Вдосконалення методів дистанційного моніторингу транспортних потоків при проєктуванні вулично-дорожньої мережі великих міст

Брик, Роман Вікторович
Please use this identifier to cite or link to this item: https://er.chdtu.edu.ua/handle/ChSTU/8501
Full metadata record
DC Field	Value	Language
dc.contributor.advisor	Солтус , Анатолій Петрович	-
dc.contributor.author	Брик, Роман Вікторович	-
dc.date.accessioned	2026-03-15T10:47:15Z	-
dc.date.available	2026-03-15T10:47:15Z	-
dc.date.issued	2023	-
dc.identifier.uri	https://er.chdtu.edu.ua/handle/ChSTU/8501	-
dc.description.abstract	Метою дослідження є вдосконалення методів дистанційного моніторингу транспортних потоків для проектування вулично-дорожньої мережі великих міст. Об'єктом дослідження є параметри транспортного потоку, що обґрунтовують проектні рішення щодо проектування вулично-дорожньої мережі. Предмет дослідження - вдосконалення методів підвищення ефективності функціонування транспортних споруд, зручності, безпеки та екологічності руху. Мета дослідження передбачає вирішення наступних завдань: 1) виконати аналіз проблематики методів моніторингу транспортного потоку у містах України; 2) обґрунтувати теоретичні передумови дослідження транспортного потоку на основі дистанційного спостереження під час проектування вулично-дорожньої мережі; 3) виконати експериментальні дослідження щодо визначення інтенсивності руху як основного параметра транспортних потоків для проектування нових транспортних об'єктів та реконструкції існуючих вулиць та доріг; 4) розробити рекомендації щодо застосування дистанційного моніторингу транспортних потоків великих міст України на основі супутникового та відеоспостереження для проектування вулично-дорожньої мережі та забезпечення безпеки дорожнього руху. Наукова новизна: 1) запропоновано методику поділу транспортних об'єктів за особливостями розподілу інтенсивності руху протягом доби відповідно до розробленої типізації вулиць та міських доріг; 2) виявлено можливість обліку факторів варіативності: смужності та стану покриття; 3) запропоновано мультипараметричні рівняння, розроблені з використанням відеоспостереження для визначення параметрів транспортного потоку, які необхідні при проектуванні вулично-дорожньої мережі; 4) розроблено програмний продукт для визначення інтенсивності руху з метою підвищення ефективності функціонування транспортних потоків та достовірності інформації, що обґрунтовує проектні рішення, точність розрахунків та збільшення терміну служби дороги. Практична значущість роботи полягає у підвищенні достовірності інформації та скороченні витрат при вирішенні проектних завдань із застосуванням програмного продукту. Методологія та методи дослідження: у проведених дослідженнях застосовувалися теоретичний та розрахунково-аналітичний методи дослідження. Теоретико-методологічною базою є постулати теорії транспортних потоків. Кваліфікаційна робота магістра складається з 74 сторінок пояснювальної записки і включає: вступ, чотири розділи, висновок, список використаних джерел, а також 22 таблиці, 23 рисунки та 29 джерел.	uk_UA
dc.language.iso	uk	uk_UA
dc.title	Вдосконалення методів дистанційного моніторингу транспортних потоків при проєктуванні вулично-дорожньої мережі великих міст	uk_UA
dc.type	Master Thesis	uk_UA
Appears in Collections:	275 Транспортні технології (Транспортні технології (на автомобільному транспорті))
Files in This Item:
File	Description	Size	Format
Брик.pdf Restricted Access		2.85 MB	Adobe PDF	View/Open Request a copy
Show simple item record
Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ 
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ 
18006, м. Черкаси, бул. Шевченка, 460, тел./факс (0472) 71 00 92 
 
                                        ЗАТВЕРДЖУЮ 
                                                                          зав. кафедри автомобілів та  
                                                                          технологій їх експлуатації, професор 
                                                                          ______________ Л.А. Тарандушка 
                                                                          «___» __________________2023 р. 
 
 
КВАЛІФІКАЦІЙНА РОБОТА МАГІСТРА 
«ВДОСКОНАЛЕННЯ МЕТОДІВ ДИСТАНЦІЙНОГО 
МОНІТОРИНГУ ТРАНСПОРТНИХ ПОТОКІВ ПРИ 
ПРОЄКТУВАННІ ВУЛИЧНО-ДОРОЖНЬОЇ МЕРЕЖІ 
ВЕЛИКИХ МІСТ»  
 
Рецензент: 
 
 
Керівник роботи:  
Професор, зав. кафедри АТЕ                      _______________        Л.А. Тарандушка 
                  (посада)                                                                                                                               (підпис)                                           (Ініціали, прізвище) 
 
 
Виконавець: 
студент 2 курсу, гр. мТТ-84                           
спеціальності 274 – Автомобільний транспорт    _________           Р. В. Брик  
                                                                                                                                                                (підпис)                     (Ініціали, прізвище) 
 
 
 
2023 
РЕФЕРАТ 
 
«ВДОСКОНАЛЕННЯ МЕТОДІВ ДИСТАНЦІЙНОГО МОНІТОРИНГУ 
ТРАНСПОРТНИХ ПОТОКІВ ПРИ ПРОЄКТУВАННІ ВУЛИЧНО-ДОРОЖНЬОЇ 
МЕРЕЖІ ВЕЛИКИХ МІСТ» 
 
 
Метою дослідження є вдосконалення методів дистанційного моніторингу 
транспортних потоків для проектування вулично-дорожньої мережі великих міст. 
Об'єктом  дослідження є параметри транспортного  потоку, що 
обґрунтовують проектні рішення щодо проектування вулично-дорожньої мережі.  
Предмет дослідження - вдосконалення методів підвищення 
ефективності функціонування транспортних споруд, зручності, безпеки та 
екологічності руху. 
Мета дослідження передбачає вирішення наступних завдань: 
1) виконати аналіз проблематики методів моніторингу транспортного потоку у містах 
України; 
2) обґрунтувати теоретичні передумови дослідження транспортного потоку на основі 
дистанційного спостереження під час проектування вулично-дорожньої мережі; 
3) виконати експериментальні дослідження щодо визначення інтенсивності руху як 
основного параметра транспортних потоків для проектування нових транспортних 
об'єктів та реконструкції існуючих вулиць та доріг; 
4) розробити рекомендації щодо застосування дистанційного моніторингу 
транспортних потоків великих міст України на основі супутникового та 
відеоспостереження для проектування вулично-дорожньої мережі та забезпечення 
безпеки дорожнього руху. 
Наукова новизна: 
1) запропоновано методику поділу транспортних об'єктів за особливостями 
розподілу інтенсивності руху протягом доби відповідно до розробленої типізації 
вулиць та міських доріг; 
2) виявлено можливість обліку факторів варіативності: смужності та стану 
покриття; 
3) запропоновано мультипараметричні рівняння, розроблені з 
використанням відеоспостереження для визначення параметрів транспортного 
потоку, які необхідні при проектуванні вулично-дорожньої мережі; 
4) розроблено програмний продукт для визначення інтенсивності руху з 
метою підвищення ефективності функціонування транспортних потоків та 
достовірності інформації, що обґрунтовує проектні рішення, точність розрахунків 
та збільшення терміну служби дороги. 
Практична значущість роботи полягає у підвищенні достовірності інформації 
та скороченні витрат при вирішенні проектних завдань із застосуванням 
програмного продукту. 
Методологія та методи дослідження: у проведених дослідженнях 
застосовувалися теоретичний та розрахунково-аналітичний методи дослідження. 
Теоретико-методологічною базою є постулати теорії транспортних потоків. 
Кваліфікаційна робота магістра складається з 74 сторінок пояснювальної 
записки і включає: вступ, чотири розділи, висновок, список використаних джерел, 
а також 22 таблиці, 23 рисунки та 29 джерел. 
 4 
ЗМІСТ 
С1 
ВСТУП ....................................................................................................................................... 6 
РОЗДІЛ 1. АНАЛІЗ ПРОБЛЕМАТИКИ МОНІТОРИНГУ ТРАНСПОРТНИХ ПОТОКІВ 
У ВЕЛИКИХ МІСТАХ ............................................................................................................ 8 
1.1 Параметри та транспортні умови вулично-дорожніх мереж .................................. 8 
1.2 Оцінка видів та обсягів моніторингу транспортних потоків на вулично-
дорожній мережі міст .......................................................................................................... 10 
1.3 Оцінка застосування існуючих методик дешифрування результатів моніторингу 
транспортних потоків на мережевих дорожніх об'єктах ................................................. 16 
РОЗДІЛ 2. ТЕОРЕТИЧНІ ПЕРЕДУМОВИ ДОСЛІДЖЕННЯ ТРАНСПОРТНИХ 
ПОТОКІВ НА ОСНОВІ ДИСТАНЦІЙНОГО МОНІТОРИНГУ ....................................... 19 
2.1 Алгоритм застосування дистанційного моніторингу транспортних потоків при 
проектуванні вулично-дорожньої мережі ......................................................................... 19 
2.2 Наукові засади дослідження ..................................................................................... 20 
2.3 Структура дослідження транспортних потоків дистанційним моніторингом за 
допомогою супутникового спостереження ...................................................................... 24 
2.4. Аналіз застосування діючої класифікації вулиць та міських доріг з метою 
вдосконалення методів дистанційного моніторингу транспортних потоків................. 31 
2.5 Урахування кількості смуг руху ............................................................................... 36 
2.5 Урахування стану поверхні покриття ...................................................................... 39 
РОЗДІЛ 3. ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ ........................................................ 42 
3.1 Планування етапів та методика проведення експерименту .................................. 42 
3.2 Методика досліджень інтенсивності та щільності руху на вулично-дорожній 
мережі міст методами відео- та фотоспостереження ...................................................... 45 
3.3 Проведення натурних та дистанційних досліджень транспортних потоків у 
різних метеорологічних та дорожніх умовах ................................................................... 46 
 5 
3.4 Розробка функціональних залежностей інтенсивності та щільності руху 
транспортних потоків .......................................................................................................... 48 
3.5 Оцінка достовірності отриманих залежностей ....................................................... 53 
РОЗДІЛ 4. РОЗРОБКА РЕКОМЕНДАЦІЙ З ДИСТАНЦІЙНОГО МОНІТОРИНГУ 
ТРАНСПОРТНИХ ПОТОКІВ ВУЛИЧНО-ДОРОЖНІХ МЕРЕЖ .................................... 56 
4.1. Область застосування, нормативні посилання, визначення .................................. 56 
4.1.1 Галузь застосування ............................................................................................... 56 
4.1.2 Терміни та визначення ........................................................................................... 57 
4.2 Розробка рекомендацій щодо дистанційного моніторингу транспортних потоків
 59 
4.2.1 Формування банку даних для проектування вулиць та міських доріг .............. 60 
4.2.2 Визначення типу та вибір розрахункового апарату дешифрування ................. 63 
4.2.3 Отримання параметрів транспортного потоку із застосуванням програмного 
продукту ............................................................................................................................ 66 
4.3 Оцінка економічної ефективності запропонованої методики ............................... 70 
ВИСНОВКИ ............................................................................................................................ 72 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ .............................................................................. 73 
 
 
 
 
 
 
 
 
 
 
 
 
 6 
 
ВСТУП 
Об'єктивні закономірності розвитку міст змінюють устрій життя та характер 
діяльності людей. Великі міста стають привабливими для більшості груп 
населення, що сприяє природній міграції та формує інфраструктуру міст. 
У процесі розвитку вулично-дорожньої мережі: при проектуванні 
реконструкції (перерозподілі обсягів руху, призначенні числа смуг руху, посиленні 
дорожнього одягу) та проектуванні вулиць-дублерів (розрахунку геометричних 
параметрів та дорожнього одягу) у великих містах, а також при організації 
дорожнього руху (особливості змін руху протягом доби, організації реверсивного 
руху) – необхідна розробка прогресивних методів, що підвищують повноту та 
достовірність інформації, що обґрунтовує проектні рішення, точність розрахунків 
та пропорційний розвиток транспортних систем, що ґрунтуються на 
репрезентативних даних про параметри транспортного потоку. 
З вивчення закономірностей розподілу транспортних потоків було  
сформульовано теорію визначення інтенсивності руху від щільності, що 
застосовується в діапазоні, за межами якого інтенсивність руху набуває негативних 
значень. 
Одним із засновників закономірностей руху автомобілів на багатосмугових 
автомобільних дорогах виявлено вплив багатосмуговості, дорожніх умов та складу 
транспортного потоку на основні техніко-експлуатаційні характеристики для 
конкретних транспортних об'єктів. 
Пізнішими є дослідження у яких залежності щільності обгонів від 
інтенсивності та щільності руху вивчені за допомогою імітаційного моделювання 
двосмуговою дорогою на основі узагальненої блок-схеми функціонування 
агрегативної системи. Ці дослідження були проведені на заміських автомобільних 
дорогах. 
Встановлено залежність швидкості руху транспортного потоку від рівня 
завантаження, що дає можливість визначити необхідну пропускну спроможність 
ділянки дороги та відповідну їй оптимальну швидкість руху, а також обґрунтовано 
 7 
можливість прогнозування зміни інтенсивності завантаження вулично-дорожньої 
мережі у часі.  
Також теоретичну основу наукової роботи склали праці різних напрямів теорії 
транспортних потоків. Зв'язок статичних та динамічних характеристик транспортних 
потоків розглянуто у роботах, в яких передумовами дослідження стала недостатня 
кількість даних про обсяги руху та особливості їх розподілу, отримані за останнє 
десятиліття. Основні дослідники в галузі проектування розробляли залежності 
інтенсивності руху від щільності транспортних потоків, виходячи з існуючої 
ситуації на вулично-дорожній мережі для заміських доріг.  На  основі
 фактичних  даних  виявлено необхідність удосконалення методів 
дистанційного моніторингу транспортних потоків.  
Використання методів отримання даних про стани транспортного потоку, які 
застосовуються для окремо взятої вулиці, не відповідають вимогам сучасних 
міст. З'являється потреба розробки оперативного методу  отримання інформації з 
мінімальними ресурсними витратами і дослідження можливості проектування вулично-
дорожньої мережі на основі методу дистанційного моніторингу транспортних 
потоків, що базується на дешифруванні онлайн-знімків із застосуванням Інтернет-
ресурсів. Автором порівнюються методи вивчення транспортних потоків, у яких 
виявлено відсутність детального дослідження вулично-дорожньої мережі як 
мережевого об'єкта. 
Метою дослідження є вдосконалення методів дистанційного моніторингу 
транспортних потоків для проектування вулично-дорожньої мережі великих міст. 
Об'єктом  дослідження є параметри транспортного  потоку, що 
обґрунтовують проектні рішення щодо проектування вулично-дорожньої мережі.  
Предмет дослідження - вдосконалення методів підвищення 
ефективності функціонування транспортних споруд, зручності, безпеки та 
екологічності руху. 
Кваліфікаційна робота магістра складається з 73 сторінок пояснювальної 
записки і включає: вступ, чотири розділи, висновок, список використаних джерел, а 
також 22 таблиці, 23 рисунки та 29 джерел. 
 8 
РОЗДІЛ 1. АНАЛІЗ ПРОБЛЕМАТИКИ МОНІТОРИНГУ ТРАНСПОРТНИХ ПОТОКІВ 
У ВЕЛИКИХ МІСТАХ 
1.1 Параметри та транспортні умови вулично-дорожніх мереж  
 
Опорними центрами науки, техніки та інших сфер розвитку держави є 
найбільші міста і ті, що тяжіють до них, які розподілені по території країни. До 
мегаполісів відносяться населені пункти: Київ, Дніпро, Харків, Одеса.  
Характерними показниками функціонування та рівня інфраструктури міста, 
комплексів та систем обслуговування користувачів транспортних споруд є: 
чисельність населення, середня заробітна плата, протяжність пішохідних доріг, 
середній час переміщення, загальна площа території, кількість районів, схема 
вулично-дорожньої мережі, протяжність вулично-дорожньої мережі, кількість 
джерел аварійності, наявність видів транспорту (тролейбусів, трамваїв, метро) та 
рівень автомобілізації. 
Аналіз тенденції зміни кількості жителів та рівня автомобілізації міст 
показав, що зростання чисельності жителів у розглянутих населених пунктах може 
бути пов'язане зі значною кількістю містоутворюючих підприємств та виробництв 
і, як наслідок, наявністю робочих місць, а також рівнем життя населення 
розглянутого міста. 
Тенденція зміни кількості мешканців, підтверджена статистичними даними, 
свідчить про те, що зіставлення чисельності населення та рівня автомобілізації у 
розглянутих містах має високий рівень кореляції між зазначеними показниками. 
При цьому лише у незначній кількості випадків зареєстровано стабілізацію 
зростання чисельності населення в умовах подальшого зростання рівня 
автомобілізації. 
Наслідком зростання рівня автомобілізації є необхідність збільшення 
довжини та густоти транспортних мереж, а також модернізації системи 
обслуговування учасників дорожнього руху. Цей факт зумовлений підвищенням 
доступності автомобілів для населення з різним рівнем доходу, крім того, можна 
 9 
відзначити зміну кута нахилу апроксимованої кривої після введення різних 
урядових програм. 
Інерція розвитку вулично-дорожніх мереж у процесі експлуатації не 
відповідає темпам зростання транспортної складової міст, що призводить до 
трансформації заданої категорійності [6, 21], неоптимального функціонування 
вулиць та міських доріг і, як наслідок, до зниження безпеки, комфортабельності та 
економічності переміщення населення (рис. 1). 
 
 
                                     а)                                 б) 
Рисунок 1 – Приклади заторних явищ: а) – м. Дніпро, б) – м. Київ 
 
Розвиненість транспортної мережі у всіх проаналізованих автором 
агломераціях характеризується діапазоном кількості вулиць у мегаполісах та 
великих містах (1,3-1,8 тис.), транспортних перетинів в одному (10-20 тис.) та 
різних рівнях (12-28), амплітудою чисельності (1,01-1,3 тис.) та густоти пішохідних 
переходів (0,5-1,8 шт./км2). 
В даний час при проектуванні вулично-дорожньої мережі та транспортних 
споруд використовуються такі показники, як транспортна доступність, рухливість 
населення, час та середня швидкість переміщення населення. Більшість ознак, що 
є основою систематичного планомірного розвитку міста, пов'язана з 
удосконаленням транспортної інфраструктури, що характеризується протяжністю 
вулично-дорожньої мережі та розподілом транспортного попиту по мережі вулиць 
та міських доріг. Системне вивчення режимів руху на вулично-дорожній мережі 
міст є основою раціональних та оптимальних містобудівних рішень. 
 10 
Ухвалена практика проектування вулично-дорожньої мережі передбачає 
комплексні транспортні схеми, де планується стадійний розвиток міста. 
Нерівномірність розподілу чисельності населення районах потребує планувальних 
рішень і системного підходу у процесі реалізації інженерних завдань різного рівня.  
Для забезпечення безперервності процесу потрібні розробка та 
вдосконалення інформаційно-аналітичних методів, що ґрунтуються на 
репрезентативних даних функціонування всієї мережі міста. Дані програми 
необхідні у процесі розвитку вулично-дорожньої мережі: при проектуванні 
реконструкції (перерозподіл обсягів руху, призначення числа смуг руху, посилення 
дорожнього одягу), проектуванні вулиць-дублерів (розрахунку геометричних 
параметрів та дорожнього одягу), а також при організації дорожнього руху 
(особливостей змін руху протягом доби, організації реверсивного руху). Таким 
чином, параметри необхідної точності можуть бути отримані за допомогою 
системного моніторингу, що виконується у вузлових точках та перегонах у 
розвиток транспортної мережі. 
При плануванні вулично-дорожньої мережі для розробки методів підвищення 
ефективності функціонування, зручності, безпеки та екологічності руху, необхідне 
отримання інформації не тільки про окремі транспортні комунікації, а й про всі 
сусідні вулиці. 
 
1.2 Оцінка видів та обсягів моніторингу транспортних потоків на вулично-
дорожній мережі міст  
 
У процесі вирішення завдань з проектування транспортної мережі 
найважливішою складовою є інтенсивність (N) та склад руху. Із зазначеними 
показниками тісно пов'язані щільність транспортного потоку (ρ), швидкість руху 
автомобілів (ν) та інші параметри. Для визначення параметрів, на яких ґрунтуються 
проектні рішення, виконується систематичний облік інтенсивності та складу руху 
(моніторинг). Для вирішення інженерних завдань різного обсягу та спрямованості 
моніторинг може виконуватися в мікро- та макромасштабі.  
 11 
Моніторинг локальних об'єктів, що виконується в мікромасштабі, 
обмежується рамками окремо взятого об'єкта (вулиці) і виконується за лінійним 
принципом [5], подібна діяльність застосовна для проектування вулиць місцевого 
значення. 
Для вирішення масштабніших завдань проектування вулично-дорожньої 
мережі в рамках містобудівної діяльності виникає необхідність моніторингу 
інтенсивності руху на значній кількості вулиць одночасно, у зв'язку з чим місто 
розглядається як мережевий об'єкт. 
У процесі вивчення застосовності існуючих дистанційних методів 
визначення параметрів транспортного потоку було виконано аналіз вітчизняної та 
зарубіжної практики моніторингу інтенсивності руху та інших характеристик. 
Виникла необхідність вибору оптимального способу або поєднання способів з 
урахуванням удосконалення методів визначення параметрів транспортного потоку 
на вулично-дорожній мережі, що підвищують повноту та достовірність інформації, 
що обґрунтовує проектні рішення, а також мінімізації трудових витрат та 
матеріальних ресурсів. 
У практиці моніторингу в різних масштабах традиційно застосовуються такі 
способи, як ручний спосіб, облік із застосуванням індуктивних датчиків руху, 
методи аеромоніторингу із застосуванням безпілотних або керованих літальних 
апаратів, фото- та відеофіксація. 
Вивчення параметрів транспортних потоків можливе із застосуванням 
індуктивних датчиків, які здійснюють автоматизований облік загальної 
інтенсивності руху та виду автомобілів. При цьому недоліками зазначеного методу 
є неможливість одноразового введення в систему вулично-дорожньої мережі через 
велику кількість автономних пристроїв (вартість одного з яких варіюється від 229,7 
до 623,5 тисяч грн.), наявність похибки при реєстрації груп автомобілів та 
неремонтопридатність частини пристрою, що знаходиться під дорожнім 
покриттям. Для отримання результату з допустимими похибками зчитування типу 
автомобіля потрібне зниження швидкості руху автомобіля до 15 км/год [28]. 
 12 
Кількісний аналіз впровадження індуктивних датчиків для мегаполісів 
показав, що в умовах сучасного міста, отриманих обсягів робіт, низьких темпів 
впровадження та розрахованого грошового еквівалента застосування даного 
приладу та його аналогів неможливо. 
В даний час для цілей проектування вулиць та міських доріг застосовується 
такий прогресивний метод дистанційного моніторингу, як аерофотозйомка з 
використанням пілотованих та безпілотних літальних апаратів [14], який дозволяє 
отримати наочні дані про технічні та дорожні параметри транспортних потоків. Ці 
дані необхідні підвищення ефективності функціонування вулично-дорожньої 
мережі, зручності та безпеки руху. 
При виконанні моніторингу зйомка проводиться за певною схемою через 
специфічні особливості літального апарату. У ході польоту маршрут поділяється 
на ділянки. Схема є універсальною для будь-якого типу літального шасі. Ця схема 
зйомки має вигляд «зигзага», це пов'язано з можливістю знімального обладнання 
та розмірами досліджуваної ділянки. Точність знімального процесу забезпечується 
координацією літального апарату за допомогою геоінформаційних систем 
глобальної супутникової навігації, таких як «GPS», яка має у своєму доступі 31 
супутник, точність до 5 метрів (виробництво США) (таблиця 1). 
 
Таблиця 1 – Технічні характеристики цифрових камер для висотної зйомки 
 
НВП Vexcel Leica 
Виробник Z/I Imaging 
«Геосистема» Imaging Geosystems 
Модель 3-DAS-1 UitraCam D ADS40 DMC 
Розмір зображення, 
8 000×Max 11 500×7500 12 000×Max 13 824×7680 
піксель 
Ширина смуги захоплення 1600 2300 2400 2765 
НВП VexcelImag LeicaGeos
Виробник Z/I Imaging 
«Геосистема» ing ystems 
при дискретизації на     
місцевості 0,2 м, м 
Розмір пікселя, мкм 9 9 6.5 12 
Мінімальний інтервал 
750 1 800 2.1 
зйомки, с 
Ширина захватки, d, м 360-2880 150-2500 450-4000 570-5000 
Орієнтовна 
250000 700000 >1 000000 >1 000000 
вартість, дол. 
Країна виробник - Австрія Швейцарія Канада 
 13 
 
До переваг застосування керованих літальних апаратів для аерофотозйомки в 
процесі дослідження ділянки вулично-дорожньої мережі відносять їх 
універсальність, обумовлену значною вантажопідйомністю та широким діапазоном 
зміни швидкості. 
Застосування пілотованого літального апарату обмежено наявністю 
належного літального та знімального обладнання, необхідністю опрацювання 
питань місця зльоту та посадки, а також суттєвими витратами на паливо літального 
апарату. 
Найчастіше знаходить застосування безпілотний літальний апарат через 
збільшення рентабельності за рахунок спрощення проведення робіт, оперативності 
отримання знімків високого дозволу, можливості отримання знімків у 
важкодоступних місцях, безконтактної зйомки об'єктів у зонах підвищеного 
ступеня небезпеки, високої продуктивності, простоти їх транспортування та 
багатофункціональності. 
Вид безпілотного літального апарату вибирається виходячи з погодних умов, 
радіусу та висоти польоту, оскільки збільшення висоти дослідження дозволяє за 
меншу кількість прольотів визначити параметри транспортного потоку. 
В результаті обробки матеріалів аерофотозйомки встановлено, що з 
урахуванням роздільної здатності людського ока, площі покриття транспортної 
мережі, прилеглих до неї транспортних споруд, їх елементів та об'єктів 
транспортної інфраструктури оптимальним для дослідження станом дорожнього 
покриття є виконання моніторингу з висоти близько 300 метрів (рис. 2). 
 
                      а)                                 б)                          в) 
Рисунок 2 – Приклад знімка, виконаного з БПЛА 
 14 
а - висота ~ 680 м, роздільна здатність ~ 15 см; б - висота ~ 300 м, роздільна 
здатність ~ 4 см; в – висота ~ 150 м, роздільна здатність ~ 2 см 
До стримуючих факторів застосування безпілотного літального апарату 
можна віднести необхідність переміщення наземними шляхами для зйомки іншої 
ділянки. 
Порівняльний аналіз літальних апаратів з урахуванням режимів роботи було 
виконано з прикладу мікрорайону міста Днупро з розмірами 4×8 км. Результати 
розрахунку наведено у таблиці 2. 
 
Таблиця 2 - Порівняльний аналіз літальних апаратів 
 
Види Час, Ціна 
 Оптимальна Ширина 
  витраченени зйомки
№ висота зйомки 
Пілотовані Безпілотні й на зйомку району, 
зйомки h, м d, м 
tз, тис. грн. 
година 
1 Літак -  0,26 1440 
 
2 Гвинтокрил -  0,4 480 
920 
3 Автожир -  0,26 240 
 
4 Дирижабль - 0,8 960 
 
Літак  
5 - 600 0,26 224 
типу 
 
6 - З гнучким крилом 0,66 192 
300 
7 - Вертолітного типу 0,56 160 
Аеростатичного 
8 - 0,8 768 
типу 
 
У порівнянні з пілотним, безпілотний літальний апарат має обмежену площу 
дослідження, що визначає обмежене використання методу підвищення 
ефективності проектування мережі вулиць та міських доріг. 
У розвинених європейських країнах, наприклад, у Великій Британії, 
дослідження в рамках макромасштабу виконується за допомогою наземних камер 
відеоспостереження. Такі особливості, як працездатність та наявність їх у достатній 
кількості дозволяє знаходити відомості у необхідному обсязі (табл. 3).  
 
 
 15 
Таблиця 3 – Забезпеченість засобами відеоспостереження столиць європейських 
та азіатських країн на 2018 рік (фрагмент) 
  Рівень Кількість 
Чисельність, 
Країна Місто автомобілізація,авт./10 відеокамер, 
млн. осіб 
00 год. шт. 
Великобританія Лондон 8,788 320 60870 
Франція Париж 2,244 264 60000 
Нідерланди Амстердам 0,821 269 35000 
Німеччина Берлін 3,470 317 23800 
Швеція Стокгольм 0,789 366 15000 
Україна Київ 2,804 213 6000 
Казахстан Астана 0,814 385 6000 
Азербайджан Баку 2,166 300 1200 
 
Обмежуючими факторами застосування відеоспостереження на території 
України є регіональні природно-кліматичні особливості та створення перешкод 
флори та фауни. 
При використанні додаткових модулів, таких як апаратно-програмні 
комплекси «Traffix», стає можливим застосування камер високої роздільної 
здатності (HD-камер) в режимі день-ніч, використання стандартної апаратної 
платформи x86/x64, контроль інтенсивності руху смугами і передача інформації 
для аналітичної обробки даних. З огляду на обмежену кількість пунктів наземного 
відеоспостереження на даний час не вдається отримувати мережну інформацію з 
вулиць та міських доріг, у зв'язку з чим можна рекомендувати інтенсивне 
впровадження камер відеоспостереження. 
Для отримання репрезентативної картини, крім апаратно-ресурсних 
можливостей телекомунікаційних систем, необхідні можливості, засновані на 
закономірностях, що дозволяють інформаційно-аналітичними методами 
перетворювати статичну модель на параметри транспортних потоків.  
Для більш широкого охоплення території допустимо використання 
моніторингу за допомогою супутникових знімків, що виключить основні недоліки 
раніше розглянутих методів: обмежену площу досліджуваної території та 
необхідність оренди літального апарату, впровадження великої кількості 
відеокамер тощо. Моніторинг транспортних потоків за допомогою супутникових 
 16 
знімків відповідає вимогам сучасних міст через більш високу продуктивність та 
позитивну економічну складову. 
 
1.3 Оцінка застосування існуючих методик дешифрування результатів 
моніторингу транспортних потоків на мережевих дорожніх об'єктах 
 
Статичне зображення щільності транспортних потоків, отримане в ході фото- 
та відеоспостереження, необхідно інтерпретувати в динамічну складову – 
інтенсивність, у зв'язку з чим виникає необхідність розробки математичного 
апарату з визначення динамічної складової. 
Теоретично транспортних потоків існують рівняння руху, що пов'язують між 
собою різні їх параметри. Особливості залежностей параметрів транспортних 
потоків розглянуті у працях Ф. Хейта, В.М. Трибунського, Д. Дрю  та інших вчених. 
Американський дослідник Ф. Хейт у своїх працях встановлює 
співвідношення між положеннями теорії транспортних потоків та теорією 
ймовірностей, а також розробляє узагальнені математичні моделі руху автомобілів. 
У працях Д. Дрю [29] особливу увагу приділено сучасним методам 
регулювання руху на складних вузлових перетинах та швидкісних магістралях, а 
також методам проектування транспортних систем з високою пропускною 
здатністю. 
Одним із засновників закономірностей руху автомобілів на багатосмугових 
автомобільних дорогах є О. М. Красніков. Автором виявлено вплив 
багатосмуговості, дорожніх умов та складу транспортного потоку на основні 
техніко-експлуатаційні характеристики для конкретних транспортних об'єктів. 
Математичний апарат у працях [10] розроблений під існуючий рівень 
завантаження для різних напрямів руху з прикладу чотирисмугової заміської 
дороги. 
У спільних дослідженнях [19] з'являються перші згадки про залежність 
щільності обгонів від інтенсивності та щільності руху, отримані за допомогою 
імітаційного моделювання руху по двосмуговому шляху на основі алгоритму 
 17 
узагальненої блок-схеми функціонування агрегативної системи. 
У працях Г.І. Клінковштейна [11] детально розглянуто зв'язок інтенсивності 
руху, швидкості та щільності транспортних потоків. Особливістю роботи є 
виявлення можливості визначення швидкості руху через тангенс кута нахилу між 
інтенсивністю руху та щільністю потоку. 
З вивчення закономірностей розподілу транспортних потоків Я.В. Хом'як 
[13] сформулював теорію визначення інтенсивності руху від щільності, що 
застосовується в діапазоні, за межами якого інтенсивність руху набуває негативних 
значень. 
У наукових дослідженнях [30] вказано залежність теоретичної пропускної 
спроможності стану покриття. При сухому покритті такого впливу немає. Особливо 
слід зазначити, що у цій роботі зазначено вплив розрахункової пропускної 
спроможності визначення геометричних параметрів дороги. 
В роботі [21] встановлено залежність швидкості руху транспортного потоку 
від рівня завантаження, що дає можливість визначити необхідну пропускну 
спроможність ділянки дороги та відповідну їй оптимальну швидкість руху, а також 
обґрунтовано можливість прогнозування зміни інтенсивності завантаження 
вулично-дорожньої мережі у часі. Істотним недоліком є відсутність розроблених 
залежностей. 
У роботі  [17], відображено рівняння, що доводить залежність щільності від 
швидкості руху автомобілів та вказано її нелінійний характер. Крім того, зазначено, 
що при переповненому потоці динамічні габарити трансформуються на фізичні 
габарити автомобіля. 
У праці [9] увага приділяється гідродинамічним аналогам транспортних 
потоків та стисливої рідини. У роботі пропонують оптимальні режими руху на 
діаграмі транспортних потоків. Аналіз інтенсивності руху від щільності 
транспортних потоків  показав, що інтенсивність руху набуває негативних значень. 
Крім того, слід зазначити, що в умовах сучасного рівня автомобілізації дана 
методика дає занижені результати. Розрахунок похибки відхилень фактичних 
даних від розрахункових представлений у таблиці 4. 
 18 
Таблиця 4 - Аналіз існуючих залежностей 
 
Діапазон Δ, 
№ Автор Рік Функціональні залежності 
щільності % 
В.В. N = 85−1,41 + 0,0052 2
 275,3 
1 1977 1 0-90 
Сільянов 
N = 75−1,3 + 0,0054 2
 275,3 
2
3 60,5 
2 Я В. Хом'як 1986 N  
1 = 85−1,41 + 0,0052 0-100 
N = 75−1,3 + 0,0054 3
 60,5 
2
 
Перевірка актуальності існуючих залежностей була виконана на основі 
експерименту, з урахуванням існуючих обсягів руху та транспортних умов та 
показала величину неприпустимої похибки отриманих значень. Усі проаналізовані 
методики загалом застосовні дослідження транспортних потоків на заміських 
дорогах і вдосконалення методів моніторингу, у своїй для існуючих обсягів руху 
похибка значно перевищує допустимі межі. 
У зв'язку з викладеними передумовами, метою даної кваліфікаційної роботи 
є вдосконалення методів дистанційного моніторингу транспортних потоків для 
проектування вулично-дорожньої мережі великих міст. 
Для досягнення поставленої мети було сформульовано такі завдання: 
1) виконати аналіз проблематики методів моніторингу транспортного потоку у 
великих містах; 
2) обґрунтувати теоретичні передумови дослідження транспортного потоку на 
основі дистанційного спостереження під час проектування вулично-
дорожньої мережі; 
3) виконати експериментальні дослідження щодо визначення інтенсивності 
руху, як основного параметра транспортного потоку, для проектування нових 
транспортних об'єктів, реконструкції існуючих вулиць та доріг; 
4) розробити рекомендації щодо застосування дистанційного моніторингу 
транспортних потоків великих міст на основі супутникового та 
відеоспостереження для проектування вулично-дорожньої мережі та 
забезпечення безпеки дорожнього руху. 
 
 19 
РОЗДІЛ 2. ТЕОРЕТИЧНІ ПЕРЕДУМОВИ ДОСЛІДЖЕННЯ ТРАНСПОРТНИХ 
ПОТОКІВ НА ОСНОВІ ДИСТАНЦІЙНОГО МОНІТОРИНГУ 
2.1 Алгоритм застосування дистанційного моніторингу транспортних потоків при 
проектуванні вулично-дорожньої мережі 
Проектування вулично-дорожньої мережі – це поняття, що включає різні 
етапи втілення проекту, основним результатом якого є модернізація дорожньо-
транспортної інфраструктури міста. 
Для визначення необхідних параметрів комплексу проектних робіт, 
спрямованих на розробку нових або удосконалення існуючих вулиць, потрібна 
значна кількість інформації: вихідні дані для проектування та дані щодо умов 
підготовки проектної документації; матеріали досліджень різних видів; дані для 
технологічних рішень тощо. 
Для детального опрацювання поточного питання було проаналізовано умови, 
необхідні для проектування, та складено структурну схему, що наочно демонструє 
вплив кожного окремого показника на етапи проектування. 
 
На основі аналізу вище представленої інформації можна зробити висновок, 
що існують дані, які впливають на окремі етапи проектування та параметри, 
притаманні значній кількості стадій розробки проекту. 
У дослідженні вивчені види робіт, які виконуються з урахуванням основного 
параметра транспортного потоку. Інтенсивність руху використовується при 
проектуванні реконструкції (перерозподілі обсягів руху, призначенні числа смуг 
руху, посиленні дорожнього одягу) та проектуванні вулиць-дублерів (розрахунок 
геометричних параметрів та дорожнього одягу проектованої вулиці), а також 
організації дорожнього руху (особливості зміни руху протягом доби, організація 
реверсивного руху) у великих містах. 
На основі аналізу похідних параметрів інтенсивності руху можна зробити 
висновок, що інтенсивність має широкий спектр областей застосування та її 
визначення є основою для ухвалення значної кількості рішень при проектуванні 
вулично-дорожньої мережі великих міст. Зазначений факт доводить необхідність 
 20 
удосконалення методів визначення інтенсивності руху транспортного потоку. 
Точність визначення інтенсивності та складу транспортного потоку, а також 
похідних параметрів, таких як швидкість руху та щільність потоку, надає значний 
вплив на повноту та достовірність інформації, що обґрунтовує проектні рішення та 
точність розрахунків. 
 
2.2 Наукові засади дослідження 
 
Відповідно до теорії [16] в основу проведеного дослідження було покладено 
співвідношення між інтенсивністю, швидкістю та щільністю транспортного 
потоку: 
 
N =   (2.1) 
 
де - щільність транспортного потоку; 
�� - швидкість руху транспортного потоку. 
Ця формула може бути трансформована в графічну залежність – основну 
діаграму транспортних потоків, у якій тангенс кута нахилу дотичної визначає 
швидкість руху транспортних потоків. За наявності значення густини потоку (ρi) 
стає можливим визначення основного параметра транспортних потоків 
(інтенсивності руху (Ni)) за допомогою використання розробленої математичної 
залежності. 
У процесі застосування інформаційно-аналітичного методу дешифрування 
статичного зображення динамічну характеристику транспортних потоків, 
первинними даними є значення щільності потоку, в тому числі в стані, відмінному 
від еталонного. Вивчення кореляційної залежності між параметрами транспортних 
потоків представлено теоретично транспортних потоків [2]. 
Графік співвідношення між інтенсивністю, швидкістю та щільністю 
 21 
транспортного потоку має властивості деформуватися. Деформація відбувається 
внаслідок обмеження будь-яким фактором швидкості за відсутності обмежень за 
щільністю. Її можна назвати деформацією за швидкістю. При цьому площа 
основної діаграми транспортних потоків, побудованої для етолонних умов на цій 
ділянці, скорочується зліва та зверху. Деформації за швидкістю найбільш ймовірні 
при скороченні ширини проїжджої частини та наявності укріплених узбіччя, 
погіршенні рівності покриття та збільшенні опору руху при впливі вітру. 
При деформації за швидкістю та щільністю під впливом одного або більше 
факторів відбувається одночасне зниження допустимої або 
фактичної швидкості та збільшення інтервалів між автомобілями. Площа основної 
діаграми обмежується зліва, зверху та праворуч. Цей вид деформації найбільш 
поширений і ймовірний при зниженні коефіцієнта зчеплення під час снігопаду, 
дощу, хуртовини, ожеледиці, туману та інших метеорологічних явищ, а також їх 
поєднань. 
З урахуванням перерахованих вище деформацій графік може 
трансформуватися, наближаючись до виду різних математичних функцій. Для 
досліджуваних об'єктів був виконаний експеримент, на основі фактичних значень 
інтенсивності та густини, за результатами якого в системі координат діаграми 
транспортних потоків (вісь абсцис - густина транспортних потоків, вісь ординат - 
інтенсивність руху) були нанесені виміряні величини параметрів. Конфігурація 
функцій з прикладу характерної вулиці як точкових діаграм наведено на  рис. 3 
(приклад: вул. Проспект Івана Мазепи, м. Дніпро). 
Критерієм оптимальності в процесі пошуку найбільш адекватного 
функціоналу залежності інтенсивності руху та щільності потоку стала величина 
достовірності апроксимації R2 [11] (формула 2.2). 
 
2 ∑(����−�� 2
�� = ��)
,      (2.2) 
∑(�� 2
��−?̅?)
 
де ����  - фактичні значення; 
���� - значення апроксимуючої функції. 
 22 
 
1
?̅? = ∑ ����.                                                              (2.3) 
��
 
Аналіз графічної конфігурації поліноміальних функцій другого і третього 
порядку представлений на рис. 3 а, б. Поліном другого ступеня може мати лише 
один максимум чи мінімум. Поліном третього ступеня має два екстремуми. 
Поліном четвертого ступеня може мати трохи більше трьох екстремумів. 
Графік, що описує поліном третього ступеня, має в першій частині низхідну 
гілку, потім висхідну, і матиме два екстремуми, що не коректно описує зміну 
інтенсивності руху при подальшому збільшенні щільності руху транспортних 
потоків. 
При розгляді лінійної функціональної залежності зміни інтенсивності руху та 
густини транспортних потоків була отримана залежність, представлена на рис. 3 
(в). 
У разі застосування методу лінійної апроксимації інтенсивність та щільність 
нескінченно зростають, що неможливо у реальних умовах. 
Графіки, побудовані з урахуванням масиву величин статичних і динамічних 
параметрів транспортного потоку, перебувають у допустимих межах лише певному 
відрізку функції (рис. 3 г). 
Логарифмічна апроксимація близько описує як позитивні, і негативні 
величини. Результати опрацювання застосування статечної функції відображені на 
рис. 3 (д). 
Степеневе наближення дає адекватні результати досліджуваних парних 
значень, якщо залежність характеризується постійною швидкістю зростання. 
Експонентне наближення (рис. 3, е) має суттєві відхилення при розгляді 
експериментальних значень, оскільки кут нахилу фіксованих параметрів 
безперервно зростає. 
 23 
 
а)        б) 
 
в)        г) 
 
д)        е) 
Рисунок 3 – Графік залежності інтенсивності руху від густини 
транспортного потоку різними функціональними залежностями 
а) поліноміальний другий порядок; б) поліноміальна третя порядка в) 
лінійна; г) логарифмічна; д) статечна; е) експоненційна. 
 
За підсумками аналізу отриманих результатів можна дійти невтішного 
 24 
висновку у тому, що лінійна і експоненційна залежності є незастосовними у зв'язку 
з негативними розрахованими значеннями. При виборі функціональної залежності 
було прийнято квадратичну залежність. Даний факт обумовлений тим, що графічні 
залежності інтенсивності руху від щільності потоку в певний момент досягають 
піку, який може пропустити дорога, і в цей момент інтенсивність має піти на спад.  
Зі збільшенням щільності транспортного потоку інтенсивність руху має 
скорочуватися, оскільки автомобілі що неспроможні здійснювати маневри, і проїзд 
неможливий внаслідок наявності смузі руху безлічі інших автомобілів. 
Виконані розрахунки підтверджують, що найбільш точною функцією, що 
описує, є поліноміальна другого порядку. Зроблені висновки доведено 
розрахунками величини достовірності апроксимації, наведеними в таблиці 5. 
 
Таблиця 6 - Значення коефіцієнта апроксимації 
 
Коефіцієнт 
Функція Рівняння 
апроксимації 
Поліноміальна другого порядку N = −0,0136 2 + 8,5403  0,8679 
Поліноміальний третій порядок N = −5 10−6 3 + 0,0157 2 + 5,2697  0,8625 
Лінійна N = 322,68 e0,0057
 0,7136 
Логарифмічна N = 5,2918  0,7166 
Степенева N = 639,531ln() − 2244,2  0,7179 
Експонентна N = 8,1696  0,6671 
 
Ця функціональна залежність прийнята для подальшої розробки рівнянь, що 
описують закономірність зміни параметрів транспортних потоків. 
 
2.3 Структура дослідження транспортних потоків дистанційним 
моніторингом за допомогою супутникового спостереження 
 
Сутність методу дистанційного моніторингу транспортних потоків за 
допомогою супутникового спостереження полягає в отриманні даних зі знімків 
 25 
шляхом визначення щільності потоку на смузі руху перегону вулиці, а також 
подальшої її трансформації в кількість автомобілів на кілометр (рис. 4). 
На сьогоднішній день існують контенти як платні (TomTom, HEREmaps), так 
і безкоштовні, серед яких найбільш інформативні: BingMaps, Yahoo! Maps та 
GoogleMaps. Аналіз частоти оновлень наведено в таблиці 6. 
 
Таблиця 6 - Частота оновлень безкоштовних онлайн-ресурсів 
 
Maps 
Рік Google Maps Yahoo!  BingMaps 
07.03; 29.09; 
2014 6.10. - - 
06.10. 
2015 03.06; 06.08. - - - 
2016 08.11; 24.11. - - - 
2017 01.05. - - - 
2018 01.07 - 18.08 - 
 
Згідно з результатами дослідження, Google maps займає позицію лідера серед 
представлених вище ресурсів, проте варто враховувати, що конкуренти 
використовують карти Google на договірній основі, але не мають періодичність 
оновлень, порівнянну з картами GoogleMaps. 
Як було заявлено раніше, інтеграція кількох дистанційних методів, а саме: 
відеоспостереження та результатів супутникового моніторингу, буде найбільш 
репрезентативним і найменш ресурсно-витратним способом отримання інформації. 
Даний спосіб збору інформації підвищує ефективність функціонування 
транспортних мереж, зручність та безпеку руху, а також повноту та достовірність 
інформації, що обґрунтовує проектні рішення. Інтеграція зазначених способів 
необхідна для проектування вулично-дорожньої мережі, зокрема визначення 
транспортного попиту. 
Для вибору найбільш значимих факторів, що впливають формування величини 
інтенсивності руху, виконано вивчення їхнього широкого спектру. 
На транспортний потік впливає спектр різних чинників, кожен із яких 
впливає функціонування транспортних систем. 
Основним чинником стали погодно-кліматичні умови, які безпосередньо 
 26 
впливають на стан дорожнього покриття. Спираючись на цей факт, водій підбирає 
комфортний та безпечний для нього режим руху. 
Технічні параметри транспортного потоку так само диктують водієві 
комфортний режим руху: сучасні високотехнологічні обладнані автомобілі 
створюють для водія комфортніші та безпечніші умови. 
Дорожні умови значно впливають на керування автомобілем і на особливості 
його руху. Часто аналізованим випадком є той факт, що в момент початку руху 
зчеплення автомобілів з дорожнім покриттям має більше значення, ніж при 
гальмуванні на слизькому покритті. 
Особливості міста також мають певний вплив на рух автомобілів. На 
вулично-дорожній мережі виділяються окремі ділянки та зони, інтенсивність руху 
на яких може досягати найрізноманітніших значень, які можуть бути непорівнянні 
один з одним. Подібна просторова нерівномірність ускладнює пересування 
мережними об'єктами. 
Таким чином, найбільший вплив на основні параметри транспортного 
потоку, надає розподіл інтенсивності протягом доби, кількість смуг руху та стан 
дорожнього покриття (погодні умови). Вивчення цих параметрів зумовило 
необхідність виконання трифакторного пасивного експерименту. 
Трудомісткість та неможливість одночасного моніторингу визначило 
виконання дослідження за допомогою методу відеоспостереження (стан покриття, 
кількість смуг руху та особливості розподілу інтенсивності руху протягом доби) 
[21]. Поетапний план експерименту подано у пункті 3.1. 
В рамках існуючого алгоритму визначення параметрів транспортного потоку 
на основі супутникового знімка були доопрацьовані етапи набору бази даних та 
ідентифікації складу транспортного потоку, що трансформували алгоритм у 
наступний вигляд: імпорт знімка з онлайн-ресурсу → визначення вихідних даних 
вулиці → масштабування розмірів перегону → визначення щільності потоку → 
розрахунок інтенсивність руху → визначення похідних параметрів транспортного 
потоку → ідентифікація складу транспортного потоку. 
Значні фактори, що впливають на формування величини інтенсивності, не 
 27 
враховані в існуючих математичних апаратах, що зумовлює необхідність розробки 
математичних залежностей із застосуванням відеоспостереження в рамках цього 
дослідження в наступній послідовності: типізація характерних станів покриття → 
формування банку даних інтенсивності та щільності → класифікація вулиць та 
міських доріг → розрахунок інтенсивності за мультипараметричними рівняннями. 
Розробка мультипараметричних залежностей необхідна підвищення ефективності 
функціонування транспортної мережі. 
Отримані результати густини потоку вводяться у відповідні функціональні 
залежності. Далі виконується розрахунок похідних параметрів транспортного 
потоку (швидкість, рівень завантаження тощо). 
Також щодо транспортного потоку було опрацьовано питання вибору 
оптимального масштабу супутникового знімка для подальшої можливості 
ідентифікації за складом руху (рис. 4). 
 
 
Рисунок  4 – Графічна залежність масштабу та роздільної здатності 
 
 
На підставі отриманих даних можна дійти невтішного висновку про те, що 
критичним масштабом, при якому ідентифікація транспортного потоку за складом 
транспортного потоку стає неможливою, є 1:1470 і відповідний йому 
максимальний просторова роздільна здатність становить 15 м/мм. 
 28 
Для подальшої можливості ідентифікації щодо складу транспортного потоку 
було направлено запит вітчизняним та зарубіжним онлайн-провайдерам 
картографічних послуг. Отримані відомості лягли в основу оцінки технічних 
можливостей супутників та якості знімків (таблиця 7). 
Таблиця 7 - Технічні можливості супутників (фрагмент таблиці) 
 
 Розрахунков   
  
Дата ий термін Періодичність Просторова 
№ Супутник 
запуску функціонуван зйомки, доба роздільна 
ня здатність, м/мм 
вання, рік 
1 GF-4 20.12.2015 8 1 50 
2 AlSat-2B 26.09.2016 5 3 10 
3 CBERS-4 7.12.2014 3 2-3 10 
4 Deimos-2 19.06.2014 7 4 10 
5 ALOS-3 2019 5 60 5 
6 Formosat-5 24.08.17 5 2 2 
7 DubaiSat-2 21.10.2013 5 1 1 
BlackSky 
8 26.09.2016 3 1 1 
Pathfinder 
9 ASNARO-1 6.11.2014 3-5 1 0,5 
10 Landsat-8 11.02.2013 10 16 15 
 
Кількісна оцінка графічного контенту (масштабу), здійснювалася через 
просторову роздільну здатність. При вивченні цього параметра була встановлена 
його залежність від масштабу зображення, у зв'язку з чим було досліджено питання 
зміни якості зображення при збільшенні супутникового знімка (рис. 5). 
Аналіз показав, що зі збільшенням масштабу зображення до певних значень 
виникають складності ідентифікації автомобілів. 
При вивченні супутникових знімків відзначено додаткову можливість 
ідентифікації виду автомобілів за висотою та формою на основі тіньової проекції. 
Для більш детального аналізу були вивчені індивідуальні особливості 
компонування автомобілів відповідно до їх класифікації, представленої в чинному 
 29 
нормативному документі (таблиця 8). 
 
 
                   а)                                    б)                                     в) 
Рисунок 5 – Багаторазове збільшення зображення супутникового знімка, 
взятого з супутника Landsat-8 у масштабах: а – 1:600; б – 1:300; в – 1:200 
 
До індивідуальних особливостей автомобілів, що сприяють їхній 
ідентифікації, можна віднести такі специфічні параметри: легкові автомобілі мають 
малі розміри в порівнянні з іншими, велику кольорову гаму та значну чисельність 
у складі транспортного потоку. Відмінною особливістю всіх вантажних 
автомобілів є наявність водійської кабіни, що чітко розпізнається. Автобуси малої 
місткості мають чітко виражене опукле лобове скло, яке не проглядається в інших 
видів автомобілів. Середні, великі, зчленовані автобуси та тролейбуси мають від 
однієї до трьох секцій прямокутної форми та певну колірну гаму (зелений, жовтий, 
синій, білий тощо). 
Перераховані вище види громадського транспорту характеризуються 
режимом роботи в ранковий, денний і вечірній час, що необхідно враховувати при 
дослідженні транспортного потоку в різний час доби. 
 30 
Таблиця 8 - Поділ транспортних засобів за складом транспортного потоку 
 
 Характерні ознаки 
  Зображено
Характе Геометричні Конструктивні 
№ Схема автомобіля з 
ристика розміри*, м особливості 
супутника 
а б в 
 
     
  
2,0- 1,5- 1,6- Малі розміри 
1 1-3 т. 
5,0 2,0 2,2 
 
 
 
  2 осі 
2,0- 1,6- 1,6- 
2 До 2 т. Вага 1,5-3 
4,0 2,0 2,2 
тони   
 
  
3,0- 2,0- 1,9- 2 осі 
3 2-6 т. 
5,0 2,5 2,6 Вага 5-7 тон 
  
 
  
4,0- 2,0- 2,0- 2-3 осі 
4 6-8 т. 
8,0 2,5 2,5 Вага 5-7 тон 
 
 
 
   
6,0- 2,0- 2,3- 
5 8-14т. 3-4 осі 
10,0 2,5 2,7 
 
 
 
  
Пона 12,0- 2,3- 2,5- 
6 4-8 осі 
д 16,0 2,6 3,2 
 
14т.  
 
 Мала  
4,5- 2,0- 2 2- 
7 місткіст 2 осі 
7,5 2,5 2,6 
ь   
 
  
Середня 8,0- 2,2- 2,2- 
8 2 осі 
місткіст 9,5 2,8 2,8 
 
ь  
 
  
Велика 10,5- 2,2- 2,2- 
9 2-3 осі 
місткіст 12,0 2,8 3,0 
 
ь  
Зчленован    2-4 осі,  
 
ені та 16,5- 2,4- 2,4- яскраво  
10  
тролейб 24,0 3,0 3,2 виражені 
 
окремі 
 
частини 
*а – довжина, б – ширина, в – висота АТЗ 
Автобуси Вантажні Легкові Вид АТС 
 31 
2.4. Аналіз застосування діючої класифікації вулиць та міських доріг з метою 
вдосконалення методів дистанційного моніторингу транспортних потоків 
 
Різні механізми формування інтенсивності за категоріями вулиць та їх 
призначення зумовили необхідність детального розгляду чинної класифікації. 
В даний час інтенсивність руху винесена за рамки категорійності вулиць та 
міських доріг, що не дозволяє деталізувати розрахунками значущі параметри 
транспортного потоку, такі як рівень завантаження, коефіцієнт добової 
нерівномірності руху, коефіцієнт смужності та ряд інших показників. 
У зв'язку з цим було ідентифіковано структурні зв'язки, що визначають 
категорію в рамках діючого склепіння правил і не враховані ним, але що мають 
істотний вплив на ресурсні витрати у життєвому циклі вулиць та доріг (рис. 6). 
 
 
Рисунок 6 – Структурні зв’язки категорій вулиць та їх характеристики 
В рамках дослідження було розглянуто питання диференціації транспортних 
об'єктів та особливостей розподілу інтенсивності протягом доби для обґрунтування 
проектних рішень та підвищення точності розрахунків. При дослідженні цього 
 32 
аспекту розглядалася праця  [27], в якій запропоновано бімодальний та 
унімодальний режими розподілу інтенсивності руху. На основі вивчених зв'язків 
визначено, що в даний час згідно з діючим СП всього 9% вулиць та доріг міст 
України відповідають закріпленим категоріям та їх характеристикам (рис. 7). 
 
 
Рисунок 7 – Відхилення фактичних значень від нормативних 
а) інтенсивність руху; б) швидкість руху; в) ширина смуги руху; г) кількість смуг руху 
 
Обмеження застосування існуючої методики визначення числового значення 
інтенсивності для конкретного моменту часу та необхідність урахування 
особливостей її зміни протягом активного життєвого циклу міста (добового та 
річного) зумовили модернізацію розрахункового апарату стосовно вулично-
дорожньої мережі. 
 33 
З урахуванням оцінки впливу регламентованих та неврахованих параметрів 
на призначення категорій вулиць та доріг було виконано порівняльний аналіз 
транспортно- та техніко-експлуатаційних параметрів з нормативними значеннями 
на прикладі міст України (таблиця 9). 
Згідно з представленими табличними даними у 70% випадків фактичні 
значення параметрів не відповідають вимогам діючої низки правил, що суттєво 
погіршує результати проектування вулиць та міських доріг. 
 
Таблиця 9 – Порівняння нормативних  та фактичних значень параметрів 
вулиць та міських доріг 
 Найменши
  Ширина Кількість Ширина 
Інтенсивність й радіус 
Групи вулиць Швид- полоси руху, смуг руху, пішохідної 
руху, тис. кривих у 
і доріг кість м шт. частини 
авт./добу плані, м 
руху, тротуару, м 
км/год 
   310, 220,  
Регульовано − 
70,60,50  3,25 - 3,75 4 – 6 140 3,0 
го значення *
(60) 1- 3  (4,5) (6 – 14) (200 – (3,5) 
(45-60) 400) 
  −  310, 220,  
Транспортно- 70,60,50  3,25 - 3,75 2 – 4 140 2,25 
*
пішохідні (50) 1- 3  (4,0) (4 – 6) (150 – (3,0) 
(25-45) 250) 
Пішохідно- − 140, 80, 
50,40,30  3,0 – 3,5 2 – 4 2,0 
транспортні 0,5 -1* 40 
(35) (4,0) (2) (3,0) 
(10 – 25) (80 - 125) 
В таблиці наведені нормативні значення. У дужках вказані фактичні значення 
параметра; * - значення за більш старими нормативами 
 
Відповідно до наведених табличних значень в 70% випадків фактичні 
значення параметрів не відповідають вимогам діючих правил, що суттєво погіршує 
результати проєктування вулиць і міських доріг. 
Виконана аналітична оцінка застосування діючої класифікації показала 
неможливість отримання достовірних результатів на її основі, у зв'язку з чим у 
рамках методу, що розглядається, була запропонована локальна типізація вулиць і 
міських доріг – розподіл на типи на основі статистичних даних. 
При обробці великої кількості експериментальних даних, отриманих на 
 34 
основі відеоспостереження, будувалися і виявлялися характерні графічні 
залежності інтенсивності руху від часу (t): N=f(t) з використанням різних 
математичних інформаційно-аналітичних методів. Для обробки використовувалися 
методи математичного очікування та лінійної регресії [16]. Для перевірки 
закономірностей, що визначаються відхиленням математичного очікування ( N ) 
від середнього значення, використовувався закон Гауса: 
   
 
1 1
?̅? = ∑��
��=1 ���� = (��1 + ⋯ + ����),                                  (2.3) 
�� ��
 
 
 
де N – випадкова змінна годинна інтенсивність руху;  
 Ni - Інтенсивність руху i-го години;  
 n – кількість значень, що спостерігаються з 6:00 до 24:00, n=19.  
 
Дані графічні залежності наочно демонструють відхилення значень, що 
фіксуються, по годині доби (рис. 8). 
 
 
 
                                               а)     б) 
Рисунок 8 -  – Графічне зображення математичного очікування: 
а) бімодальна модель; б) полімодальна модель 
Критерієм виділення самостійний тип вулиці чи міської дороги стало 
перевищення максимального значення над середнім в 1,2-2,5 рази [16]. 
Для залежностей, представлених лінійної функцією N=f(t), 
визначалася парна регресія за допомогою методу Ф. Гальтона [15], яка 
оптимально 
 35 
описує співвідношення між аналізованими показниками (N і t) за такою формулою: 
 
  N =   +   (5) 
 
де a і b - Коефіцієнти регресії оціненої лінії.  
 
При побудові лінійної регресії використовувалося правило трьох сигм [16], у 
зв'язку з чим ранкові значення інтенсивності в інтервалі з 05:00 до 07:00 у 
дослідженні не враховувалися. 
Розробка безпікових спадних графічних залежностей виконувалася 
побудовою лінії регресії через «хмару» крапок. Приклад спадної функції 
представлений на рис. 9 (а), для графіків з рівномірною інтенсивністю – на рис. 9 
(б). 
 
 
                                         а)                                  б) 
Рисунок 9 – Лінійна регресія інтенсивності руху у часі: 
а) м. Харків (вул. Богодухівська); б) м. Одеса (пр. Адміральський) 
 
У результаті статистичної обробки банку даних інтенсивності 
руху встановлені такі типи з характерними особливостями: 
I тип - пікова інтенсивність руху в ранкові та вечірні години; 
II тип - пікова інтенсивність руху в ранкові та вечірні, зі 
«стрибком» інтенсивності в обідні години; 
III тип - рівномірна зміна інтенсивності на спад від ранкових годин до 
вечірніх; 
 36 
IV тип – рівномірна інтенсивність протягом дня. 
 
Виявлена типізація дозволить коректно перейти від густини до годинної 
інтенсивності. 
Відповідно до постулатів теорії транспортних потоків та врахуванням 
розробленої типізації вулиць спостерігається залежність щільності від 
особливостей розподілу інтенсивності протягом доби (формула 6). 
 
  N = f (Т )  (6) 
 
де ρ - густина транспортного потоку;  
Т - тип вулиць та міських доріг.  
  
 
2.5 Урахування кількості смуг руху 
 
При дослідженні характеру варіювання інтенсивності протягом доби були 
вивчені особливості розподілу автомобілів по смугах руху, які істотно впливають 
на швидкість транспортних потоків, оскільки між зазначеними показниками є 
прямо пропорційний зв'язок. Цей факт у комплексі з формулою (1) доводить вплив 
числа смуг на величину інтенсивності руху транспортних потоків. 
Дослідженням розподілу автомобілів смугами залежно від інтенсивності та 
складу потоку займався Красников А. Н. [12], розглянуто поперечний розподіл 
автомобілів за шириною проїжджої частини. Виявлено, що розподіл автомобілів по 
шпальтах руху чотирьох- і шестисмугових автомобільних доріг є не постійним, а 
залежить від складу транспортного потоку та його інтенсивності. При 
інтенсивності руху в одному напрямку понад 2500 авт/год на чотирисмугових 
дорогах і більше 3500 авт/год на шестисмугових розподіл транспортних засобів по 
смугах руху стабілізується і не залежить від сумарної інтенсивності руху. При 
інтенсивності, меншій зазначених, можливість маневрування зростає. У зв'язку з 
чим спостерігається значний розкид у зайнятості смуг руху. 
Нами проаналізовано особливості розподілу числа автомобілів смугами руху 
 37 
при сучасному рівні автомобілізації (рис. 10). 
 
 
Рисунок 10 – Диференціація вулиць за кількістю смуг руху в одному 
напрямку 
 
Згідно з графіком вулиці з кількістю смуг від п'яти до восьми в одному 
напрямку не враховувалися в обсязі, що розглядається, в силу їх малої чисельності 
(4,5 %). 
Для пошуку закономірності розподілу автомобілів по смугах у ході роботи 
було проведено натурний експеримент з визначення їхньої кореляційної залежності 
для різних вулиць. 
На початковому етапі розраховано максимальну кількість автомобілів на перегоні 
вулиць різних міст. Для проведення детального дослідження розподілу автомобілів 
смугами було обрано два транспортні об'єкти II типу в м. Львів і м. Дніпро (рис. 11, 
12). 
 
Рисунок 11 – Максимальний розподіл транспортних засобів за смугами за 
короткий проміжок часу в м. Львів: а) з 10:00 до 11:00 годин; б) з 11:00 до 12:00 
години; в) з 12:00 до 13:00 години; г) з 13:00 до 14:00 години 
 
 38 
Наведені діаграми демонструють відсутність закономірностей розподілу смугами 
автомобілів в ранкові години, прийняті за показовий інтервал. У зв'язку з чим було 
прийнято рішення про складання графіків розширеного часового інтервалу (рисунок 17 
а, б). 
 
 
Рисунок 12 – Розподіл автомобілів смугами: 
а) м. Дніпро; б) м. Львів 
 
Графічне відображення натурних досліджень дозволило спостерігати суттєве 
варіювання розподілу автомобілів смугами протягом добового активного циклу 
міста. Також відзначено низький рівень кореляції розподілу автомобілів у різних 
містах на вулицях одного типу, що свідчить про необхідність моніторингу з 
урахуванням смужності кожного транспортного об'єкта, що розглядається 
(формула 7): 
 39 
 
N = f (T ,R)  (7) 
 
де R - кількість смуг руху. 
 
 
На основі вищевикладених досліджень можна зробити висновок, що 
параметрами, що надають суттєвий вплив на основні параметри транспортних 
потоків (щільність та інтенсивність), є: розподіл інтенсивності смугами і протягом 
доби. 
 
2.5 Урахування стану поверхні покриття 
Мінливість природно-кліматичних умов у річному циклі формує безліч 
розрахункових станів, що призводять до коливання режимів руху. 
Пропускна спроможність істотно знижується при русі в осінньо-весняний та 
зимовий періоди, особливо в несприятливих погодних умовах. 
Завдання оцінки ступеня впливу кожного окремого параметра швидкість 
руху полягає в тому, щоб встановити механізм цього впливу і фізичний зміст, 
вибрати розрахункову схему і дати математичне відображення, що дозволяє 
визначити первинні параметри транспортного потоку. 
При оцінці впливу окремих параметрів транспортних потоків на 
комплексний показник їхнього стану було проаналізовано мінливість показників, 
які впливають стан покриття (таблиця 10). 
Таблиця 10 – Оцінка мінливості показників, які впливають стан покриття 
Параметри Мінливість, % 
Сезонні коливання інтенсивності руху 12 
Ширина проїжджої частини, що ефективно використовується 0,8 
Обмеження видимості на кривих у плані 12 
Обмеження видимості на прямих ділянках через снігопади, 
11,3 
тумани та хуртовини 
Зменшення ширини проїжджої частини мостів 8 
Зміна інтенсивності дорогами, що перетинаються в одному рівні у зв'язку з:  
коливаннями інтенсивності руху на основній дорозі 8 
зміною видимості на перехрестях в одному рівні 7,1 
слизькістю покриття 35 
 40 
Найбільший діапазон мінливості має показник слизькості покриття, який 
великий вплив надає коефіцієнт зчеплення. Таким чином, стан покриття є одним 
із основних параметрів мінливості коефіцієнта забезпеченості розрахункової 
швидкості. 
Особлива значимість метеорологічних чинників умов руху автомобілів 
спостерігається в зимовий і передзимовий періоди року, вони об'єднані загальними 
особливостями погодно-кліматичних явищ. Наявність снігово-крижаних 
відкладень на поверхні та кромці проїжджої частини безпосередньо впливає як на 
режим і щільність руху, так і на пропускну здатність дороги в цілому. Цей факт 
було підтверджено натурними вимірами параметрів транспортних потоків. 
На подальшому етапі розробки апарату дешифрування супутникового знімка 
були обрані розрахункові стани дорожнього покриття, до яких були віднесені сухе, 
мокре покриття, лід та сніговий накат. Водночас склоподібний (чорний) лід, 
свіжовипалий (пухкий) сніг, ожеледиця, ожеледиця, твердий наліт не були 
враховані при подальшій розробці методики через низьку (менше 2 %) ймовірність 
їх виникнення та складність ідентифікації на сучасному рівні обладнаності 
дорожньо-будівельних управлінь великих міст. Цей факт дозволяє врахувати вид 
стану покриття як еквівалент зимової слизькості (таблиця 11). 
 
Таблиця 11 – Види сніжно-крижаних відкладень 
 
Стан дорожнього Характеристики стану 
№ Примітки 
покриття покриття 
  ρ = 0,06-0,20 г/см3 
Відкладається на дорожньому покритті у 
1 Пухкий сніг µ ≤ 0,2 
вигляді рівного шару за товщиною 
t ≤ - 10 °C 
  ρ = 0,3 - 0,6 г/см3 
Шар снігу, ущільнений колесами 
2 Сніговий накат 0,1 ≤ µ ≤ 0,25 
автомобіля, що проходить 
−0 ° ≤ t ≤ −6 °C 
З'являється на покритті у вигляді гладкої 
  ρ = 0,7 - 0,9 г/см3 
склоподібної плівки h = 1 - 3 мм і зрідка у 
3 Склоподібний лід 0,07 ≤ µ ≤ 0,15 
вигляді матової білої 
t > 0 
шорсткої кірки h > 10 мм 
* µ - коефіцієнт зчеплення 
 41 
З урахуванням фактора стану покриття залежність основних параметрів 
транспортних потоків набуває вигляду (формула 8): 
 
N = f (T ,R,M )  (8) 
де M - стан дорожнього покриття. 
Таким чином, залежність, що розробляється, повинна мати можливість 
обліку транспортних, дорожніх і метеорологічних умов. 
 42 
РОЗДІЛ 3. ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ 
 
3.1 Планування етапів та методика проведення експерименту 
 
Метою експерименту є вдосконалення прогресивних методів та засобів 
математичного моделювання для підвищення повноти та достовірності інформації, 
що обґрунтовує проектні рішення, точність розрахунків та термін служби міських 
доріг, за допомогою розробки мультипараметричних залежностей для кожного 
типу вулиць з урахуванням факторів варіативності (смужності та стану покриття). 
При плануванні експерименту було визначено вхідні та вихідні параметри на 
основі збору та аналізу апріорної інформації. У першій частині 
експериментального дослідження за вхідні дані були прийняті під час 
експерименту, що реєструються, але не керовані фактори, основним з яких є 
інтенсивність. Далі встановлено вихідні параметри, які прийняті особливості 
розподілу інтенсивності протягом добового життєвого циклу міст. 
При виконанні другої частини експерименту за вхідний параметр прийнята 
щільність потоку, з урахуванням можливості впливу систематичних і випадкових 
похибок у результатах спостережень на стан залежностей, що розробляються, що 
відноситься до реєстрованих некерованих факторів. Також враховано такі 
варіативні чинники, як стан дорожнього покриття та смужність дороги. За вихідний 
параметр прийнято годинну інтенсивність руху. 
На підготовчому етапі було сформульовано умови для фіксації інтенсивності 
та щільності: доступність даних із камер відеоспостереження у різних містах; 
реалізація для однієї вулиці протягом 18 годин на добу. З урахуванням знятих 
значень та застосуванням відповідних коефіцієнтів стало можливим визначення 
добової інтенсивності. Дистанційні дослідження з використанням результатів 
відеоспостереження було прийнято за основний вид збору експериментальних 
даних. 
 43 
Після проведення мінімальної кількості випробувань було сформовано банк 
даних, завдяки якому стає можливим розробка залежності за різними факторами. 
При виконанні експериментального дослідження для отримання точних та 
об'єктивних даних про параметри транспортного потоку найважливішим фактором 
є проведення дистанційного зондування довірчого обсягу вибірки. 
Наступним пунктом у плануванні експерименту стала статистична обробка з 
виявленням інтервалів часу з характерними значеннями інтенсивності по кожній із 
розглянутих вулиць методом «Максимумів та мінімумів» Г. В. Лейбниця [17]. 
Екстраполяцією в цьому дослідженні стала розробка мультипараметричних 
рівнянь з урахуванням факторів варіативності: стану покриття та смужності. Для 
оцінки ступеня зв'язку вихідних параметрів було виконано кореляційний аналіз 
результатів статистичної обробки експерименту з фактичними значеннями. Мірою 
зв'язку у разі був коефіцієнт кореляції. 
Кінцевим етапом було отримання результатів та перевірка їх адекватності 
стосовно існуючих умов руху. 
Новизна запропонованого методу полягає у можливості використання 
статичних даних (щільність потоку, кількість смуг руху), що знаходяться в базі, та 
їх перетворенні на первинні (інтенсивність руху автомобілів та склад 
транспортного потоку) та вторинні (швидкість руху (ν), тривалість затримок руху, 
пропускна здатність (P), питома тривалість поїздки (tT), інтервал за довжиною (ΔS), 
дистанція (d), прискорення (a) та інші) показники транспортного потоку. У силу 
обмеженості факторів та низького рівня їх кореляційного зв'язку з основними 
параметрами частина показників не враховується за подальшої розробки. 
Для набору бази даних про параметри транспортного потоку з урахуванням 
варіативних факторів було виконано розрахунок мінімального обсягу вибірки для 
одержання достовірної інформації. Як обґрунтування мінімального обсягу вибірки 
використовувалися залежності, виділені Я.В. Хом'яком [7]: 
 
   ��2
��∙��2
�� = ,       
∆2 (9) 
де n - кількість днів спостереження на рік;  
 44 
 tα - функція довірчою ймовірності при довірчою 
ймовірності a = 0,9; tα = 1,68; 
 
Δ - відносна точність обліку, Δ= 0,12;  
 ν - коефіцієнт варіації.  
 
  
σ  
ν =   , 
?̅?             (10) 
де σ - середньоквадратичне відхилення;  
  
 
N - середня величина інтенсивності руху, обсяг вибірки 
якої становить 12 днів (один раз на місяць): 
 
 
2
√∑��
��=1(����−?̅?)
�� =    ,                                              (11) 
��
 
∑�� ��
?̅? = ��=1 ��   ,                                              (12) 
��
 
 
де n - обсяг вибірки, n = 12;  
 Ni - середньомісячна добова інтенсивність руху в i-му 
місяці року. 
За даними оцінюваного обсягу вибірки було розраховано коефіцієнт 
розподілу інтенсивності за місяцями року: 
 
��
�� = ��
��   ,                                                    (13) 
?̅?
 
4��
�� год∙100
доб =  ,      (14) 
Кпр��
 
Де 4Nгод - чотиригодинна інтенсивність руху в інтервалі з 800 до 1200, 
авт./год; 
Кпр t - коефіцієнти приведення короткострокових вимірів в добову інтенсивність 
 
 
 45 
Із застосуванням методики, що захищається, стає можливим визначення 
розрахункової годинної інтенсивності, яку надалі можна використовувати для 
знаходження добової інтенсивності руху, наприклад, за методикою [16]. 
Крім факторів варіативності мінімальна кількість експериментів варіювалася 
в залежності від чисельності населення населеного пункту, що розглядається. 
Основним значенням для мінімальної кількості експериментів для одного об'єкта 
транспортної мережі (вулиці) було вибрано 17, довірчий інтервал за типами та 
станами варіюється від 14 до 20 відповідно. 
 
3.2 Методика досліджень інтенсивності та щільності руху на вулично-
дорожній мережі міст методами відео- та фотоспостереження 
 
Дослідження транспортних потоків виконувалося на різних етапах роботи: у 
першій частині воно дозволяє отримати залежність, у другій – із застосуванням 
дисстанційного супутникового моніторингу дає можливість визначити параметри 
транспортного потоку. На першому етапі виконувались експериментальні 
дослідження щодо визначення параметрів транспортних потоків, як первинних, так 
і вторинних, визначенням інтенсивності та зняття щільності потоку з камер 
відеоспостереження. Другий етап полягав у використанні знімка для визначення 
параметрів транспортного потоку (отримання знімка, зняття щільності, підстановка 
у розроблені залежності та отримання шуканої інтенсивності). 
У результаті виконання першого етапу у вигляді відеоспостереження 
урахування інтенсивності руху здійснювався із застосуванням прогресивних 
методів – інтернет ресурсів. 
Виконаний аналіз електронних ресурсів для відеообліку дозволяє 
стверджувати, що використання методу відеоспостереження пов'язане з певним 
спектром складнощів: з кожним днем стає все менше доступних онлайн-ресурсів із 
засобами відеофіксації, що ускладнює процес отримання даних, є велика кількість 
непрацюючих засобів відеофіксації, існує необхідність додаткового програмного 
забезпечення для перегляду відеокамер. 
 46 
3.3 Проведення натурних та дистанційних досліджень транспортних потоків у 
різних метеорологічних та дорожніх умовах 
 
У процесі поділу вулиць на типи з урахуванням виявлених значимих 
чинників виконано блок експериментів щодо визначення закономірностей зміни 
інтенсивності у часі. 
При визначенні мінімальної кількості вимірів щільності транспортного 
потоку методами математичної статистики було враховано: типізацію, стан 
покриття та кількість смуг руху (таблиця 12). 
 
Таблиця 12 – Визначення мінімальної кількості вимірювань інтенсивності та 
щільності транспортного потоку 
Кількість Число вимірів з Число вимірів з 
 
вимірів з урахуванням урахуванням типізації, 
Кількість міст 
урахуванням типізації та стану стану покриття та 
типізації, покриття, смужності, 
nT nTM nTMR 
15 82500 660000 660000 
 
Вимірювання проводилися в різні дні тижня (вівторок, середа, четвер, 
п'ятниця) при різній температурі зовнішнього повітря (від –30 ⁰С до +30 ⁰С) та 
станах поверхні покриття (сухе – сніжний накат). 
У зв'язку зі зниженням інтенсивності в нічні години діапазон фіксації 
досліджуваних характеристик прийнятий з 6:00 до 24:00. 
Для достовірного прогнозування та призначення заходів щодо проектування 
вулично-дорожньої мережі необхідно виконувати моніторинг чотири рази на 
тиждень, вісім разів на місяць для кожної досліджуваної вулиці за допомогою 
відеоспостереження. Так, зокрема, досліджено інтенсивність руху в 15 найбільших 
містах та 5500 вулиць з урахуванням їхньої протяжності (таблиця 13). 
Типізація виконана з віднесенням конкретних об'єктів того чи іншого типу, 
на основі закономірності розподілу інтенсивності протягом добового активного 
життєвого циклу міста. 
У ході набору бази даних про первинні та вторинні параметри транспортного 
 47 
потоку для підвищення об'єктивності значень, що знімаються, кожен стан покриття 
вивчавя сумарно від 18 до 30 разів. 
Аналіз отриманих графіків, поданих у теоретичній частині даної роботи, 
дозволив віднести вулиці до одного з прийнятих типів. Для частини графіків, 
віднесених до I або II типу, визначено значення відхилень від величини 
математичного очікування для обґрунтування числа пікових значень (віднесення 
вулиці до одного з розроблених типів) (таблиця 14). 
Для частини графіків, що описуються методом регресії, виконувалася 
побудова лінії регресії з наступним присвоєнням досліджуваної вулиці III або  IV
 типів розподілу інтенсивності на протязі доби. Фрагмент дослідження 
представлений у таблиці 15. 
 
Таблиця 15 - Значення лінійної регресії (на прикладі типових вулиць) 
 
 Лінійна регресія (N) 
(t) м. Харків  м. Одеса (пр. м. Дніпро  м. Львів ( 
(вул. Алмірал- (пр. Івана Мазепи) вул. Краківська) 
Богодухівська) тейський) 
8 4925,09 2554,90 2894,37 1122,50 
9 4693,68 2555,02 3205,70 1654,73 
10 4462,28 2555,15 2441,00 994,06 
11 4230,88 2555,27 1632,68 1231,48 
12 3999,47 2555,39 4120,43 1232,56 
13 3768,07 2555,51 4505,76 1389,61 
14 3536,67 2555,64 3494,83 1302,79 
15 3305,26 2555,76 2749,06 1305,94 
16 3073,86 2555,88 2343,69 1174,07 
17 2842,46 2556,00 4027,77 1615,23 
18 2611,05 2556,13 4027,77 983,36 
19 2379,65 2556,25 2456,53 764,56 
20 2148,25 2556,37 2496,78 839,74 
21 1916,84 2556,50 2496,99 1108,80 
22 1685,44 2556,62 2375,30 512,06 
23 1454,04 2556,74 986,08 508,23 
24 1222,63 2556,86 1003,94 505,58 
Тип III IV Ⅱ Ⅰ 
 
 48 
На основі виконаного аналізу в довірчому обсязі дослідження отримано 
репрезентативну базу, що характеризує статичний та динамічний стан 
транспортного потоку в різних транспортних, дорожніх та метеорологічних 
умовах. 
 
 
3.4 Розробка функціональних залежностей інтенсивності та щільності руху 
транспортних потоків 
 
По масиву експериментальних даних було складено діаграми транспортного 
потоку: по осі абсцис – щільність потоку, по осі ординат – інтенсивність руху. Після 
нанесення значень було розроблено рівняння залежності інтенсивності та 
щільності за допомогою використання MS Excel, далі методами математичної 
статистики було виконано порівняння за критерієм величини відхилення 
розрахункових значень від фактичних. 
Для графічного зображення взаємного впливу факторів варіативності 
складено діаграму зміни інтенсивності руху від густини транспортного потоку для 
різної кількості смуг руху та розрахункових станів покриття (рис. 13). 
 
                                         а)                                                 б) 
Рисунок 13 – Діаграми залежності інтенсивності та щільності руху на прикладі I типу 
вулиць (фрагмент): а) різна кількість смуг; б) різні стани покриття 
 49 
Побудовані графіки демонструють значні коливання числових значень 
статичних та динамічних характеристик транспортного потоку при різних 
розрахункових станах дорожнього покриття (рис. 18, а) та смугах (рис. 18, б). При 
цьому видно, що масив точок та особливості їх розподілу мають схожий характер і 
можуть відображатися загальною функціональною залежністю. Цей факт зумовив 
необхідність розробки універсальної залежності для кожного типу з урахуванням 
факторів варіативності: смужності та стану покриття – для підвищення 
ефективності функціонування вулично-дорожньої мережі, зручності та безпеки 
руху, а також повноти та достовірності інформації, що обґрунтовує проектні 
рішення. 
З метою виявлення графічних залежностей, що підпорядковуються 
загальному закону розподілу фіксованих значень для кожного типу, були 
розроблені мультипараметричні рівняння стосовно еталонних умов, що 
приводяться за рахунок функціоналу поправочних коефіцієнтів до розрахункових 
станів. 
Вибір еталонних базових залежностей кожного типу базувався на праці [18]. 
За аналогією із зазначеною методикою за еталонне прийнято рух одиночного 
автомобіля по сухому шорсткому покриттю на прямій горизонтальній ділянці, 
коефіцієнт зчеплення якого в мокрому стані не нижче 0,6, рівність не більше 3,0 
м/км, коефіцієнт опору коченню - 0,01- 0,02. 
Уніфікована багатофакторна монозалежність включає основні коефіцієнти, 
визначені під конкретні умови, у зв'язку з чим, виявлена необхідність розробки 
повного трифакторного експерименту. Для визначення інтенсивності руху 
транспортного потоку необхідно вивчення впливу кожного чинника даний 
показник. Залежність визначається формулою 15: 
 
N = f (X 0;X1;X 2;X3)                                                    (15) 
    
де Х0 - функція залежності інтенсивності від густини;  
Х1 - функція залежності інтенсивності від розробленої типізації вулиць 
та міських доріг; 
Х2 - функція залежності інтенсивності кількості смуг руху; 
 50 
Х3 - функція залежності інтенсивності від стану дорожнього 
покриття. 
Залежність функції від типізації не є визначальною для виявлення 
характеристик процесу та була отримана методом аналітичної обробки даних 
експерименту. Полосність руху може суттєво вплинути на аналізований процес, 
проте даний фактор у запланованому експерименті є незалежним. Повний 
факторний експеримент міститиме вісім варіантів дослідів (при урахуванні для 
варіювання факторів у двох рівнях), сутність яких розкриває матриця планування, 
представлена в таблиці 17. 
 
 
Таблиця 17 – Матриця планування трифакторного експерименту 
 
№варіа Планування Розрахунок 
нти Х0 Х1 Х2 Х3 Х1 Х2 Х1 Х3 Х2 Х3 Х1 Х2 Х3 
1 + - - - + + + - 
2 + + - - - - + + 
3 + - + - - + - + 
4 + + + - + - - - 
5 + - - + + - - + 
6 + + - + - + - - 
7 + - + + - - + - 
8 + + + + + + + + 
 
Сукупне урахування перерахованих вище факторів представлене системою 
коефіцієнтів варіативних параметрів, що враховуються підстановкою в базове 
рівняння. Система коефіцієнтів та базове рівняння визначалися методами 
математичної обробки та статистики. 
Математичний апарат мультипараметричних рівнянь: 
 
 
а) для І типу: 
 
−0,0289∙(����∙���� ∙��)2+ 9,6731∙����∙����
��(��) = �� ��,�� �� ��,��∙�� 
�� ��                        (16) 
���� ∙����,��
 
 
б) для ІІ типу: 
−0,0285∙(����
�� ∙����
��,��∙��)2+ 13,316  ����∙����
��(��) = �� ��,��∙�� 
�� ��                           (17) 
���� ∙����,��
в) для ІІІ типу: 
 51 
 
−0,0415∙(����
�� ∙���� 2 �� ��
��(��) = ��,��∙��) + 16,494∙  ���� ∙����,��∙�� 
�� ��                      (18) 
���� ∙����,��
 
г) для ІV типу: 
 
−0,0338∙(����
�� ∙���� 2 �� ��
��(��) = ��,��∙��) + 11,457∙  ���� ∙����,��∙�� 
�� ��                         (19) 
���� ∙����,��
 
де ����
��,�� – коефіцієнт приведення розрахункової кількості смуг в одному напрямку (����), 
стану покриття (М��), типу вулиць (Т��) до еталоних значень. 
����
��  - коефіцієнт приведення фактичного стану покриття (М��), типу вулиць (Т��) до 
еталоних значень. 
 
За результатами ітераційних розрахунків було визначено коефіцієнти 
приведення рівнянь кожного типу (формули 16 – 19) до фактичних умов 
моніторингу. Їх значення наведено у розділі «Розробка рекомендацій щодо 
дистанційного моніторингу транспортних потоків вулично-дорожніх мереж». 
Для даних, що є на сьогоднішній день, алгоритм дешифрування описується 
із застосуванням вищезгаданих коефіцієнтів (таблиця 18). Розроблені коефіцієнти 
приведення стану покриття типу вулиць представлені у таблиці 19. 
Всі наведені вище коефіцієнти отримані математичним перетворенням при 
детальному дослідженні вулиць і міських доріг. 
 
Таблиця 18 - Коефіцієнти приведення числа смуг до еталонної умови 
 
 Стан покриття 
Смуги 
Тип Сухе, Мокра, Ледь, 
руху Сніжний накат, М4 
М1 М2 М3 
  ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
1,1 1,1 1,1 1,1 
    
2, n1 ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
1,1 1,1 1,1 1,1 
   ��12= 0,7346  ��22= 1,1218  ��32= 0,3036  ��4 = 0,5234 
1, 1, 1, 1, 2
T1 3, n2 ��1 = 0,6963 ��2 = 0,8140 ��3 = 0,2756 ��4 = 0,5110 
1,2 1,2 1,2 1,2 
  ��1 = 0,3746 ��2 = 0,2974 ��3 = 3,1766 ��4 = 0,4299 
1,3 1,3 1,3 1,3 
    
4, n3 ��1 = 0,3686 ��2 = 0,3461 ��3 = 3,3636 ��4 = 0,5221 
1,3 1,3 1,3 1,3 
 
 
 
 
 
 52 
 
Продовження таблиці 18 
 
  ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
2,1 2,1 2,1 2,1 
    
2, n1 ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
2,1 2,1 2,1 2,1 
   ��12= 1,6333  ��22= 0,7798  ��32= 0,3059  ��4 = 0,4194 
2, 2, 2, 2, 2
T2 3, n2 ��1 = 1,8065 ��2 = 0,3389 ��3 = 0,2168 ��4 = 0,6174 
2,2 2,2 2,2 2,2 
  ��1 = 0,4686 ��2 = 0,4149 ��3 = 0,3787 ��4 = 0,4929 
2,3 2,3 2,3 2,3 
    
4, n3 ��1 = 0,5129 ��2 = 0,6519 ��3 = 0,3140 ��4 = 1,4737 
2,3 2,3 2,3 2,3 
  ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
3,1 3,1 3,1 3,1 
    
2, n1 ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
3,1 3,1 3,1 3,1 
  �� 12= 0,4771 �� 22= 0,5510 �� 32= 0 , 5665  ��42= 0,3633 
3, 3, 3, 3, 
T3 3, n2 ��1 = 1,3121 ��2 = 0,1732 ��3 = 0,2478 ��4 = 0,3637 
3,2 3,2 3,2 3,2 
  ��1 = 0,4241 ��2 = 0,3001 ��3 = 0,5591 ��4 = 0,4056 
3,3 3,3 3,3 3,3 
 
   
4, n3 ��1 = 0,5610 ��2 = 0,3601 ��3 = 0,3035 ��4 = 0,7835 
3,3 3,3 3,3 3,3 
  ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
4,1 4,1 4,1 4,1 
    
2, n1 ��1 = 1,0000 ��2 = 1,0000 ��3 = 1,0000 ��4 = 1,0000 
4,1 4,1 4,1 4,1 
   ��1 = 0,3402  ��2 = 1,2609 �� 3 = 0,2941 �� 4 = 0,2615 
4, 2 4,2  4,2  4, 2
T4 3, n2 ��1 = 0,2122 ��2 = 0,8856 ��3 = 0,1834 ��4 = 0,1862 
4,2 4,2 4,3 4,2 
  ��1 = 0,4026 ��2 = 0,3421 ��3 = 0,3719 ��4 = 0,1819 
4,3 4,3 4,3 4,3 
    
4, n3 ��1 = 0,2838 ��2 = 0,4060 ��3 = 0,3221 ��4 = 0,1408 
4,3 4,3 4,3 4,3 
 
* Над дробом – значення коефіцієнта, що підставляється в чисельник базового 
рівняння; під дробом – значення коефіцієнта, підставленого знаменник базового 
рівняння. 
 
 
Таблиця 19 - Коефіцієнти приведення стану покриття до еталонної умови 
 Стан покриття 
Тип 
Сухе, Мокре, Лід, Сніговий накат, 
M1 M2 M3 M4 
��1
  = 1,0000 ��2
  = 1,2338 �� 3 = 1,7627  ��4 = 1,3609 
T1 1  1  1  1  
��1 = 1,0000 ��2 = 0,7061 ��3 = 0,834 ��4 = 0,6915 
1 1 1 1 
 ��1 = 1,0000 �� 2 = 1,1005  ��3 = 2,1564 �� 4 = 2,0239 
T2 2  2  2  2  
��1 = 1,0000 ��2 = 0,8850 ��3 = 2,2089 ��4 = 0,9163 
2 2 2 2 
 ��1 = 1,0000 �� 3 = 1,3248  ��3 = 0,3093 �� 3 = 2,0918 
T3 3  3  3  3  
��1 = 1,0000 ��3 = 1,8210 ��3 = 0,4671 ��3 = 1,8159 
3 4 4 3 
 ��1 = 1,0000  ��2 = 0,9909  ��3 = 1,5928 �� 4 = 2,9980 
T4 4  3  4  4  
��1 = 1,0000 ��2 = 0,9564 ��3 = 1,3441 ��4 = 2,4740 
4 3 4 4 
 53 
3.5 Оцінка достовірності отриманих залежностей 
 
Для перевірки застосування всіх розроблених рівнянь була розрахована 
середня помилка апроксимації, яка демонструє точність відповідності 
теоретичного розподілу фактичним значенням досліджуваних величин. Розрахунок 
коефіцієнта подано у формулі 20: 
 
∑|y −y
А = i x|÷yi ∙ 100 % ,                                      (20) 
n
 
 
де yi – значення, що отримано методом відеонагляду (авт/год); 
yx – розрахункове значення, що отримане за допомогою рівняння (авт/год); 
n – кількість вимірювань. 
Якщо значення помилки апроксимації приймає негативне значення, це 
свідчить про неадекватності моделі, що розглядається, при позитивних значеннях і 
чим ближче величина до нуля, тим точніше рівняння описує масив точок. Графічні 
залежності, коефіцієнт апроксимації яких нижче 20, вважаються досить точними. 
Розрахункові значення коефіцієнта усіх опрацьованих залежностей представлені у 
таблиці 20. 
Можна зробити наступні висновки за даним розділом.   
Виконання вимірів у встановленій кількості дозволило сформувати банк 
даних інтенсивності та щільності. Для кожного варіативного стану було складено 
діаграми транспортного потоку. Виконане математичне планування у процесі 
збору масиву значень інтенсивності та щільності дозволило встановити графічні 
закономірності досліджуваних показників. При цьому розроблено матрицю 
планування трифакторного експерименту, на основі якої складено математичні 
залежності. У процесі перевірки адекватності виявлених залежностей виконано 
порівняння отриманих даних із застосуванням розробленої методики та фактичних 
значень, отриманих методом відеоспостереження за критерієм апроксимації. 
Показана працездатність залежностей, які підвищують повноту та достовірність 
інформації, що обґрунтовує проектні рішення та точність розрахунків. 
 54 
Таблиця 20 - Результати розрахунку величини відхилення розрахункових значень 
інтенсивності від фактичних 
Варіативні фактори 
N Умовні Відхилення 
Кількість смуг 
п/п позначення Тип Стан покриття A, % 
1 2 3 4 5 6 
1 T1M1R1 1 Сухе 2 12,17 
2 T1M1R2 1 Сухе 3 10,30 
3 T1M1R3 1 Сухе 4 7,31 
4 T1M2R1 1 Мокре 2 6,12 
5 T1M2R2 1 Мокре 3 6,65 
6 T1M2R3 1 Мокре 4 13,12 
7 T1M3R1 1 Лід 2 12,89 
8 T1M3R2 1 Лід 3 11,11 
9 T1M3R3 1 Лід 4 14,89 
10 T1M4R1 1 Сніговий накат 2 12,04 
11 T1M4R2 1 Сніговий накат 3 10,84 
12 T1M4R3 1 Сніговий накат 4 9,12 
13 T2M1R1 2 Сухе 2 14,17 
14 T2M1R2 2 Сухе 3 3,62 
15 T2M1R3 2 Сухе 4 10,11 
16 T2M2R1 2 Мокре 2 7,61 
17 T2M2R2 2 Мокре 3 5,32 
18 T2M2R3 2 Мокре 4 5,99 
19 T2M3R1 2 Ледь 2 13,18 
20 T2M3R2 2 Лід 3 15,02 
21 T2M3R3 2 Лід 4 11,93 
22 T2M4R1 2 Сніговий накат 2 2,04 
23 T2M4R2 2 Сніговий накат 3 6,45 
24 T2M4R3 2 Сніговий накат 4 9,51 
25 T3M1R1 3 Сухе 2 8,13 
26 T3M1R2 3 Сухе 3 13,16 
27 T3M1R3 3 Сухе 4 14,32 
28 T3M2R1 3 Мокре 2 9,19 
29 T3M2R2 3 Мокре 3 4,57 
30 T3M2R3 3 Мокре 4 2,81 
31 T3M3R1 3 Лід 2 14,01 
32 T3M3R2 3 Лід 3 11,91 
33 T3M3R3 3 Лід 4 8,19 
34 T3M4R1 3 Сніговий накат 2 15,17 
35 T3M4R2 3 Сніговий накат 3 8,85 
36 T3M4R3 3 Сніговий накат 4 13,02 
37 T4M1R1 4 Сухе 2 9,17 
38 T4M1R2 4 Сухе 3 5,95 
39 T4M1R3 4 Сухе 4 6,25 
40 T4M2R1 4 Мокре 2 7,44 
41 T4M2R2 4 Мокре 3 8,18 
42 T4M2R3 4 Мокре 4 10,92 
 55 
 
1 2 3 4 5 6 
43 T4M3R1 4 Лід 2 12,50 
44 T4M3R2 4 Лід 3 14,28 
45 T4M3R3 4 Лід 4 4,62 
46 T4M4R1 4 Сніговий накат 2 3,72 
47 T4M4R2 4 Сніговий накат 3 11,00 
48 T4M4R3 4 Сніговий накат 4 11,24 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 56 
РОЗДІЛ 4. РОЗРОБКА РЕКОМЕНДАЦІЙ З ДИСТАНЦІЙНОГО МОНІТОРИНГУ 
ТРАНСПОРТНИХ ПОТОКІВ ВУЛИЧНО-ДОРОЖНІХ МЕРЕЖ 
4.1. Область застосування, нормативні посилання, визначення 
4.1.1 Галузь застосування 
У другому розділі доведено, що для визначення інтенсивності руху на 
мережевих об'єктах вулично-дорожньої мережі найбільш виправданим з позиції 
мінімізації ресурсних витрат є використання таких прогресивних методів як 
дистанційний супутниковий та метод відеоспостереження [9]. Ця методика 
застосовна на різних стадіях проектування. 
У дослідженнях агломераційних транспортних структур необхідні відомості 
про параметри транспортних потоків у макро- та мікромасштабах. У мікромасштабі 
вказані параметри використовуються для планування окремих вулиць, їх елементів 
та об'єктів транспортної інфраструктури. Дослідження в макромасштабі 
виконуються під час планування мережевих систем (таблиця 21). 
Таблиця 21 - Розподіл об'єктів за масштабами дослідження та рівнями 
планування 
Рівні  Мікромасштаб Макромасштаб Масштабність 
Планування Вулиці місцевого Багатосмугова вулиця  
доріг значення безперервного руху  
Системне керування  
 Паркінги, 
транспортними розв'язками, 
Планування перехрестя,  
транспортні об'єкти, Об'єкти 
елементів транспортні 
розташовані на значній 
розв'язки 
площі (районі міста) 
Планування 
ВДМ мікрорайону ВДМ дистрикту, ВДМ міста 
мережі 
 
 Ремонт, Проектування, керування, 
Види діяльності 
- реконструкція, організація дорожнього руху 
будівництво 
При детальному розгляді проектної діяльності було класифіковано види 
проектної діяльності, що базуються на даних про інтенсивність руху (таблиця 22). 
 57 
Таблиця 24 - Види проектної діяльності, засновані на даних
 про інтенсивності руху 
Вид проектної 
№ п/п Регламентуючий документ 
діяльності 
Мережеві об'єкти 
Проектування нового Містобудування. Планування та забудова міських та 
1. 
населеного пункту сільських поселень; методичні рекомендації щодо 
Проектування нового проектування 
2. 
мікрорайону вулиць та доріг міст та сільських поселень 
 Реконструкція міської забудови з урахуванням 
Реконструкція міських 
3. доступності для інвалідів та інших 
забудов 
маломобільні групи населення. 
Локальні об'єкти 
Містобудування. Планування та забудова міських та 
 Проектування плану 
сільських поселень; методичні рекомендації щодо 
4. траси, поздовжнього та 
проектування 
поперечного профілів 
вулиць та доріг міст та сільських поселень 
 Проектування нежорсткихдорожнього одягу; 
Конструювання та 
5. методичні рекомендації щодо 
розрахунок дорожнього 
проектування жорсткого дорожнього одягу. 
одягу 
  ДЕРЖСТАНДАРТ 52289-2004 Технічні засоби 
  організації дорожнього руху. Правила застосування 
 дорожніх знаків, розмітки, світлофорів, дорожніх 
 
Облаштування огорож та напрямних пристроїв 
6. 
автомобільної дороги Автомобільні дороги та вулиці. 
Вимоги до експлуатаційного стану, допустимому за 
умовами забезпечення безпеки дорожнього руху 
 
 
4.1.2 Терміни та визначення 
 
Було використано такі терміни: Банк даних – система зберігання матеріалів 
про стани транспортних потоків, розроблена за допомогою 
різних методів  збору інформації (ручний, відеоспостереження), складена за n-у 
кількість часу. 
Відеоспостереження – процес збору даних, який здійснюється із 
застосуванням оптико-електронних пристроїв, призначених для візуального 
контролю або автоматичного аналізу параметрів транспортного потоку. 
Дистанційний моніторинг – авіаційний або космічний моніторинг, а також 
моніторинг за середовищем за допомогою приладів, встановлених у 
важкодоступних місцях Землі, показання яких передаються до центрів 
спостереження за допомогою методів дальньої передачі інформації: по радіо, 
 58 
проводам, через супутники тощо. 
Дорожні умови – сукупність геометричних параметрів, транспортно-
експлуатаційних якостей дороги, дорожніх покриттів, елементів облаштування та 
обстановки. 
Інтенсивність руху – кількість автомобілів, що проходять через поперечний 
переріз дороги за одиницю часу. 
Метеорологічні чинники – у цьому дослідженні означають різні погодні 
умови (дощ, сніг), які формують стан покриття. 
Мультипараметричне рівняння – рівняння залежності інтенсивності руху від 
щільності транспортного потоку, що включає фактори мінливості. 
Щільність руху – кількість автомобілів, що припадають на одиницю довжини 
дороги. 
Перетворення статичного зображення на динамічні характеристики – 
переклад даних, взятих із супутникового зображення, з допомогою рівнянь 
залежності параметри транспортного потоку. 
Пропускна здатність – максимальна кількість автомобілів, яку може 
пропустити ділянка дороги в одиницю часу в одному або двох напрямках у 
дорожніх і погодно-кліматичних умовах. 
Роздільна здатність - здатність оптичної системи вимірювати лінійну або 
кутову відстань між близькими об'єктами, показувати гранично близько 
розташовані структурні елементи об'єкта, які візуально неможливо розрізнити. 
Репрезентативна інформація – представницька інформація, достатня 
настільки, щоб вважатися достовірною. 
Ресурси - у цьому дослідженні під ресурсами розуміють літаки, автожири, 
безпілотні літаючі апарати, детектори руху та інші засоби отримання інформації. 
Мережевий моніторинг – отримання даних про параметри транспортного 
потоку з кількох взаємопов'язаних вулиць. 
Супутниковий моніторинг – вивчення параметрів транспортного потоку 
шляхом отримання інформації з картографічного ресурсу. 
Типізація міських вулиць та доріг – розроблений та апробований на реальних 
об'єктах автором категорійний розподіл міських вулиць та доріг з урахуванням 
 59 
критеріїв Гаусса та Гальтона, що включає чотири різні типи вулиць. 
Транспортна мережа – сукупність усіх транспортних шляхів певної території. 
Транспортні умови – результат метеорологічних факторів, а саме різні стани 
покриття (сухий чистий, мокрий забруднений). 
Транспортні чинники – параметри міжсистемних зв'язків, що визначають 
капітальні витрати, втрати енергії, річні експлуатаційні витрати на міжсистемних 
лініях пересування; зміна витрати палива з його транспорт; показники питомих 
витрат на паливо, що замикають. 
Вулично-дорожня мережа – система об'єктів капітального будівництва, 
включаючи вулиці та дороги різних категорій та об'єкти дорожньо-мостового 
будівництва (шляховоди, мости, тунелі, естакади та інші подібні споруди), що 
входять до їх складу, призначені для руху транспортних засобів і пішоходів, що 
проектуються з враховуючи перспективне зростання інтенсивності руху та 
забезпечення можливості прокладання інженерних комунікацій. 
Рівень відеотизації – кількість засобів відеоспостереження, які працюють у 
міському середовищі. 
 
4.2 Розробка рекомендацій щодо дистанційного моніторингу транспортних 
потоків 
 
Результат, отриманий за допомогою методу дистанційного моніторингу, 
полягає у продуктивному управлінні транспортними об'єктами, призначенні 
заходів щодо покращення їх транспортно-експлуатаційних якостей, плануванні 
розвитку транспортної інфраструктури на етапах інженерних вишукувань, 
проектуванні, будівництві та експлуатації вулиць та міських доріг. 
Для можливості застосування запропонованої методики дистанційного 
моніторингу транспортних потоків на вулично-дорожній мережі необхідно 
виконання робіт у три етапи: 
I - формування банку даних; 
II - визначення типу та вибір розрахункового апарату; 
III - розробка програмного продукту на основі отриманих залежностей та 
його застосування скорочення часу дешифування. 
 60 
4.2.1 Формування банку даних для проектування вулиць та міських доріг  
 
Значення мінімальної кількості вимірів інтенсивності руху має високий 
рівень залежності від чисельності жителів населеного пункту, що розглядається. 
Дані щодо мінімальних значень стосовно умов руху наведені в таблиці 22.  
 
Таблиця 22 - Мінімальна кількість вимірів 
 
Діапазон мінімального 
Тип вулиці Кількість смуг 
кількості вимірів 
Ⅰ 2 165 375-166 647 
Ⅰ 3 192296 -193775 
Ⅰ 4 223 600 – 225 320 
Ⅰ 6 260470 - 262056 
Ⅱ 2 183467 - 184560 
Ⅱ 3 211 890 -213 200 
Ⅱ 4 248 500 – 251 150 
Ⅱ 6 292 470 - 294 210 
ⅠⅠⅠ 2 194 000 – 196 000 
ⅠⅠⅠ 3 219 569 - 221 480 
ⅠⅠⅠ 4 252 900 – 255 730 
ⅠⅠⅠ 6 291 200 – 293 169 
Ⅳ 2 137 500 – 138 210 
Ⅳ 3 158390 - 160028 
Ⅳ 4 180 077 – 182 015 
Ⅳ 6 209 260 – 211 082 
 
Збір інформації повинен виконуватися регулярно за допомогою ручного та 
відеоспостереження на одних і тих же вулицях міста. Підрахунок інтенсивності 
руху та щільності потоку виконується з 6:00 до 24:00 (нічні години виключаються 
з процесу збирання даних, через особливості добового життєвого циклу міста). 
Для отримання більш точних даних фіксація годинної інтенсивності руху і 
щільності транспортного потоку проводилася за допомогою відеокамер на початку 
кожної досліджуваної години. 
 61 
Сучасний рівень розвитку картографічних ресурсів дозволяє отримати 
достовірну надійну основу вихідних даних у різні періоди року за різних 
розрахункових станів поверхні покриття. 
Наступний етап роботи полягає у докладному дослідженні супутникового 
знімка та знятті статичних даних, а саме: кількості смуг руху та щільності потоку, 
– для подальшої дешифрування даних у динамічні характеристики транспортного 
потоку (зокрема, інтенсивність руху), структура їх визначення на основі статичних 
даних представлена на рис. 14. 
 
 
Рисунок 14 – Структура визначення динамічних характеристик транспортного 
потоку на основі статичних даних 
Такий фактор варіативності, як стан покриття, неможливо отримати з 
супутникового знімка, оскільки супутник фіксує дані тільки в еталонних погодних 
умовах, у зв'язку з чим цей параметр може ідентифікуватися із застосуванням 
відеоспостереження або відтворюватись джерелами метеорологічного 
прогнозування зберігання даних. 
 62 
За отриманими даними стану покриття будуються графіки зміни 
інтенсивності руху на часі, основі яких визначається приналежність вулиці чи 
міської дороги одному із запропонованих типів. 
Для отримання математичного апарату перетворення щільності потоку 
інтенсивність руху на основі зібраних даних будуються графіки залежності з 
урахуванням станів дорожнього покриття (M) і смугості (R) досліджуваної ділянки 
вулиці (рис. 15).  
 
 
3000  
 м. Одеса, вул. 
2500 Морська 
 м. Харків, вул. 
2000 Полтавська 
 
 
1500 
м. Київ, бул. Шевченка 
 
1000 м. Дніпро, пр. 
Івана Мазепи 
 
500 м. Львів, вул. Краківська 
 м. Запоріжжя, вул. 
0  Дніпровська 
0 100 200 300 400 500 
Щільність потоку ( авт/км) 
Рисунок 15 – Графік залежності інтенсивності та щільності на різних вулицях 
 
Для кожного отриманого виду функції із застосуванням програмного 
комплексу Microsoft Оffice, зокрема програми Microsoft Excel, розроблено графіки 
залежності інтенсивності руху від щільності транспортного потоку. Побудова 
графічних залежностей виконувалась у такій послідовності: 
а) зібрані дані за допомогою відеоспостереження заносяться до таблиці;  
б) виводиться графік (курсором виділяються дані: панель інструментів – 
вкладка вставка – діаграма – вид діаграми – точкова діаграма); 
в) після наведення курсору на діаграму у правому верхньому кутку 
з'являється знак плюс, вибираються додаткові параметри; 
г) у правій частині екрана в робочому інтерфейсі ставляться галочки: 
поліномінальна, перетин з кривою з віссю ординат у точці 0.0, показати рівняння 
на діаграмі, помістити на діаграму величину коефіцієнта помилки апроксимації 
(R2), розглянутої в розділі 3. 
Інтенсивність руху (авт/год) 
 63 
Отримані залежності дозволяють розробити чотири мультипараметричні 
функції, за допомогою яких можна перейти від статичного зображення до 
динамічних характеристик транспортного потоку. 
 
 
4.2.2 Визначення типу та вибір розрахункового апарату дешифрування 
 
Вибір розрахункового апарату дешифрування супутникового знімка та 
віднесення досліджуваної ділянки вулиці до одного із запропонованих типів 
виконувались у наступній послідовності: 
1. Східність графічного зображення зазначеної залежності з одним із 
розроблених типів розподілу інтенсивності руху протягом доби. 
Для визначення графічної збіжності було обрано 4 вулиці м. Києва, найбільш 
яскраво представляють розроблену типізацію вулиць і міських доріг (рис. 16). 
2. Математичний закон, який описує графічну залежність. Після побудови 
графічної залежності виконується аналітичний розрахунок для перевірки 
віднесення розглянутої вулиці до певного типу. Подані графічні залежності наочно 
демонструють відхилення значень, що фіксуються по годинах (рис. 17). 
Критерієм виділення самостійний тип вулиці чи міської дороги стало 
перевищення максимального значення над середнім в 1,2-2,5 разу [16]. 
1. Розрахунок числових значень математичних величин для конкретної 
вулиці. 
Для перевірки закономірностей, що визначаються відхиленням 
математичного очікування (N) від приватних, використовувався закон Гауса 
(формула 21): 
1 1
?̅? = ∑��
��=1 ���� = (��1 + ⋯ + ����),                             (21) 
�� ��
 
де ?̅? – випадкова змінна годинникової інтенсивності руху; 
���� - інтенсивність руху і-тої години; 
 �� - кількість значень що спостерігається з 6-00 по 24-00 �� = 18. 
 
 
 64 
 
 
                                       а)                                            б) 
 
 
                                           в)                                              г) 
Рисунок 16 – Графічна вистава типізації міських вулиць та доріг 
 
а) I тип - пікова інтенсивність припадає на ранкові та вечірні години; 
б) ІІ тип - піки інтенсивності руху в ранкові, вечірні та обідні 
години; 
в) ІІІ тип - рівномірна зміна інтенсивності (з ранкових годин до 
вечірніх); 
г) IV тип - рівномірне розподілення інтенсивності протягом дня. 
 65 
 
                                           а)                                        б) 
Рисунок 17 – Графічне зображення математичного очікування: 
а) бімодальна модель; б) полімодальна модель 
 
У процесі дешифрування параметрів транспортного потоку для отримання 
достовірної інформації необхідно використовувати картографічні ресурси, що 
регулярно оновлюються. Детальний аналіз картографічних ресурсів показав, що 
найдостовірнішим є Google Maps. 
Для вивчення транспортних об'єктів здійснюється зйомка зображення 
вулично-дорожньої мережі з інформаційного картографічного ресурсу, завдяки 
якому можна визначити щільність транспортного потоку ручним підрахунком у 
реальному часі (кількість автомобілів на 1 кілометр дороги) з урахуванням певного 
типу вулиці та кількості смуг руху. На підставі даних, знятих із статичного 
зображення, інтенсивність руху розраховується за загальною формулою 22. 
 
N () = f (,SM M
T ,PT ,R )                                                       (22) 
де N -інтенсивність руху, авт./год;  
 ρ - щільність руху, авт. / км;  
 
SM - коефіцієнт приведення фактичного стану покриття (Mi) 
T 
та типу вулиць (Ti) до еталонного значення (М1); 
 ���� 
��,�� – коефіцієнт приведення фактичного числа смуг в одному напрямку 
(Ri), стану покриття (Mi) та типу вулиць (Ti) до 
еталонних значень (R1). 
Для визначення густини потоку за допомогою раніше згаданих ресурсів 
 66 
проводиться зняття зображення та ведеться ручний облік кількості автомобілів на 
одному кілометрі вулиці. При використанні залежності інтенсивності руху від 
густини за загальною формулою 1 для кожного типу вулиць (визначається 
виходячи з бази даних), стану покриття (для якого проводиться розрахунок 
інтенсивності) та кількості смуг (знімається із зображення ділянки дороги), 
визначається інтенсивність руху. Шуканий параметр дозволяє визначати похідні 
параметри транспортного потоку (швидкості руху, рівня завантаження тощо). 
Після цього необхідно виконати перевірку адекватності отриманої залежності за 
алгоритмом, зазначеним у п. 3.4. 
Після завершення розрахунку інтенсивності руху на об'єкті, що 
досліджується, за відомими залежностями теорії транспортних потоків при 
необхідності виконується визначення вторинних параметрів. 
За відсутності відомостей про типізацію конкретної вулиці або міської 
дороги виникає необхідність віднесення його до типу за алгоритмом, поданим у 
пункті 4.2.1. 
 
 
4.2.3 Отримання параметрів транспортного потоку із застосуванням програмного 
продукту 
В даний час для автоматизації процесів та виконання всього циклу робіт, 
пов'язаних із дешифруванням результатів дистанційного моніторингу матеріалів 
геоінформаційних систем, на основі розроблених мультипараметричних рівнянь 
створено програмний продукт. 
При виборі програмного середовища було досліджено багато програмних 
мов. З різних критеріїв, було обрано мову C# і XAML. Суть програмного комплексу 
полягає у можливості отримання параметрів транспортного потоку з мінімізацією 
часових витрат. Програма в реальному часі веде розрахунок з огляду на безліч 
параметрів, заданих користувачем (тип вулиці, стан покриття, кількість смуг руху 
в одному напрямку та довжину вимірюваної ділянки). 
 67 
Логістика роботи програмного продукту виконувалася за такою схемою: 
1. Завантаження супутникового знімка програмний продукт (рис 18). 
 
Рисунок 18 – 1 етап використання розробленого програмного продукту 
2. Введення параметрів ділянки вулиці, що розглядається: місто 
розташування, назва вулиці із запропонованих, кількість смуг руху, стан покриття 
і довжина ділянки (рис. 19). 
 
Рисунок 19  – Введення необхідних параметрів визначення інтенсивності 
 
 
 68 
 
1.  Вибір виду транспорту та його маркування на завантаженому 
супутниковому знімку за допомогою спеціальних кнопок, що відображаються в 
межах робочої зони (рис. 20). 
 
Рисунок 20 – Маркування транспортних засобів на супутниковому знімку 
 
2. Відображення шуканої величини інтенсивності з урахуванням усіх 
введених у програмний комплекс параметрів у полі «Результат». Можливість 
виведення інформації про досліджувану ділянку дорожньої мережі у форматі 
Excel (для цього необхідно перейти по вкладці «Файл», далі "Вивантажити звіт") 
(рис. 21). 
 
 
Рисунок 21 – Отримання значень інтенсивності руху 
3. Вибір способу збереження (рис. 22). 
 
Рисунок 22 – Виведення шуканих даних 
Звіт подано у вигляді таблиці у форматі MS Excel (рис. 23). 
 
   
Місто Київ 
Вулиця Володимирська 
Тип вулиці  1 
Стан Сухе  
дорожнього 
покриття  
Кількість 2 
полос 
Довжина 1000,0 
ділянки, м 
Легковий  94 
Мікроавтобус 103 
Автобус  38 
Вантажний:  
до 2 т 121 
2-6 т 94 
6-8 т 103 
8-14 т 48 
понад 14 т 121 
Рисунок 23 – Загальний вигляд результатів програмного продукту 
 
У порівнянні з традиційним методом підрахунку основних параметрів 
вулично-дорожньої мережі даний програмний продукт є більш продуктивним і в 
той же час менш матеріально-витратним. 
 
 
 70 
4.3 Оцінка економічної ефективності запропонованої методики 
 
Для визначення економічної ефективності було розраховано грошові (С) 
витрати за річний та десятирічний період використання на монтаж (G), 
дешифрування (D) та зйомку (Q) для різних методів моніторингу транспортних 
потоків (формула 23). 
С =CG + DC +QC  (23) 
 
Дані розраховані для Києва на прикладі методу відеоспостереження 
Визначення вартості монтажу: 
Розрахунок вартості монтажу для відеоспостереження наведено у формулі 24. 
 
  GV = FVOV  (24) 
C
де FV - вартість монтажу однієї відеокамери, грн.;  
 OV- кількість відеокамер, шт.;  
 V - метод відеоспостереження.  
    
GVC =1500 3651= 5476500  грн. 
Розрахунок вартості дешифрування при використанні відеоспостереження 
наведено у формулі 25. 
  DV V V V , (25) 
C = (EC +MC ) O
    
де E V
C  - заробітна плата робітника, що визначає шукані параметри (16 
годин), грн.; 
 М V
C  - Витрати електроенергії під час роботи з комп'ютером.  
DVC = (1750 + 2,8)1500 = 2629200 грн. 
Розрахунок вартості зйомки для відеоспостереження: 
 
  QCV = (МV + АV) · OV, (26) 
де МV - витрати на електроенергію (рік);  
 AV - dитрати технічне обслуговування камер (рік).  
QV = (M V + AV )OV  грн. 
C
QVC = (60480 + 970)1500 = 92175000грн. 
Сумарні витрати при використанні відеоспостереження: 
 71 
СМ = 5476500 + 2629200 + 92175000 =100280700грн. 
Наведені дані розраховані на перший рік експлуатації методу 
відеоспостереження. Дані, отримані методом відеоспостереження разом із 
використанням методу дистанційного моніторингу, будуть дійсні протягом 10 
років. 
 
ВИСНОВКИ 
 
1. Аналіз застосування методів моніторингу та наукових праць з теорії 
транспортних потоків дозволив сформулювати актуальність розглянутої проблеми, 
підтвердити необхідність отримання репрезентативних даних про параметри 
транспортних потоків при розгляді міста як мережевого об'єкта. Обґрунтовано 
необхідність інтеграції кількох методів дистанційного моніторингу: апаратно-
ресурсних методів та розробки математичної залежності перетворення статичної 
картини в динамічну з можливістю врахування об'єктивних параметрів вулично-
дорожньої мережі. 
2. Встановлено вид функції, який має найменшу похибку (до 13,21%) 
визначає рівняння транспортних потоків кожного з розроблених типів вулиць. 
Визначено залежність масштабу та роздільної здатності супутникових знімків з 
метою ідентифікації транспортних потоків за складом. Розроблено типізацію 
вулиць та міських доріг, що класифікує транспортні та дорожні фактори, а також 
демонструє особливості розподілу інтенсивності протягом доби для більш точного 
її визначення. Вибрано значні фактори, що впливають на зміну параметрів 
транспортного потоку, та розроблено модель, яка враховує особливості життєвого 
циклу кожного мережевого об'єкта, смужність та стан покриття проїзної частини. 
3. Вперше розроблено мультипараметричні залежності щодо визначення 
інтенсивності руху, що враховують транспортні, дорожні та метеорологічні 
фактори. Виконано порівняння розрахункових та фактичних значень інтенсивності, 
отриманих методом відеоспостереження за критерієм апроксимації, що демонструє 
працездатність розроблених залежностей, що підвищують повноту та достовірність 
інформації. 
4. Розроблено програмний продукт, що дозволяє автоматизувати процеси 
визначення параметрів транспортних потоків на вулично-дорожній мережі великих 
міст для реконструкції існуючих об'єктів, будівництва вулиць-дублерів та 
організації дорожнього руху на вулицях та міських дорогах. 
Напрямками та перспективами подальшого дослідження є розробка методу 
експрес-типізації не досліджених вулиць та адаптація виявлених залежностей з 
метою їх застосування на вулицях із нерегулярним рухом. 
 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 
 
 
1. Бестек Т., Л. П. Кузнєцова,  Іванов Є. Транспорт у містах, зручних для життя. 
Переклад із польського Кузнєцова Ю.І. - К: Транспорт, 1985 р. - 225 с. 
2. Захист автомобілів: Технологія, матеріали, обладнання. / А. Е. Північний, Є. А. 
Пучин, І. А. Єфімов, Є. Т. Гладких. - К.: ДержНІТІ, 1991. - 206 с. 
3. Гурєєв, А. А. Засоби захисту автомобілів  / А. А. Гурєєв, Ю. Н. Шехтер, І. А. 
Тимохін. - К.: Транспорт, 1983. - 209 с. 
4. Ємелін М.І., Герасименок А.А. Захист машин від корозії за умов експлуатації. – К.: 
Вища школа, 1980. - 85 с. 
5. Жук Н.П. Курс теорії  та захисту автомобілів. - К: Вища школа, 2006.-472 с. 
6. Експлуатація автотранспорту: навчальний посібник / А. В. Петрідіс; М-во освіти та 
наукиУкраїни, Луцький національний технічний ун-т - Луцьк, 2006. – 155 с. 
7. Введення в математичне моделювання транспортних потоків: Навчальний посібник 
для студентів за напрямом "Прикладна математика і фізика". / В. В. Свінарев [та ін.]. 
- Львів: [б. в.], 2009. – 63 с. 
8. Теорія транспортних потоків: конспект лекцій / І. Л. Сінані, Т. В. Лодягіна; Львів: 
Вид-во Львівська філія Дніпровського національного університету транспорту ім. 
В.Лазаряна, 2016. – 131 с. 
9. Напольський, Г.М. Технологічне проектування автотранспортних підприємств / 
Г.М. Напольський – Київ: Транспорт, 1991. – 320 с. 
10. Пєтін, Ю.П., Мураткін, Г.В., Андрєєва, Є.Є. Технологічне проектування 
підприємств автомобільного транспорту / Ю. П. Пєтін, Г. В. Мураткін, Є. Є. 
Андрєєва; Навчальний посібник для студентів вищих навчальних закладів. – К.: 
Тольятті: ТДУ, 2013. – 136 с. 
11. Масуєв, М.А. Проектування підприємств автомобільного транспорту / М. А. 
Масуєв; – К.: Видавничий центр «Академія», 2007. – 224 с. 
12. Кузнєцов, А. С. Мале підприємство автосервісу: організація, оснащення, 
експлуатація / А. С. Кузнєцов, Н. В. Бєлов. - К: Вища школа, 1995. - 303 с. 
13. Крамаренко, Г.В. Технічне проектування автотранспортних підприємств та 
станцій технічного обслуговування / Г.В. Крамаренко, І.В. Баринів. - К: Транспорт, 
 
1985. - 230 с. 
14. Малкін, В. С. Пристрій та експлуатація технологічного обладнання підприємств 
автомобільного транспорту: електрон. навч. посібник / В. С. Малкін; ЛДУ; Ін-т 
машинобудування; кав. "Проектування та експлуатація автомобілів". – Луцьк: ЛДУ, 
2016. – 451 с. 
15. Ременцов, А. Н. Типаж та експлуатація технологічного обладнання: навч. для 
студентів вузів, навч. за напрямом підготовки бакалаврів "Експлуатація 
транспортно-технол. машин та комплексів" / А. Н. Ременцов, Ю. Г. Сапронов, С. Г. 
Соловйов. - К: Академія, 2015. - 302 с. 
16. Охорона праці на підприємствах автомобільного транспорту: навч. посібник 
для вузів/ЛДУ; сост. Л. Н. Горіна. - Луцьк: ЛГУ, 2003. - 139 с. 
17. Туршев А.К. Розрахунки у сфері охорони праці. Навчальний посібник. К.: 1991 
р. - 31 с. 
18. Маєвська Є. Б. Економіка організації: підручник / Є. Б. Маєвська. - К: ІНФРА-
М, 2017. - 351 с. 
19. Основи тeopiї транспортних процесiв i систем : нaвчальний посібник / М. Ф. 
Дмитриченко, Л. Ю. Яцкiвський, С. В. Ширяєва, В. З. Докунiхiн. К. : Видавничий 
Дiм «Слово», 2009. 336 с.  
20. Планування діяльності автотранспортного підприємства : підручник. / М. О. 
Турченюк, М. Д. Швець, О. Г. Кірічок, М. Є. Кристопчук; видання друге (перероб. і 
доповн.). Рівне: НУВГП, 2017. 367 с.  
21. Потійчук О. Б., Піліпака Л. М. Транспортні розв’язки : навч. посібник. 
[Електронне видання]. Рівне : НУВГП, 2020. 263 с 
22. Прокудін Г.С., Дмитрієв М.М. Програма пошуку найкоротших відстаней на 
транспортній мережі за допомогою методу графів: Свідоцтво про внесення суб'єкта 
підприємн. діяльн. до Реєстру виробн. та розповсюдж. прогр. забезп. Серія ВР, № 
00935, Україна, МОН. ід. код 02070915; заяв. 18.06.08; опуб. 25.06.08. 13 с. 
23. Ремех І.О., Прокудін Г.С. Підвищення ефективності функціонування вантажних 
митних комплексів за допомогою застосування сучасних засобів інформаційних 
технологій. Тези доповідей LXXVІ наукової конференції професорсько-
викладацького складу, аспірантів, студентів та співробітників відокремлених 
структурних підрозділів університету. (Київ, 13-15 травня 2019). Київ. НТУ. 2020. С. 
 
245–246.  
24. Ремех І.О., Прокудін Г.С., Чупайленко О.А., Прокудіна І.І., Майданик К.О. 
Підхід до організації масових перевезень вантажу на транспортних мережах. 
Сучасні інформаційні та інноваційні технології на транспорті (MINTT-2020). 
Матеріали XII Міжнародної науково-практичної конференції. (Херсон, 27-29 
травня). Херсон. ХДМА. 2020. С. 14–17.  
25. Савін В.І. Перевезення вантажів автомобільним транспортом: Довідковий 
посібник. М.:Видавництво «Дело І Сервіс». 2002. 544 с.  
26. Системологія на транспорті : підручник у 5 кн. / Під заг. ред. Дмитриченка М. 
Ф. / Кн. І: Основи теорії транспортних процесів і систем / Е. В. Гаврилов, М. Ф. 
Дмитриченко, В. К. Доля, О. Т. Лановий, І. Е. Линник, В. П. Поліщук. К. : Знання 
України, 2005. 344 с. 
27. Сорока В. С., Бичко З. В. Введення в проектний аналіз : інтерактивний 
навчально-методичний комплекс. Рівне : НУВГП, 2008. 201 с.
ChSTU repository

ChSTU repository preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets
