Кластерный анализ регионов Российской Федерации по спросу на транспортные услуги

В статье представлено применение кластерного анализа — одного из наиболее распространенных методов машинного обучения — для исследования уровня развития регионального транспорта. Основное внимание уделяется сегментации регионов по существующему спросу на транспортные услуги; определению ключевых компонентов транспортной системы для различных регионов.

Цель исследования заключается в разделении регионов страны на кластеры, однородные по основным параметрам спроса на транспортные услуги. В каждом кластере объединяются регионы со схожими экономическими, географическими и хозяйственными характеристиками, что определяет схожесть в наиболее востребованных видах транспорта и объектах транспортной инфраструктуры.

Методология исследования основана на алгоритмах машинного обучения и применении математических метрик к статистическим данным. Исследование включает: отбор значимых факторов; анализ и нормализацию статистических данных; различные методы кластеризации. При нормализации данные приводятся к единой шкале от 0 до 100 баллов с исключением выбросов. В результате кластерного анализа регионы распределяются по четырем основным кластерам.

Техническая реализация различных вариантов кластерного анализа возможна в табличных редакторах и статистических пакетах. На основе результатов кластеризации проводится интерпретация каждого кластера и выявляются общие характеристики регионов внутри них.

Перспективы исследования включают его ежегодную актуализацию на основе обновляемых статистических данных. Результаты могут быть использованы для: анализа и развития транспортной системы страны; определения приоритетов в развитии транспортной инфраструктуры регионов; оценки значимости и необходимости реализации региональных транспортных проектов.

1. Бардаль А. Б. Спрос на услуги транспортного комплекса региона: экономические факторы грузовых перевозок. Вестник Тихоокеанского государственного университета. 2021;63(4):129–138. URL: https://www.elibrary.ru/iovazb

2. Капелюк З.А., Попова Я. В. Показатели экономической эффективности транспортных услуг. Экономика. Бизнес. Банки. 2022;66(4):8–18. URL: https://www.elibrary.ru/bxuuet

3. Иванова Е.А., Соколов Ю. И., Чуверина О. Г. Изучение модели поведения пассажиров для формирования спроса на услуги пассажирского комплекса в городских агломерациях. Транспорт: наука, техника, управление. Научный информационный сборник. 2022;(10):47–54. DOI: 10.36535/0236-1914-2022-10-8

4. Афанасьев М. Ю., Гусев А.А. Интегральный индекс структурной сложности региональных экономик. Экономика и математические методы. 2025;61(2):57–74. DOI: 10.31857/S 0424738825020054

5. Афанасьев М. Ю., Гусев А.А. Ситуационное моделирование траекторий экономической сложности регионов. Экономика и математические методы. 2023;59(4):58–70. DOI: 10.31857/S042473880028217–7

6. Голубцова П. С., Федотова В. О., Руднев С. Г. Методы кластерного анализа в изучении региональных экономик. Прикладные экономические исследования. 2023;(51):99–107. URL: https://www.elibrary.ru/elhebo DOI: 10.47576/2949-1908_2023_S1_99

7. Фроловичев А. И., Ишханян М. В. Факторы роста валового регионального продукта субъектов Российской Федерации. Транспортное дело России. 2023;(1):53–57. DOI: 10.52375/20728689_2023_1_53

8. Шаталова О.М., Касаткина Е.В., Лившиц В.Н. Экономическая сложность и вложенность структур региональных экономик. Экономика и математические методы. 2021;57(3):67–78. DOI: 10.31857/S042473880016410–0

9. Малкина М.Ю., Плехова Ю.О., Перова В.И., Сочков А.Л. Исследование влияния отраслевой структуры российских регионов на их экономическое развитие с использованием методов искусственного интеллекта. Экономический анализ: теория и практика. 2025;24(2):123–143. DOI: 10.24891/ea.24.2.123

10. Шаталова О. М., Касаткина Е. В., Лившиц В. Н. Кластерный анализ и классификация промышленно ориентированных регионов РФ по экономической специализации. Экономика и математические методы. 2022;58(1): 80–91. DOI: 10.31857/S042473880018971-7