Вычислительный эксперимент и натурное исследование характеристик парковочной территории

Введение. Актуальность исследования обусловлена необходимостью количественного обоснования планирования парковочного пространства как элемента единой транспортной системы. В работе изучены особенности функционирования парковочной территории: заполняемость, интенсивность заездов и выездов, продолжительность пребывания, интервалы между заездами. На основе натурных наблюдений установлены статистические закономерности и выполнена верификация имитационной модели. Проведено исследование особенностей функционирования парковочной территории, включая анализ заполняемости мест, интенсивности заездов и выездов, продолжительности пребывания и интервалов между заездами автомобилей, а также других ключевых показателей. Наблюдения осуществлялись в течение одной осенней недели 2024 г.

Материалы и методы. Натурное исследование проводилось с использованием стационарных систем фото- и видеофиксации «Азимут ДТ». Обработка полученных данных выполнена с помощью методов математической статистики, включая оценку законов распределения, корреляционный анализ и применение критерия Колмогорова. Для прогнозирования работы парковочной системы разработана имитационная модель, реализованная в среде AnyLogic.

Результаты. Количественные данные были собраны с помощью стационарных систем фото- и видеонаблюдения, обеспечивающих постоянный контроль за расположением автомобилей на парковке в течение всего периода исследования. Основные показатели функционирования парковочной территории показывают зависимость от дня недели, что необходимо учитывать при планировании, расположении и эксплуатации городской парковочной инфраструктуры. Проведённый корреляционный анализ подтвердил наличие функциональной связи между интенсивностью заездов и выездов автомобилей на парковочной территории и транспортным потоком на прилегаю щей дороге. Полученные результаты использованы при разработке имитационной модели парковочной территории. Выполнено сравнение данных вычислительного моделирования с результатами натурных измерений. Резельтаты, полученные при проведении исследования, полезны для организации движения транспорта по городской улично-дорожной сети, при зонировании и планировании городской территории, могут служить основой для разработки и оценки градостроительных и архитектурно-планировочных решений. Получены осреднённые значения интенсивности заездов и интервалов между ними (6,7–14,5 мин). Гипотеза об экспоненциальном распределении интервалов отвергнута. Гипотеза о пуассоновском потоке для малых интервалов (2 мин) согласуется с данными. Выявлена и аппроксимирована линейная корреляционная связь интенсивностей въезда/выезда с интенсивностью транспортного потока на прилегающей дороге (R = 0,81–0,86). Сравнение натурных и модельных кривых по чебышёвской норме показало расхождение 0,0058–0,0891.

Обсуждение и заключение. Подтверждена функциональная зависимость параметров парковочной территории от внешнего трафика. Разработанная имитационная модель адекватно воспроизводит функционирование парковочной территории. Результаты могут быть рекомендованы для градостроительного планирования и организации парковочных территорий, сопоставимых с рассматриваемой, однако разработанная методика может быть распространена на другие объекты парковочной инфраструктуры с целью рационального использования городских ресурсов и улучшения транспортной системы.

1. Kushchenko L., Kushchenko S., Novikov I., Novikov A. The paid parking space organization as one of the ways to increase the capacity of the road in Belgorod urban agglomeration // Transportation Research Procedia. 2022. Vol. 63. P. 868-877. https://doi.org/10.1016/j.trpro.2022.06.084. URL: https://www.sciencedirect.com/science/article/pii/S2352146522003398 (дата обращения: 10.02.2026).

2. Гущина М.В. Управление современными механизмами организации парковочного пространства в мировой практике // Научный журнал молодых ученых. 2018. № 2 (11). URL: https://cyberleninka.ru/article/n/upravlenie-sovremennymi-mehanizmami-organizatsii-parkovochnogo-prostranstva-v-mirovoy-praktike (дата обращения: 10.02.2026).

3. Parmar J., Das P., Dave S. M. Study on demand and characteristics of parking system in urban areas: A review // Journal of Traffic and Transportation Engineering (English Edition). 2020. Vol. 7, Issue 1.P. 111-124. https://doi.org/10.1016/j.jtte.2019.09.003. URL: https://www.sciencedirect.com/science/article/pii/S2095756418305786 (дата обращения: 10.02.2026).

4. Соловьев К.В., Кузьмина Д.В. Сравнительный анализ способов организации парковочного пространства в мегаполисах // Молодой ученый. 2016. № 29 (133). С. 155–158. URL: https://moluch.ru/archive/133/37148. (дата обращения: 12.03.2026).

5. Shehadeh E.A. Trip Rates and Parking Requirements for Restaurants and Coffee Shops in Amman-Jordan // International Journal of Innovative Technology and Exploring Engineering. 2019. Vol. 9, N 2. P. 2898–2901. https://doi.org/10.35940/ijitee.B7484.129219

6. Еремин И.Р., Никитин П.В. Анализ данных сервиса платной парковки для создания эффективной системы ценообразования (на примере Владивостока) // Моделирование, оптимизация и информационные технологии. 2024. Т. 12, № 2(45). https://doi.org/10.26102/2310-6018/2024.45.2.015. EDN HZVFHS.

7. Науменко Е.Ю. Определение вариантов емкости и занятости парковок // Инженерный вестник Дона. 2011. № 2. URL: http://www.ivdon.ru/magazine/archive/n2y2011/413 (дата обращения: 04.05.2025).

8. Бояршинов М.Г., Вавилин А.С., Шумков А.Г. Использование комплекса фотовидеофиксации нарушений правил дорожного движения для выделения детерминированной и стохастической составляющих интенсивности транспортного потока // Интеллект. Инновации. Инвестиции. 2021. № 3. С. 61–71. https://doi.org/10.25198/2077-7175-2021-3-6

9. Бояршинов М.Г., Щукин Ю.А. Особенности функционирования придорожного парковочного пространства // Интеллект. Инновации. Инвестиции. 2024. № 6. С. 89–108. https://doi.org/10.25198/2077-7175-2024-6-89

10. Farley A., Ham H., Hendra. Real Time IP Camera Parking Occupancy Detection using Deep Learning // Procedia Computer Science. 2021. Vol. 179. P. 606-614. https://doi.org/10.1016/j.procs.2021.01.046 URL: https://www.sciencedirect.com/science/article/pii/S1877050921000533 (дата обращения: 10.02.2026).

11. Shoup D. Pricing curb parking // Transportation Research Part A: Policy and Practice. 2021. Vol. 154. P. 399-412. https://doi.org/10.1016/j.tra.2021.04.012. URL: https://www.sciencedirect.com/science/article/pii/S0965856421001105 (дата обращения: 10.02.2026).

12. Ding X., Yang R. Vehicle and Parking Space Detection Based on Improved YOLO Network Model // Journal of Physics: Conference Series. 2019. Vol. 1325. P. 012084. https://doi.org/10.1088/1742-6596/1325/1/012084. URL: https://iopscience.iop.org/article/10.1088/1742-6596/1325/1/012084 (дата обращения: 10.02.2026).

13. Nguyen D.-L., Vo X.-T., Priadana A., Jo K.-H. YOLO5PKLot: A Parking Lot Detection Network Based on Improved YOLOv5 for Smart Parking Management System // Communications in Computer and Information Science. 2023. Vol. 1857. P. 95-106. https://doi.org/10.1007/978-981-99-4914-4_8. URL: https://doi.org/10.1007/978-981-99-4914-4_8 (дата обращения: 10.02.2026).

14. Щукин Ю.А., Бояршинов М.Г., Артеменко Д.В. Закономерности использования парковочного пространства // Транспорт Российской Федерации. Журнал о науке, практике, экономике. 2023. № 3–4 (106–107). С. 44–50. EDN: SLAKFT

15. Бояршинов М.Г., Щукин Ю.А. Анализ продолжительности размещения транспортных средств на территории парковки вблизи торгового центра // Модернизация и научные исследования в транспортном комплексе. 2024. № 3-3(90). С. 260–264.

16. Антипова А.Н., Куманева А.В., Аксенов Д.В. Информационная модель формирования парковочного пространства в крупном городе // Транспорт и машиностроение Западной Сибири. 2019. № 2. С. 48–55.

17. Gao L., Fan W., Hu Z., Jian W. Prediction of Vacant Parking Spaces in Multiple Parking Lots: A DWT-ConvGRU-BRC Model // Applied Sciences. 2023. Vol. 13, no. 6. P. 3791. https://doi.org/10.3390/app13063791. URL: https://www.mdpi.com/2076-3417/13/6/3791 (дата обращения: 10.02.2026).

18. Зедгенизов А.В., Зедгенизова А.Н. Особенности сбора исходных данных при оценке числа припаркованных автомобилей возле жилых объектов // Вестник Иркутского государственного технического университета. 2011. № 10(57). С. 105–108.

19. Kotb A., Shen Y., Zhu X., Huang Y. IParker—A New Smart Car-Parking System Based on Dynamic Resource Allocation and Pricing // IEEE Transactions on Intelligent Transportation Systems. 2016. Vol. 17, no. 9. P. 2637-2647. https://doi.org/10.1109/TITS.2016.2531636. URL: https://ieeexplore.ieee.org/document/7457323 (дата обращения: 10.02.2026).

20. Chauhan V., McCarthy O., Blanco J., Hörcher D., Singh M., Teter J., Yari E., Yuen J. ITF Transport Outlook 2023. Paris: OECD Publishing, 2023. 130 p. https://doi.org/10.1787/b6cc9ad5-en. URL: https://doi.org/10.1787/b6cc9ad5-en (дата обращения: 10.02.2026).

21. Li Y., Leong W.Y., Zhang H. YOLOv10-Based Real-Time Pedestrian Detection for Autonomous Vehicles. Proceedings of the 2024 IEEE International Conference on Image Processing and Applications (ICSIPA). 2024:1-6. URL: https://doi.org/10.1109/ICSIPA62061.2024.10686546 (дата обращения: 10.02.2026).

22. Manikandan B.V., Nathan T.R., Naresh R., Prasad P. Traffic Flow Prediction For Intelligent Transportation System Using Machine Learning // E3S Web of Conferences. 2023. Vol. 387. P. 05002. https://doi.org/10.1051/e3sconf/202338705002. URL: https://www.e3s-conferences.org/articles/e3sconf/abs/2023/36/e3sconf_icst2023_05002/e3sconf_icst2023_05002.html (дата обращения: 12.03.2026).