating the collapse», available at: http://transportrussia.ru/item/1505-protivostoyat-kollapsu.html (Accessed 17 October 2018).
Афанасьев, Ю.С., (2018), Динамическая система формирования транспортных потоков, RU, Pat. № RU 2648561 C2, по адресу: http://www1.fips.ru/wps/PA_FipsPub/res/Doc/IZPM/RUNWC1/000/000/002/648/561/%D0%98%D0%97-02648561-00001/DOCUMENT.PDF (Дата обращения: 19.10.2018) Afanasiev, Yu.S. (2018) «Dynamic system for organizing traffic flows» Pat. № RU 2648561 C2, available at: http://www1.fips.ru/wps/PA_FipsPub/res/Doc/IZPM/RUNWC1/000/000/002/648/561/%D0%98%D0%97-02648561-00001/DOCUMENT.PDF (Accessed 19 October 2018).
Гасников, А. В. (2013) «Введение в математическое моделирование транспортных потоков: Учебное пособие». Издание 2-е, исправленное и дополненное под редакцией А. В. Гасникова. — М.: МЦНМО, с. ISBN 978-5-4439-0040-7, по адресу: http://www.mou.mipt.ru/gasnikov1129.pdf (Дата обращения: 20.10.2018) Gasnikov, A.V. (2013) «Introduction to mathematical modelling of the traffic environment: A study guide», 2nd edition, revised and enlarged. Edited by A.V. Gasnikov. Moscow, Moscow Center for Continuous Mathematical Education, с. ISBN 978-5-4439-0040-7, available at: http://www.mou.mipt.ru/gasnikov1129.pdf (Accessed 20 October 2018).
Герами, В.Д., Колик, А.В. (2015) «Управление транспортными системами. Транспортное обеспечение логистики. Учебник и практикум для академического бакалавриата», по адресу: https://biblio-online.ru/book/1A6368E2-DEA6-41F0-A982-45237F1DA391 (Дата обращения: 16.10.2018) Gerami, V.D., Kolik, A.V. (2015) «Transport systems management. Logistics trasnport support. Textbook and practice for academic bachelor degree course», available at: https://biblio-online.ru/book/1A6368E2-DEA6-41F0-A982-45237F1DA391 (Accessed 16 October 2018).
Гуда, С., Рябов, Д. (2010) «Прогнозирование пробок на улицах по известным данным о скорости автомобилей». Издательство «Интернет-математика», по адресу: http://elar.urfu.ru/bitstream/10995/3059/2/russir-2010-05.pdf (Дата обращения: 14.10.2018) Guda, S., Ryabov, D. (2010) «Traffic jams forecasting using car speed data». «Internet Mathematics», available at: http://elar.urfu.ru/bitstream/10995/3059/2/russir-2010-05.pdf (Accessed 14 October 2018).
Научно-технический совет Министерства транспорта РФ (Протокол № 54 от 09.12.16г.) «Организация динамической маршрутизации транспортных потоков. Методическое руководство». Scientific and Technical Council of the Ministry of Transport of the Russian Federation. (Minutes No 54 of 09.12.16) «Traffic environment dynamic routing organization. Methodological guide».
Постановление Правительства Москвы (30.08 2017г.) N 597-ПП «Об интеллектуальной транспортной системе города Москвы», по адресу: http://docs.cntd.ru/document/456089322 (Дата обращения: 17.10.2018) Decree of the Government of Moscow (30.08 2017г.) No 597-PP «On the Smart Transport system of Moscow City», available at: http://docs.cntd.ru/document/456089322 (Accessed 17 October 2018).
Юркин, Д. (2012) «Как устроен краткосрочный прогноз на Яндекс. Пробках», по адресу: https://habrahabr.ru/company/yandex/blog/153631 (Дата обращения: 17.10.2018) Yurkin, D. (2012) «The structure of the short-term weather forecast at Yandex.Traffic», available at: https://habrahabr.ru/company/yandex/blog/153631 (Accessed 17 October 2018).