ВведениеСущественные изменения в мировой экономике, такие как развитие современной транспортной инфраструктуры, изменения в обществе, развитие глобального туризма, а также повсеместное внедрение цифровых технологий, напрямую влияют на развитие портов и морских терминалов. Морские пассажирские порты и терминалы являются новыми точками роста и развития городов и регионов. При исследовании развития данных объектов необходимо рассматривать взаимное влияние систем «город (мегаполис, транспортная инфраструктура) – морской пассажирский порт». В работе [1] Г. Норклифф обоснованно выделяет три периода в эволюции отношений городов и морских портов: период симбиоза городов и портов, период активного роста мегаполисов в отрыве от портов и период активного роста портов за пределами мегаполисов, сопровождающийся отрывом внутригородской причальной линии от разрастающегося порта. Несмотря на то что существует историческая взаимосвязь между развитием портов и городов, в настоящее время наблюдается усиление влияния других факторов на взаимодействие систем «город – морской пассажирский порт», таких как конкуренция на рынке пассажирских морских перевозок, повышенные экологические требования и дефицит площадей для новых пассажирских портов и терминалов в городах и мегаполисах. Решение вопросов прогнозирования развития, изменений в инфраструктуре, оценки влияния необходимо находить на основе исследования систем «морской пассажирский порт – город и его инфраструктура». Пассажирские порты должны интегрироваться в единую транспортную сеть городов, обеспечивая максимальный пассажиропоток и быстрый доступ к центральным частям мегаполисов, исторической и деловой части городов. Данное обстоятельство определяет актуальность вопросов прогнозирования развития морских пассажирских портов, формирования системы принятия решений по модернизации инфраструктуры порта для достижения определенных показателей по пассажиропотоку и судопотоку круизных и паромных судов.  Материалы исследованияНесмотря на мировые ограничения в перемещении пассажиров, вызванные COVID-19 в период с 2019 по 2021 г., сегодня отмечается активное восстановление морских паромных и круизных сетей, вывод на рынок новых направлений и маршрутов, активное стремление паромных и круизных компаний к достижению докризисного уровня по всем регионам морей, что также свидетельствует о активном развитии и восстановлении отрасли [2] (рис. 1–3). Под влиянием внешней среды система портов и терминалов в регионе вынуждена формировать ответное воздействие. Данное воздействие может находить отражение в модернизации, наращивании причальной инфраструктуры под новые типы судов, введении новых информационных логистических сервисов для пассажиров, изменении процессов обслуживания пассажиров и судов в порту для минимизации задержек, изменении околотерминального транспортного пространства. Модернизация инфраструктуры, к примеру, в регионе Балтийского моря будет обусловливать изменение интенсивности работы порта в сторону возрастания и привлечения новых маршрутов по отношению к другим портам региона. Таким образом, произойдет перераспределение пассажирских потоков и приоритетов у пассажиров. К примеру, в статье [3] представлена модель эволюции и управления развития морского пассажирского порта, на основе данных представлен современный тренд на увеличение размеров круизных и паромных судов.   Рис. 1. Число пассажиров на круизных и паромных линияхFig. 1. Number of passengers on cruise and ferry lines  Рис. 2. Тренд по увеличению спроса/емкости рынка круизных и паромных перевозокFig. 2. The trend of increasing demand/capacity of the cruise and ferry transportation market    Рис. 3. Рост индустрии мировых круизных линий Fig. 3. The growth of the global cruise line industry Согласно результатам исследования мировой отрасли пассажирских паромов, проведенного агентством TMR, стоимость мирового рынка пассажирских паромов в 2022 г. составляет 8,1 млрд долл. США, а к концу 2031 г. возрастет на 7,1 % и достигнет 15,0 млрд долл. [4]. Морские паромы в Балтийском море являются неотъемлемой частью транспортной системы прибрежных городов, не только обеспечивая перемещение людей и грузов, но и способствуя развитию туризма в регионе, а также экономики в целом. На основе периода COVID-19 и исходя из системы показателей эффективности программы управления портами TrainForTrade [5] за период с 2016 по 2020 г. количество пассажиров снизилось на 34 % по сравнению со средним показателем за предыдущие 5 лет. Аналогично произошло сокращение пассажиропотока и на круизных линиях – поток пассажиров снизился на 28 %. Только за период с 2019 по 2020 г. количество пассажиров на паромах сократилось на 71 %, а на круизных лайнерах – на 76 % (см. рис. 1). Снижение пассажиропотока значительно повлияло на всю отрасль, однако круизный сектор оказался весьма устойчивым, пассажиропоток постепенно возрастает и, как ожидается, к концу 2023 г. вернется к уровню 2019 г.Одной из причин непрерывного роста и глобального распространения круизного туризма, несмотря на влияние негативных факторов, является постоянная реакция круизных линий на изменения внутри рынка. Круизные линии внедряют инновации в области увеличения размеров судов, развития новых портов и модернизации существующих, разработки новых конструкций судов, развития новых маршрутов, в то же время используется все большее число портов захода круизными линиями с целью обеспечения более комфортного пребывания в порту и пункте назначения. Это делает круизную, паромную индустрию наименее подверженной кризисам [6, 7]. Исторически многие города развивались вокруг портов, в настоящее время большинство портов либо находятся поблизости от города, либо располагаются прямо внутри города. Такое сосуществование требует нового подхода к изучению его пространственного расположения [8], поскольку эффективно функционирующие порты могут иметь значительное экономическое и инновационное влияние на весь регион [9–11]. Географически крупнейшими секторами круизных перевозок являются регионы Северной Америки, Европы, а также Азиатско-Тихоокеанский регион. Главными перевозчиками на мировом рынке круизов являются Carnival Corporation, Cruiseaway, Disney Cruise Line, Fred Olsen Cruise Lines, Island Queen Cruises, Luxury Cruise Connections, MSC Cruises, Norwegian Cruise, динамика изменений пассажиропотока приведена на рис. 2.Объектом исследования в статье является регион Балтийского моря. На рис. 3 (оконная форма сформированной выборки данных, согласно информационно-аналитическим системам [10, 11]) можно увидеть, как сильно повлияла пандемия COVID-19 на пассажиропоток во всем мире, однако важно отметить, что индустрия заметно набирает обороты. Мировой рынок круизных перевозок в данных обстоятельствах демонстрирует значительную устойчивость в условиях экономических кризисов. Для адаптации к современным вызовам и требованиям рынка портам и морским терминалам необходимо использовать современные динамические методы анализа данных для изменения обоснования модернизации своей инфраструктуры.В настоящее время круизные маршруты Балтийского моря хорошо разработаны, учитывают сезонность и предоставляют расширенные варианты. Они также открывают новые возможности для развития отрасли. Регион Балтийского моря имеет значительный потенциал развития паромных маршрутов благодаря географической близости стран и развитым круизным сектором региона. При этом сегодня, несмотря на региональную ограниченность и сформированность Балтийского моря, имеется возможность вывода новых направлений или включения нового порта в круизные или паромные маршруты. Исторически Санкт-Петербург всегда представлял интересный сегмент на данном рынке. В революционный период Ленинград исчез из направлений паромного судоходства Балтийского региона, движение начало восстанавливаться только после распада Советского Союза в декабре 1991 г. [12]. Санкт-Петербург всегда являлся значимой отправной точкой развития для мирового круизного туризма Балтийского региона. В настоящее время в связи с рядом факторов, вызванных, в том числе, пандемией COVID-19, движение круизных судов было полностью остановлено в 2019 г. и не восстановилось до сих пор. Необходимо постепенное восстановление и возобновление работы маршрутных сетей и направлений. К примеру, в «Концепции развития круизного туризма в Российской Федерации на период до 2024 года» [13–15] Санкт-Петербург отмечается одним из основных перспективных пунктов отправления морских маршрутов, однако сегодня происходит переквалификация на развитие рынка внутреннего туризма. Таким образом, ввиду влияния современных трендов развития морских паромных и круизных маршрутов для лиц, принимающих решение, руководителей портов, аналитиков отрасли требуется разработка новых подходов и методов для прогнозирования развития и оценки различных сценариев модернизации инфраструктуры. Для достижения цели исследования были разработаны новые цифровые двойники морского пассажирского порта, новые алгоритмы анализа данных. При построении модели обеспечено динамическое изменение и варьирование параметров модели, использование аппарата имитационного моделирования и установление системы принятия решений с использованием динамических данных от беспилотных авиационных систем. Беспилотной авиационной системе отводится роль источника для получения данных с последующей обработкой для включения в цифровую модель. Модели и методы исследованияОбъектом исследования был выбран регион Балтийского моря и морской пассажирский порт «Морской фасад» (АО «Пассажирский порт Санкт-Петербург «Морской фасад»). Анализ интенсивности работы морского пассажирского порта «Морской фасад» с 2015 по 2019 г. (Санкт-Петербург) приведен на рис. 4.  Рис. 4. Интенсивность заходов круизных и паромных судовв пассажирский порт Санкт-Петербурга «Морской фасад» c 2015 по 2019 г.Fig. 4. The intensity of cruise and ferry ship calls at the passenger portof St. Petersburg “Marine Façade” from 2015 to 2019 Модернизация инфраструктуры морского пассажирского порта должна быть обоснована, при этом влияние внешней среды отражается в необходимости формирования набора прогнозных сценариев развития. Руководитель порта оперирует имеющейся у него интенсивностью работы за прошлые периоды, в то время как для оценки различных сценариев прогнозирования необходимо создать определенное количество гипотез и выполнить последующее моделирование сценариев. Особенно ситуация актуальна, когда формируется задача изменения положения порта относительно других в регионе или существует острая необходимость модернизации по причине формирования нового потока мегалайнеров, которые требуют большей длины причала.Характерным примером формирования ответа на внешний вызов и влияния тренда на увеличение габарита круизных судов является тот факт, что ввиду увеличения длины судна больше 330 м АО «Пассажирский порт Санкт-Петербург «Морской фасад» успешно выполнил проект строительства выносных палов [3] – увеличение длины причалов № 6 и 7 (причального фронта) на 108,6 м. В данном случае морской пассажирской порт «Морской фасад» стратегически реализовал возможность приема крупных морских лайнеров – внес город Санкт-Петербург в новую систему круизных и паромных маршрутов.Ввиду формирования различных сценариев годовой загруженности необходимо разработать модель данных. Предлагается также использовать динамические данные от беспилотных авиационных систем для построения цифровых моделей с последующей интеграцией в имитационные программные среды. Для работы с данными и формирования модельных сценариев предлагается следующая модель (рис. 5).С позиций формирования системы принятия решений по модернизации инфраструктуры, от набора данных по интенсивностям судозаходов, необходимо переходить к формированию некоторого поля полезности и анализировать различные стратегии принятия решений при неопределенности. Основные модели принятия решений при неопределенности приведены в учебном пособии Г. Л. Бродецкого [15]. Для выполнения исследования необходимо формирование набора альтернатив на основе результатов работы цифровой имитационной модели и различного набора оптимизационных экспериментов, каждый из которых определяет загруженность порта, загруженность причалов в порту. В представленной на рис. 6 цифровой модели также реализована специализация причалов как для больших лайнеров, так и для обработки морских паромов.    Рис. 5. Модель работы с цифровым двойником морского пассажирского портаи включением данных от беспилотных авиационных системFig. 5. The model of working with the digital twin of a marine passenger port and the inclusionof data from unmanned aircraft systems      Рис. 6. Имитационная цифровая модель морского пассажирского порта в программной среде AnyLogic:примеры определения загруженности причаловFig. 6. Simulation digital model of a marine passenger port in the AnyLogic software environment,examples of determining berth congestion Из-за активного влияния внешней среды, изменений в отрасли и влияния внешнеэкономической и международной ситуации примем как основную стратегию Вальда. Данный критерий основан на «осторожном поведении» лица, принимающего решения, которое выполняет детальную проработку возможных исходов, оценивает взаимное влияние морских пассажирских портов в регионе. Таким образом, будет достигнут определенный системный выигрыш при наихудших условиях.Математическая модель, определяющая семейство линий уровня для принятия решений, записывается следующим образом:f(u; v; …; z) = min{u; v; …; z},где f(u; v; …; z) - функция n переменных, аргументом которой являются n-мерные векторы-строки соответствующей матрицы полезностей.Математическая модель критерия Вальда для выполнения исследования:  где величина v(ai, sj) приобретает либо значения полученной прибыли, либо исходы потери работы системы.После получения результатов работы модели цифрового двойника и морского пассажирского порта формируется поле полезности, определяются графические зависимости результатов и формируются линии уровня. Необходимо отметить, что лицо, принимающее решение, может самостоятельно формировать набор линий уровня в зависимости от целевых установок. При использовании аппарата принятия решений при неопределенности открывается возможность получить самые крайние значения работы системы, некоторые утопические и антиутопические точки, которые характеризуют либо самую минимальную загруженность порта, либо максимальный уровень загрузки порта. Практическое исследование принятия решения по модернизации инфраструктуры морского пассажирского порта на основе многосценарного моделирования и использования данных от беспилотных авиационных системДля анализа различных сценариев работы морского пассажирского порта была создана цифровая транспортная модель с использованием программного обеспечения AnyLogic [16, 17]. В качестве исходных данных была выбрана интенсивность работы АО «Пассажирский порт Санкт-Петербург «Морской фасад» за навигационный период до 2019 г. Для каждого типа распределения входного потока было проведено большое количество экспериментов с использованием цифровой транспортной модели, разработанной в среде AnyLogic. Минимальное количество экспериментов при выделении отдельного состояния составляет 30 экспериментов. В цифровой модели реализована возможность не только менять законы распределения из набора базовых, но и формировать самостоятельные условия. Оконная форма разработанной цифровой модели морского пассажирского порта в вариантах 2D и 3D приведена на рис. 6.На основе выполненного моделирования ожидаемое значение входного потока было установлено с использованием данных за 2019 г. и составляло 265 судов в год для морского пассажирского порта. Результаты исследования представлены в таблице.Результаты экспериментаThe results of the experimentНомерэкспериментаОбщее количество судовГамма-распределение Распределение ПуассонаНормальное распределение 124726324922892212403240269242429727326452803202846264317266 Для моделирования интенсивностей судозаходов был разработан дополнительный отдельный программный модуль. Фрагмент программного кода на языке Python поиска оптимального решения по полученным модельным интенсивностям по критерию Вальда представлен на рис. 7. def crit_vald(data):    mm_crit = {}    mm_dop = []    for key, value in data.items():        mm_crit[key]=min(value)        mm_dop.append(min(value))    #print(mm_crit)    a = max(mm_dop)    b = min(mm_dop)    for key, value in mm_crit.items():        if value == a:            return {key:value}        if value == b:            print('Антиутопическое решение = ', b)DATA = {'X1': [247, 263, 249],        'X2': [289, 221, 240],        'X3': [240, 269, 242],        'X4': [297, 273, 264],        'X5': [280, 320, 284],        'X6': [264, 317, 266]}if __name__ == "__main__":    print(f'Решение по критерию Вальда (ММ-показатель): {crit_vald(DATA)}') Рис. 7. Фрагмент программного кода для анализа данных по критерию Вальда (ММ-показатель)Fig. 7. A fragment of the program code for analyzing data according to the Wald criterion (MM-indicator) На основе анализа данных интенсивностей полученная область поля полезностей ограничивается антиутопической точкой со значением 221 судна и утопической точкой со значением 280 судов (рис. 8).   Рис. 8. Результаты работы модели принятия решения по критерию Вальдапо оценке загруженности причалов морского пассажирского портаFig. 8. Results of the work of the decision-making model according to the Wald criterion for assessingthe workload of berths of a marine passenger port Для повышения точности моделирования предлагается использование динамических данных от беспилотных авиационных систем (квадрокоптеров). Благодаря им необходимо произвести фотосъемку и, обработав результаты в специальном программном обеспечении, получить готовую цифровую модель. Работа может проводиться и дистанционно, тем самым увеличивая скорость и безопасность проведения мониторинга. Кроме того, данный метод – один из самых высокопроизводительных способов аэрофотосъемки. Согласно схеме порта «Морской фасад» был разработан его макет и цифровая 3D-модель. Эксперименты по построению цифровой модели на основе данных от беспилотных авиационных систем выполнялись в лаборатории беспилотных авиационных систем инженерной школы Санкт-Петербургского государственного университета аэрокосмического приборостроения. Код автономного полета написан на языке Python. После проведения аэрофотосъемки тестового полигона полученные снимки были преобразованы в трехмерную модель поверхности с использованием программного обеспечения Metashape [18], результаты приведены на рис. 9.                         а                                                                                                   б Рис. 9. Схема порта «Морской фасад» (а) и схема размещения макета (модели в масштабе) порта «Морской фасад»в исследовательском летном поле (б)Fig. 9. The scheme of the port “Marine Façade” (а) and the layout of the layout (scale model) of the port “Marine Façade”in the research airfield (б) Для создания трехмерной модели порта используется челночная схема облета беспилотной авиационной системой. По ней выполнен автономный полет согласно разработанному маршруту с выполнением аэрофотосъемки модели на летном поле. Итоговая модель приведена на рис. 10.   Рис. 10. Трехмерная модель полигона для построения модели причалов морского пассажирского портаFig. 10. Three-dimensional polygon model for constructing a model of berths of a marine passenger port Полученная модель является основой для переноса в имитационную программную среду AnyLogic и выполнения последующего многосценарного моделирования. За счет включения модуля с данными от беспилотных авиационных систем повышаются точность использования инфраструктуры морского пассажирского порта, точность моделирования и качество представления модели. Кроме того, наличие системы 3D динамических моделей от беспилотных авиационных систем позволяет фиксировать отдельные стадии в развитии инфраструктуры. ЗаключениеСегодня для оценки прогнозирования развития объектов морских пассажирских портов недостаточно использовать только детерминированные модели. Ввиду влияния внешней среды и повышенных требований к детализации процессов необходима разработка цифровых транспортных моделей, цифровых двойников с возможностью выполнения многосценарного моделирования. Кроме использования отдельно имитационных программных сред, необходимо обеспечивать точность и детализацию инфраструктуры в разработанных моделях. В связи с данным обстоятельством использование цифровой имитационной модели совместно с данными от беспилотных авиационных систем является перспективным направлением.Выполненное исследование демонстрирует включение в имитационную модель элементов инфраструктуры морского пассажирского порта, включая его объекты и сооружения. Успешные лабораторные исследования позволяют сделать вывод о возможности использования цифровых моделей для своевременного анализа актуальных данных о состоянии портовой инфраструктуры. Применение современных программных средств обработки данных, полученных с помощью беспилотных авиационных систем, позволяет создавать высокоточные цифровые модели.Обоснован метод анализа результатов многосценарного моделирования с позиций моделей принятия решений при неопределенности. Ввиду возможности варьирования моделей принятия решений открывается возможность описывать отдельное поведение лица, принимающего решение, от характера влияния внешней среды. Данное обстоятельство позволяет повысить точность принятия решений по обоснованию модернизации инфраструктуры.Благодаря применению модулей принятия решений при неопределенности и определению полей полезности были выявлены ошибочные данные и, как следствие, определены возможные ошибки от использования некорректных данных по интенсивностям судозаходов. В результате исправления также были получены новые алгоритмы обработки данных, новые программные модули и цифровые модели. Полученные результаты позволяют сделать вывод о возможной интеграции предложенного решения в контур принятия решения по управлению морским пассажирским портом. Дополнительно результаты моделирования позволяют утверждать об универсальности использования цифровых моделей и данных от беспилотных авиационных систем для оценки состояния инфраструктуры, загруженности морского порта и оценки модернизации инфраструктуры.