У статті досліджено вплив війни на формування транспортних потоків у містах. В умовах гуманітарних конфліктів транспортна інфраструктура міст зазнає серйозних змін, що істотно впливає на мобільність та безпеку населення. Особливо актуальна необхідність вивчення цього питання у контексті сучасної російсько-української війни, що спричинила наймасовішу міграцію населення у Європі з часів Другої світової війни. У роботі вивчено динаміку змін та способи адаптації системи міського транспорту до умов війни. Дослідження полягає у визначенні параметрів транспортних зон міст із особливимивідхиленнями індексу завантаження відрізків мережі протягом кількох фаз повномасштабного вторгнення російської федерації (РФ) в Україну. Методологія дослідження ґрунтується на аналізі статистичних даних про пересування населення, використанні моделей транспортних потоків та системного аналізу взаємодії різних складових системи міського транспорту. Мета цього дослідження – визначення залежності між площею міста, де спостерігаються відхилення у показниках індексу завантаження відрізків вулично-дорожньої мережі протягом початкової фази повномасштабного вторгнення. Досліджено міста Львів та Київ, характеристику вулично-дорожніх мереж яких також наведено у статті. Для попередньо визначених трьох часових фаз, із різними особливостями перебігу збройного конфлікту, побудовано моделі поліноміальної регресії із двома незалежними змінними (індекс завантаження та кількість днів від початку фази). Залежною змінною є площа території міста з відхиленнями індексу завантаження від нормального стану транспортних потоків. Визначено, що залежність між зміною індексу завантаження та площею із відхиленнями є прямо пропорційною. Абсолютні значення досліджуваних показників нижчі для мережі Львова, ніж для Києва.
1. Kawasaki, Y., Kuwahara, M., Hara, Y., Mitani, T., Takenouchi, A., Iryo, T., & Urata, J. (2017). Investigation of traffic and evacuation aspects at Kumamoto earthquake and the future issues. Journal of Disaster Research, 12(2), 272-286. doi: 10.20965/jdr.2017.p0272 (in English). https://doi.org/10.20965/jdr.2017.p0272
2. Costa, C., Figueiredo, R., Silva, V., & Bazzurro, P. (2020). Application of open tools and datasets to probabilistic modeling of road traffic disruptions due to earthquake damage. Earthquake Engineering & Structural Dynamics, 49(12), 1236-1255. doi: 10.1002/eqe.3288 (in English). https://doi.org/10.1002/eqe.3288
3. Pregnolato, M., Ford, A., Wilkinson, S. M., & Dawson, R. J. (2017). The impact of flooding on road transport: A depth-disruption function. Transportation Research Part D Transport and Environment, 55, 67-81. doi: 10.1016/j.trd.2017.06.020 (in English). https://doi.org/10.1016/j.trd.2017.06.020
4. Salvati, P., Petrucci, O., Rossi, M., Bianchi, C., Pasqua, A. A., & Guzzetti, F. (2017). Gender, age and circumstances analysis of flood and landslide fatalities in Italy. The Science of the Total Environment, 610-611, 867-879. doi: 10.1016/j.scitotenv.2017.08.064 (in English). https://doi.org/10.1016/j.scitotenv.2017.08.064
5. Pyatkova, K., Chen, A. S., Butler, D., Vojinović, Z., & Djordjević, S. (2019). Assessing the knock-on effects of flooding on road transportation. Journal of Environmental Management, 244, 48-60. doi: 10.1016/j.jenvman.2019.05.013 (in English). https://doi.org/10.1016/j.jenvman.2019.05.013
6. Patra, S. S., Chilukuri, B. R., & Vanajakshi, L. (2021b). Analysis of road traffic pattern changes due to activity restrictions during COVID-19 pandemic in Chennai. Transportation Letters, 13(5-6), 473-481. doi: 10.1080/19427867.2021.1899580 (in English). https://doi.org/10.1080/19427867.2021.1899580
7. Bucsky, P. (2020a). Modal share changes due to COVID-19: The case of Budapest. Transportation Research Interdisciplinary Perspectives, 8, 100141. doi: 10.1016/j.trip.2020.100141 (in English). https://doi.org/10.1016/j.trip.2020.100141
8. Macioszek, E., & Kurek, A. (2021). Extracting Road Traffic Volume in the City before and during Covid-19 through Video Remote Sensing. Remote Sensing, 13(12), 2329. doi: 10.3390/rs13122329 (in English). https://doi.org/10.3390/rs13122329
9. Baucum, M., Rosoff, H., John, R., Burns, W., & Slovic, P. (2018b). Modeling public responses to soft-target transportation terror. Environment Systems & Decisions, 38(2), 239-249. doi: 10.1007/s10669-018-9676-7 (in English). https://doi.org/10.1007/s10669-018-9676-7
10. Ayton, P., Murray, S., & Hampton, J. A. (2019). Terrorism, dread risk and bicycle accidents. Judgment and Decision Making, 14(3), 280-287. doi: 10.1017/s1930297500004319 (in English). https://doi.org/10.1017/S1930297500004319
11. Gaissmaier, W., & Gigerenzer, G. (2012). 9/11, Act II: A Fine-Grained Analysis of Regional Variations in Traffic Fatalities in the Aftermath of the Terrorist Attacks. Psychological Science, 23(12), 1449-1454. doi: 10.1177/0956797612447804 (in English). https://doi.org/10.1177/0956797612447804
12. Waller, S. T., Qurashi, M., Sotnikova, A., Karva, L., & Chand, S. (2023). Analyzing and modeling network travel patterns during the Ukraine invasion using Crowd-Sourced Pervasive Traffic data. Transportation Research Record Journal of the Transportation Research Board, 2677(10), 491-507. doi: 10.1177/03611981231161622 (in English). https://doi.org/10.1177/03611981231161622
13. Waller, S. T., Chand, S., Zlojutro, A., Nair, D., Niu, C., Wang, J., Zhang, X., & Dixit, V. V. (2021). Rapidex: a novel tool to estimate Origin-Destination trips using pervasive traffic data. Sustainability, 13(20), 11171. doi: 10.3390/su132011171 (in English). https://doi.org/10.3390/su132011171
14. Sotnikova, A. (2023). Analiz transportnoi povedinky naselennia Ukrainy pid chas pochatkovoi fazy povnomasshtabnoho vtorhnennia [Analysis of the travel behavior of Ukrainian population during the initial phase of Full-Scale Invasion]. Visnyk Vinnytskoho politekhnichnoho instytutu [Visnyk of Vinnytsia Politechnical Institute], 171(6), 65-70. doi: 10.31649/1997-9266-2023-171-6-65-70 (in Ukrainian). https://doi.org/10.31649/1997-9266-2023-171-6-65-70
15. Amrutsamanvar, R., Chand, S., Qurashi, M., & Waller, S. T. (2023). Rapid Planning: Opportunities with Pervasive Data for Sustainable Mobility. 2023 Smart City Symposium Prague (SCSP). doi: 10.1109/scsp58044.2023.10146224 (in English). https://doi.org/10.1109/SCSP58044.2023.10146224
16. Nascimento, G. F. M., Wurtz, F., Kuo-Peng, P., Delinchant, B., & Batistela, N. J. (2021). Outlier detection in buildings' power consumption data using forecast error. Energies, 14(24), 8325. doi: 10.3390/en14248325 (in English). https://doi.org/10.3390/en14248325