Введение

Рост внутреннего туристского потока в Российской Федерации, особенно в южных регионах, сопровождается устойчивым увеличением нагрузки на транспортную инфраструктуру. Коридор «Крым – Кубань» – одно из ключевых рекреационных направлений, однако его логистическая организация остается фрагментарной. Фрагментарность обусловлена отсутствием единых стандартов пересадки, рассогласованностью расписаний разных видов транспорта, дублированием билетных систем и низкой информационной прозрачностью пересадочных этапов. В условиях сезонных колебаний спроса и инфраструктурных ограничений традиционные подходы к транспортному планированию, ориентированные на пропускную способность, не обеспечивают непрерывности обслуживания на всех этапах поездки, что снижает конкурентоспособность направления.

Концепция мобильности как услуги (Mobility as a Service, MaaS), активно развиваемая в последнее десятилетие, предлагает интеграцию различных видов транспорта в единый сервис с общим планированием маршрута, оплатой и информированием [1–3]. Однако существующие исследования сосредоточены преимущественно на городских контекстах развитых стран; институциональные и инфраструктурные барьеры внедрения в иных условиях изучены слабее [4], а вопросы институционального оформления подобных систем остаются открытыми [5]. Специфика рекреационных межрегиональных маршрутов – высокая сезонность, разнородность категорий туристов, объемный багаж, зависимость от природно-климатических факторов – в этих работах практически не рассматривается. Это определяет необходимость целенаправленной адаптации зарубежного опыта MaaS к условиям российских рекреационных территорий – прежде всего к межрегиональной координации между двумя субъектами РФ (Республика Крым и Краснодарский край), выраженной сезонной неравномерности спроса и инфраструктурным ограничениям южных курортов, – а не к его прямому переносу из городских контекстов. В российской практике мультимодальные пассажирские и туристические перевозки исследуются преимущественно применительно к железнодорожному транспорту и отдельным экскурсионным маршрутам [6; 7].

Под интермодальной логистикой туристов в настоящей работе понимается организация сквозной перевозки в границах единого маршрута при последовательном использовании нескольких видов транспорта, при которой согласование расписаний, тарифов и информационного сопровождения обеспечивает воспринимаемую туристом непрерывность поездки, а не только физическую стыковку видов транспорта в пересадочном узле. Научная проблема состоит в отсутствии модели интермодальной логистики, ориентированной не на максимизацию провозной способности, а на минимизацию транзакционных издержек туриста при смене видов транспорта. Известно, что транспортная доступность, измеряемая через время и стоимость поездки, тесно связана с развитием туристической экономики территории [8]; при этом интеграция тарифов сама по себе дает умеренный эффект и должна сопровождаться согласованием расписаний и институциональными механизмами [9]. Сервисы MaaS, разрабатываемые исходя из управленческих, а не пользовательских потребностей, не всегда устраняют реальные затруднения поездки [10], что дополнительно обосновывает смещение фокуса на издержки туриста.

Цель исследования – разработать и обосновать концептуальную модель интермодальной логистики туристов на маршрутах Крым – Кубань, обеспечивающую сквозную транспортную доступность курортов и пригодную для распространения на Черноморский макрорегион.

Научная новизна работы заключается в следующем. Во-первых, предложена формализация бесшовности пересадки через интегральный индекс логистического комфорта туриста (ИЛКТ). Во-вторых, разработана многоуровневая архитектура модели, увязывающая физическую инфраструктуру, цифровые механизмы согласования расписаний, институты межрегиональной кооперации и тарифные инструменты, с математической постановкой задачи оптимального распределения туристопотоков, критерием которой выступает минимизация обобщенных транзакционных издержек туриста. В-третьих, обоснована роль регионального логистического оператора как института, обеспечивающего сквозную ответственность за качество пересадки и распределение доходов между перевозчиками.

Материалы и методы исследования

Методологическую основу составили системный анализ, структурно-функциональное моделирование, экспертные оценки (метод Delphi) и имитационное моделирование пассажиропотоков. Математический аппарат опирается на теорию многоиндексных транспортных задач линейного программирования и теорию массового обслуживания применительно к транспортным узлам [11]; денежная оценка времени поездки вводится в соответствии с концепцией стоимости времени (value of time) [12], а готовность туристов оплачивать интегрированный сервис – по данным исследований спроса на услуги типа MaaS [13]. Эмпирической областью приложения выбрана зона «Севастополь – Ялта – Краснодар», объединяющая основные логистические узлы региона (морской порт, железнодорожную станцию, аэропорт, автодорожные коридоры) и характеризующаяся высокой сезонной нагрузкой и наличием межрегионального трансфера. Для параметризации модели использовались открытые данные перевозчиков (интервалы движения, тарифы, число каналов обслуживания в узлах) и экспертные оценки; масштаб и сезонная неравномерность туристского потока в регионе, определившие выбор пилотной зоны и ее параметров, опираются на официальную статистику [14]. Значения параметров сведены в таблице 1.

Эффективность модели оценивалась сравнением двух режимов координации, воспроизводимых в имитационной модели: базового (согласование через ведомственные регламенты, отсутствие синхронизации расписаний и единого билета) и модельного (алгоритмическое согласование расписаний, единый билет, оптимальное распределение потоков). Сопоставлялись среднее время пересадки, полное время в пути, обобщенные издержки туриста и индекс логистического комфорта.

Для статистической состоятельности сравнения, в отличие от единичного сценарного расчета, оба режима координации оценивались методом Монте-Карло: N = 2000 парных прогонов модели (2)–(11). В каждом прогоне случайно разыгрывался сезонный сценарий (пик – с вероятностью 0,30, межсезонье – 0,55, возмущение/сбой оператора – 0,15) и пуассоновская реализация прибытия пассажиров на каждый хаб при интенсивности, согласованной с целевой загрузкой ρl; показатели базового и модельного режимов рассчитывались для одного и того же розыгрыша сценария, что позволило применить парный статистический критерий. Компоненты индекса ИЛКТ uI, uC, uA оценивались экспертно (метод Delphi, с остаточной случайной вариацией); uT рассчитывался из подмодели (8)–(9), uE – из эргономического балла при условном максимуме 10 баллов.

Для оценки зрелости институциональной координации введен индекс контрактно-институциональной связности (ИКИС) – взвешенная свертка четырех нормированных на отрезок [0; 1] показателей (1):

ИКИС = 0,3·IAPI + 0,3·IMon + 0,2·IRev + 0,2·ICov, (1)

где IAPI – интероперабельность информационных систем операторов; IMon – уровень автоматизации мониторинга исполнения норм обслуживания; IRev – регулярность пересмотра метрик; ICov – доля маршрутов, охваченных единым стандартом сервиса. Веса установлены экспертно (метод Delphi). Значение ИКИС ≥ 0,75 интерпретируется как достижение устойчивой координации.

Таблица 1

Исходные параметры имитационной модели зоны «Севастополь – Ялта – Краснодар»

Источник: экспертные оценки авторов и открытые данные перевозчиков; нормировочный порог времени пересадки τmax = 90 мин. Здесь и далее: Hl – интервал движения соединительного транспорта, мин.; ml – число каналов обслуживания хаба; μl – интенсивность обслуживания одного канала, пасс./ч.

Схема «входы – механизмы – выходы – данные» модели CIM-Transit Источник: составлено авторами

Общая архитектура модели – от исходных данных и параметров до расчетных механизмов и выходных показателей – обобщена на рисунке.

Результаты исследования и их обсуждение

Бесшовность пересадки трактуется как состояние, при котором физический, информационный, тарифный и временной разрывы снижены до уровня, не воспринимаемого туристом как существенные издержки. Сеть макрорегиона описывается множествами: I – пункты входа туристопотока; J – дестинации; K – модальные цепочки (связки видов транспорта); L – пересадочные хабы. Переменная xijkl ≥ 0 – объем потока (пасс./сут.), направляемого из i в j через хаб l по цепочке k. Постановка обобщает многоиндексную транспортную задачу на пассажирские рекреационные потоки.

В отличие от классических постановок минимизируются обобщенные транзакционные издержки туриста (2):

gijkl = cijkl + αtijkl + βsijkl, (2)

где cijkl – денежная стоимость поездки, руб./пасс.; tijkl – полное время в пути с учетом пересадки, ч; sijkl – эргономический компонент (число пересадок, пеший трансфер), усл. балл; α – стоимость единицы времени туриста, руб./ч; β – денежная оценка единицы дискомфорта, руб./балл.

Задача оптимального распределения туристопотоков (3)–(7):

min Z = Σi,j,k,l gijkl·xijkl (3)

при ограничениях баланса прибытия (4), спроса дестинаций (5), пропускной способности хабов (6) и провозной способности модальных цепочек (7):

Σj,k,l xijkl = ai, i ∈ I; (4)

Σi,k,l xijkl = bj, j ∈ J; (5)

Σi,j,k xijkl ≤ Ql, l ∈ L; (6)

Σi,j,l xijkl ≤ Vk, k ∈ K. (7)

Полное время tijkl складывается из времени движения и суммы времен пересадки τl по хабам маршрута. Обслуживание в хабе (контроль, посадка, багаж) моделируется системой M/M/m с интенсивностью прибытия λl, интенсивностью обслуживания канала μl и числом каналов ml (загрузка ρl = λl/(ml· μl)); среднее время ожидания рассчитывается по формуле Эрланга C [11] (8):

Wq(l) = Pож / (ml μl − λl), (8)

где Pож – вероятность ожидания (Эрланг C).

Полное время пересадки (9):

τl = Wq(l) + tl,пеш + wl,синх, (9)

где wl,синх – время рассогласования расписаний смежных видов транспорта. В базовом режиме wl,синх ≈ Hl/2 (Hl – интервал движения соединительного транспорта); при согласовании расписаний по принципу тайм-трансфера [15] оно снижается до нормативного стыка δ (≤ 15 мин.). Сокращение этого слагаемого и составляет основной механизм снижения времени пересадки. Для маршрута вводятся пять частных показателей, нормированных на [0; 1] (1 – наилучшее значение): uT = 1 − min(τ/τmax, 1) (время пересадки, из (9)); uE (эргономика); uI (информационная прозрачность); uC (тарифная предсказуемость); uA (доступность для маломобильных групп). Интегральный индекс логистического комфорта туриста (10):

ИЛКТ = wTuT + wEuE + wIuI + wCuC + wAuA, (10)

при Σw = 1; веса w установлены экспертно (метод Delphi). Значение ИЛКТ ≥ 0,80 соответствует состоянию бесшовности. Компонента uT вычисляется из подмодели (8)–(9), что связывает институционально-технологические решения с измеримым потребительским эффектом. Спрос bj(ω) и провозные способности Vk(ω) зависят от сезонного сценария ω (пик, межсезонье, возмущение). Применяется двухэтапная стохастическая постановка: на первом этапе принимаются решения о резервах (число каналов, резервные коридоры), на втором – распределение потоков; минимизируется ожидание обобщенных издержек (11):

min Eω[ Σi,j,k,l gijkl·xijkl(ω) ] + R, (11)

где R – затраты на резервирование первого этапа.

Загрузка хабов во всех узлах ниже единицы (ρ = 0,54–0,71). Низкое значение само по себе не свидетельствует о проблеме: часть резерва мощности сознательно закладывается на случай сезонных пиков и нештатных ситуаций, а целевым ориентиром устойчивой работы хаба в период сезонных пиков выступает диапазон 60–85% (табл. 5). Вместе с тем для хабов «Тамань-мост» (ρ = 0,58) и «Краснодар» (ρ = 0,54) текущая загрузка ниже этого ориентира, что допускает двоякую трактовку – как запланированный резерв под пиковую нагрузку либо как недоиспользование мощности узла вне высокого сезона; разграничение этих сценариев требует данных о фактической сезонной динамике спроса и выходит за рамки представленной имитационной модели.

По результатам N = 2000 парных прогонов (табл. 2) согласование расписаний и единый билет статистически значимо снижают среднее время пересадки на 54,6% (с 47,6 ± 14,2 до 21,6 ± 4,0 мин.; парный t-критерий, p < 0,001) и обобщенные издержки туриста – на 11,4% (с 2 840 ± 120 до 2 517 ± 82 руб.; p < 0,001), а индекс логистического комфорта возрастает с 0,51 ± 0,05 до 0,82 ± 0,02 (p < 0,001); размер эффекта большой во всех трёх показателях: от |Cohen’s d| = 1,89 для времени пересадки и 2,41 для издержек туриста до 5,90 для индекса ИЛКТ. Порог бесшовности (ИЛКТ ≥ 0,80) в базовом режиме не достигается ни в одном из 2000 прогонов, в модельном – достигается в 86,7% прогонов; на сценарии сезонного пика и возмущений (где даже координированное расписание не полностью компенсирует возросшую нагрузку на хабы) приходится 84,6% случаев недостижения порога, тогда как в межсезонье порог не достигается лишь в 3,6% прогонов.

Таблица 2

Сравнение режимов координации по результатам N = 2000 парных прогонов Монте-Карло

Источник: расчеты авторов по модели (2)–(11), N = 2000 парных прогонов (см. «Материалы и методы»). M ± SD – среднее и стандартное отклонение по прогонам; 95% ДИ для среднего; p – парный t-критерий база/модель. Загрузка хабов при базовых (немодулированных сценарием) λ: ρ Симферополь – 0,71; Тамань-мост – 0,58; Краснодар – 0,54.

Таблица 3

Компоненты индекса ИЛКТ по режимам (среднее ± SD по прогонам)

Источник: uT и uE – расчет по модели за те же N = 2000 прогонов; uI, uC, uA – экспертные оценки (метод Delphi, как и веса ИЛКТ в таблице 1) с малой остаточной случайной вариацией. Взвешенная сумма компонент с весами из таблицы 1 воспроизводит агрегат ИЛКТ из таблицы 2 (0,505 и 0,821 соответственно).

Таблица 4

Уровни модели CIM-Transit

Источник: составлено авторами.

Таблица 5

Механизмы адаптации модели к риск-факторам

Источник: составлено авторами; графа «Ожидаемый эффект» отражает качественную экспертную оценку направленности механизма, а не результат расчета по модели (2)–(11).

Разбивка индекса ИЛКТ по пяти нормированным компонентам, использованным при расчете агрегата, приведена в таблице 3.

Концепция CIM-Transit (Continuous Intermodal Mobility for Tourism) реализуется на четырех взаимодополняющих уровнях (табл. 4).

Операционально модель опирается на согласование расписаний смежных видов транспорта (снижение wl,синх в (9)), интеграцию билетных систем в единый проездной документ, динамическую корректировку отправлений соединительного транспорта при отставании подвозящего рейса и процедуры обратной связи для калибровки нормативов обслуживания. Для минимизации рисков сезонной и погодной природы предусмотрена матрица адаптивных механизмов (табл. 5).

Предложенная модель отличается от традиционных подходов к транспортному планированию тем, что в качестве критерия использует не пропускную способность, а обобщенные транзакционные издержки туриста: денежные, временные и связанные с дискомфортом пересадки. Такая постановка смещает акцент на восприятие поездки пользователем и согласуется с трактовкой времени поездки как существенной составляющей издержек [14] и как меры транспортной доступности, влияющей на туристическую экономику территории. В отличие от городских решений типа MaaS, ориентированных на регулярные поездки в условиях плотной сети, рассматриваемая модель учитывает высокую сезонность, разнородность категорий туристов и зависимость от природно-климатических факторов, характерные для рекреационных межрегиональных маршрутов.

Результаты расчета показывают, что основной вклад в снижение издержек дает не интеграция тарифов сама по себе, а согласование расписаний смежных видов транспорта: именно сокращение времени рассогласования в выражении (9) обеспечивает снижение времени пересадки. Это согласуется как с выводом об умеренном самостоятельном эффекте тарифной интеграции, так и с результатами исследований согласованных пересадок (тайм-трансфера) в общественном транспорте [15]. Тем самым тарифные механизмы, а также механизмы согласования расписаний выступают взаимодополняющими, а не взаимозаменяемыми.

Ключевым институциональным элементом модели выступает региональный логистический оператор (РЛО), обеспечивающий сквозную ответственность за качество пересадки, согласование стандартов обслуживания и распределение доходов между перевозчиками. По функциям он близок к роли интегратора (брокера) услуг мобильности, обсуждаемой в литературе по MaaS [5; 13], однако адаптирован к условиям межрегиональной кооперации, где требуется согласование интересов независимых перевозчиков и органов власти двух субъектов.

Институциональный механизм РЛО опирается на иерархию, обозначенную в таблице 4: межрегиональный координационный совет (представители органов власти Республики Крым и Краснодарского края, перевозчиков и инфраструктурных операторов) утверждает единый стандарт сервиса и принципы распределения доходов между перевозчиками, а РЛО как исполнительный орган реализует эти решения на операционном уровне – ведет расчеты с перевозчиками пропорционально их фактическому участию в перевозке по сквозному тарифу и несет ответственность перед координационным советом за соблюдение нормативов пересадки. Алгоритмическая оптимизация расписаний (снижение wlсинх в (9)) технически сокращает время рассогласования, но не заменяет эту институциональную функцию: распределение доходов между независимыми перевозчиками из разных субъектов РФ, разрешение споров между ними и юридически значимые обязательства сторон требуют полномочий, которые не могут быть делегированы вычислительному алгоритму.

Сервисы MaaS, разрабатываемые из управленческих, а не пользовательских потребностей, не всегда устраняют реальные затруднения поездки; предлагаемый критерий издержек туриста и индекс ИЛКТ призваны устранить этот разрыв.

Ограничения применимости модели связаны с необходимостью гармонизации нормативной базы, обеспечения совместимости билетных систем перевозчиков и создания механизмов межбюджетного финансирования для поддержки социально значимых стыков. Эти барьеры типичны для внедрения интегрированных транспортных сервисов вне крупных городских агломераций. Представленные количественные оценки получены на имитационной модели при экспертно заданных параметрах (табл. 1), откалиброванных для пилотной зоны «Севастополь – Ялта – Краснодар»; перенос модели на другие маршруты требует пересчета этих параметров по фактическим данным, а не прямого заимствования полученных значений. Наряду с накоплением данных натурных наблюдений это определяет направление дальнейшей эмпирической верификации. Отдельного уточнения требует и состав индекса ИЛКТ: в текущей версии он формализует комфортность и бесшовность пересадки, но не включает показатель безопасности туриста – его оценка предполагается отдельным модулем в дальнейших исследованиях.

Распространение модели на Черноморский макрорегион предполагается по принципу «опорный узел – периферийные узлы» (hub-and-spoke) с сохранением единого стандарта обслуживания. Критическими условиями выступают институциональная гармонизация (унификация нормативов и арбитражный механизм на базе РЛО), технологическая совместимость билетных систем как условие допуска операторов и экономическая сбалансированность (распределение доходов и субсидирование стыков в межсезонье). Получаемые результаты соответствуют задачам «Стратегии развития туризма в Российской Федерации на период до 2035 года» [16].

С экономической точки зрения полученные результаты допускают следующую интерпретацию. Снижение обобщенных издержек туриста на 11,4% (табл. 2) в терминах экономической теории представляет собой выигрыш потребителя, формирующийся за счет сокращения времени пересадки и эргономического дискомфорта, а не за счет прямого субсидирования тарифа: денежный компонент тарифа в обоих режимах практически не отличается, разница в издержках создается временем и комфортом. Согласно исследованиям готовности туристов оплачивать интегрированные MaaS-сервисы [13], часть этого выигрыша может быть капитализирована через тариф на единый билет, образуя источник дохода регионального логистического оператора для финансирования координационных функций и субсидирования социально значимых межсезонных стыков без постоянной бюджетной дотации. Сокращение среднего времени пересадки более чем наполовину (54,6%) отражает не только рост комфорта, но и высвобождение пропускной способности хабов, что при прочих равных условиях снижает потребность в дополнительных капитальных вложениях в расширение инфраструктуры и повышает отдачу от уже существующих узлов. В масштабе региона совокупный экономический эффект пропорционален фактическому объему перевозок по маршруту и требует отдельной оценки на данных натурных наблюдений; в этом смысле представленные удельные показатели (в расчете на одного туриста) образуют основу для последующего бюджетного и инвестиционного анализа при разработке региональных программ развития туристской транспортной инфраструктуры.

Заключение

Разработана концептуальная модель интермодальной логистики туристов CIM-Transit для маршрутов Крым – Кубань, в которой критерием выступает минимизация обобщенных транзакционных издержек туриста. Модель объединяет многоиндексную постановку задачи распределения туристопотоков, подмодель времени пересадки на основе теории массового обслуживания и стохастический учет сезонности спроса.

Введен индекс логистического комфорта туриста (ИЛКТ), формализующий оценку бесшовности пересадки через пять нормированных показателей и позволяющий количественно сопоставлять варианты организации маршрутов. Показано, что компонента времени пересадки в индексе непосредственно определяется параметрами обслуживания в узлах и степенью согласования расписаний.

Имитационное моделирование пилотной зоны методом Монте-Карло (N = 2000 парных прогонов) показало в рамках имитационной модели и принятых предпосылок, что согласование расписаний и единый билет статистически значимо (p < 0,001) снижают среднее время пересадки и обобщенные издержки туриста и переводят маршрут в состояние бесшовности по ИЛКТ в большинстве прогонов модельного режима. Обоснована институциональная роль регионального логистического оператора как координатора межрегиональных маршрутов и алгоритм распространения модели на Черноморский макрорегион.

Практическая значимость работы состоит в возможности использования модели при разработке региональных программ развития транспортной инфраструктуры, формировании единых билетных систем и стандартов туристского сервиса. Дальнейшие исследования связаны с эмпирической верификацией параметров модели на данных натурных наблюдений, развитием подмодели согласования расписаний и оценкой влияния бесшовной логистики на устойчивость рекреационных территорий.