Наумычева И.Г.
ГОРОД БУДУЩЕГО: КАК ИЗМЕНИТСЯ ТРАНСПОРТНАЯ ВИЗУАЛИЗАЦИЯ В УСЛОВИЯХ AI И SMART-ИНФРАСТРУКТУРЫ *
Аннотация:
статья рассматривает современное состояние и перспективы развития транспортной визуализации в условиях применения искусственного интеллекта и smart-инфраструктуры. Анализируется развитие геоинформационных систем, визуальных интерфейсов, технологий AR/VR, цифровых двойников и прогнозных моделей. Приводятся примеры внедрения ИИ в транспортную практику крупных городов мира. Особое внимание уделено междисциплинарному взаимодействию: включению хроногеографии и поведенческой аналитики в транспортное планирование. Отдельно проанализированы перспективы до 2035-2050 годов с учётом влияния генеративного AI, 6G-сетей и глобального распространения цифровых двойников.
Ключевые слова:
умный город, визуализация, цифровой двойник, искусственный интеллект, интеллектуальная система, ГИС
DOI 10.24412/2712-8849-2025-687-2422-2432
В современную эпоху более 55 % глобального населения проживает в городах, и этот показатель постоянно растёт. С ростом урбанизации возникают проблемы управления транспортной инфраструктурой: заторы, выбросы CO₂ (до 20-25 % городских выбросов), ухудшение качества воздуха и т. д. В ответ на это развивается концепция «умного города», где ключевым элементом являются интеллектуальные транспортные системы (ИТС) – они обеспечивают сбор и анализ данных в реальном времени, адаптивное управление трафиком и оптимизацию маршрутов.Внедрение ИТС активно дополняется технологиями искусственного интеллекта и компьютерного зрения, которые улучшают предиктивные модели движения, адаптацию светофорных циклов, а также прогнозирование ситуации на дорогах.Визуализация транспортных потоков в условиях AI и smart-среды приобретает особое значение: она превращает данные в наглядные интерфейсы (AR, геоинформационные карты, динамические голограммы), способствуя оперативному принятию решений властями и повышению информированности граждан. Однако комплексного научного исследования визуальных аспектов AI-driven транспортных систем в контексте города будущего до сих пор не выполнено.Транспортная визуализация как междисциплинарное направление берёт начало из геоинформационных систем, где визуальные методы позволяют анализировать движение в пространстве и времени. Геоинформационные системы (ГИС) – это информационные системы, разработанные специально для получения, хранения, обработки, анализа, моделирования и визуализации пространственных данных, полученных из различных источников. ГИС позволяет эффективно управлять этими данными и адаптировать их для конкретных задач пользователя, предоставляя возможность более глубокого понимания географических контекстов и закономерностей [6].ГИС выступает не только в роли хранилища карт и данных, но и как инструмент для моделирования транспортных процессов. В исследованиях подчеркивается три ключевых направления: обработка пространственных данных, дисагрегированное моделирование и геовизуализация. Это обеспечивает более точное моделирование движений, чем традиционные алгоритмы, такие как Дейкстры или транспортные потоки на графах.Геовизуализация относится к набору инструментов и методов, поддерживающих анализ геопространственных данных за счет использования интерактивной визуализации. Она делает упор на построение знаний, а не на хранение знаний или передачу информации. Он передает геопространственную информацию способами, которые в сочетании с человеческим пониманием позволяют проводить исследования данных и процессы принятия решений. Геовизуализация проникла в разнообразные ситуации реального мира, требующие процессов принятия решений и создания знаний, которые она может обеспечить. Он представляет собой набор картографических технологий и методов, которые используют возможности современных микропроцессоров для отображения изменений на карте в режиме реального времени, что позволяет пользователям корректировать картографические данные на лету [5].Многослойная пространственная визуализация является ключевым инструментом интеграции транспортной информации с другими элементами городской среды. Как показано на рисунке ниже, визуализация транспортных систем невозможна без учёта сопутствующих городских факторов – застройки, зелёных зон, зон плотной урбанизации. Каждый слой данных (уличная сеть, здания, растительность) в системах типа GIS или цифрового двойника формирует собственный вектор визуального представления, который может быть независимо анализируем и одновременно интегрирован в единую панораму города.Рисунок 1. Многослойная структура пространственной визуализации данных в цифровом двойнике города [7].Такая модель позволяет:выявлять конфликты между транспортом и зелёными насаждениями (например, планировать обход парковых территорий),учитывать плотность застройки при проектировании остановок и транспортных узлов,точно рассчитывать зоны доступности и маршрутную эффективность с учётом реальной городской топологии.Визуализация в транспортных системах активно развивается в сторону 3D и иммерсивных форматов (таблица 1).Таблица 1. Визуальные интерфейсы и AR/VR.Умная инфраструктура понимается как результат объединения физической инфраструктуры с цифровой инфраструктурой, предоставление улучшенной информации для принятия решений быстрее и дешевле. Наиболее исследованными, в указанном выше смысле, оказались умные города, в который представлены практически все инфраструктуры, которыми пользуется сегодня человек [3, с. 55].Современные умные города используют IoT-сенсоры, камеры, системы V2X (Vehicle-to-Infrastructure), 5G‑модули и облачные сервисы для сбора данных. Затем применяется машинное обучение и глубокие нейронные сети для:построения моделей прогнозирования нагрузки и дорожного потока,адаптивного управления трафиком в реальном времени,обеспечения безопасности (выявление аварий, отслеживание усталости водителей),поддержания логистических и сервисных систем.В развивающихся умных городах искусственный интеллект (ИИ) становится важным инструментом в управлении городским транспортом. Алгоритмы машинного обучения, включенные в системы умного управления транспортными потоками, позволяют предсказывать изменения и адаптироваться к ним в реальном времени [4, с. 44].Принципиальные примеры внедрения ИИ представлены в таблице 2.Таблица 2. Принципиальные примеры внедрения ИИ.Современная транспортная визуализация в рамках умного города не ограничивается только отображением перемещений транспортных средств. Всё чаще она интегрируется с поведенческой географией и социологией городской мобильности.Считается, что хроногеографический подход способствует усилению и ускорению междисциплинарного взаимодействия общественной географии с социологическими, экономическими и другими отраслями знания. Хроногеография как один из векторов развития социально-экономической географии переживает революционный скачок в исследовательских возможностях в связи с высокой степенью разнообразия информации о пространственном поведении человека, которую эпоха больших данных позволяет извлекать и подвергать анализу. В связи с этим хроногеография становится локомотивом развития всей общественной географии и многих ее классических отраслей за счет возможности анализировать и интерпретировать как традиционную информацию, так и онлайн геолокационные и атрибутивные большие данные.Являясь важнейшим компонентом пространственного поведения в городской социосреде, мобильность характеризует способность людей передвигаться и получать доступ к различным пространствам и услугам в пределах города, играет важную роль в формировании того, как люди взаимодействуют со своим окружением и таким образом является важным фактором формирования «ткани» городских пространств. Одновременно мобильность выступает индикатором состояния городской социосреды [2, с. 355].Современные мегаполисы сталкиваются с растущей нагрузкой на транспортную систему. В условиях активного градостроительного развития становится необходимым формирование прогнозных моделей, способных учитывать перспективные изменения городской структуры [1, с. 1641]. Это определяет актуальность долгосрочного анализа и предвидения роли искусственного интеллекта, цифровых двойников, новых форматов визуализации и управления транспортом в контексте устойчивых и «умных» городов.1. Цифровые двойники и транспорт.TRIB Connected Places Catapult (Великобритания) ожидает, что к 2035 г. появится единственная федеративная сеть транспортных цифровых двойников, обеспечивающая управление трафиком, снижение выбросов и автономное принятие решений. Эти модели будут интегрированы с умным планированием транспорта, экологии и энергоэффективностью.Проекты, такие как Virtual Singapore, демонстрируют, как цифровые двойники уже используют LiDAR, 3D-модели и сенсорные данные для транспортного моделирования.2. Масштабное внедрение DT в смарт-городах.Цифровые двойники городов активно применяются для устойчивого управления инфраструктурой и экологических задач, включая прогнозирование уровня загрязнения и контроля ресурсов.Большинство европейских городов стремятся достичь углеродной нейтральности к 2035 году с помощью цифрового моделирования и визуализации.3. Рынок ITS и связь с цифровыми системами.В 2024 году мировой рынок интеллектуальных транспортных систем (ITS) оценивался в $40,2 млрд. Ожидается, что к 2033 году рынок достигнет 80,3 млрд долларов, с совокупным годовым темпом роста (CAGR) 8,2% с 2026 по 2033 год.4. MaaS и мультимодальная визуализация.MaaS-платформы, объединяющие автобусы, метро, велопрокат и каршеринг, показывают экспоненциальный рост. По данным Fortune Business Insights, к 2032 году размер глобального рынка MaaS вырастет с 532,76 млрд долларов в 2025 году до 1 735,99 млрд долларов, с среднегодовым темпом прироста 18,4%.5. Коммуникационные сети: 6G и beyond.К концу 2030-х годов предполагается глобальное внедрение 6G и спутниковых сетей, а также обеспечение широкого доступа к интернету. Это создаст условия для низкозадержочной передачи данных от сенсоров и автономных транспортных средств, а также для функциональных цифровых двойников.6. Генеративный AI и автоматизация моделирования.Современные исследования демонстрируют применение Generative AI для создания 3D-моделей, синтетических сценариев и встроенных транспортных цифровых двойников. Это способствует ускоренному моделированию и визуализации в масштабах мегаполисов.Результаты анализа демонстрируют, что транспортная визуализация переходит от традиционных картографических моделей к комплексным цифровым и иммерсивным системам, интегрированным в smart-инфраструктуру городов. Искусственный интеллект усиливает возможности ГИС, обеспечивая адаптацию транспортных потоков в реальном времени, улучшение безопасности и снижение выбросов. AR/VR-интерфейсы, цифровые двойники и мобильные MaaS-платформы становятся основой формирования новой модели городской мобильности. Междисциплинарная интеграция хроногеографического подхода позволяет учитывать поведенческие аспекты перемещения населения. Прогноз до 2050 года указывает на развитие транспорта как единой саморегулируемой цифровой системы, поддерживаемой AI, 6G-коммуникациями и генеративным моделированием.Таким образом, транспортная визуализация будущего – это не просто отражение движения, а интеллектуальный механизм управления городской средой.
Номер журнала Вестник науки №6 (87) том 3
Ссылка для цитирования:
Наумычева И.Г. ГОРОД БУДУЩЕГО: КАК ИЗМЕНИТСЯ ТРАНСПОРТНАЯ ВИЗУАЛИЗАЦИЯ В УСЛОВИЯХ AI И SMART-ИНФРАСТРУКТУРЫ // Вестник науки №6 (87) том 3. С. 2422 - 2432. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/24508 (дата обращения: 17.02.2026 г.)
Вестник науки © 2025. 16+