semantic modeling of transportation sector processes

ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ
Seria: ORGANIZACJA I ZARZĄDZANIE z. 95
2016
Nr kol. 1961
Andriy VLASENKO, Viktor VLASENKO
Uniwersytet Opolski
Wydział Przyrodniczo-Techniczny
[email protected]
METODY ANALIZY ZRÓWNOWAŻONOŚCI ROZWOJU
WIELKICH SPOŁECZNO-TERYTORIALNYCH SYSTEMÓW –
MODELOWANIE SEMANTYCZNE PROCESÓW W SEKTORZE
TRANSPORTU
Streszczenie. Artykuł zawiera opis metodologii i ilustracje metod oceny stanów
zrównoważoności i identyfikacji zjawisk oraz okresów anomalnej dynamiki kryzysowej na podstawie historyczno-systemologicznej (HS-) analizy normalizowanych
wskaźników rozwoju wszystkich mod (rodzajów) transportu w wielkich społeczno-terytorialnych systemach (STS), na przykładach sektorów transportu USA, Unii
Europejskiej (UE-28) i Federacji Rosyjskiej. Analiza jest prowadzona w kontekstach
strukturalnym i funkcjonalnym z kompleksową oceną zbieżności i jest oparta na
semantycznym modelowaniu.
Słowa kluczowe: transport, zrównoważoność, modelowanie semantyczne
procesów
THE METHODS OF LARGE SOCIAL-TERRITORIAL SYSTEMS
SUSTAINABILITY EVOLUTION ANALYSIS – SEMANTIC
MODELING OF TRANSPORTATION SECTOR PROCESSES
Summary. The article presents the description of methodology and examples of
case studies methods used for sustain states estimations and identification of abnormal
crises dynamics. Methods are based on historical-systematic (HS-) analysis of autonormalized indexes of all modes of sectors of transportation progress (state changing)
at the large social-territorial systems (STS) such as USA, European Union (EU-28) and
Russian Federation. Analysis is carried out in structural and functional context and
provides the complex evaluations of processes convergence (synergy).
Keywords: transportation, sustainability, processes semantic modeling
540
A. Vlasenko, V. Vlasenko
1. Wstęp. Koncepcja, uzasadnienie celu i zagadnień badawczych
Badania z historii nauki i techniki mogą wspierać projektowanie wielkich systemów,
podjęcie strategicznych decyzji w inwestycyjnych, technologicznych, społecznych działaniach
i są często oparte na metodach historiograficznych analizy w podejściu opisowym, z oceną roli
personalnej pewnych osób (zespołów, instytucji). Analiza bibliograficzna pokazała tendencje
rozwoju badań z historii nauki i techniki w regionach środkowo- i wschodnioeuropejskim
w okresie drugiej połowy XX w. i potwierdziła tę tezę1. Rozwój społeczeństw charakteryzuje
się procesami regionalizacji i globalizacji. To często niweluje rolę odrębnych jednostek,
zastępując je, jako obiekty badań, procesami i wynikami wspólnej pracy – w statystycznodynamicznym ujęciu, w ramach tzw. hipersystemów. W tym aspekcie powiększa się rola
transportu i komunikacji jako czynników globalnych. Analiza systemowa procesów
funkcjonowania mod transportu składa się na dość skomplikowany obraz systemu transportu
regionów świata2. Aktualne pozostają kwestie historyczno-systemologicznej (HS-) analizy
systemów transportu i logistyki, jako komunikacyjnej dominanty rozwoju regionalnych,
społeczno-terytorialnych systemów (STS). Jako STS występują potężne państwa lub grupy
państw, tworzące struktury gospodarczo-ekonomiczne (z dominującymi państwami
i komunikacjami) – na zasadzie terytorialnej bliskości: Unia Europejska (RFN, Francja),
NAFTA (USA, Kanada), Mercosur (Argentyna, Brazylia), SAFTA (Pakistan, Indie), WNP
(Federacja Rosyjska, Ukraina) lub pod względem bliskości poziomu rozwoju – grupy G7, G20,
kraje rynków wschodzących itp. Podstawą teoretyczną HS-analizy procesów w STS, w tym
transporcie, jest ogólna teoria systemów3. W związku ze złożonością opisu, należy operować
kontekstowymi modelami systemów. Najprostsze to korelacyjne modele dynamicznoi strukturalno-statystyczne, oparte na statystykach STS, które (po normalizacji) nazywamy
semantykami wstępnymi (źródłowymi). Tego rodzaju modele nazywamy semantycznymi
(kontekstowymi), procedury analizy, syntezy i identyfikacji – modelowaniem semantycznym.
W wyniku tego modelowania powstają tzw. wtórne semantyki. Oceny zrównoważoności
Iwanow M., Vlasenko A., Vlasenko V.: Retrospektywna analiza i współczesny stan badań z historii nauki
i techniki w regionie środkowo- i wschodnioeuropejskim, [w:] Pokusa T. (red.): Zarządzanie, logistyka – procesy,
koncepcje, narzędzia. Wyższa Szkoła Zarządzania i Administracji, Instytut Śląski, Opole 2013, s. 25-70.
2
Brzeziński M.: Inżynieria systemów logistycznych. Wojskowa Akademia Techniczna, Warszawa 2015, s. 145;
Bąk M. (red.): Integracja transportu pasażerskiego w Unii Europejskiej. Uniwersytet Gdański, Gdańsk-Sopot
2012, s. 161; Koziarski S.: Transport lądowy na świecie. Instytut Śląski, Opole 2007, s. 273; Koziarski S.:
Transport w Europie. Instytut Śląski, Opole 2005, s. 291; Jacyna M. (red.): Kształtowanie systemów
w wybranych obszarach transportu i logistyki. Politechnika Warszawska, Warszawa 2014, s. 294.
3
von Bertalanffy L.: Ogólna teoria systemów. Podstawy, rozwój, zastosowania. PWN, Warszawa 1984, s. 339;
Sadowski W.N.: Podstawy ogólnej teorii systemów. Analiza logiczno-metodologiczna. PWN, Warszawa 1978,
s. 307; Зверев Г.Н.: Теоретическая информатика и ее основания. Физматлит, 2008; Лапшин В.А.:
Онтологии в компьютерных системах. Научный мир, 2010, c. 222; Николаев В.И., Брук В.М.:
Системотехника: методы и приложения. Машиностроение, 1985, c. 199.
1
Metody analizy zrównoważoności…
541
(spójności, zbieżności, synergii procesów) rozwoju są oparte na miarach zbieżności (synergii)
wektorów chronologii (WCh) i wektorów głównych systemowych parametrów (WGSP), we
wstępnych (źródłowych) semantykach, wyłanianych jako elementy strukturalne. Poważnym
aspektem HS-analizy rozwoju, zwłaszcza systemu transportu, w STS jest ocena wrażliwości
modeli semantycznych procesów wobec ukrytych, słabych zmian czynników kontekstu,
koniunktury, które odbywają się w okresach przed- i (po-)kryzysowych, innych anomalnych
zachowań semantyk. Te właściwości modeli mogą wystąpić w roli markerów do prognozowania kataklizmów lub ocen ich skutków, identyfikując okresy reakcji systemów. Sektor
transportu, zdaniem autorów, potencjalnie może mieć takie właściwości semantyczne. Pozwala
to sformułować problem badawczy: opracowanie i ocena skuteczności metod HS-analizy
zmian charakterystyk mod sektora transportu wielkich STS na podstawie semantycznym
modelowaniu kontekstowym. Celem artykułu jest opis metod analizy i badanie, bazując na
studium przypadków STS, właściwości dyskryminacyjnych tych metod wobec zjawisk
anomalnych i procesów ukrytych w modach transportu. W ramach artykułu przedstawiono
metody modelowania semantycznego i wyniki HS-analizy procesów w modach transportu
wybranych STS; oceny zdolności dyskryminacyjnych metod.
2. Opis metodologii HS-analizy procesów w modach transportu STS
Schemat koncepcyjny metodologii HS-analizy procesów w sektorze (modach) transportu
STS przedstawiono na rys. 1. Metodologia została oparta na podstawach teoretycznych
systemologii i systemotechniki4. Podstawowe obiekty analizy to semantyki (w kontekście
informacyjnym), które tworzą taksonomie (ontologie) i opisują powiązane procesy. Opis
realizacji metodyk HS-analizy procesów na przykładzie mody transportu kolejowego autorzy
przedstawili w innych pracach5. Procesy są opisywane przez dynamiczne i strukturalnostatystyczne modele, które są identyfikowane w ramach wtórnych semantyk – modeli
korelacyjnych WGSP i WCh. Wektory te powstają w wyniku normalizacji wstępnych danych,
jako komponenty źródłowych semantyk opisujących profile (mody) w lokalnych bazach.
Po normalizacji są obliczane macierze korelacji dynamicznej i strukturalnej z oceną
von Bertalanffy L.: op.cit.; Sadowski W.N.: op.cit.; Зверев Г.Н.: op.cit.; Лапшин В.А.: op.cit.; Николаев В.И.,
Брук В.М.: op.cit.
5
Iwanow M., Vlasenko A., Vlasenko V.: Analiza dynamiki infrastruktury transportu kolejowego, cz. I: próba
historyczno-systemologicznego ujęcia procesów kształtowania na podstawie analizy korelacyjnej zmian
strukturalnych sieci światowej, [w:] Gawdzik A. (red.): Wybrane zagadnienia szeroko pojętej inżynierii
procesowej, t. II. Wydawnictwo Świętego Krzyża, Opole 2015, s. 27-58; Iwanow M., Vlasenko A., Vlasenko
V.: Analiza dynamiki infrastruktury transportu kolejowego, cz. II: próba historyczno-systemologicznego ujęcia
procesów funkcjonowania, [w:] Gawdzik A. (red.): Wybrane zagadnienia szeroko pojętej inżynierii procesowej,
t. II. Wydawnictwo Świętego Krzyża, Opole 2015, s. 59 -89.
4
542
A. Vlasenko, V. Vlasenko
parametrów statystycznych opisowych (PSO) i histogramów współczynników korelacji (CoC).
Zbiór tych współczynników tworzy semantykę wtórną, na podstawie której prowadzi się
analizę sygnatur miar synergii (zbieżności) procesów w profilach mod transportu STS. Metoda
kształtowania wtórnych semantyk jest przedstawiona w postaci schematu na rys. 2.
Interpretacja modeli semantycznych i ocena stopni zrównoważoności procesów rozwoju
(zmian) odbywa się na podstawie oceny stosunków miar porządku i chaosu, jako sum wartości
histogramów współczynników korelacji w zakresach CoC = (1,0..0,7) i (0,25..-1,0),
w połączeniu ze stosunkiem średnich globalnych korelacji WGSP i WCh. Jako uzupełniająca
występuje metoda analizy sygnaturowej, stosowana do oceny miar zbieżności (ewentualnej
synergii) wskazujących na stopień strukturalizacji i podobieństwa rozkładów, synchronizacji
wektorów wskaźników procesów w płaszczyznach czasu i struktur semantyk. Metoda ta jest
oparta na filtracji progowej macierzy korelacji. Jeżeli współczynnik CoC(WGSP) lub
CoC(WCh) przekracza próg korelacji, wybrany w jakości kryterium zbieżności (ewentualnej
synergii), to powoduje powstanie w odpowiedniej komórce macierzy zbieżności liczby 1,
w innym przypadku – 0. Suma wierszy macierzy zbieżności w odpowiedniej kolumnie
wskazuje na stopień podobieństwa (zbieżności, ewentualnej synergii) wektorów wskaźników.
W korelacji dynamicznej wskazuje to na ekwiwalentny okres korelacji rozkładu WGSP-u
w czasie – stopień stateczności jego struktury i synchronizacji procesów – komponentów
semantyki. Filtracja macierzy korelacji WCh pokazuje miary zbieżności (podobieństwa)
procesów – komponentów w okresie analizy. Procedury detekcji i identyfikacji anomalii
zachowania semantyki polegają na analizie porównawczej stopni zmian PSO wektorów WGSP
i WCh w przestrzeniach semantyk, na ocenie dynamiki współczynników wariancji wartości
wstępnych i wariancji korelacji WGSP (WCh) i stopnia spadku miar zbieżności, przy
ustalonych progach korelacyjnych. Okresy dynamiki kryzysowej przejawiają się dość
dynamicznymi i znaczącymi wzrostami współczynników wariancji korelacji (często na tle
niewielkich zmian PSO źródłowej semantyki lub braku tych zmian) i znaczącymi
(wielokrotnymi) spadkami miar synergii (zbieżności) wektorów wskaźników GSP.
Metody analizy zrównoważoności…
543
HS – analiza procesów rozwoju systemu transportu w ramach
STS – metody modelowania semantycznego procesów
Normalizacja danych źródłowych z oceną wektorów wskaźników procesów:
autonormalizacja (AN_); wspólnoudziałowa normalizacja (WUN_)
Kształtowanie struktur wstępnych (źródłowych): wektory głównych parametrów
statystycznych – {WGSP} i wektory – chronologie – {WCh}
Synteza modeli korelacyjnych – obliczenie macierzy korelacyjnych wskaźników
procesów: dynamicznych MoC(WGSP(N_K), Y) i strukturalnych MoC(WCh(Y), N_K)
Analiza modeli korelacyjnych – obliczenie histogramów współczynników korelacji CoC
i ocena wektorów (macierzy) parametrów statystyczno-opisowych (PSO)
Identyfikacja modeli semantycznych na podstawie interpretacji modeli histogramowych
Identyfikacja modeli semantycznych przez filtrację progową macierzy Tr(MoC()) i ocenę
miar synergii (zbieżności) procesów, przez analizę morfologii modeli korelacyjnych
Ocena trendów i interpretacja zjawisk kryzysowych na podstawie ocen miar synergii
w płaszczyźnie chronologii (WGSP) i płaszczyźnie strukturalnej (WCh)
Rys. 1. Schemat koncepcyjny metodologii HS-analizy procesów w STS
Fig. 1. Conceptual diagram of methodology of HS-analysis of processes at STS
Źródło: Opracowanie własne.
W procesie HS-analizy wyjaśnia się stopień wrażliwości semantycznych modeli,
w pewnych kontekstach, wobec zmian koniunktury, kryzysów i innych czynników kontekstu.
A. Vlasenko, V. Vlasenko
544
Semantyka źródłowa
Wektory GSP
{WGSP} =
{GSP1(Ch_Yi)
,…GSPM
(Ch_Yi)};
i = 1..N
Wektor-chronologie GSP {WCh} =
{GSPk (Y1,Y2,…Yi,,…,Yj,…YN)}, k=1..M
WCh(GSPk)
Korelator
wektorów –
chronologii WCh
{WCh(GSPk)
WCh(GSPp)}
WGSP(Y1)
WCh(GSPp)
WGSP(YN)
Korelator WGSP {WGSP(Ch_Yi)
WGSP(Ch_Yj)}
Kształtowanie
wtórnego
modelu
semantycznego
Macierz korelacyjna (N×N)
MoC(WGSP) – korelacja dynamiczna
Macierz korelacyjna
(M×M) MoC(WCh) –
korelacja strukturalna
Analizator parametrów statystycznych opisowych (PSO)
MoC(WGSP); MoC(WCh))
Ocena miar
zbieżności
(synergii):
identyfikacja
okresów
czasowych
i struktur
anomalnych
Analizator histogramowy korelacji MoC(WGSP); MoC(WCh)
Filtracja progowa współczynników korelacji – ocena wskaźnika
zbieżności (synergii) procesów
Analiza zmian miar zbieżności w czasie (dynamika) i strukturze
(wewnątrzsystemowa komunikacja – podobieństwo procesów)
Rys. 2. Schemat metodyki kształtowania semantyk wtórnych i analizy zbieżności procesów w modach
transportu STS
Fig. 2. Diagram of methodics on secondary semantics forming and processes convergence analysis at
STS transportation modes
Źródło: Opracowanie własne.
Metody analizy zrównoważoności…
545
3. Taksonomie modeli semantycznych sektora transportu STS
Semantyczne modele źródłowe procesów transportowych tworzą pewne taksonomie –
struktury klasyfikacyjne na poziomach „LBD – profil – semantyka – kategoria”. Jako
przykłady studiów przypadku, bazując na opracowanych metodach, przebadane były mody
sektorów transportu STS – USA, UE-28, Federacji Rosyjskiej (RF). Niżej przedstawione są
niektóre wyniki badań.
W tabeli 1 została przedstawiona struktura LBD statystyk transportu USA, która jest
opracowana na podstawie danych BTS_RITA_DoT6.
Tabela 1
Struktura LBD statystyk źródłowych transportu USA (wersja 2013)
Rozdziały (profile kontekstowe) lokalnej bazy danych (LBD)
Rozdział 1 – System Transportu
Rozdział 2 – Bezpieczeństwo w Transporcie (wypadki i ofiary)
Rozdział 3 – Transport i Ekonomia (Gospodarka)
Rozdział 4 – Transport, Energia, Środowisko (Efektywność i Emisja GHG)
Razem kategorii WGSP
L_K
72
66
38
63
239
Źródło: Opracowanie własne na podstawie: Лапшин В.А.: Онтологии в компьютерных системах.
Научный мир, 2010, c. 222.
Tabela 2
Wykaz profili LBD źródłowych statystyk transportu USA (wersja 2013)
N_P
1
2
3
4
5
6
7
8
9
10
11
Profile mod – nazwy (rodzaje) transportu (serwisy)
Przewoźnicy lotniczy – operatorzy narodowi
Ogólne lotnictwo
Drogownictwo samochodowe
Samochody osobowe
Samochody ciężarowe
Autobusy i autokary
Transport komunalny i tranzyt
Kolej pasażerski i towarowy
Wodny transport – morski i śródlądowy
Ropociągi
Gazociągi
Liczba kategorii WGSP, razem
L_K – zakres
WGSP
124
40
84
86
53
20
147
49
51
13
42
709
Okres chronologii
WCh
1960-2006
1960-2008
1960-2009
1960-2007
1960-2008
1960-2008
1960-2009
1960-2009
1960-2007
1960-2009
1960-2009
Źródło: Opracowanie własne na podstawie: Лапшин В.А.: Онтологии в компьютерных системах.
Научный мир, 2010, c. 222.
6
U.S. Department of Transportation, www.transportation.gov; Research and Innovative Technology Administration (RITA), www.rita.dot.gov; National Transportation Statistics 2000..2016, http://www.rita.dot.gov/
bts/sites/.
546
A. Vlasenko, V. Vlasenko
W ramach rozdziałów bazy (tabela 2) wyłaniają się profile zawierające semantyki
kontekstowe, na które składają się pewne kategorie (L_K – liczba kategorii). Kategorie
składają się na strukturę semantyki, determinującą WGSP. Ogólna liczba kategorii wynosi 709.
Podobną strukturę ma LBD sektora transportu UE-28 – 9 profili, 108 semantyk7.
Analogicznie opracowane semantyki statystyk transportu RF – 10 profili, 46 semantyk8.
W związku z ograniczoną objętością artykułu, dalej przedstawiane są wyniki zastosowania
ww. metod do analizy ewolucji mod transportu STS, w profilach ogólnosystemowych
i przewozowych. W kontekście transportu lądowego analiza została przeprowadzona na
podstawie danych z 70 krajów z 4 kontynentów – przewoźników regionalnych (więcej 75%
objętości światowych przewozów towarów i pasażerów)9.
4. Analiza miar synergii (zbieżności) procesów w sektorach transportu
STS
Poniżej (rys. 3a) są podane, jako przykłady realizacji metod, sygnatury miar synergii
(zbieżności) wektorów wskaźników udziałów różnych branż gospodarki USA w PKB
(19 kategorii w kontekście ogólnosystemowym). Próg korelacji (CoC >= 0,9) ustala się jako
granica pełnej strukturalizacji WGSP, natomiast próg CoC >= 0,25 – jako granica chaosu.
Rysunek 3b przedstawia sygnatury synergii (zbieżności) procesów rozwoju sektora transportu
USA w porównaniu ze zmianami PKB. Analiza wykresów wskazuje na obecność ostrych
znaczących spadków miar zbieżności, co świadczy o turbulentności procesów funkcjonowania
i destrukturalizacji (dekorelacji WGSP) w okresach kryzysowych – 2001-2002, 2008-2011
i kwalifikuje ten model jako wrażliwy wobec zmian kontekstu. Analiza porównawcza
(względem PKB EU-28) procesów w sektorze transportu Unii Europejskiej (rys. 3c) pokazuje
tendencje podobne do procesów w USA (a, b), ale bardziej są wygładzone na większych
odcinkach czasowych ze znaczącym spadkiem (destrukturalizacja WGSP) w okresach
przed- i pokryzysowym. Reakcja procesów na zmiany kryzysowe w UE-28 są krótsze
względem USA.
7
Eurostat, http://ec.europa.eu/eurostat/data/database.
Rosstat, http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/.
9
Iwanow M., Vlasenko A., Vlasenko V.: Analiza dynamiki infrastruktury transportu kolejowego, cz. I. Próba
historyczno-systemologicznego ujęcia procesów kształtowania na podstawie analizy korelacyjnej zmian
strukturalnych sieci światowej, [w:] Gawdzik A. (red.): Wybrane zagadnienia szeroko pojętej inżynierii
procesowej, t. II. Wydawnictwo Świętego Krzyża, Opole 2015, s. 27-58; Iwanow M., Vlasenko A., Vlasenko
V.: Analiza dynamiki infrastruktury transportu kolejowego, cz. II: próba historyczno-systemologicznego ujęcia
procesów funkcjonowania, [w:] Gawdzik A. (red.): Wybrane zagadnienia szeroko pojętej inżynierii procesowej,
t. II. Wydawnictwo Świętego Krzyża, Opole 2015, s. 59 -89.
8
Metody analizy zrównoważoności…
547
Sygnatury miar synergii wektorów wskaźników wkładu różnych branży gospodarki do PKB
USA (auto-normalizowane chronologie wartości udziału wszystkich mod przemysłu, w tym transportu, w ogólnym PKB, 1998 - 2012, _AN)
14
18
12
CoC>=0,9
CoC>=0,7
CoC>=0,5
CoC>=0,25
Sygnatury miar synergii wektorów wskaźników rozwoju
branży transportowej USA względem PKB
(normalizowane chronologie wartości udziału wszystkich
mod transportu ws ogólny PKB, 1995 - 2011, _AN)
CoC>=0,9
CoC>=0,7
CoC>=0,5
CoC>=0,25
16
14
Miary synergii
Miary synergii
10
8
6
12
10
8
6
4
4
2
2
a)
2011
2009
2010
2007
2008
2005
2006
2003
b)
Sygnatury miar zbieżności wektorów wskaźników podstawowych charakterystyk
(WGSP) sektora transportu Federacji Rosyjskiej (AN_procesy, 1960 - 2011)
Sygnatury miar synergii wektorów wskaźników funkcjonowania
transportu EU względem wzrostu PKB UE (auto-normalizowane procesy,
%max przewozy pas-km i ton-km w/s PKB UE, 1995 - 2012, _AN)
20
18
18
16
16
14
14
Miary zbieżności
Miary synergii
2004
2001
2002
1999
2000
1997
1998
1995
1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
1996
0
0
12
10
8
6
12
10
8
6
4
CoC>=0,9
CoC>=0,7
2
CoC>=0,5
CoC>=0,25
4
CoC>=0,9
CoC>=0,7
CoC>=0,5
CoC>=0,25
2
0
1995
1997
1999
2001
2003
c)
2005
2007
2009
2011
0
1960
1975
1985
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
d)
Rys. 3. Sygnatury miar synergii (zbieżności) wskaźników rozwoju podstawowych branży gospodarki
USA (a), mod sektora transportowego (b), funkcjonowania transportu wzgl. procesu wzrostu
PKB Unii Europejskiej (c), funkcjonowania sektora transportu Federacji Rosyjskie (d)
Fig. 3. Signatures of progress indexes synergy (convergence) measures of base economy sectors of
USA (a), sector of transportation modes (b), operation of transport sector vs EU-28 GDP rate
(c), operation of transport sector of Russian Federation (d)
Źródło: Opracowanie własne.
A. Vlasenko, V. Vlasenko
548
Sygnatury miar synergii wektorów wskazników
funkcjonowania transportu USA - przewozy
towarów (wszystkie mody, 1990 - 2011, _AN_1960 2011)
Sygnatury miar synergii wektorów wskaźników przewozów pasażerów
wszystkimi modami transportu USA (auto-normalizowane procesy,
%max pas-km, 1990 - 2011, _AN)
18
25
CoC>=0,9
CoC>=0,5
CoC=0,7
16
CoC>=0,25
Miary synergii
Miary synergii
20
15
10
5
14
12
10
8
6
4
CoC>=0,9
CoC>=0,5
2
0
90
19
92
19
94
19
96
19
98
19
00
20
02
20
04
20
06
20
08
20
10
20
CoC>=0,7
CoC>=0,25
0
1990
OIO
1996
1998
a)
2000
2002
2004
2006
2008
2010
b)
Sygnatury miar synergii procesów przewozów ładunków towarowych w
UE (auto-normalizowane procesy, ton-km, wszystkie mody transportu,
1995 - 2012, _AN)
Sygnatury miar synergii wektorów wskaźników przewozów
pasażerskich transportem samochodowym osobowym państw UE (autonormalizowane procesy, %max pas-km, 28 państw, 1995 - 2012, _AN)
14
CoC>=0,9
CoC>=0,7
CoC>=0,5
CoC>=0,25
18
16
10
8
6
4
14
Miary synergii
Miary synergii
12
2
12
10
8
6
4
CoC>=0,9
CoC>=0,7
2
CoC>=0,5
CoC>=0,25
0
0
1995
1997
1999
2001
2003
2005
2007
2009
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
2011
c)
d)
Sygnatury miar synergii wektorów wskaźników przewozów
ladunków towarowych kolejami RF (AN_procesy, %max tys
ton wysłanych ładunków, RF w calości i 8 okręgów
federalnych, 2000 - 2012 )
Sygnatury miar synergii wektorów wskażników przewozu pasażerów w
pociągach wysokiej prędkości w państwach EU (auto-normalizowane
procesy, %max pas-km, 12 państw, 1990 - 2012, _AN)
25
14
12
CoC>=0,9
10
15
CoC>=0,7
10
CoC>=0,5
CoC>=0,25
5
Miary synergii
Miary synergii
20
8
6
4
2
CoC>=0,9
0
1990 1992
1994 1996 1998 2000 2002 2004 2006 2008
e)
2010 2012
CoC>=0,7
CoC>=0,5
CoC>=0,25
0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
f)
Rys. 4. Sygnatury miar synergii (zbieżności) wskaźników przewozów w modach transportu USA
(a; b), UE-28 (c, d, e) i RF (f)
Fig. 4. Signatures of synergy (convergence) of haulage and conveyance indexes at transportation
modes of USA (a, b), EU-28 (c, d, e), RF (f)
Źródło: Opracowanie własne.
Metody analizy zrównoważoności…
549
Analogiczne zachowanie wykazują semantyki profilu ogólnosystemowego sektora
transportu RF (rys. 3d), ale z mniejszą wrażliwością modeli wobec zmian kontekstu w okresie
(2000-2011). Ostre zmiany w okresie (1985-1993) powiązane są ze zmianą skali czasu analizy
z procesami destrukcji STS (upadek ZSRR, zmiana struktur władzy w RF). Charakterystyki
miar synergii (zbieżności) procesów funkcjonowania w różnych modach transportu ww. STS,
podane na rys. 4a-4f, i pokazują wrażliwość modeli wobec zmian kryzysowych.
5. Zakończenie. Wnioski i perspektywy badawcze
Wyniki badań wskazują na okresy historyczne wysokiej strukturalizacji wektorów
wskaźników funkcjonowania sektora transportu STS – fazy równowagi, stabilnego rozwoju
i okresy przemian fazowych, turbulencji – ostrych i dużych spadków miar synergii
(zbieżności). Badania wykazały pewną perspektywiczność metod HS-analizy, opartych na
modelowaniu semantycznym, do zastosowania w celu oceny zrównoważoności procesów
rozwoju, trendów przed- i pokryzysowych. Opracowana metodyka jest oparta na modelach
semantycznych w profilach (kontekstach) systemów i realizuje możliwości powiększenia głębi
analizy miar zbieżności – markerów zjawisk anomalnych rozwoju sektora transportu.
To, zdaniem autorów, oprócz wartości teoretycznej ma istotne znaczenie praktyczne przy
analizie systemowej, podejmowaniu strategicznych decyzji i hiperprojektowaniu wielkich
inwestycji, ocenie wpływów zjawisk kryzysowych na funkcjonowanie segmentów
transportowo-komunikacyjnych i logistycznych STS – identyfikacji zwiastunów kryzysów
i ocenę reakcji STS. W jakości dyskryminatorów zmian anomalnych zostały wybrane modele
funkcjonowania sektorów transportu ze względu na jego systemotwórczą rolę i potencjalną
wrażliwość semantyk wobec zmian kontekstowych, co zostało udowodniono praktycznymi
badaniami na realnych danych statystycznych wybranych STS – mocarstw transportowych.
Jako kierunki dalszych badań mogą wystąpić: rozszerzenie zakresu STS, oceny
zrównoważoności procesów w innych sektorach gospodarki, społeczno-humanistyczne
aspekty kształtowania przestrzeni semantyki „Infrastruktura – Nauka – Technika – Oświata”.
A. Vlasenko, V. Vlasenko
550
Bibliografia
von Bertalanffy L.: Ogólna teoria systemów. Podstawy, rozwój, zastosowania. PWN,
Warszawa 1984, s. 339.
2. Brzeziński M.: Inżynieria systemów logistycznych. Wojskowa Akademia Techniczna,
Warszawa 2015, s. 145.
3. Bąk M. (red.): Integracja transportu pasażerskiego w Unii Europejskiej. Uniwersytet
Gdański, Gdańsk-Sopot 2012, s. 161.
4. Koziarski S.: Transport lądowy na świecie. Instytut Śląski, Opole 2007, s. 273.
5. Koziarski S.: Transport w Europie. Instytut Śląski, Opole 2005, s. 291.
6. Jacyna M. (red.): Kształtowanie systemów w wybranych obszarach transportu i logistyki.
Politechnika Warszawska, Warszawa 2014, s. 294.
7. Sadowski W.N.: Podstawy ogólnej teorii systemów. Analiza logiczno-metodologiczna.
PWN, Warszawa 1978, s. 307.
8. Зверев Г.Н.: Теоретическая информатика и ее основания. Физматлит, 2008.
9. Лапшин В.А.: Онтологии в компьютерных системах. Научный мир, 2010, c. 222.
10. Николаев В.И., Брук В.М.: Системотехника: методы и приложения.
1.
Машиностроение, 1985, c. 199.
11. Iwanow M., Vlasenko A., Vlasenko V.: Retrospektywna analiza i współczesny stan badań
z historii nauki i techniki w regionie środkowo- i wschodnioeuropejskim, [w:] Pokusa T.
(red.): Zarządzanie, logistyka – procesy, koncepcje, narzędzia. Wyższa Szkoła
Zarządzania i Administracji, Instytut Śląski, Opole 2013, s. 25-70.
12. Iwanow M., Vlasenko A., Vlasenko V.: Analiza dynamiki infrastruktury transportu
kolejowego, cz. I. Próba historyczno-systemologicznego ujęcia procesów kształtowania
na podstawie analizy korelacyjnej zmian strukturalnych sieci światowej, [w:] Gawdzik A.
(red.): Wybrane zagadnienia szeroko pojętej inżynierii procesowej, t. II. Wydawnictwo
13.
14.
15.
16.
17.
18.
19.
Świętego Krzyża, Opole 2015, s. 27-58.
Iwanow M., Vlasenko A., Vlasenko V.: Analiza dynamiki infrastruktury transportu
kolejowego, cz. II. Próba historyczno-systemologicznego ujęcia procesów
funkcjonowania, [w:] Gawdzik A. (red.): Wybrane zagadnienia szeroko pojętej inżynierii
procesowej, t. II. Wydawnictwo Świętego Krzyża, Opole 2015, s. 59 -89.
U.S. Department of Transportation, www.transportation.gov.
Research and Innovative Technology Administration (RITA), www.rita.dot.gov.
National Transportation Statistics 2000..2016, http://www.rita.dot.gov/bts/sites/.
rita.dot.gov.bts/files/publications/national_transportation_statistics/index.html.
Eurostat, http://ec.europa.eu/eurostat/data/database.
Rosstat, http://www.gks.ru/wps/wcm/connect/rosstat_main/rosstat/ru/statistics/.
Metody analizy zrównoważoności…
551
Abstract
The article presents the description of methodology and examples of case studies methods
used for sustain states estimations and identification of abnormal crises dynamics. Methods are
based on historical-systematic (HS-) analysis of auto-normalized indexes of all modes of
sectors of transportation at the large social-territorial systems (STS) such as USA, European
Union (EU-28) and Russian Federation. Analysis is carried out in structural and functional
context and provides the complex evaluations of convergence (synergy) of processes on shortand medium-periodicity time scales and covers intervals 60-th XX – first decade XXI centuries,
with especial accents done on periods of crises. The research results prove the eventual
usefulness of methods proposed as discriminators of crises states and previous and post-crises
trends in processes of STS transportation sector evolutions.