Abstract
<jats:p>При дослідженні транспортних потоків спостерігаються коливання вантажопотоків, які найчастіше зумовлені сезонністю перевезень. При аналізі таких коливань для наочності застосовують графіки та діаграми, що характеризують зміни обсягів перевезень протягом певного періоду. Таким змінам притаманна календарна циклічність. Сезонні варіації змін обсягів перевезень характеризуються відносно стабільною формою, яка має річну циклічність. Такі зміни можуть бути наслідками впливу природних умов або повторенням календарно залежних подій в різних країнах. Але на коливання інтенсивності вантажопотоків впливають не тільки сезонність, а й різні зовнішні чинники як то квотування, падіння попиту, торговельні й політичні конфлікти тощо. В роботі розглядаються методи дослідження сезонних коливань інтенсивності вантажопотоків на прикладі відвантаження експортного металопрокату. Державні структури, які постійно аналізують сезонні коливання, використовують програмні продукти ЄС з урахуванням різних коригуючих коефіцієнтів. Для більш точних показників коливання вантажопотоків виконують аналіз середньодобових показників, але вони не завжди дозволяють масштабно сприйняти матеріал досліджень. Запропоновано для дослідження інтенсивності коливань вантажопотоків використовувати коефіцієнт, який враховує фактичні дані з виконаних перевезень, кількість календарних днів і за рік і за місяць. Для обробки даних застосовано метод календарного дефлятування, який дозволяє наочно побачити коливання середньодобових обсягів відвантаження експортної металопродукції протягом року. Для досліджень транспортних потоків пропонується двоетапна модель календарної дефляції та поліноміальної апроксимації, яку можна використовувати для планування оперативної роботи, визначення потрібної кількості вагонів для організації перевезень та коригування планів регламентних робіт із рухомим складом. При математичному дефлятуванні часових рядів можливо трансформувати аналітичні дані у предиктивну модель логістики, що дозволить підвищити точність планування на 9% та запобігти дефіциту потужностей у пікові періоди. Запропонована на основі полінома 5-го ступеня модель не статична, а є базовим профілем, який легко адаптувати до прогнозних річних обсягів через коефіцієнти масштабування. У виробничій діяльності це дозволить диспетчерським службам оперативно розраховувати добову потребу в рухомому складі, зберігаючи виявлену структуру сезонного попиту. </jats:p>