Показати скорочену інформацію

dc.contributor.authorКопиця, В. О.uk
dc.contributor.authorКвєтний, Р. Н.uk
dc.contributor.authorKopytsia, V. O.en
dc.contributor.authorKvyetnyy, R. N.en
dc.date.accessioned2026-02-12T13:56:22Z
dc.date.available2026-02-12T13:56:22Z
dc.date.issued2025
dc.identifier.citationКопиця В. О., Квєтний Р. Н. Підходи до управління перерозподілом паркувального попиту при зміні міської інфраструктури // Оптико-електроннi iнформацiйно-енергетичнi технологiї. 2025. № 2. С. 87-95. URI: https://oeipt.vntu.edu.ua/index.php/oeipt/article/view/801.uk
dc.identifier.issn2311-2662
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/50622
dc.description.abstractІнфраструктурні зміни в місті, створення пішохідних зон, реконструкція вулично-дорожньої мережі, зміна норм забудови та відкриття нових транспортних об’єктів —до призводять суттєвих просторових зрушень у паркувальному попиті. За відсутності належного планування це спричинює вторинні перевантаження прилеглих районів, збільшення часу пошуку місця (cruising), зростання локальних заторів та подальше погіршення екологічної ситуації. У статті проведено аналітичне дослідження сучасних підходів до оцінювання та перерозподілу паркувального попиту, зосереджене на статистичних моделях (гравітаційні моделі, регресійні залежності, поведінкові логіт-моделі) та інфраструктурних інструментах управління (зонування територій, паркувальні хаби, зміна пропозиції місць, тарифна політика). Дослідження включає узагальнення міжнародних досліджень, порівняльний аналіз ефективності моделей та побудову демонстраційного сценарію перерозподілу попиту для умовного міста з базовим зонуванням. Отримані результати свідчать, що поєднання аналітичних моделей із практичними інфраструктурними заходами дозволяє прогнозовано перенаправляти надлишковий попит, знижувати тиск на центральні райони та оптимізувати навантаження на міську транспортну систему. Практична значущість роботи полягає у формуванні рекомендацій щодо проєктування реконструкцій, впровадження паркувальних хабів та застосування диференційованих тарифів з урахуванням просторової динаміки попиту. Запропонований підхід може бути використаний міськими адміністраціями, операторами паркування та фахівцями з транспортного планування для підвищення ефективності управління паркувальними ресурсами та підтримки стійкої міської мобільності.uk
dc.description.abstractInfrastructure transformations in the cities, including the creation of pedestrian zones, reconstruction of street networks, adjustments to land-use regulations, and the introduction of new transport facilities — often lead to significant spatial shifts in parking demand. Without adequate planning, such changes trigger secondary overloads in adjacent districts, increase cruising time in search of available spaces, intensify local congestion, and contribute to environmental degradation. This article presents an analytical study of contemporary approaches to assessing and redistributing parking demand, focusing on statistical models (gravity-based models, regression methods, behavioral logit models) and infrastructure-oriented management tools (TAZ-based zoning, parking hubs, supply adjustments, pricing strategies). The research includes a synthesis of international research, comparative evaluation of model effectiveness, and the construction of a demonstration scenario for an urban-scale baseline model applied to a hypothetical city. The results show that combining analytical demand-allocation models with practical infrastructure measures enables predictable redistribution of excess parking loads, reduces pressure on central areas, and optimizes the overall performance of the urban transport system. The practical significance of this work lies in forming recommendations for street transformation projects, planning parking hubs, and implementing differentiated pricing policies while taking spatial demand dynamics into account. The proposed approach can be used by municipal authorities, parking operators, and transport-planning professionals to improve parking-resource management and support sustainable urban mobility.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofОптико-електроннi iнформацiйно-енергетичнi технологiї. № 2 : 87-95.uk
dc.relation.urihttps://oeipt.vntu.edu.ua/index.php/oeipt/article/view/801
dc.subjectперерозподіл паркувального попитуuk
dc.subjectгравітаційні моделіuk
dc.subjectрегресійні моделіuk
dc.subjectпаркувальні хабиuk
dc.subjectміська інфраструктураuk
dc.subjectдинамічне ціноутворенняuk
dc.subjectTAZ-зонуванняuk
dc.subjectтранспортне плануванняuk
dc.subjectміська мобільністьuk
dc.subjectparking demand redistributionen
dc.subjectgravity modelsen
dc.subjectregression analysisen
dc.subjectparking hubsen
dc.subjecturban infrastructureen
dc.subjectdynamic pricingen
dc.subjectTAZ zoningen
dc.subjecttransport planningen
dc.subjecturban mobilityen
dc.titleПідходи до управління перерозподілом паркувального попиту при зміні міської інфраструктуриuk
dc.title.alternativeApproaches to managing the redistribution of parking demand under urban infrastructure changesen
dc.typeArticle, professional native edition
dc.typeArticle
dc.identifier.udc004.4
dc.relation.referencesHampshire, R. C., & Shoup, D. (2018). What share of traffic is cruising for parking? Journal of Transport Economics and Policy, 52(3), 184–201. URL: https://www.ingentaconnect.com/content/lse/jtep/2018/00000052/00000003/art00003.en
dc.relation.referencesKopytsia, V., & Kvyetnyy, R. (2025). Module for integrating parking hubs with the parking lot occupancy forecasting system. Information Technologies and Computer Engineering, 22(1), 93-102. https://doi.org/10.63341/vitce/1.2025.93.en
dc.relation.referencesLevy, N., & Benenson, I. (2015). GIS-based method for assessing city parking patterns. Journal of Transport Geography, 46, 220–231. https://doi.org/10.1016/j.jtrangeo.2015.06.015.en
dc.relation.referencesPiccialli, F., Vickerman, M., & Musso, A. (2025). A digital twin framework for urban parking management and mobility forecasting. Nature Communications, 14, 65306. https://doi.org/10.1038/s41467-025-65306-w.en
dc.relation.referencesKopytsia, V., & Kvetny, R. (2025). Analysis of approaches to improving intelligent parking management technologies. Optical-electronic information and energy technologies, 49(1), 157–167. https://doi.org/10.31649/1681-7893-2025-49-1-157-167.en
dc.relation.referencesPeer, S., & Lehner, S. (2019). The price elasticity of parking: A meta-analysis. Transportation Research Part A: Policy and Practice, 121, 177–191. https://doi.org/10.1016/j.tra.2019.01.014.en
dc.relation.referencesSamaranayake, P., Gunawardana, U., Jayasinghe, A., & Sandanayake, Y. (2022). Parking assessment in the context of growing construction activity and infrastructure changes: Simulation of impact scenarios. Sustainability, 14(9), 5098. https://doi.org/10.3390/su14095098.en
dc.relation.referencesChester, M., Fraser, A., Matute, J., Flower, C., & Pendyala, R. (2015). Parking infrastructure: A constraint on or opportunity for urban redevelopment? Journal of the American Planning Association, 81(4), 268–286. https://doi.org/10.1080/01944363.2015.1092879.en
dc.relation.referencesLitman, T. (2020). Parking management: Comprehensive implementation guide. Victoria Transport Policy Institute. URL: https://www.vtpi.org/park_man.pdf.en
dc.relation.referencesBates, J. W. (1972). A gravity allocation model for parking demand. Highway Research Record, 395, 1–4.en
dc.relation.referencesAlves, F., Cardoso, J., Rodrigues, A., & Sousa, M. (2023). Environmental and social benefits of urban parking space shortages mitigation management model: A system dynamics and nudge approach. Sustainability, 17(14), 6414. https://doi.org/10.3390/su17146414.en
dc.relation.referencesMeng, F., Du, Y., Leung, C. L., & Wong, S. C. (2018). Modeling heterogeneous parking choice behavior on university campuses. Transport Planning and Technology, 41(2), 154–169. https://doi.org/10.1080/03081060.2018.1407518.en
dc.relation.referencesPiccioni, C., Vickerman, M., & Musso, A. (2019). Investigating effectiveness of on-street parking pricing schemes in urban areas: An empirical study in Rome. Transport Policy, 80, 136–147. https://doi.org/10.1016/j.tranpol.2018.10.010.en
dc.relation.referencesKobus, M., Gutiérrez-i-Puigarnau, E., Rietveld, P., & van Ommeren, J. N. (2013). The on-street parking premium and car drivers’ choice between street and garage parking. Regional Science and Urban Economics, 43(2), 395–403. https://doi.org/10.1016/j.regsciurbeco.2012.10.001.en
dc.relation.referencesGragera, A., & Albalate, D. (2016). The impact of curbside parking regulation on garage demand. Transport Policy, 47, 160–168. https://doi.org/10.1016/j.tranpol.2016.02.002.en
dc.relation.referencesBisikalo, O., Kharchenko, V., Kovtun, V., Krak, I., Pavlov, S. Parameterization of the Stochastic Model for Evaluating Variable Small Data in the Shannon Entropy Basis, Entropy, 2023, 25(2), 184.en
dc.identifier.doihttps://doi.org/10.31649/1681-7893-2025-50-2-87-95


Файли в цьому документі

Thumbnail

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію