Modeling of regional freight flows of road transport in Ukraine

UDC 338.27:656.1

DOI: https://doi.org/10.46783/smart-scm/2021-6-1
JEL Classification: C51, C52, R12, R41.

Received: 22 February 2021

Anotation: A transport system can be defined as a complex system characterized by a random value of transport demand, variable weather and climatic factors, a set of characteristics of transport infrastructure, and a complex system of interconnections. One of the key modes of transport providing freight transport both in domestic and international traffic is road. Its mobility and the ability to deliver cargo from door to door is a unique competitive advantage over other modes of transport. To create an effective logistics infrastructure that meets the demand for domestic freight transport, first of all, information is needed on the needs for transport between regions of the country. Thus, it is necessary to look for mathematical approaches to modeling freight flows, combining their practical implementation using widely used software products (for example, MS Excel). The purpose of the paper is to build effective multifactor regression models of demand for input and output transportation of goods by road for each region of Ukraine according to publicly available statistical data of the State Statistics Service of Ukraine. The modern approach to modeling cargo flows requires fast processing of a large amount of statistical data. In addition, the method should be as universal as possible and capable of quick and simple changes under conditions of a change in statistical data. From this point of view, the most acceptable option can be considered to be the modeling of freight traffic using regression models based on correlation and regression analysis. In general, the task is to find the dependence of the demand for transportation on the factors that influence it. Such factors in the existing models are connected with various macroeconomic indicators, as well as the distance of delivery. The data of regional statistics of the State Statistics Service of Ukraine and data of the “Lardi-Trans” website as the most widely used by freight carriers and shippers were taken as the initial data for modeling. A list of factors has been found that significantly influence the demand for freight transport by road between regions of Ukraine. A rating of influencing factors has been compiled, among which are the gross regional product, regional volumes of foreign trade in goods (imports) and gross regional product per one inhabitant of the region. The absolute values of the correlation coefficients are in the range 0.351-0.974. The lowest correlation coefficient is between the transportation distance and the demand for delivery, which proves a negligible relationship between the volume of regional transportation and the distance of delivery. Multivariate regression models with thirteen, five and two factors of influence on demand are built. Accuracy parameter values are acceptable for all model variants. The normalized R-squared of the obtained models does not fall below 84%, and the average approximation error does not rise above 1.6%, which is an excellent performance of the models.
Keywords: demand for freight transportation, regional transportation of goods by road, domestic transportation, modeling the demand for transportation, correlation-regression analysis, linear multivariate regression
Анотація: Транспортну систему можна визначити як складну систему, яка характеризується випадковою величиною транспортного попиту, змінними погодно-кліматичними факторами, набором характеристик транспортної інфраструктури та складною системою взаємозв’язків. Одним з ключових видів транспорту, що забезпечує вантажні перевезення як у внутрішньому, так і міжнародному сполученні, є автомобільний. Його мобільність та можливість доставки вантажу «від дверей до дверей» є унікальною конкурентною перевагою перед іншими видами транспорту. Для створення ефективної логістичної інфраструктури, що забезпечує попит на внутрішні вантажні перевезення, перш за все необхідна інформація про потреби в перевезеннях між регіонами країни. Таким чином, необхідно шукати математичні підходи до моделювання вантажопотоків, комбінуючи їх практичну реалізацію з використанням широко використовуваних програмних продуктів (наприклад, MS Excel). Метою статті є побудова ефективних багатофакторних регресійних моделей попиту на вхідні та вихідні перевезення вантажів автомобільним транспортом для кожної області України за загальнодоступними статистичними даними Державної служби статистики України. Сучасний підхід до моделювання вантажопотоків вимагає швидкої обробки значної кількості статистичних даних. Крім того, метод має бути максимально універсальним та здатним до швидких та простих змін у разі зміни наявних статистичних даних. Найбільш прийнятним варіантом з цієї точки зору може вважатися моделювання вантажопотоків з використанням регресійних моделей на основі проведення кореляційно-регресійного аналізу. У загальному вигляді задача полягає в знаходженні залежності попиту на перевезення від факторів, що на нього визначальний вплив. Такими факторами є макроекономічні показники, а також відстань перевезення. У якості вихідних даних взяті дані регіональної статистики та дані сайта «Ларді-Транс» як найбільш широко використовуваного у вантажоперевізників, відправників та замовників перевезень. Знайдено фактори, що становлять значний вплив на попит на вантажні перевезення автотранспортом з та до областей України. Складено рейтинг факторів впливу, серед яких на перших позиціях Валовий регіональний продукт; Регіональні обсяги зовнішньої торгівлі товарами (імпорт) та Валовий регіональний продукт у розрахунку на одну особу. Абсолютні значення коефіцієнтів кореляції перебувають у діапазоні 0,351-0,974. Найнижчий коефіцієнт кореляції – між відстанню перевезень та попитом на них, що доводить незначний зв’язок між обсягами регіональних перевезень та відстанню доставки. Побудовано моделі багатофакторної регресії з тринадцятьма, п’ятьма і двома факторами впливу на попит. Значення параметрів точності є прийнятними для всіх варіантів моделей. Нормований R-квадрат отриманих моделей не опускається нижче 84%, а середня помилка апроксимації не піднімається вище 1,6%, що є відмінними показниками моделей.
Ключові слова: попит на вантажні перевезення, регіональні перевезення вантажів автомобільним транспортом, внутрішні перевезення, моделювання попиту на перевезення, кореляційно-регресійний аналіз, лінійна багатофакторна регресія.
Аннотация: Транспортную систему можно определить как сложную систему, которая характеризуется случайной величиной транспортного спроса, переменными погодно-климатическими факторами, набором характеристик транспортной инфраструктуры и сложной системой взаимосвязей. Одним из ключевых видов транспорта, обеспечивающим грузовые перевозки как во внутреннем, так и в международном сообщении, является автомобильный. Его мобильность и возможность доставки груза «от двери до двери» является уникальным конкурентным преимуществом перед другими видами транспорта. Для создания эффективной логистической инфраструктуры, обеспечивающей спрос на внутренние грузовые перевозки, прежде всего необходима информация о потребностях в перевозках между регионами страны. Таким образом, необходимо искать математические подходы к моделированию грузопотоков, комбинируя их практическую реализацию с использованием широко используемых программных продуктов (например, MS Excel). Целью статьи является построение эффективных многофакторных регрессионных моделей спроса на входные и выходные перевозки грузов автомобильным транспортом для каждой области Украины по общедоступными статистическим данным Государственной службы статистики Украины. Современный подход к моделированию грузопотоков требует быстрой обработки большого количества статистических данных. Кроме того, метод должен быть максимально универсальным и способным к быстрым и простым изменениям в случае перемены статистических данных. Наиболее приемлемым вариантом с этой точки зрения может считаться моделирование грузопотоков с использованием регрессионных моделей на основе проведения корреляционно-регрессионного анализа. В общем виде задача состоит в нахождении зависимости спроса на перевозки от факторов, оказывающих на него влияние. Такими факторами в существующих моделях указываются различные макроэкономические показатели, а также расстояние перевозки. В качестве исходных данных для моделирования взяты данные региональной статистики Государственной службы статистики Украины и данные сайта «Ларди-Транс» как наиболее широко используемого у грузоперевозчиков и грузоотправителей. Определен перечень факторов, составляющих значительное влияние на спрос на грузовые перевозки автотранспортом между областями Украины. Составлен рейтинг факторов влияния, среди которых на первых позициях валовый региональный продукт, региональные объемы внешней торговли товарами (импорт) и валовый региональный продукт в расчете на одного жителя области. Абсолютные значения коэффициентов корреляции находятся в диапазоне 0,351-0,974. Самый низкий коэффициент корреляции – между расстоянием перевозок и спросом на них, что доказывает незначительную взаимосвязь между объемами региональных перевозок и расстоянием доставки. Построены модели многофакторной регрессии с тринадцатью, пятью и двумя факторами влияния на спрос. Значения параметров точности являются приемлемыми для всех вариантов моделей. Нормированный R-квадрат полученных моделей не опускается ниже 84%, а средняя ошибка аппроксимации не поднимается выше 1,6%, что является отличными показателями моделей.
Ключевые слова: спрос на грузовые перевозки, региональные перевозки грузов автомобильным транспортом, внутренние перевозки, моделирование спроса на перевозки, корреляционно-регрессионный анализ, линейная многофакторная регрессия.

List of references

HOW TO QUOTE THIS ARTICLE:

Savchenko L.V., Semeriahina M.M., Shevchenko I.V. (2021) Modeling of regional freight flows of road transport in Ukraine // Intellectualization of logistics and Supply Chain Management. [Online], vol.6, pp.6-22, available at: https://smart-scm.org/en/journal-6-2021/modeling-of-regional-freight-flows-of-road-transport-in-ukraine/ – DOI: https://doi.org/10.46783/smart-scm/2021-6-1
https://pppi.sulselprov.go.id/-/slot-gacor/https://izv-tn.tti.sfedu.ru/-/slot-pulsa/http://dopovidi-nanu.org.ua/sites/default/files/slot-gacor/https://chasopys-ppp.dp.ua/public/site/slot-deposit-pulsa/https://www.ncst.mw/wp-content/uploads/slot-online/https://malawidiaspora.gov.mw/slot-deposit-pulsa/https://dopovidi-nanu.org.ua/ojs/styles/situs-slot-gacor/http://ojs3.bkstm.org/public/journals/1/togel-online/http://revistaaristas.tij.uabc.mx/public/link-slot-gacor/https://penerbit.undip.ac.id/pages/slot-deposit-pulsa/https://jurnal.madiunkab.go.id/pages/slot-gacor-4d/https://jurnal.madiunkab.go.id/public/site/slot-gacor-4d/https://perizinan.jambikota.go.id/frontend/web/slot-online/https://aar-healthcare.com/ke/wp-content/slot-dana/https://jurnal.madiunkab.go.id/pages/slot-gacor/http://ejournalbidan.poltekkes-kaltim.ac.id/slot-gacor-maxwin/https://sitenar.madiunkab.go.id/public/-/slot88/https://pendidikanbahasaindonesia.umnu.ac.id/-/slot-dana/https://perizinan.jambikota.go.id/frontend/web/slot/https://siagaki.sulselprov.go.id/frontend/slot88/https://peternakan.umnu.ac.id/-/slot-deposit-pulsa/https://datadesacenter.dpmd.jatimprov.go.id/puem/assets/https://datadesacenter.dpmd.jatimprov.go.id/assets/slot-pulsa/https://amerta.kemenkumham.go.id/file/slot-demo/https://www.ufrgs.br/nupegem/wp-content/slot-gacor/https://www.ufrgs.br/nupegem/slot-pulsa/https://188.166.227.65/http://prosiding.fisip.unsri.ac.id/-/slot-gacor/https://penerbit.undip.ac.id/-/slot-gacor/http://jurnal.amy.ac.id/public/-/slot-gacor/https://sipenta.bappeda.tulungagung.go.id/storage/slot-online/https://jurnalpangriptav3.malangkota.go.id/pages/slot-gacor-maxwin-4d/https://jurnalpangriptav3.malangkota.go.id/js/slot-deposit-pulsa-terpercaya/http://prosiding.fisip.unsri.ac.id/pages/slot-pulsa-terpercaya/http://prosiding.fisip.unsri.ac.id/js/slot-dana/https://kecamatanrancabali.bandungkab.go.id/public/css/slot-deposit-pulsa/https://jurnalpangriptav3.malangkota.go.id/demo-slot/https://jurnalpangriptav3.malangkota.go.id/-/joker123/http://prosiding.fisip.unsri.ac.id/pages/slot-bonus-100/https://jurnalpangriptav3.malangkota.go.id/styles/sv388/https://www.ufrgs.br/rbml/styles/slot-demo/https://kec-girimaya.pangkalpinangkota.go.id/-/slot-gacor/https://stisnu-aceh.ac.id/wp-content/uploads/2022/10/togel-online/https://ptik.unp.ac.id/wp-content/slot-deposit-pulsa/https://www.ufrgs.br/rbml/-/bola88/https://siagaki.sulselprov.go.id/frontend/slot-gacor/https://siagaki.sulselprov.go.id/frontend/slot-online/https://paper.icprp.uii.ac.id/public/togel-online/https://jescee.universitaspertamina.ac.id/pages/slot-dana/https://wirausaha.deliserdangkab.go.id/https://www.ufrgs.br/rbml/pages/pragmatic88/https://kecamatanrancabali.bandungkab.go.id/public/css/slot-online/https://paper.icprp.uii.ac.id/public/slot88/https://jurnalergonomik3.ti.itb.ac.id/js/https://penerbit.undip.ac.id/js/slot-deposit-pulsa/https://paper.icprp.uii.ac.id/public/slot-deposit-pulsa/https://penerbit.undip.ac.id/styles/slot/https://subdomainmaker.deliserdangkab.go.id/-/slot-gacor/https://ptik.unp.ac.id/wp-content/themes/slot-pulsa/https://paper.icprp.uii.ac.id/public/slot-gacor-maxwin/https://www.kecamatankutawaringin.bandungkab.go.id/public/slot777/http://prosiding.fisip.unsri.ac.id/pages/link-slot-gacor/https://dcs-ditkapel.dephub.go.id/storage/slot-deposit-pulsa/https://dcs-ditkapel.dephub.go.id/storage/slot-dana/https://www.ufrgs.br/nupegem/slot-pulsa/https://jurnalergonomik3.ti.itb.ac.id/js/slot-dana/