moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2020.31.4.004 850 Применение математико-статистических методов исследования для анализа мнения жителей об организации городского парковочного пространства на примере города Волгоград Application of mathematical and statistical methods of research to analyze the opinion of residents about the organization of urban parking space on the example of the city of Volgograd Огар Татьяна Петровна Ogar Tatyana Petrovna ogar@kti.ru aff-1 Крушель Елена Георгиевна Krushel Elena Grigoryevna elena-krushel@yandex.ru aff-2 Степанченко Илья Викторович Stepanchenko Ilya Viktorovich stilvi@mail.ru aff-3 Панфилов Александр Эдуардович Panfilov Alexander Eduardovich pansanja@yandex.ru aff-4 Харитонов Иван Михайлович Kharitonov Ivan Michailovich wisdom_monk@mail.ru aff-5 Камышинский технологический институт (филиал) Волгоградского государственного технического университета Kamyshin technological institute (branch) of Volgograd state technical university, Kamyshin Камышинский технологический институт (филиал) Волгоградского государственного технического университета Kamyshin technological institute (branch) of Volgograd state technical university Камышинский технологический институт (филиал Волгоградского государственного технического университета) Kamyshin technological institute (branch of Volgograd state technical university) Камышинский технологический институт (филиал Волгоградского государственного технического университета) Kamyshin technological institute (branch of Volgograd state technical university) Камышинский технологический институт (филиал Волгоградского государственного технического университета) Kamyshin technological institute (branch of Volgograd state technical university) 01 01 2026 1 1 10.26102/2310-6018/2020.31.4.004 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Статья посвящена выявлению закономерностей формирования параметров спроса на парковочное пространство в районе N г. Волгограда, которые позволят улучшить организацию парковочного пространства в этом районе. Проведен социологический опрос жителей города, направленного на выявление общественного мнения по вопросам использования и работы парковочного пространства на отдельных территориях района N. Проведена первичная обработка результатов обследования, по результатам которой получены основные выводы по наиболее важным вопросам анкеты. Проведен анализ ответов респондентов с применением математико-статистических методов исследования. Предварительно все данные, полученные в ходе проведения опроса, были нормализованы. Произведена кластеризация ответов респондентов на все вопросы, которая позволила разделить всех участников опроса на два кластера. Для подтверждения наличия линейной связи между различными вопросами анкеты был проведен корреляционный анализ данных, полученных в ходе опроса. Взаимосвязь между различными парами вопросов проверялась посредством проведения регрессионного анализа данных. Корреляционный и регрессионный анализы проводились каждого из полученных кластеров отдельно для повышения точности оценки взаимосвязей между регрессионными переменными. По результатам математико-статистического анализа выявлена зависимость между ответами респондентов на различные вопросы анкеты.

The article is focused on identifying patterns of formation of parameters of demand for Parking space in the district N of Volgograd, which will improve the organization of parking space in this area. A sociological survey of city residents aimed at identifying public opinion on the use and operation of Parking space in certain areas of the district was conducted. The initial processing of the survey results was carried out, which resulted in the main conclusions on the most important questions of the questionnaire. The analysis of respondents ' responses using mathematical and statistical research methods was carried out. Previously, all data obtained during the survey was normalized. Clustering of respondents ' responses to all questions was performed, which allowed dividing all survey participants into two clusters. To confirm that there is a linear relationship between the various questionnaire questions, a correlation analysis of the data obtained during the survey was performed. The relationship between different pairs of questions was checked by performing regression analysis of the data. Correlation and regression analyses were performed for each of the obtained clusters separately to improve the accuracy of estimating the relationships between regression variables. According to the results of mathematical and statistical analysis, the dependence between the responses of respondents to various questionnaire questions was revealed.

 городское парковочное пространство транспорт транспортная система статистические методы кластерный корреляционный регрессионный анализы urban parking space transport transport system statistical methods cluster correlation regression analysis Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Tong C.O., Wong S.C., Leung B.S.Y. Estimation of parking accumulation profiles from survey data. Transportation. 2004;31(2):183–202. DOI: 10.1023/B:PORT.0000016579.36253.a9 Mcshane M., Meyer M.D. Parking policy and urban goals: Linking strategy to needs. Transportation. 1982;11(1):131–152. DOI: 10.1007/BF00167928. T. Lin H. Rivano, F. Le Mouël, A Survey of Smart Parking Solutions. IEEE Transactions on Intelligent Transportation Systems. 2017;18(12):3229-3253. DOI: 10.1109/TITS.2017.2685143. Krushel E.G., Stepanchenko I.V., Panfilov A.E., Lyutaya T.P. Detection of the Patterns in the Daily Route Choices of the Urban Social Transport System Clients Based on the Decoupling of Passengers’ Preferences Between the Levels of Uncertainty. Creativity in Intelligent Technologies and Data Science. 2019;1(1):175-188. DOI: 10.1007/978-3-030-29743-5. Недумов Я.Р., Турдаков Д.Ю., Майоров В.Д., Овчинников П.Е. Автоматизация процесса нормализации информации при внедрении систем управления основными данными. Программирование. 2013;39(3):3-14. Tyurin A.G., Zuyev I.O. Сluster analysis, methods and algorithms of the clustering. Herald of MSTU MIREA. 2014;2(3):86-97. Berzal, F., Matín, N. Data mining: concepts and techniques by Jiawei Han and Micheline Kamber. ACM SIGMOD Record. 2002;31(1):66-68. DOI: 10.1145/565117.565130. Bain Lee. Applied Regression Analysis. Technometrics. 2012;9(1):182-183. DOI: 10.1080/00401706.1967.10490452. Krushel E.G., Stepanchenko I.V., Panfilov A.E., Berisheva E.D.: An experience of optimization approach application to improve the urban passenger transport structure. CCIS, 2014;466(1):27-39. DOI: 10.1007/978-3-319-11854-3_3. Bai Y., Sun Z., Zeng B., Deng J., Li C.: A multi-pattern deep fusion model for short-term bus passenger flow forecasting. Appl. Soft Comput. 2017;58(1):669–680.

The authors declare that there are no conflicts of interest present.