Анализ обеспечения безопасности и надежности функционирования Московского метрополитена

Введение. Повысилась роль Московского метрополитена как ведущего флагмана всей транспортной инфраструктуры столицы. Для эффективного функционирования метрополитена важно соблюдение технических и нормативных показателей, которые определяют интенсивность движения поездов и влияют на безопасность всей инфраструктуры. Цель. Проанализировать и оценить показатели безопасности и надежности объектов Московского метрополитена для повышения эффективности его функционирования. Материалы и методы. Статистические методы моделирования, методы теории массового обслуживания, теории надежности, системного анализа и структурно-функциональный подход. Результаты. Рассчитаны количественные характеристики пассажиропотока метрополитена, а также определены особенности возникновения сбоев. Показано, что вследствие увеличения роста пассажиропотока в час пик большинство станций работают на пределе своих возможностей. Предложен интегральный коэффициент пропускной способности метрополитена. Заключение. Активная модернизация Московского метрополитена и введение инноваций способствуют повышению надежности и комфорта перевозки пассажиров. С целью повышения эффективности функционирования системы метрополитена необходимо 100 % оснащение всех линий инновационными поездами, а также важно приступить к реконструкции «проблемных» дистанций и внедрить ряд предупредительных мероприятий. Инновационная модернизация метрополитена также позволит повысить инвестиционную привлекательность отдельных районов Москвы.

1. Sobral T., Dias T., Borges J. Visualization of Urban Mobility Data from Intelligent Transportation Systems. Sensors. 2019;19(2):332. https://doi.org/10.3390/s19020332

2. Ahmadov H., Manafov E., Guliyev H., Huseynov F. A Fuzzy logic-based multi-sensor diagnostic system for traction motor bearings in railway applications. Transport Problems. 2025;2(2):73-84. https://doi.org/10.20858/tp.2025.20.2.06. EDN: VVBHBB

3. Tahir H.B., Yasmin Sh., Haque Md.M. A Poisson lognormal-lindley model for simultaneous estimation of multiple crash-types: application of multivariate and pooled univariate models. Analytic Methods in Accident Research. 2024;41(2):1-12. https://doi.org/10.1016/j.amar.2023.100315. EDN: EGEBDM

4. Sugama A., Okumura M. Simultaneous optimization of network and fares for self-financing public transportation system. Asian Transport Studies. 2024;10(1):1–15. https://doi.org/10.1016/j.eastsj.2024.100135. EDN: VNCZRC

5. Киселёв И.В. Территориальные сдвиги топологической структуры и пассажиропотока Московского метрополитена после ввода большой кольцевой линии. Псковский регионологический журнал. 2025;21(1):180-199. https://doi.org/10.37490/S221979310033186-7. EDN: ZQXSGM

6. Kiribou I.A.R., Neya T., Nana B., Ogunjobi K., Daho T., Gounkaou Y.W., Muema F.M., Sintayehu D.W. Road Transport and Urban Mobility greenhouse gas emissions factor for air pollution modeling in Burkina Faso. Journal of Urban Mobility. 2025;7(2667-0917):1-12 https://doi.org/10.1016/j.urbmob.2025.100106. EDN: JHYYLO

7. Liu X., Schmöcker JA.D., Zhao J., Yang X. How to make service better? A review on developing service-oriented public transit systems. Transport Reviews. 2025;5:672-695 https://doi.org/10.1080/01441647.2025.2502629. EDN: YLVVKI

8. Шаперова В.С. Исследование пассажиропотока станции метрополитена с учетом включения элементов обеспечения транспортной безопасности. Системный анализ и логистика. 2023;2(36):72-87. https://doi.org/10.31799/2077-5687-2023-2-72-87. EDN: ASUPIY

9. Gan Z. et al. Understanding urban mobility patterns from a spatiotemporal perspective: daily ridership profiles of metro stations. Transportation. 2020;47:315–336. https://doi.org/10.1007/s11116-018-9885-4. EDN: GCSYDN

10. Кочетков А.А. Московский метрополитен: аварийность, проблемы, перспективы Москва: Общество с ограниченной ответственностью «Эдитус». 2020. 158 с. ISBN 978-5-00149-399-0. EDN: DBFGKF

11. Kim K. Modelling public transportation multi-modal route choice using smart card big data. Proceedings of the Institution of Civil Engineers — Transport. 2021;176:440-446. https://doi.org/10.1680/jtran.21.00066

12. Кочетков А.А. К вопросу безопасности и расчета риска транспортного социального обслуживания в контексте элементов теории массового обслуживания на примере Московского метрополитена. Финансовый бизнес. 2021;11(221):77-87. EDN: HOFTRH

13. Антонова В.М., Гречишкин Н.А., Кузнецов Н.А. Исследование модели пассажиропотока станции метро в среде имитационного моделирования AnyLogic при введении дополнительных услуг и с поиском «узких мест». Журнал радиоэлектроники. 2019;4(20):1-14. https://doi.org/10.30898/1684-1719.2019.4.7. EDN: ZJDHRK

14. Кочетков А.А. Системы массового обслуживания с периодическими функциями интенсивностей потоков на транспорте. Экономика. Бизнес. Банки. 2024;1(71):36-51. EDN: WDPJZT

15. Степанов С.Н. Теория телетрафика: концепции, модели, приложения. Москва: Горячая линия-Телеком; 2015. 886 с. ISBN: 978-5-9912-0543-6. EDN: UBWYWF

16. Вакуленко С.П. Оценка эффективности формирования транспортнопересадочного узла. Экономика железных дорог. 2020;8:35-43. EDN: VMOEZW

17. Покусаев О.Н., Намиот Д.Е., Чекмарев А.Е. Дискретно-событийное моделирование для системы метро. International Journal of Open Information Technologies. 2021;9(7):107-113. EDN: AWAIUK

18. Намиот Д.Е. и др. Цифровые двойники и системы дискретно-событийного моделирования. International Journal of Open Information Technologies. 2021;9(2):70-75. EDN: VWEGHR

19. Куприяновский В.П. и др. Цифровая железная дорога-прогнозы, инновации, проекты. International Journal of Open Information Technologies. 2016;4(9):34-43. EDN: WIQHXX

20. Сидоренко В.Г., Маркевич А.В. Интеллектуальная система построения графиков работы машинистов метрополитена. Автоматика, связь, информатика. 2023;(8):19-20. https://doi.org/10.34649/AT.2023.8.8.004. EDN: ZLAMKP

21. Михайлов В.С., Юрков Н.К. Интегральные оценки в теории надежности. Введение и основные результаты. Москва: Техносфера; 2020. 148 с. ISBN: 978-5-94836-598-5. EDN: FIXXWV