ВАК 1.6.15 УДК 711.4 УДК 004.8

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СИСТЕМЕ РАЗРАБОТКИ И КОРРЕКТИРОВКИ ГЕНЕРАЛЬНОГО ПЛАНА Искусственный интеллект в системе разработки и корректировки генерального плана

Опубликовано в Московский экономический журнал · Том 11, Номер 10, 2026 · Страницы 41–55 · Рубрика: Землеустройство, кадастр и мониторинг земель
DOI: https://doi.org/10.55186/2413046X_2026_11_10_139 · EDN: XPSPZH
Получено: 07.09.2026 Одобрено: 15.10.2026 Опубликовано: 29.10.2026
Разработка и корректировка генерального плана связаны с обработкой значительного объёма разнородной пространственной информации: сведений Единого государственного реестра недвижимости, материалов территориального и градостроительного зонирования, данных о существующей застройке, инженерной и транспортной инфраструктуре, зонах с особыми условиями использования территории. По мере расширения цифровой информационной базы усложняется аналитическая работа проектировщика, поскольку требуется не только собрать данные, но и выявить связи, ограничения и противоречия между ними. Цель исследования состоит в определении места технологий искусственного интеллекта в процессе разработки и корректировки генерального плана и формировании модели их включения в градостроительный анализ. Методическую основу составили системный и сравнительный анализ, методы кадастровой интерпретации и пространственного сопоставления данных, а также анализ российских и зарубежных исследований в области цифрового градостроительства и GeoAI. Установлено, что наиболее обоснованными направлениями применения искусственного интеллекта являются предварительная классификация территорий, выявление пространственных несоответствий, анализ изменений землепользования, поиск территориальных резервов и сценарное моделирование. Предложена последовательная модель, в которой интеллектуальный анализ выполняется после формирования и проверки пространственной базы, но до экспертного выбора проектного решения. При таком подходе искусственный интеллект не заменяет специалиста, а сокращает объём рутинной обработки данных и помогает раньше обнаруживать участки, требующие углублённого анализа. Результаты исследования могут использоваться при развитии цифровых инструментов информационно-аналитического сопровождения территориального планирования.
искусственный интеллект, генеральный план, территориальное планирование, GeoAI, кадастровая аналитика, пространственные данные, функциональное зонирование, градостроительное проектирование, машинное обучение, земельные ресурсы
Текст Список литературы
Текст (PDF)
Читать Скачать

1. Береговских А.Н. Градостроительное проектирование как интеллектуальный базис системы управления развитием территорий // Вестник МГСУ. 2024. Т. 19, № 8. С. 1248-1259. DOI:https://doi.org/10.22227/1997-0935.2024.8.1248-1259. EDN: https://elibrary.ru/OQQEOU

2. Береговских А.Н. Принципы формирования цифровой информационной модели для эффективного управления развитием территорий на основе комплексного градостроительного проектирования // Вестник Евразийской науки. 2024. Т. 16, № 4. EDN: https://elibrary.ru/VXPVOD

3. Лаврентьева Е.Е., Воробьев А.А., Лазарева О.С. Проблемы поддержания и повышения качества данных Единого государственного реестра недвижимости // Социальные и гуманитарные науки. 2024. № 2. С. 78-81.

4. Маметова Т.А., Карелин Д.В. Нормативно-правовое обеспечение цифровой модели городской территории в РФ // Вестник Томского государственного архитектурно-строительного университета. 2024. Т. 26, № 5. С. 99-112. DOI: https://doi.org/10.31675/1607-1859-2024-26-5-99-112; EDN: https://elibrary.ru/AEWFPO

5. Тарарин А.М. Цифровая трансформация градостроительной деятельности // Вестник СГУГиТ. 2021. Т. 26, № 1. С. 110-121. DOI: https://doi.org/10.33764/2411-1759-2021-26-1-110-121; EDN: https://elibrary.ru/KODKNV

6. О развитии искусственного интеллекта в Российской Федерации: Указ Президента Российской Федерации от 10.10.2019 № 490 (ред. от 15.02.2024).

7. Aidaoui A., Dechaicha A., Alkama D., Menai I., Salah Salah H. Mapping Tomorrow’s Cities: GeoAI Strategies for Sustainable Urban Planning and Land Use Optimization // Journal of Contemporary Urban Affairs. 2024. Vol. 8, No. 1. P. 158-176. DOI: https://doi.org/10.25034/ijcua.2024.v8n1-9; EDN: https://elibrary.ru/LECRJN

8. Bibri S.E., Huang J., Jagatheesaperumal S.K., Krogstie J. The synergistic interplay of artificial intelligence and digital twin in environmentally planning sustainable smart cities: A comprehensive systematic review // Environmental Science and Ecotechnology. 2024. Vol. 20. Article 100433. DOI:https://doi.org/10.1016/j.ese.2024.100433. EDN: https://elibrary.ru/NGZPCJ

9. Choi Y. GeoAI: Integration of Artificial Intelligence, Machine Learning, and Deep Learning with GIS // Applied Sciences. 2023. Vol. 13, No. 6. Article 3895. DOI:https://doi.org/10.3390/app13063895. EDN: https://elibrary.ru/WONLCD

10. He W., Chen M. Advancing Urban Life: A Systematic Review of Emerging Technologies and Artificial Intelligence in Urban Design and Planning // Buildings. 2024. Vol. 14, No. 3. Article 835. DOI:https://doi.org/10.3390/buildings14030835. EDN: https://elibrary.ru/AUELSW

11. Mansourihanis O., Maghsoodi Tilaki M.J., Yousefian S., Zaroujtaghi A. A Computational Geospatial Approach to Assessing Land-Use Compatibility in Urban Planning // Land. 2023. Vol. 12, No. 11. Article 2083. DOI:https://doi.org/10.3390/land12112083. EDN: https://elibrary.ru/ANOKVO

12. Marasinghe R., Yigitcanlar T., Mayere S., Washington T., Limb M. Towards Responsible Urban Geospatial AI: Insights From the White and Grey Literatures // Journal of Geovisualization and Spatial Analysis. 2024. Vol. 8. Article 24. DOI:https://doi.org/10.1007/s41651-024-00184-2. EDN: https://elibrary.ru/BHRMAS

13. Richter K.-F., Scheider S. Current Topics and Challenges in GeoAI // KI – Künstliche Intelligenz. 2023. Vol. 37, No. 1. P. 11-16. DOI:https://doi.org/10.1007/s13218-022-00796-0. EDN: https://elibrary.ru/RBZWJY

14. Wang S., Huang X., Liu P., Zhang M., Biljecki F., Hu T., Fu X., Liu L., Liu X., Wang R. [et al.]. Mapping the Landscape and Roadmap of Geospatial Artificial Intelligence (GeoAI) in Quantitative Human Geography: An Extensive Systematic Review // International Journal of Applied Earth Observation and Geoinformation. 2024. Vol. 128. Article 103734. DOI:https://doi.org/10.1016/j.jag.2024.103734. EDN: https://elibrary.ru/LLHDWS

15. Zheng Y., Lin Y., Zhao L., Wu T., Jin D., Li Y. Spatial Planning of Urban Communities via Deep Reinforcement Learning // Nature Computational Science. 2023. Vol. 3, No. 9. P. 748-762. DOI:https://doi.org/10.1038/s43588-023-00503-5. EDN: https://elibrary.ru/CWWCRF

Войти или Создать
* Забыли пароль?