Учёные Пермского политеха создали нейросеть для оценки транспортной доступности городов

Исследователи из Пермского национального исследовательского политехнического университета (ПНИПУ) разработали инструмент, который позволяет прогнозировать транспортную доступность городских кварталов. Новая разработка учитывает особенности планировки территорий и дает возможность оценить, как изменение в уличной сети отразится на комфорте передвижения жителей. Об этом сообщили в пресс-службе вуза.

В исследовании учёных отмечается, что современные города стремительно разрастаются, а застройка становится всё более рассредоточенной, что приводит к росту транспортных потоков. В этих условиях способность жителя за приемлемое время добраться до работы, школы или больницы становится главным показателем качества жизни. При этом ошибки в градостроительном планировании обходятся крайне дорого: переделка уже построенных участков или прокладка дополнительных дорог требуют миллиардных вложений, которые не всегда дают ожидаемый эффект.

До сих пор главными инструментами оценки оставались навигационные сервисы вроде «Яндекс.Карт» и математические модели распределения рабочих мест. Однако они имеют принципиальное ограничение — показывают лишь текущую ситуацию («как долго ехать от точки А до точки Б») и не объясняют, почему время в пути именно такое. Кроме того, традиционные методы не позволяют понять, какие конкретно изменения в устройстве улиц сократят дорогу, ведь два района на одинаковом расстоянии от центра могут сильно различаться по времени поездки из-за плотности перекрестков или извилистости проездов.

Чтобы создать модель, учёные проанализировали реальный российский город с разными типами застройки, разбив его на кварталы. Для каждого участка были собраны данные о плотности улиц, количестве тупиков и перекрёстков, а также рассчитана плотность рабочих мест. На основе этих параметров исследователи вычислили индекс транспортной доступности — количество вакансий, достижимых в пределах 45 минут, согласно строительным нормам. Именно эти данные легли в основу обучения нейросети, которая научилась связывать физические характеристики квартала с удобством поездок.

«Сегодня знать фактический уровень доступности недостаточно. Нужен инструмент, который мог бы заранее оценивать изменения в планировке... Сеть умеет прогнозировать транспортную доступность и показывать, какие изменения в устройстве улиц повлияют на удобство поездок», — рассказала Екатерина Савельева, старший преподаватель кафедры «Архитектура и урбанистика» ПНИПУ.

Главное преимущество разработки заключается в том, что она не просто выдает итоговый индекс, но и анализирует важность признаков. Модель показывает вклад каждого параметра в результат: например, определяет, где проблему создает излишняя извилистость улиц, а где — недостаток перекрестков. Точность прогноза составила 95%. Инструмент позволит властям эффективнее расходовать бюджет при проектировании новых районов и поможет находить проблемные участки в существующей застройке, чтобы точечно повышать комфорт жизни горожан без лишних трат. 

Статья об исследовании опубликована в журнале «Научные проблемы архитектуры, градостроительства и архитектуры».