Просмотр новости
Найдите то, что Вас интересует
Спутники
РН
SpaceX
Роскосмос
NASA
Ученые ПНИПУ разработали инструмент для оценки транспортной доступности городских кварталов с учетом особенностей их планировки
Дата публикации: 26-08-2026 07:11:00
Ученые Пермского Политеха создали нейросетевую модель, которая позволяет прогнозировать транспортную доступность...
Основное содержимое страницы с новостью.
26 Августа 2026 10:11 26 Авг 2026 10:11 |
Ученые Пермского Политеха создали нейросетевую модель, которая позволяет прогнозировать транспортную доступность кварталов по характеристикам планировки и оценивать, как изменение в ней отразится на доступности. С ее помощью можно не только продумывать новую застройку, но и улучшать уже существующие районы городов.
Статья опубликована в журнале «Научные проблемы архитектуры, градостроительства и архитектуры». Об этом CNews сообщили представители ПНИПУ.
Ученые Пермского Политеха создали нейросетевую модель — компьютерную программу, которая не просто измеряет транспортную доступность, а объясняет, от чего она зависит. Она позволит прогнозировать, какие изменения в устройстве улиц действительно повлияют на скорость передвижения, а какие окажутся бесполезными.
Чтобы создать модель, исследователи проанализировали реальный российский город с разными типами застройки — исторической, советской и современной. Его разбили на кварталы и для каждого собрали данные о планировке: плотность улиц, количество перекрестков, тупиков, извилистость проездов.
Также ученые рассчитали количество рабочих мест в разных районах — ведь чем их больше находится поблизости, тем чем быстрее до них добраться. Кроме того, эксперты рассчитали модельное время поездок между кварталами с учетом не просто расстояния, а типов улиц. Например, на широких магистралях скорость выше, а на узких дворовых проездах — ниже, что сказывается на общем времени поездки.
На основе этих данных для каждого квартала был рассчитан единый показатель — индекс транспортной доступности. Его вычисляли стандартным способом, учитывая количество рабочих мест, достижимых в пределах 45 минут. Именно столько, согласно строительным нормам, составляет максимально допустимое время поездки до места работы. Чем выше индекс, тем лучше район связан с остальной частью города и тем легче его жителям добираться до важных объектов.
«Сегодня знать фактический уровень доступности недостаточно — с этим справляются и традиционные методы. Нужен инструмент, который мог бы заранее оценивать изменения в планировке. Для этого на основе двух наборов данных — планировочных параметров кварталов и их индексов — мы создали нейросетевую модель. Она умеет прогнозировать транспортную доступность и показывать, какие изменения в устройстве улиц повлияют на удобство поездок. Это позволит проанализировать не только еще не построенные территории, но и уже существующие», — сказала Екатерина Савельева, старший преподаватель кафедры «Архитектура и урбанистика» ПНИПУ.
Модель обучили на реальных данных: расстояние до центра города, параметры всех кварталов и соответствующие им индексы. Она изучила эти примеры и научилась связывать планировку с уровнем доступности. После обучения модель стала работать как калькулятор: нужно только ввести характеристики территории, включая удаленность от центра, и получить оценку. При этом можно менять разные параметры — например, увеличить извилистость проездов — и увидеть, как при этом изменится прогнозируемая доступность.
Чтобы убедиться, что решение работает корректно, ученые загрузили параметры всех кварталов города, получили индексы и сравнили их с реальными, которые рассчитали вручную. Модель показала высокую точность прогноза: показатель качества составил 95%. Это означает, что она правильно воспроизводит реальную ситуацию и ее можно использовать для оценки.
«Однако главное преимущество разработки по сравнению с традиционными методами в том, что она не просто выдает индекс, но и показывает, какие именно характеристики и как сильно на него влияют. Модель делает это с помощью анализа важности признаков. Она оценивает вклад каждого параметра в итоговый прогноз и показывает, изменение какого из них даст наибольший эффект. Например, если в двух кварталах на одинаковом расстоянии от центра доступность различается, наша модель может показать: в первом случае проблему создает излишняя извилистость улиц, а во втором — недостаток перекрестков. Это дает архитекторам и планировщикам четкое понимание, на что именно нужно воздействовать», — отметила Екатерина Савельева.
Разработка пермских ученых позволяет принимать обоснованные решения еще на этапе проектирования, избегая дорогостоящих ошибок. Но у нее есть и другое применение — она помогает находить проблемные участки в уже существующей застройке, те места, где доступность снижена именно из-за неудачной планировки, а не удаленности от центра.
Схожие новости
Классификация: Наука. Схожих патентов: 0. Схожих новостей: 9. Тональность: 0. Информативность: 9.25. Источник: www.cnews.ru.