Геоинформационная оценка привлекательности улично-дорожной сети для велодвижения в городах России

DOI: 10.35595/2414-9179-2025-3-31-349-362

Посмотреть или загрузить статью (Rus)

Об авторах

Е.С. Заславская

Московский государственный университет имени М.В. Ломоносова, географический факультет,
Ленинские горы, д. 1, Москва, Россия, 119991,
E-mail: elenka.zaslavskaya@mail.ru

А.М. Карпачевский

Московский государственный университет имени М.В. Ломоносова, географический факультет,
Ленинские горы, д. 1, Москва, Россия, 119991,
E-mail: karpach-am@yandex.ru

Аннотация

В статье предложена методика комплексной оценки привлекательности улично-дорожной сети для велосипедного движения на основе открытых пространственных данных и инструментов сетевого анализа. Методика ориентирована на города, где отсутствует исчерпывающая статистика о параметрах уличной сети. В качестве входных данных использованы данные OpenStreetMap, данные дистанционного зондирования сверхвысокого разрешения и сервис уличных панорам. Предложенный интегральный индекс объединяет 13 факторов, отражающих безопасность и комфорт передвижения на велосипеде. Весовые коэффициенты рассчитывались двумя способами: (1) объективно — с применением информационной энтропии и (2) субъективно — на основе анкетирования пяти целевых групп велосипедистов. Методика апробирована на примере городов Альметьевска, Костромы и Калининграда, выбранных представителями различных типологических групп городов России по своей истории, планировке и особенностям развития велоинфраструктуры. Полученные результаты позволяют детально охарактеризовать текущее состояние велоинфраструктуры и выделить пространственные приоритеты ее развития. Альметьевск демонстрирует обширные связные благоприятные участки уличной сети, Кострома характеризуется преимущественно неблагоприятной средой с отдельными комфортными участками, а Калининград сочетает разрозненные фрагменты высокого и низкого уровня комфорта. Представленная методика может применяться в муниципальном планировании, транспортном моделировании и при разработке стратегий развития индивидуальной мобильности. Универсальность входных данных обеспечивает ее масштабируемость и применимость к широкому кругу российских и зарубежных городов. Кроме того, она может быть использована для мониторинга динамики условий велодвижения, оценки неравномерности распределения доступной велоинфраструктуры и обоснования инвестиционных приоритетов, а также для повышения прозрачности принятия решений и обоснования инфраструктурных сценариев в различных урбанистических контекстах.

Ключ. слова

велосипедный транспорт, индекс привлекательности, сетевой анализ, OpenStreetMap, городская мобильность

Список литературы

  1. Cervero R., Denman S., Jin Y. Network Design, Built and Natural Environments, and Bicycle Commuting: Evidence from British Cities and Towns. Transport Policy, 2019, V. 74. P. 153–164. DOI: 10.1016/j.tranpol.2018.09.007.
  2. Deliali K., Christofa E., Knodler Jr.M. The Role of Protected Intersections in Improving Bicycle Safety and Driver Right-Turning Behavior. Accident Analysis & Prevention, 2021, V. 159. Art. 106295. DOI: 10.1016/j.aap.2021.106295.
  3. Fishman E. Cycling as Transport. Transport Reviews, 2016. V. 36. No. 1. P. 1–8. DOI: 10.1080/01441647.2015.1114271.
  4. Lowry M.B., Callister D., Gresham M., Moore B. Assessment of Communitywide Bikeability with Bicycle Level of Service. Transportation Research Record, 2012. V. 2314. No. 1. P. 41–48. DOI: 10.3141/2314-06.
  5. Mekuria M., Furth P., Nixon H. Low-Stress Bicycling and Network Connectivity. Mineta Transportation Institute Report 11-19, 2012. 108 p.
  6. Passmore R., Watkins K., Guensler R. Using Shortest Path Routing to Assess Cycling Networks. Journal of Transport Geography, 2024. V. 117. Art. 103864. DOI: 10.1016/j.jtrangeo.2024.103864.
  7. Pritchard R., Frøyen Y., Snizek B. Network Suitability Indices for Cycling. Journal of Transport Geography, 2019. V. 74. P. 135–147. DOI: 10.3390/ijgi8050214.
  8. Pucher J., Buehler R. Making Cycling Irresistible: Lessons from the Netherlands, Denmark and Germany. Transport Reviews, 2008. V. 28. No. 4. P. 495–528. DOI: 10.1080/01441640701806612.
  9. Wasserman D., Rixey A., Zhou X., Levitt D., Benjamin M. Evaluating OpenStreetMap’s Performance Potential for Level of Traffic Stress Analysis. Transportation Research Record, 2019. V. 2673. No. 4. P. 284–294. DOI: 10.1177/0361198119836772.

Для цитирования: Заславская Е.С., Карпачевский А.М. Геоинформационная оценка привлекательности улично-дорожной сети для велодвижения в городах России. ИнтерКарто. ИнтерГИС. M.: Географический факультет МГУ, 2025. Т. 31. Ч. 3. С. 349–362. DOI: 10.35595/2414-9179-2025-3-31-349-362

For citation: Zaslavskaya E.S., Karpachevskiy A.M. Geoinformation-based assessment of urban street network attractiveness for cycling in Russian cities. InterCarto. InterGIS. Moscow: MSU, Faculty of Geography, 2025. V. 31. Part 3. P. 349–362. DOI: 10.35595/2414-9179-2025-3-31-349-362 (in Russian)