Транспортная доступность напрямую влияет на стоимость недвижимости и комфорт жизни, однако большинство навигационных сервисов лишь фиксируют текущую ситуацию, не предлагая решений. Ошибки проектирования обходятся городским бюджетам в миллиарды рублей, так как строительство новых дорог не всегда исправляет системные проблемы планировки. Исследователи ПНИПУ решили эту задачу, обучив нейросеть на данных о различных типах застройки — от исторических кварталов до современных микрорайонов.
Пермские ученые научили нейросеть исправлять ошибки городской застройки
В Пермском Политехе разработали алгоритм, который предсказывает транспортную доступность городских кварталов с точностью 95%. Вместо констатации фактов о пробках нейросеть анализирует плотность улиц и количество тупиков, указывая на конкретные архитектурные просчеты, которые мешают жителям быстро добираться до школ, больниц и рабочих мест.
Система оценивает ключевые параметры: извилистость проездов, количество перекрестков и плотность улично-дорожной сети. На выходе модель выдает индекс доступности, основанный на количестве рабочих мест, куда можно успеть добраться за 45 минут. По словам старшего преподавателя кафедры архитектуры и урбанистики Екатерины Савельевой, алгоритм позволяет не только проектировать новые районы, но и точечно корректировать уже существующие пространства. В отличие от стандартных инструментов, разработка указывает на конкретную причину снижения доступности, будь то дефицит перекрестков или избыточная извилистость дорог, что помогает властям направлять инвестиции в эффективные изменения.
Комментарии (0)
Пока нет комментариев. Будьте первым!