Способы оптимизации работы городской транспортной сети

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В условиях ускоренной урбанизации оптимизация логистической инфраструктуры становится важнейшим направлением в обеспечении устойчивого и эффективного функционирования городской мобильности. Увеличение плотности транспортных потоков, рост требований к экологической безопасности и ограниченность городского пространства требуют внедрения комплексных решений, основанных на цифровых технологиях и системной интеграции различных видов транспорта.

Цель. Обоснование эффективных подходов к оптимизации городской транспортной сети с использованием цифровых технологий, интеллектуальных транспортных систем и мультимодальных решений, направленных на повышение пропускной способности, сокращение задержек и снижение экологической нагрузки.

Материалы и методы. В качестве методологической основы используются принципы системного анализа, сравнительное изучение реализованных транспортных решений, а также имитационное моделирование транспортных потоков с использованием программного комплекса SUMO, позволяющего оценить эффективность различных сценариев управления городской мобильностью. Моделирование проводилось для типовой городской агломерации с учетом параметров реального трафика.

Результаты. Применение адаптивного светофорного регулирования снижает среднюю задержку на перекрестках до 45%, а выбросы CO2 – до 24 % по сравнению с базовым сценарием. Кроме того, проведенный анализ современных технологических и организационных решений подтвердил высокую эффективность интеграции интеллектуальных транспортных систем, платформ обработки больших данных и мультимодальных стратегий в обеспечении устойчивого функционирования городской транспортной сети.

Об авторах

Георгий Георгиевич Дудайти

Национальный исследовательский университет «Высшая школа экономики»

Автор, ответственный за переписку.
Email: giodudayti@rambler.ru
ORCID iD: 0009-0002-6021-5436

магистр

Россия, ул. Мясницкая, 20, г. Москва, 101000, Российская Федерация

Антон Игоревич Сазонов

Московский авиационный институт

Email: Sazonov.gmt@mail.ru
ORCID iD: 0009-0006-6634-5361

специалист

 

Россия, Волоколамское шоссе, 4, г. Москва, 125993, Российская Федерация

Максим Дмитриевич Ларин

Российский экономический университет имени Г.В. Плеханова

Email: larinmaxim23@gmail.com
ORCID iD: 0009-0007-9646-4123

магистр

 

Россия, пер. Стремянный, 36, г. Москва, 115054, Российская Федерация

Александр Сергеевич Тришин

Национальный исследовательский университет «Высшая школа экономики»

Email: trishin.alexander4@mail.ru
ORCID iD: 0009-0000-7503-8570

студент 1 курса магистратуры

 

Россия, ул. Мясницкая, 20, г. Москва, 101000, Российская Федерация

Список литературы

  1. Какалыева, А., & Керими, К. (2024). Оптимизация процессов в транспортной логистике: современные подходы, инновации и вызовы в контексте глобализации. Всемирный учёный, 1(25),
  2. 889–895.
  3. Гурбанов, Ы., Аннагелдиева, Н., & Джапаров, О. (2024). Взаимосвязь плотности застройки и развития общественного транспорта в контексте устойчивого градостроительства. Вестник науки, 4(12), 1861–1864. EDN: https://elibrary.ru/JCQLNZ
  4. Xiao, M., Chen, L., Feng, H., Peng, Z., & Long, Q. (2024). Smart city public transportation route planning based on multi-objective optimization: A review. Archives of Computational Methods in Engineering, 31(6), 3351–3375. https://doi.org/10.1007/s11831-024-10076-9. EDN: https://elibrary.ru/CYCXXD
  5. Sarwatt, D. S., Lin, Y., Ding, J., Sun, Y., & Ning, H. (2024). Metaverse for intelligent transportation systems (ITS): A comprehensive review of technologies, applications, implications, challenges and future directions. IEEE Transactions on Intelligent Transportation Systems, 25(7), 6290–6308. https://doi.org/10.1109/TITS.2023.3347280
  6. Тихомиров, П. В., Митряев, Н. С., & Кухарев, К. С. (2024). Повышение эффективности систем управления улично-дорожной сетью. Мир транспорта и технологических машин, 120–122. https://doi.org/10.33979/2073-7432-2024-2-1(85)-120-126. EDN: https://elibrary.ru/DCAXYY
  7. Сысоенко, М. В., & Лебедева, А. С. (2024). Анализ применения технологий Индустрии 4.0 в интеллектуальных транспортных системах. Экономика. Право. Инновации, 4, 30–39. https://doi.org/10.17586/2713-1874-2024-4-30-39. EDN: https://elibrary.ru/MVPWMQ
  8. Miftah, M., Desrianti, D. I., Septiani, N., Fauzi, A. Y., & Williams, C. (2025). Big data analytics for smart cities: Optimizing urban traffic management using real-time data processing. Journal of Computer Science and Technology Application, 2(1), 14–23.
  9. Terletska, K. (2025). Architecting event-driven stream processing: Technologies for reliability and analytical availability in distributed computing systems. International Journal of Scientific Research and Engineering Development, 8(3), 667–671.
  10. Малышев, М. И. (2024). Управление формированием комплексных транспортных систем в процессе интеграции мультимодальных коридоров и региональной инфраструктуры на основе киберфизической модели. Мир транспорта и технологических машин, 3–10. https://doi.org/10.33979/2073-7432-2024-4-2(87)-3-9. EDN: https://elibrary.ru/ERDHQI
  11. Мазурина, А. В., & Степанова, Т. В. (2022). Цифровая трансформация логистики «последней мили»: теоретический анализ. Учёные записки Крымского федерального университета имени В. И. Вернадского. Экономика и управление, 8(4), 50–60. EDN: https://elibrary.ru/WCQWHS
  12. Van Hentenryck, P., Riley, C., Trasatti, A., Guan, H., Santanam, T., Huertas, J. A., Dalmeijer, K., Watkins, K., Drake, J., & Baskin, S. (2023). MARTA Reach: Piloting an on-demand multimodal transit system in Atlanta. Georgia Institute of Technology, Atlanta, 1, 1–31.
  13. Слободчиков, Н. А., Дергачев, А. И., & Куранова, О. Н. (2023). Перспективное развитие новых услуг сервиса в городском транспортном потоке. Известия Петербургского университета путей сообщения, 20(2), 279–289. https://doi.org/10.20295/1815-588X-2023-2-279-289. EDN: https://elibrary.ru/JQAPML
  14. Кирильчук, И. О., & Емельянов, И. П. (2024). Экологические аспекты внедрения интеллектуальных транспортных систем в управление транспортной инфраструктурой современного города. Управленческий учёт, 8, 50–56. EDN: https://elibrary.ru/KSPPCD
  15. Гарун, С. С., & Султанов, Н. Г. (2024). Экологизация умных городов: влияние цифровых технологий на устойчивое развитие. Региональные проблемы преобразования экономики, 12, 90–99. https://doi.org/10.26726/rppe2024v12euvct. EDN: https://elibrary.ru/DRLSDS

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Дудайти Г.Г., Сазонов А.И., Ларин М.Д., Тришин А.С., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».