Стаття

Отримано 26.06.2023

Доопрацьовано 22.11.2023

Прийнято 28.12.2023

Взято з Вип. 114, Ч. 2, 2023

Сторінки 133 -142

Lyashenko, D. (2023). THEORY AND METHODS OF GEOINFORMATION MODELING OF TRANSPORT NETWORKS IN THE CONDITIONS OF THE RUSSIAN-UKRAINIAN WAR. Automobile Roads and Road Construction, (114.2), 133-142. https://doi.org/10.33744/0365-8171-2023-114.2-133-142

ТЕОРІЯ ТА МЕТОДИ ГЕОІНФОРМАЦІЙНОГО МОДЕЛЮВАННЯ ТРАНСПОРТНИХ МЕРЕЖ В УМОВАХ РОСІЙСЬКО-УКРАЇНСЬКОЇ ВІЙНИ

Дмитро Ляшенко

В роботі розглянуті завдання, напрями і методи геоінформаційного моделювання транспортних мереж. Дослідження досвіду попередників дозволило визначити сучасні особливості розвитку наземного транспорту, та тренди, що його визначають: зростання попиту на перевезення, зменшення питомих витрат, зміна транспортної інфраструктури та вимоги до безпеки перевезень, пов'язанні з воєнними діями. Визначено, що геоінформаційні системи дозволяють застосувати численні моделі для оцінювання фактичного стану і ефективності мереж транспорту шляхом порівняння витрат часу та коштів для перевезення одиниці маси вантажу. Відмічені величезні фінансові витрати на перевезення вантажів в умовах Російсько-Української війни. Запропоновано основні напрями дій щодо оптимізації мережі автомобільних доріг України з метою підвищення ефективності перевезень

транспортні мережі, автомобільні дороги, геопросторові дані, національна інфраструктура геопросторових даних, рельєф, геодезичні методи, мережевий аналіз, оптимізаційні моделі
  1. Hameliak, I.P., & Dmytrychenko, A.M. (2018). On the necessity of developing a network of high-speed highways in Ukraine. Modern Technologies, Materials and Structures in Construction, 2, 107-121.
  2. Huang, B., Cheu, R.L., & Liew, Y.S. (2004). GIS and genetic algorithms for HAZMAT route planning with security considerations. International Journal of Geographical Information Science, 18(8), 769-787.
  3. Center for International Earth Science Information Network - CIESIN - Columbia University, & Information Technology Outreach Services - ITOS - University of Georgia. (2013). Global Roads Open Access Data Set, Version 1 (gROADSv1). Palisades, NY: NASA Socioeconomic Data and Applications Center (SEDAC). doi: 10.7927/H4VD6WCT.
  4. Kim, H.Y., et al. (2014). Optimizing high-speed rail routes using a Spatial Decision Support System (SDSS): The Texas Urban Triangle (TUT) case. Journal of Transport Geography, 34, 194-201.
  5. Lovelace, R. (2021). Integrating geographic analysis in transport planning. Retrieved from https://eprints.whiterose.ac.uk/153872/.
  6. NASA Socioeconomic Data and Applications Center (SEDAC). (n.d.). Retrieved from https://www.data4sdgs.org/resources/nasas-socioeconomic-data-and-applications-center.
  7. Snorrason, B.G. (2020). Optimizing transportation of forest seedlings for the Icelandic Forest Service. (Doctoral dissertation).
  8. Tomlinson, R.F. (2011). Thinking about GIS: Geographic information system planning for managers (4th ed.). Redlands, CA: Esri Press.
  9. Rodrigue, J.-P. (2020). The geography of transport systems. New York, NY: Routledge.
  10. U.S. Department of Transportation. (2022). Strategic plan: Fiscal year 2022-2026. Washington, DC: U.S. Department of Transportation.

https://doi.org/10.33744/0365-8171-2023-114.2-133-142