Математические основания градостроительного планирования
Мы хотели бы представить вам общий подход к решению задач, связанных с развитием агломераций, который мы разработали при работе над платформой инвестиционного планирования развития городов. С помощью цифрового двойника мы стремимся преодолеть недостатки, возникающие при недостаточно продуманном строительстве новых городских районов, таких как увеличение пробок на дорогах, дефицит инфраструктуры и снижение конкурентоспособности города в целом и его отдельных частей.
Создание новых районов в городах неизбежно приводит к существенному перераспределению транспортных потоков в агломерации и тайно вносит ухудшения в качество жизни горожан. Чтобы обеспечить продуманные управленческие решения, проводить сценарный анализ и находить оптимальные места для размещения и функционального назначения новых территорий, мы предлагаем использовать методы математического моделирования, сведенные в понятие "Цифровой двойник города".
Комплексная математическая модель города должна удовлетворять следующим требованиям:
Оценка комплексности, включающая социальные, экологические и экономические последствия выбранных решений.
Учет максимального количества факторов, по которым имеются статистические данные.
Решение прямых задач типа "что будет, если..." (например, разместить жилье или промышленную площадку здесь).
Решение обратных задач типа "что необходимо, чтобы..." с целью достижения максимального положительного эффекта для города в целом, а не для отдельных участников проекта.
Использование аналитических и интерпретируемых моделей на основе ограниченных наборов данных, поскольку применение нейронных сетей и машинного обучения недоступно.
Воплощение этих принципов в процессе разработки инфраструктурных проектов поможет специалистам по инвестиционным банкам принимать более обоснованные и эффективные решения, способствующие устойчивому развитию городов и повышению их конкурентоспособности.
Давайте подробнее рассмотрим наш подход к созданию комплексной модели города:
1. Начинаем с создания и калибровки укрупненной модели города, которая связывает показатели ключевых сфер деятельности города во времени. Эту модель мы называем "Referenced City Model". Мы уже ранее описали концепцию этой модели (ссылка: https://shorturl.at/msyGQ), и постепенно размещаем реализацию модели для 3000 городов на нашем сайте (dtwin.city - вторая вкладка). Наличие актуальной укрупненной модели города позволяет нам приступить к решению пространственных задач.
2. Мы проецируем макроэкономические данные на отдельные территории и отрасли города, используя косвенные данные, связанные с объектами (зданиями и сооружениями) или субъектами (организациями):
Учитываем площадные характеристики и функциональное назначение зданий.
Анализируем количество проживающих и работающих людей.
Рассчитываем потребление энергетических ресурсов.
Вовлекаем все доступные данные для анализа.
3. Создаем вычислительную модель транспортных потоков пассажиров и грузов между местами проживания, работы и оказания услуг, а также грузовых потоков между местами производства.
4. На основе макроэкономической, пространственной и транспортной моделей мы проводим сценарный анализ для размещения зданий и сооружений в разных частях города. Этот анализ позволяет оценить влияние на основные макроэкономические, пространственные и транспортные показатели. Особое внимание уделяется расчету обобщающих показателей, таких как влияние на темпы социально-экономического развития. (Выбор этого показателя является одной из интереснейших задач, которую стоит рассмотреть отдельно).
5.Завершающий этап состоит в поиске оптимального решения с учетом целевого показателя и ограничений, а также планирования развертывания проекта во времени.
С использованием этого подхода специалисты по инфраструктурным проектам в инвестиционных банках могут принимать более обоснованные и эффективные решения, способствующие устойчивому развитию городов и повышению их конкурентоспособности.
Каждый из вышеописанных шагов реализуется комплексом математических моделей, выполнения калибровочных, прогнозных и оптимизационных расчетов. Математические модели мы реализуем в виде авторских библиотек в среде R Posit. Комплекс моделей включает в себя:
модели межотраслевых и межтерриториальных балансов (input-output),
тепловых моделей для решения задач проекции расчетов на территории.
Безусловно, при реализации данного подхода мы зависим от полноты и качества исходных данных, но именно модели помогают нам заполнять пробелы по данным и повышать достоверность наших интуитивных решений, проверяя их достоверность на наборах исторических данных.