CC BY
21
УДК 330.332
РЫНОЧНАЯ СТОИМОСТЬ ОБЪЕКТА НЕДВИЖИМОСТИ В АСПЕКТЕ РАЗВИТИЯ УЛИЧНО-ДОРОЖНОЙ СЕТИ КРУПНОГО ГОРОДА
А.Ю. Михайлов1, К.А. Токарева2
Национальный исследовательский Иркутский государственный технический университет, 664074, г. Иркутск, ул. Лермонтова, 83.
Рассмотрены факторы, влияющие на рыночную стоимость объекта недвижимости в крупных городах. Показано, что одним из важнейших факторов является состояние улично-дорожной сети. Осуществлена оценка эффективности мер воздействия на транспортное поведение и получаемые при этом результаты, а также стадии транспортного планирования в программах управления транспортным спросом. Ил. 3. Табл. 1. Библиогр. 7 назв.
Ключевые слова: объект недвижимости; рыночная стоимость; дезагрегированные модели; телематика; фискальные меры.
REAL ESTATE MARKET VALUE IN THE VIEW OF LARGE CITY ROAD NETWORK DEVELOPMENT A.Y. Mikhailov, K. A. Tokarev
National Research Irkutsk State Technical University, 83 Lermontov St., Irkutsk, 664074.
The factors affecting the market value of real estate in large cities are examined. It is shown that one of the most important factors is the condition of road network. The authors evaluate the efficiency of measures of influence on the transport behavior and the results obtained in this case, as well as the stages of transport planning in the transport demand management programs. 3 figures. 1 table. 7 sources.
Key words: real estate; market value; disaggregated models; telematics; fiscal measures.
На рыночную стоимость объекта недвижимости крупного города большое влияние оказывает высокий уровень загрузки улично-дорожных сетей, сопровождающийся резким снижением скорости сообщения и транспортными заторами. Проблема транспортных заторов стала дискуссионной в нашей стране. Анализ российских изданий показывает, что чаще всего как средство борьбы с пробками указываются административные и фискальные меры, применение интеллектуальных транспортных систем (ИТС), прежде всего АСУД. Вместе с тем в них пока ещё мало внимания уделяется методам формирования транспортного поведения населения, что является предметом так называемого управления транспортным спросом. В зарубежной специальной литературе и периодике широко распространены термины управление транспортным спросом (Transportation Demand Management - TDM) или управление мобильностью (Mobility Management - ММ), которые имеют следующие определения:
«TDM - обобщающий термин для стратегий, которые приводят к более эффективному использованию транспортных ресурсов» (Victoria Transport Institute, Канада);
«...ММ - ориентированный на спрос подход к пассажирскому и грузовому транспорту, использующий новые инструментарий и формы взаимодействия. Его
цель состоит в том, чтобы поддерживать и поощрять изменение отношения к устойчивым видам транспортного обслуживания. Инструментарий ММ основан на информационных и организационных методах, координации...» (K.H. Posch, координатор EPOMM) [1].
Обратимся к уже имеющейся практике применения TDM и ММ. Программы снижения транспортных нагрузок на городские УДС (Alleviating traffic congestion), разработанные в последние годы в США, включают очень разнообразный арсенал мер, которые классифицируются как долгосрочные и краткосрочные. Примечательно, что в числе долгосрочных мер Департаменты транспорта штатов и муниципалитетов указывают TDM как обязательный элемент, характерный пример этого [2, 7]. Таким образом, в составе долгосрочных программ рассматривается не только развитие дорогостоящей транспортной инфраструктуры, но и мероприятия по формированию транспортного поведения населения. При этом особый акцент делается на рациональном использовании индивидуального автомобильного парка.
Управление транспортным спросом активно применяется в европейских странах и стало объектом совместных европейских программ, выполняемых под эгидой организации European Platform on Mobility Management (EPOMM, http://www.epommweb.org) [4] и самой Европейской комиссии (www.ecomm2010.eu). В
Михайлов Александр Юрьевич, доктор технических наук, профессор кафедры менеджмента и логистики на автомобильном транспорте.
Mikhailov Alexander, Doctor of technical sciences, Professor of the Department of Management and Logistics in Automobile Transport.
2Токарева Кристина Александровна, аспирант. Tokareva Kristina, Postgraduate.
частности, 30 сентября 2009 г. Европейская комиссия приняла «План действий по городской мобильности» (Action Plan on Urban Mobility) со сроком действия до 2012 г. Сама EPOMM, в состав которой входят уже 16 стран, в 2006-2009 гг. осуществила проект МАХ -«Максимизация менеджмента мобильностью» (MAXimise Mobility Management).
Спектр средств управления мобильностью достаточно широк и взаимосвязан с управлением транс-
портной системой города, муниципальным управлением и градостроительным планированием [3, 6] (рис. 1).
Оценка эффективности мер воздействия на транспортное поведение и получаемые при этом эффекты представлены в таб. 1. Наиболее эффективными считаются переориентация на использование другого вида передвижений (Shift mode) и снижение использования индивидуальных автомобилей (Reduced vehicle trips).
Рис. 1. Взаимосвязь управления мобильностью (1) и управления транспортной системой (2): 3 - средства и методы управления, включающие координацию работы муниципальных служб (4), средства массовых коммуникаций (6) и информационные системы (7); 8 - «аппаратные» средства, включающие разработку законодательства и регулирующих актов (9), применение телематики (10), фискальные меры (11), развитие транспортной инфраструктуры (12); 13 - планирование использования территории (т.е. градостроительное
планирование)
Меры воздействия на транспортное поведение и получаемые эффекты
Цели Меры
Снижение скорости движения Изменение времени передвижения Уменьшение протяжённости передвижения Переориентация на другой способ передвижения Снижение использования индивидуальных автомобилей
Снижение загрузки сети — — — —
Сокращение вложений на дорожное строительство — — —
Сокращение вложений на строительство парковок — —
Сокращение расходов населения на передвижения — — —
Улучшение условий передвижений — —
Безопасность дорожного движения — — — —
Сокращение расхода топлива — — —
Сокращение выбросов в атмосферу — —
Повышение эффективности использования территории — — —
Улучшение уровня здоровья населения — — — —
Приведём показатели эффективности ряда конкретных проектов в области управления транспортным спросом. В 1993 г. в штате Вашингтон была принята программа по сокращению объёма ежедневных поездок по трудовым целям CTR (Commute Trip Reduction Program) (с материалами программы можно ознакомиться на сайте Департамента транспорта www.wsdot.wa.gov). Программа CTR была закреплена специальным законом штата в 1991 г. в составе Акта о защите воздуха от загрязнений. В данной программе уделялось большое внимание использованию индивидуального автомобильного парка, прежде всего, ставилась задача снижения количества поездок, совершаемых одиночными водителями. В этой связи разрабатывались меры, способствующие использованию автомобилей повышенной вместимости (high-occupancy vehicles) и совместному использованию автомобилей (carpooling). В составе программы предусматривались возможности изменения режима работы: сжатая 4-х дневная рабочая неделя с 10 часовым рабочим днем; гибкий режим работы - смещение начала и конца работы при сохранении продолжительности рабочего дня. Кроме того, внедрялась практика работы дома или в местных локальных офисах, что получило название teleworking. В результате действия программы в период 1993-2007 гг. количество поездок на работу, совершаемых одиночными водителями, снизилось с 70,9 до 65,5%. Снижение объёмов загрязнения воздушного бассейна в 2007 г. оценено суммарной величиной 4000 т всех видов загрязняющих веществ. Уменьшение расхода топлива составило 9,7 млн галлонов на сумму 23 млн долларов.
В Европе можно отметить введение платного пользования автомобилями в утренний пиковый период в границах урбанизированной территории Randstad, включающей Амстердам, Роттердам, Гаагу и Утрехт. Введение проекта в 2001 г., утвержденного парламентом Голландии, предварялось с 1998 г. публичными слушаниями с вовлечением широких кругов общественности и заинтересованных организаций, таких, например, как Министерство транспорта и Голландская ассоциация пользователей автомобильного транспорта. Величина платы за пользование автомобилем в период с 7.00 до 9.00 ч составила около 3,5 долларов. По результатам моделирования предполагалось достичь снижения интенсивности движения в утренний пиковый период на 30%. Такой показатель прогнозировался как результат снижения интенсивности грузового движения на 6% и ежедневных поездок к месту работы на индивидуальном автомобильном транспорте на 44%, а также увеличения количества поездок предпринимателей (business trips) на 27%. В целом в границах агломерации Randstad в утренний пиковый период было достигнуто снижение интенсивности на 35%, что даже больше чем прогнозные оценки. При этом на важнейших дорогах снижение интенсивности составило 41%, а на второстепенной УДС -26%. На 60% изменения нагрузки на УДС в пиковый период были вызваны изменением времени поездок, приходящихся теперь на внепиковые периоды.
Выполнение программ, аналогичных рассмотренным выше, требует разработки методов прогнозов влияния различных факторов на транспортное поведение населения. Нужен инструмент, позволяющий прогнозировать выбор способов передвижений в зависимости от сценариев развития транспортной системы города. Транспортное планирование обычно рассматривают как процедуру, включающую 4 этапа (рис. 2).
Trip Generation (Определение спроса) i
Trip Distribution (расчет матрицы корреспонденций)
._Í_
Mode Split
( разделение корреспонденций по видам передвижений)
7
Traffic Assignment (распределение корреспонденций по сети)
Рис. 2. Стадии транспортного планирования в программах управления транспортным спросом
Если расчёт матрицы корреспонденций - этап 2 (см. рис. 2), и распределение корреспонденций по маршрутам сети (т.е. маршрутной сети или УДС) -этап 4, в значительной мере можно рассматривать как расчётные процедуры, то оценка спроса на передвижение и выбор способа передвижений, прежде всего, базируются на разнообразных статистических данных. В странах с высоким уровнем автомобилизации количество генерируемых объектами корреспонденций (trip generation) рассматривается в виде количества автомобилей, прибывающих и убывающих за определённый период суток. В США уже долгое время этот параметр является объектом регулярных исследований, которые систематизируются в виде обновляемых справочных данных руководств по транспортным расчётам. Например, на рис. 3 представлены данные генерирующей способности крупных супермаркетов (из справочного издания Trip Generation).
Оценка вероятности выбора способа передвижений, что необходимо рассматривать на этапе 3 (Mode Split), относится к классу моделей индивидуальных предпочтений. В качестве примера рассмотрим дезагрегированную модель индивидуального выбора [5], которая применялась для целого ряда городов США. В соответствии с этой моделью ожидаемое количество людей Б,, выбирающих способ передвижения i, определяется как сумма вероятностей выбора ими альтернативы i:
Ei =Z Pin ,
n
где Pin - вероятность выбора индивидом n способа передвижения i.
800
600
400-
200 -
: ; ;
X данные обследований : результат обработки ■ '-у''
..........i..........>:;;...
, ',;;;::> ........
X jfjs^ , : ........ у^г : : X; ■ :
* i Ln(T)=Ó,787l_n( Х)+3,211
... .y^C:' : R2=0,87
/ . Sis' у
0 Ю 20 30 40 . 50 60 70
площадь 1000 кв. футов, X
Рис. 3. Генерация поездок супермаркетами в вечерний час пик - соотношение прибытий и убытий 53% к 47%: Х - суммарная площадь помещений супермаркета, 1000 кв. футов; Т - количество поездок к супермаркету и от
него, авт./ч
В более детализированном виде вероятность P(f, d, m, r) передвижения способом m по маршруту r в зону d (или к объекту d) предлагается рассматривать как
P(f, d, m, r)=P(f)P(f, d)P(m, f, d)P(r, f, d, m), где P(f) - вероятность совершения передвижения; P(f, d) - вероятность в зону d (или к объекту d) при условии, что передвижение состоялось; P(m, f, d) - вероятность использования способа передвижения при условии, что передвижение состоялось в зону d (или к объекту d); P(r, f, d, m) - вероятность использования маршрута при использовании способа передвижения при условии, что передвижение состоялось в зону d (или к объекту d).
Очевидно, что построение дезагрегированных моделей выбора способа передвижения как и оценка количества генерируемых поездок требует системати-
ческих транспортных обследований и накопления статистических данных. Накопление таких данных остро необходимо для выполнения многих видов градостроительного и транспортного планирования и позволит повысить обоснованность решений, в том числе прогнозировать эффект от введения мер воздействия на транспортное поведение как это было сделано в Голландии при введении плат для агломерации Randstad. Транспортная лаборатория ИрГТУ планирует осуществлять исследования транспортного поведения населения и генерации поездок различными видами объектов тяготения. Главной целью этих исследований намечена разработка модели оптимального размещения перехватывающих парковок. Определённый объём информации о транспортном поведении уже накоплен при разработке концепции развития общественного транспорта г. Иркутска.
Библиографический список
1. Bovy P.H.L. Innovative Approaches to Demand Management in The Netherlands // ITE Journal, August 2000. P. 41 -47.
2. Downtown Parking and Mobility Management Plan // Wichita, Kansas, November 2009. 171 p.
3. URL:
http://ec.europa.eu/transport/urban/urban_mobility/action_plan_e n.htm
4. Mobility Management.User Manual // Rijswijk / Aachen. January 1999. 109 p.
5. Applications of New Travel Demand Forecasting Techniques to Transportation Planning // URL: http://ntl.bts.gov/DOCS/SICM.html
6. Transportation Demand Management // Deutsche Gesellschaft fur Technische Zusammenarbeit, Eschborn, Germa-ny,April 2009. 118 p.
7. Technology in Mobility Management: Coordinating and Improving Services in Southwest Idaho // Report No. 12-2009. September 2009. 45 p.
