Сучасний стан наукових досліджень та технологій в промисловості (Jun 2025)

Формування моделі розумного міста з огляду на динаміку змін міської забудови

  • Світлана Даншина,
  • Сергій Андрєєв

DOI
https://doi.org/10.30837/2522-9818.2025.2.016
Journal volume & issue
no. 2(32)

Abstract

Read online

Мета роботи – підвищення ґрунтовності оцінок для формування рішень з інтелектуалізації міста на основі аналізу змін міської забудови. У статті розв’язано такі завдання: розглянуто тенденції розвитку концепцій Smart City; проаналізовано вимоги до розумних міст і запропоновано теоретико-множинну модель розумного міста; подальшого розвитку набув метод аналізу міської забудови за дистанційними даними, експериментально підтверджено можливість його використання. Упроваджено методи системного аналізу, теорії множин і глибокого навчання. Досягнуті результати. Створення зручного міського середовища сприяє економічному зростанню, покращує якість життя та забезпечує сталий розвиток, що можливо завдяки впровадженню концепції розумного міста. Для уніфікації кроків зі створення розумних міст запропоновано теоретико-множинну модель розумного міста, яка відповідно до вимог стандартів серії ISO 37100 поєднує показники, що забезпечують реалізацію певних напрямів інтелектуалізації. Вибір напряму інтелектуалізації має ґрунтуватися на вивченні проблем урбанізації. Складність цього питання потребує вдосконалення процесів аналізу міської забудови, наприклад, з використанням даних дистанційного зондування Землі (ДЗЗ). Для отримання оцінок, придатних для подальшого аналізу та формування рішень, розроблено метод аналізу міської забудови за даними ДЗЗ, що використовує глибоке навчання в обробленні структурованої інформації за допомогою інструменту Image Analyst ArcGIS Pro 3.4. Розроблено схему алгоритму отримання моделі Deep Learning для дешифрування об’єктів міської забудови, запропоновано її програмну реалізацію. Дослідження можливостей розробленого методу відбувалося в процесі розв’язання завдань актуалізації інформації про міську забудову Києва. Модель Deep Learning добре розпізнає об’єкти міської забудови та має добру пристосованість до об’єктів, що різняться від об’єктів навчальної вибірки. Висновки. Вибір напряму інтелектуалізації має ґрунтуватися на ретельному вивченні ситуації, що виникла внаслідок урбанізації міських районів. Експериментальний аналіз динаміки змін міської забудови району м. Києва за період 2005–2021 рр. показав: збільшення кількості об’єктів житлової (на 5,4%) та комерційної забудови (на 11%), нехтування розвитком соціальної інфраструктури, нерозбудову транспортної інфраструктури, ігнорування питань озеленення території району тощо. Досягнуті результати можуть бути корисними у формуванні пріоритетних способів упровадження інтелектуальних рішень у повсякденне життя містян.

Keywords