Статистический анализ правонарушений на транспорте

Метод экспоненциального сглаживанияРассчитаем прогнозные значения количества грузовых автомобилей на 2021-2023 г.г. методом экспоненциального сглаживания. Таблица 7 – Динамика количества грузовых автомобилей за 2012-2020 г.г.ГодГрузовые автомобили всего, штук201211514201312239201412288201512515201611021201710560201811467201911185202011992Рисунок 8 – Экспоненциальная модель трендаУравнение для расчета прогнозных значений будет иметь вид: y = 12035e-0,007xПрогнозное количество автомобилей на 2021 год: y = 12035e-0,007*10= 11192,55 штукПрогнозное количество автомобилей на 2022 год: y = 12035e-0,007*11= 11914,65 штукПрогнозное количество автомобилей на 2023 год: y = 12035e-0,007*12= 11072,2 штукМетод наименьших квадратовСистема уравнений МНК:an + b∑t = ∑ya∑t + b∑t2 = ∑y*tТаблица 8 – Вспомогательные расчетыГодyt2y2t y2012115141132572196115142013122394149793121244782014122889150994944368642015125151615662522550060201611021251214624415510520171056036111513600633602018114674913149208980269201911185641251042258948020201199281143808064107928Итого 1047812851223365905519058Ср.знач.11642.33331.66713592954557673.111Для наших данных система уравнений имеет вид:9a + 45b = 10478145a + 285b = 519058Из первого уравнения выражаем a и подставим во второе уравнениеПолучаем a = 12046.25, b = -80.783Уравнение тренда:y = -80.783 t + 12046.25Эмпирические коэффициенты тренда a и b являются лишь оценками теоретических коэффициентов βi, а само уравнение отражает лишь общую тенденцию в поведении рассматриваемых переменных.Коэффициент тренда b = -80.783 показывает среднее изменение результативного показателя (в единицах измерения у) с изменением периода времени t на единицу его измерения. В данном примере с увеличением t на 1 единицу, y изменится в среднем на -80.783.Для оценки качества параметров уравнения построим расчетную таблицу 9.Таблица 9 – Вспомогательные расчетыtyy(t)(yi-ycp)2(yi-y(t))2(t-tp)220121151411965.46716469.444203822.1511620131223911884.683356011.111125540.3920141228811803.9416885.444234352.81420151251511723.117761547.111627079.214120161102111642.333386055.111386055.111020171056011561.551171445.4441003102.403120181146711480.76730741.778189.521420191118511399.983209153.77846217.834920201199211319.2122266.778452659.8416Итого 10478134705763079019.18360Анализ точности определения оценок параметров уравнения тренда.Дисперсия ошибки уравнения.где m = 1 - количество влияющих факторов в модели тренда.Стандартная ошибка уравнения.По таблице Стьюдента находим TтаблTтабл (n-m-1;α/2) = (7;0.025) = 2.841Рассчитаем границы интервала, в котором будет сосредоточено 95% возможных значений Y при неограниченно большом числе наблюдений и t = 0(a + btp ± ε)Гдеy(0) = -80.783*0 + 12046.25 = 12046.25(12046.25 - 628.069 ; 12046.25 - 628.069)(11418.181;12674.319)Интервальный прогноз.Определим среднеквадратическую ошибку прогнозируемого показателя.Uy = yn+L ± KГдеL - период упреждения; уn+L - точечный прогноз по модели на (n + L)-й момент времени; n - количество наблюдений во временном ряду; Sy - стандартная ошибка прогнозируемого показателя; Tтабл - табличное значение критерия Стьюдента для уровня значимости α и для числа степеней свободы, равного n-2.По таблице Стьюдента находим TтаблTтабл (n-m-1;α/2) = (;) = 2.841Точечный прогноз, t = 10: y(10) = -80.783*10 + 12046.25 = 11238.4211238.42 - 2328.94 = 8909.48 ; 11238.42 + 2328.94 = 13567.36Интервальный прогноз:t = 10: (8909.48;13567.36)Точечный прогноз, t = 11: y(11) = -80.783*11 + 12046.25 = 11157.6311157.63 - 2464.72 = 8692.91 ; 11157.63 + 2464.72 = 13622.35Интервальный прогноз:t = 11: (8692.91;13622.35)Точечный прогноз, t = 12: y(12) = -80.783*12 + 12046.25 = 11076.8511076.85 - 2616.12 = 8460.73 ; 11076.85 + 2616.12 = 13692.97Интервальный прогноз:t = 12: (8460.73;13692.97)Изучена временная зависимость Y от времени t. На этапе спецификации был выбран линейный тренд. Оценены его параметры методом наименьших квадратов. Возможна экономическая интерпретация параметров модели - с каждым периодом времени t значение Y в среднем уменьшается на 80.783 ед.изм.3.4.Метод прогнозирования с учетом сезонного фактораТаблица 10 – Динамика количества грузовых автомобилей за 2012-2020 г.г.ГодГрузовые автомобили всего, штук201211514201312239201412288201512515201611021201710560201811467201911185202011992Рисунок 9 – Линейная модель трендаРисунок 10 – Логарифмическая модель трендаРисунок 11 – Полиномиальная модель трендаРисунок 12 –Степенная модель трендаРассчитаем прогнозные значения по полиномиальной модели тренда:y = 20,997x2 - 290,75x + 12431Прогнозное количество автомобилей на 2021 год: y = 20,997*102 - 290,75*10 + 12431 = 11623,1 штукПрогнозное количество автомобилей на 2022 год: y = 20,997*112 - 290,75*11 + 12431 = 11773,39 штукПрогнозное количество автомобилей на 2023 год: y = 20,997*122 - 290,75*12 + 12431 = 11965,57 штук.Подведя итог, можно сделать вывод, что в третьей главе курсовой работы рассчитаны прогнозные значения количества грузового транспорта г. Санкт-Петербург. Рассматривался метод скользящей средней, который показал, что фактические значения исследуемого ряда количества грузовых автомобилей с 2010 по 2020 год отличаются от полученных теоретических на 576,98 штук. В результате прогноза методом экспоненциального сглаживания получено уравнение для расчета прогнозных значений будет иметь вид: y = 12035e-0,007x. Прогнозное количество автомобилей на 2021 год - 11192,55 штук. Прогнозное количество автомобилей на 2022 год - 11914,65 штук. Прогнозное количество автомобилей на 2023 год - 11072,2 штук.Методом МНК был выбран линейный тренд. Оценены его параметры методом наименьших квадратов. Возможна экономическая интерпретация параметров модели - с каждым периодом времени t значение Y в среднем уменьшается на 80.783 ед.изм. Получены прогнозные значение на 2021 год – 11238 штук, на 2022 год – 11157 штук, на 2023 год – 13622 штук.На последнем этапе были определены модели тренда – линейный, полиномиальный, степенной, логарифмический. Наиболее точным из всех является полиномиальный тренд. Получено уравнение для прогноза y = 20,997x2 - 290,75x + 12431. Прогнозное количество автомобилей на 2021 год: y = 20,997*102 - 290,75*10 + 12431 = 11623,1 штук. Прогнозное количество автомобилей на 2022 год: y = 20,997*112 - 290,75*11 + 12431 = 11773,39 штук. Прогнозное количество автомобилей на 2023 год: y = 20,997*122 - 290,75*12 + 12431 = 11965,57 штук.ЗаключениеТранспорт, наряду с другими инфраструктурными отраслями, обеспечивает базовые условия жизнедеятельности общества, являясь важным инструментом достижения социальных, экономических, внешнеполитических и других целей.Общие правила стратегического управления требуют, чтобы после реализации программных мероприятий проводился анализ их эффективности, выявлялись причины и факторы, повлекшие за собой отклонение плановых показателей от фактических, вырабатывались меры по преодолению имеющихся отклонений. В сфере транспорта Санкт-Петербурга это не осуществляется. Существующая программа развития транспортной системы фактически продлевается на следующий период без оценки достигнутых результатов.В транспортной сфере города отсутствуют четко выраженные стратегические приоритеты. Индикаторы программы развития транспортной системы перманентно корректируются. Объем ресурсов, которые город расходует на развитие транспортной инфраструктуры, не отвечает стоящим перед региональной экономикой потребностям, не позволяя обеспечить ее устойчивое функционирование в складывающихся хозяйственных условиях. Отсутствует единая система управления развитием транспортной инфраструктуры. Программные мероприятия распределены по отдельным комитетам, что снижает целевую направленность системы управления транспортным комплексом на решение перспективных задач социальноэкономического развития. В качестве одного из приоритетов программы справедливо декларируется развитие общественного транспорта. На практике достижению данного приоритета препятствуют низкие темпы строительства метрополитена: за 2015–2020 гг. в Санкт-Петербурге открыто почти в 9 раз меньше станций метро, чем в Москве. В целом же, создание единой системы управления транспортным комплексом, определение ответственных, формирование системы целевых индикаторов, остающихся неизменными в течение всего срока реализации программных мер, являются необходимым условием успешного развития Санкт-Петербурга в долгосрочной перспективе.Одной из важнейших функций любого государства является необходимость создания соответствующих современным требованиям общества общих условий функционирования и развития всех его основных сфер жизнедеятельности. Одним из важнейших таких условий является транспортная инфраструктура, на которой базируется все социально-экономическое развитие государства. Существенные изменения геополитической ситуации и позиционирования России в мировом сообществе выдвигают новые требования к инфраструктуре как к элементу системы национальной экономики и безопасности. При этом в условиях глобализации мировой экономики, обусловливающей значительную активизацию межгосударственных хозяйственных связей, роль транспорта неизмеримо возрастает. В Санкт-Петербурге еще не сформирован сегмент комплексной логистики. Поэтому многие зарубежные компании, выходящие на рынок России, отмечают существенное отставание нашей страны (в том числе и Санкт-Петербурга) именно в вопросах предоставления комплексных логистических услуг 3PL-операторов, которые включают транспортировку, складирование, распределение, управление логистическими цепочками, то есть весь спектр дополнительных услуг со значительной добавленной стоимостью. В настоящее время только немногие транспортно-логистические компании Санкт-Петербурга готовы предоставить клиентам весь спектр таких услуг.Санкт-Петербург является четвертым по численности населения городом Европы (после Москвы, Большого Лондона и Большого Парижа). Сотни тысяч людей ежедневно перемещаются в пределах городской агломерации. В этих условиях эффективное функционирование городского хозяйства невозможно без современной транспортной системы, способной обеспечивать решение текущих и перспективных проблем городской экономики. В первой главе курсовой работы рассмотрена краткая характеристика транспорт региона по итогам 2020 года. Объектом курсовой работы является город Санкт-Петербург. Город Санкт-Петербург занимает важное место в экономике и социальном развитии Северо-Западного федерального округа и России в целом. Является вторым по численности городом в России, имеет развитую экономику и инфраструктуру. В рамках первой главы курсовой работы рассмотрены итоги социально-экономического развития региона, проведен анализ динамики таких показателей как численность населения, численность занятых, безработных, среднедушевые доходы населения, пенсии, заработные платы, величина бюджета, внешнеторговый оборот. Рассмотрены перспективы социально-экономического развития региона на 2021 год, рассмотрены три вида прогноза на будущий период – консервативный, базовый и целевой. Проведен анализ состояния транспорта г. Санкт-Петербург в 2020 году.Основным видом транспорта по объему перевозимых пассажиров является метрополитен, который перевозит более 2,2 млн. пассажиров в сутки, что составляет 43% от общего количества перевозимых пассажиров. Петербургский метрополитен  состоит из 5 линий, общей протяженностью 113,4 км, и насчитывает 64 станции, 69 вестибюлей, и 7 пересадочных узлов. Перевозку пассажиров осуществляют  1500 вагонов метро.Петербургский метрополитен занимает по объему перевозимых пассажиров 12-ое место в мире и 4-ое в Европе (после метрополитенов Москвы, Парижа, Лондона).Во второй главе курсовой работы проведен анализ современного состояния автомобильного транспорта региона г. Санкт-Петербург. Проведен анализ состояния транспорта Санкт-Петербурга Динамика количества социальных маршрутов транспорта г. Санкт-Петербург за 2017-2021 г.г., рассмотрена динамика протяженности маршрутной сети городского транспорта за 2017-2021 г.г., динамика перевезенных пассажиров за 2017-2021 г.г., динамика продаж новых грузовых автомобилей, ТОР-10 брендов, 2019-2020 гг., тыс. ед., средневзвешенные цены на новые грузовые автомобили,по стране производства, 2020 г., руб. Проведен анализ состояния автомобильного транспорта и его место в общем транспорте России.В третьей главе курсовой работы рассчитаны прогнозные значения количества грузового транспорта г. Санкт-Петербург. Рассматривался метод скользящей средней, который показал, что фактические значения исследуемого ряда количества грузовых автомобилей с 2010 по 2020 год отличаются от полученных теоретических на 576,98 штук. В результате прогноза методом экспоненциального сглаживания получено уравнение для расчета прогнозных значений будет иметь вид: y = 12035e-0,007x. Прогнозное количество автомобилей на 2021 год - 11192,55 штук. Прогнозное количество автомобилей на 2022 год - 11914,65 штук. Прогнозное количество автомобилей на 2023 год - 11072,2 штук.Методом МНК был выбран линейный тренд. Оценены его параметры методом наименьших квадратов. Возможна экономическая интерпретация параметров модели - с каждым периодом времени t значение Y в среднем уменьшается на 80.783 ед.изм. Получены прогнозные значение на 2021 год – 11238 штук, на 2022 год – 11157 штук, на 2023 год – 13622 штук.На последнем этапе были определены модели тренда – линейный, полиномиальный, степенной, логарифмический. Наиболее точным из всех является полиномиальный тренд. Получено уравнение для прогноза y = 20,997x2 - 290,75x + 12431. Прогнозное количество автомобилей на 2021 год: y = 20,997*102 - 290,75*10 + 12431 = 11623,1 штук. Прогнозное количество автомобилей на 2022 год: y = 20,997*112 - 290,75*11 + 12431 = 11773,39 штук. Прогнозное количество автомобилей на 2023 год: y = 20,997*122 - 290,75*12 + 12431 = 11965,57 штук.Список использованной литературы1. Алексеева, И. М. Статистика автомобильного транспорта / И.М. Алексеева, О.И. Ганченко, Е.В. Петрова. - М.: Экзамен, 2016. - 352 c.2. Голубчик А.М., Фролов А.О. Транспорт в эпоху короновируса: попытка анализа текущего момента. Вестник транспорта. 2020. С.(6):12–14.3. Голубчик, А. М. Транспортно-экспедиторский бизнес. Создание, становление, управление / А.М. Голубчик. - М.: ТрансЛит, 2018. - 328 c.4. Дедюхина Н.В. Стратегический анализ развития транспортной инфраструктуры городской агломерации Санкт-Петербурга как инструмент решения социально-экономических задач. Учет. Анализ. Аудит. 2020.5. Демихов, В. Ю. Управление сбытовой деятельностью в корпоративных системах транспортного комплекса / В.Ю. Демихов. - М.: ВИНИТИ РАН, 2017. - 180 c.6. Дорожкин А.К. Общественный транспорт города Москвы. Вестник транспорта. 2017;(4):36–39.7. Капустина Н.В., Ступникова Е.А., Оленина О.А., Герасимов М.М. Классификация факторов риска инвестиционных проектов развития транспортной инфраструктуры. Государственное и муниципальное управление. Ученые записки. 2020.8. Клинов В.Г., Ревенко Л.С., Ружинская Т.И. Мировые товарные рынки и цены. – М.: МГИМО-Университет, 2018. – С. 627–631. 9. Клинов В.Г., Сидоров А.А. Экономическая конъюнктура. – М.: Экономика, 2019. – С. 320–323. 10. Коновалова Т.В. и др. Анализ работы транспортных систем. Краснодар: Изд. КубГТУ; 2019. 271 с11. Левиков, Г. А. Управление транспортно-логистическим бизнесом / Г.А. Левиков. - М.: ТрансЛит, 2018. - 224 c.12. Логистика. Общественный пассажирский транспорт / Л.Б. Миротин и др. - М.: Экзамен, 2017. - 224 c.13. Международные резервы Российской Федерации // Центральный банк России. URL: http://cbr. ru/statistics/print. aspx?file=credit_ statistics/inter_res_09.htm&pid=svs&sid=mra. 14. Подхалюзина В.А. Транспорт Санкт-Петербурга в современных условиях Грузовик. 2018;(3):27–32.15. Поляков В.В. Мировой рынок: вопросы прогнозирования. – М.: КНОРУС, 2016. – С. 240–246. 16. Савин, В. И. Перевозки грузов автомобильным транспортом: моногр. / В.И. Савин. - М.: Дело и сервис, 2017. - 544 c.17. Симонов, А.К. Общий курс транспорта / А.К. Симонов. - Москва: Машиностроение, 2018. - 148 c.18. Сычева, Т. В. Транспорт организации. Бухгалтерский и налоговый учет / Т.В. Сычева. - М.: Дашков и Ко, 2018. - 160 c.19. Управление грузовыми потоками в транспортно-логических системах. - М.: Горячая линия - Телеком, 2018. - 704 c.20. Центр международной торговли (http://www.intracen.org/)21. Цыгичко Л.И. Теория и практика экономической конъюнктуры. – М.: МГИМО, 2017. – С. 146.22. Управление Федеральной службы государственной статистики по г. Санкт-Петербургу и Ленинградской области, электронный ресурс, режим доступа: https://petrostat.gks.ru/