CC BY
25
СОЦИАЛЬНО-ЭКОНОМИЧЕСКОЕ МОДЕЛИРОВАНИЕ РЕСУРСНОЙ ЗАГРУЗКИ МЕГАПОЛИСОВ
Аннотация. Работа посвящена актуальным вопросам городского планирования применительно к мегаполисам, с учетом ограничений природных, коммунальных и социальных ресурсов. Особенно остро данная проблема касается столиц государств, традиционно концентрирующих в себе деловые и академические центры, а также городов с историческим наследием, испытывающих повышенный интерес в связи с бурным развитием туризма. Авторами формализуется задача определения оптимального соотношения объема городского фонда, предназначенного для нерезидентов, к общему его объему, а также экономического расчета, направленного на определение количественных рамок, которые можно положить в основу административных мер, направленных на ограничение потока лиц, прибывающих с намерением временно размещаться в таких городах.
Ключевые слова. Планирование, мегаполис, моделирование, ресурсы, ограниченный потенциал.
Kurochkina A.A., Sergeev S.M.
SOCIAL-ECONOMIC MODELING OF RESOURCE DOWNLOADING
OF MEGAPOLISES
Abstract. The work is devoted to topical issues of urban planning in relation to megalopolises, taking into account the limitations of natural, communal and social resources. This problem is especially acute for the vast majority of capitals of States, traditionally concentrating in themselves business and academic centers, as well as cities with historical heritage experiencing increased interest in connection with the rapid development of tourism. The authors formalize the problem of determining the optimal ratio of the volume of the city Fund intended for non-residents to its total volume, as well as the economic calculation aimed at determining the quantitative framework that can be used as the basis for administrative measures aimed at limiting the flow ofpersons arriving with the intention to temporarily place in such cities.
Keywords. Planning, metropolis, modeling, resources, limited capacity.
Введение
Градостроительное планирование, как правило, охватывает значительный горизонт времени. При этом решается комплекс задач, связанных с практическими функциями, где аргументами выступают экономические показатели, демография, экология и ограниченные ресурсы окружающей среды, предназначенные для общего пользования [1, 17, 18, 24, 26, 28 и др.]. Анализ таких показателей, как численность населения, объем жилищного строительства, проведенный среди крупных городов мира, показывает, что перечень списка городов классов от Альфа до Альфа++, совпадает с участниками рейтинга самых
ГРНТИ 06.61.53
© Курочкина А.А., Сергеев С.М., 2018
Анна Александровна Курочкина - доктор экономических наук, профессор, заведующая кафедрой экономики предприятия природопользования и учетных систем Российского государственного гидрометеорологического университета (г. Санкт-Петербург).
Сергей Михайлович Сергеев - кандидат технических наук, доцент института промышленного менеджмента, экономики и торговли Санкт-Петербургского политехнического университета Петра Великого. Контактные данные для связи с авторами (Курочкина А.А.): 190000, Санкт-Петербург, Малоохтинский пр., д. 98 (Russia, St. Petersburg, Maloohtinsky av., 98). Тел.: 8 (921) 950-08-47. E-mail: [email protected]. Статья поступила в редакцию 05.04.2018.
привлекательных мест для поиска работы, обучения и туристов. В подтверждение этой мысли приведем таблицу Global city (источник - GaWC (Globalization and World Cities Research Network)), отражающую важнейшие узлы мировой экономики, отранжированные по убыванию Альфа-показателя, и список наиболее посещаемых городов, ранжированных в соответствии данными Euromonitor.
Таблица
Сравнение данных по крупным городам
Ранг Global City Attractiveness 12 Milan Tokyo*
1 New York* Hong Kong* 13 Chicago Prague
2 London* Bangkok 14 Mexico City* Delhi
3 Singapore London* 15 Mumbai* Vienna
4 Hong Kong* Singapore 16 Moscow* Berlin
5 Paris* Paris* 17 Frankfort Madrid
6 Beijing Dubai* 18 Madrid Moscow*
7 Tokyo* New York* 19 Warsaw Beijing
S Dubai* Kuala Lumpur 20 Johannesburg Athens
9 Shanghai* Rome 21 Toronto Budapest
10 Sydney Taipei 22 Seoul* Lisbon
11 Säo Paulo Seoul* 23 Saint Petersburg Saint Petersburg
Для таких мегаполисов характерно наличие повышенного соотношения объема жилых помещений (отелей, хостелов, туристических общежитий и пр.) для нерезидентов к общей площади квартирного фонда. Кроме того, за последние несколько лет благодаря проникновению концепции Web 3.0 [2], появились мировые сети B-corporation, сконцентрировав в онлайн площадках типа Airbnb, CouchSurfing мощный потенциал привлечения путешественников. В них использовано преимущество интеграции с социальными сетями типа Facebook, а также широкого спектра мобильных приложений для смартфонов на распространенных платформах iOS и Android. При этом реализуется глобальное информационное и технологическое [3] поле услуг для упрощения поездок и размещения в любом городе мира. В число лиц, временно находящихся на выбранной территории, также необходимо включать категорию граждан, мигрирующих на период временных заработков.
Таким образом, становится возможным сформулировать задачу исследования. Необходимо смоделировать использование ограниченного потенциала, находящегося в распоряжении города [4, 19, 23, 25 и др.]. При этом его состав может быть как природного происхождения (окружающая среда, воздух, водоемы), так и технологического (коммунальные услуги, транспорт), а также социального (медицина, культура, охрана правопорядка). В результате надо найти предельную численность суммарного населения, как постоянно проживающего, так и нерезидентов, исходя из потенциальных лимитов нагружаемых ресурсов [5] общего пользования. Материалы и методы
Решение задачи будем искать с применением методов математического моделирования [6], используя экономические приложения теории игр, ряд результатов теории массового обслуживания и вспомогательные формулы для описания стохастических процессов с экономической точки зрения.
Введем ряд необходимых формализмов, позволяющих однозначно провести идентификацию параметров [7] исследуемых процессов. Определим общий ресурс как CRi (common resource).
При этом i = 1...Q , где Q — количество общих ресурсов, сосредоточенных на рассматриваемой территории. В первую очередь сюда относится транспорт, причем необходимо разделить коммуникации с внешней средой и внутренние. Внешними являются железнодорожное, авиасообщение, пассажирский порт, радиальные дороги. Внутренние - это городской трафик, метро, транспорт общего пользования. Следующая группа общих ресурсов включает коммунальные службы, такие как канализация, электросеть, водопровод, пожарная охрана, медицинские учреждения, сбор мусора. К общественно значимым ресурсам также следует отнести природные, характеризуемые показателями загрязненности воздуха, водоемов, наличием места в парках, плотность населения в городе.
Необходимо дополнить данный перечень перечисленных ресурсов следующим конкретным видом учитываемых в математической модели [8] ресурсов. Все приведенные в таблице города характеризуются высокой концентрацией туристически привлекательных мест, причем сосредоточенных на ограниченной территории. Такие места притяжения (place of interest, POI) характерны для многих европейских городов. Как правило, это исторический центр города, объекты культуры (театры, музеи) или места проведения всемирно значимых событий (спортивных, военных) [20, 27].
Введем ряд обозначений: л, - интенсивность потока пользователей i-го общего ресурса (i = 1...Q);
¡J.i - показатель, характеризующий пропускную способность i-го общего ресурса. Тогда, используя для параметров модели символику Кендалла в виде M /M / n / Q, можно рассчитать среднее время, затрачиваемое при нахождении и использовании i-го общего ресурса:
T = R / я,, где r =_eIS1z<^1zMeM11 , р = i, ,=1...п,
i Ч/-1 M+2\ Pi ~
(1 ~Рг )(1 ~Рг ) Mi
М - приемлемая длина очереди при пользовании данным ресурсом. Для расчета используем формулы Эрланга [9].
Введем формализмы для представления города в виде совокупности пользователей ресурсов. Для рассматриваемых в данной задаче вопросов удобно представление в укрупненном виде, как набора жилых домов, отелей, хостелов. Их количество обозначим n . Введем уровень нагрузки каждого из пользователей ресурса как li где i = 1...n , тогда ситуацию можно формализовать вектором:
л = (A, h,..., ln), (1)
n
при этом суммарная нагрузка L на ресурс равна: L = ^ lt .
i=1
Кроме того, определим размер средневзвешенных издержек U , а также введем функцию g(l), определяющую величину выручки на единицу пользователя. Существует ограничение на суммарную нагрузку. Это записывается в виде неравенства L > L0, т.е. доходность ресурса падает, начиная с некоторого числа. Это вызвано либо деятельностью конкурентов, либо насыщением рынка. Формально выразим это неравенством:
g'(l) < 0. (2)
Далее, необходимо учесть факторы, обусловленные негативным компонентом влияния деятельности массива в количестве n пользователей на конкретный ресурс и его естественную ограниченность. Отсюда следует вывод, что и g"(l) < 0. Запишем соотношение для расчета выигрыша i — го пользователя:
Ri = ltg(h +12 +... + h) — Uli = i, g (L) — Uli. (3)
Тогда, из существования равновесия согласно теореме Нэша [10], должно найтись значение нагрузки i-го пользователя l* при условии которой величина выражения (3) достигает максимума при сохранении оставшихся компонент вектора (1):
л* (i; , l*,..., lh, rM,..., l*).
SR
Решение задачи будем искать, взяв частные производные- из условия экстремума:
Sli
dR . ,
—- = 0 при i = 1...n .
dl
Далее, обозначив l—i = ^ l* , получим следующее выражение:
k
8(/,■ + I-,) + I'(/,■ + I-,) - и = 0 для / = 1...и . Просуммировав значения в точке равновесия I *, можно записать:
nu - g(L)
L = n--
g '( L' )
Если сравнить полученное уравнение с поиском максимума направленного на оптимизацию L0 -
использования ресурса властями города, то экстремум данной функции [11] достигается при выполнении условия:
L = U - g(Lo) 0 g '(Lo) '
а с учетом условия отрицательности производной (2), а также того, что n > 1, вытекает: L" > L0. Смысл полученных результатов можно увидеть при расчетах на конкретных данных.
Пример расчета
Для иллюстрации приведенной методики, проведем расчет по вышеизложенным формулам с использованием конкретных значений, полученных из анализа городского хозяйства Санкт-Петербурга. Из российских городов, это один из наиболее востребованных пунктов для экспатов, студентов, путешествий иностранных и российских граждан. Это базируется на сведениях опроса ЮНЕСКО и ВТО, по результатам которых Санкт-Петербург по своему потенциалу входит в мировой список самых привлекательных городов.
Наличие массы приезжих накладывает дополнительные требования по организации городских служб и ставит сложные задачи по выработке оптимальных [12] решений, связанных с планированием их деятельности по реализации различных видов бизнеса, непосредственно связанных с временным пребыванием на территории города. На сегодняшний день данная проблема, по мнению авторов, с экономической точки зрения разработана недостаточно не только в области реализации на практике, но и в общеметодологическом аспекте. Для определения коммерческой политики администрации города, а также проведения теоретического анализа необходимо привлекать математический аппарат хорошо разработанных теоретических методов и моделей [13, 22]. При формировании таких моделей необходим учет следующих факторов:
• неравномерность спроса по различным видам городских сервисов. Это обусловлено не только сезонностью, но и рядом прогнозируемых периодов, например общегосударственными праздниками, каникулами учащихся, религиозными традициями;
• результаты должны быть согласованы с такими системами, как Global Distribution System (GDS), Computer Reservations System (CRS);
• необходим учет стандартов The Uniform System of Accounts for the Lodging Industry (USALI) в процессе бизнес-планирования;
• в мегаполисах значителен вес сегмента Meetings, Incentives, Conferences, Exhibitions (MICE) и Tourism Marketing Concepts (TMC), что означает учет в моделировании оказания услуг не только в сегменте отдельных клиентов, но и указанных оптовых потребителей.
Оценим влияние каждого из перечисленных факторов. При моделировании коммерческих процессов необходимо использовать возможности компьютерных программ и технологий, а также применять арсенал математических методов, инструментов статистики. Как и в любом коммерческом сегменте, планирование деятельности администрации города по приему гостей начинается с поиска достоверных оценок объема данного рынка и потребностей. Например, место отеля является замыкающим в деловой цепочке, составленной из туристических, рекламных, фирм, операторов-посредников. К этому добавляется временной лаг на каждом из звеньев. Кроме того, необходим учет влияния сезонности, а также указанных выше каникул, общественно значимых событий и ряда факторов, известных маркетологам.
При математическом моделировании оказался не пригодным регрессионный и трендовый анализ, несмотря на то, что он реализован в большинстве офисных приложений, поскольку не представляется возможным построить приемлемые аналитические модели. Кроме того, сложностью является то, что возможны многократные циклы в течение года по ряду услуг. На это накладывается неравномерная частотная характеристика, обладающая асимметрией формы [14]. При формировании модели нами берутся данные по числу прибывающих в город людей за достаточный для статистики промежуток времени. По крайней мере, он должен включать два годовых цикла. Согласно налоговому учету, дан-
ные берутся ежемесячно. Воспользовавшись представлением периодических функций рядом Фурье, запрограммировав на ЭВМ который, получаем аналитическое выражение числа находящихся в городе приезжих за конкретный период. Таким образом, получаем:
+ м -
F(х) = Ao + Х ACos (2л -х + вк),
k=i T
где F(x) - функция, отражающая число приезжих, A0 - средний уровень, Ak - амплитуда гармоники k-й степени, 2л — - частота соответствующей гармоники, вк - начальное значение фазы. T
С помощью методов Solver for Nonlinear Programming [15], выбором SCO (Social Cognitive Optimization) при условии минимизации среднеквадратического отклонения расчетных данных, решается проблема расчета коэффициентов разложения A0, Ak , дк, T, используемых при составлении
математической модели. Используя данные по туристическому потоку в Санкт-Петербург, пропускной способности POI, в результате расчетов на ЭВМ получим данные по интенсивности загрузки (рис. 1), а также прогноз по насыщению возможностей города как объекта посещения из условия потери комфортности проживания и привлекательности его как объекта достопримечательности.
Рис. 1. Расчет интенсивности посещения города
На рис. 2 приведены данные по степени удовлетворенности запросов. Ее оценка проведена как показатель того, сколько Р01 в реальности удалось посетить приезжающему. На графике отмечено процентное соотношение реального значения Р01 от планируемого. Отметим, что данные усредненные, для конкретных дат надо учесть неравномерность графика рис. 1, с обратно пропорциональной зависимостью. На рис. 2 также отмечен текущий уровень соотношения приезжих к резидентному населению.
Рис. 2. Степень удовлетворенности запросов
Заключительным результатом исследования должен быть набор рекомендаций по оптимальной организации приема приезжих. Обращаясь к мировому опыту, можно сделать вывод, что самый распространенный подход заключается в применении ограничительных мер. Известно, что в этом вопросе нет технического решения. Поэтому в компетенции администрации города и власти на местах проводить административное регулирование и устанавливать правила. Таким образом, математическая модель может стать инструментом прогноза и в результате выдать рекомендации по введению правовых, а также других, в том числе финансовых, мер на период следующего этапа ведения работы с потоком прибывающих граждан. В свою очередь, данные ограничения будут формализованными ограничениями при составлении динамических уравнений.
Обсуждение результатов
В таблице звездочкой отмечены города, в которых, согласно сведениям GaWC, находится максимальное количество иностранцев, самый напряженный пассажиропоток по основным видам транспорта и наибольшая численность населения. При этом их власти первыми начали вводить ограничения. Для их инициирования было много взаимосвязанных причин. Ограничения вводились на посещение туристами исторических достопримечательностей с целью предотвратить их разрушение, а также ограничить доступ к ряду уникальных природных объектов. Другим обстоятельством стали транспортные проблемы, пробки на дорогах, снижение средней скорости движения. Перечисленные города являются одновременно важнейшими транспортными узлами, аналогичный лимит пропускной способности испытывают морские порты из-за круизных судов и воздушные гавани. Одним из наиболее ощутимых результатов стало резкое повышение загрязненности воздуха в этих густонаселенных городах. Но самой весомой причиной для властей становится недовольство жителей - резидентов, создание очагов социальной напряженности [21] по причине ограниченного ресурса служб охраны общественного порядка.
В результате была сформулирована парадигма повышения качества приема посетителей. Эффективным решением послужил ввод экологического налога на приезжих. Его размер дифференцирован в зависимости от уровня отеля. Для того, чтобы исключить неучтенных визитеров, предусмотрены большие штрафы за использование таких ресурсов, как АиЬпЬ, СоисЬ8игй^. Кроме того, практикуется замораживание лицензий новых и существующих отелей.
На рис. 3 приведены данные по расчету оптимального (усредненного) значения Бсо1ах. График представляет как теоретические расчеты, из формул по модели рассмотренной в настоящей работе, так и полученные из реальных данных.
Optimal Ecotax
О 0,5 1 1,5 2 2,5 3
ratio visitors / residents
Рис. 3. Расчет оптимального значение Бсо1ах
Отметим, что теоретический расчет охватывает только часть возможных соотношений числа приезжих к резидентам. Напротив, реальные данные показывают сильно отличающийся характер при больших значениях данного соотношения. Это объясняется причинами, которые не могут быть учте-
ны в модели и носят социальный характер. В первую очередь, это относится к регионам, в которых бизнес на туристах составляет основную долю экономики. Для их населения необходим максимальный приток приезжих в период высокого сезона, поскольку остальную часть года у большинства жителей не будет другого заработка.
Заключение
Работа городских служб, а также конкурирующих на ограниченной территории субъектов гостиничного бизнеса, ведется под влиянием факторов, относящиеся к категории общечеловеческих ценностей. Отели и жилищный фонд в мегаполисах, в первую очередь привлекательных для многих людей, концентрируются вблизи исторических центров с основными достопримечательностями. Проблема сохранения данного ресурса повсеместно стоит остро. Например, в Санкт-Петербурге, Риме, Амстердаме, Париже, Барселоне, Таллинне, Венеции и множестве знаковых для всего мира мест.
В экономической литературе сегодня еще недостаточно разработаны положения формирования системы прогнозирования, теория и методики взаимодействия с объектами размещения прибывающих граждан, текущее и перспективное управление пулом отелей как единым комплексом.
С точки зрения бизнес-аналитика, определяющего цели, векторы направленности для достижения необходимых экономических [16] и социальных результатов, именно формирование теоретических моделей, аналогичных описанной выше, позволит детально учесть разнонаправленные процессы. Это даст возможности соблюдать баланс между ростом нагрузки на общественные ресурсы и порожденным снижением уровня их качества. Одновременно должен проводиться учет негативного влияния на бизнес-процессы.
Окончательно можно сделать выводы:
1. Необходимо административное регулирование в данном сегменте городского хозяйства. В мире уже решают эту проблему, как правило, в виде туристического налога или установкой экологического сбора. Этот процесс идет повсеместно, во многих городах и странах, причем цифры существенно разнятся. Критерием служит баланс между уровнем числа приезжих и ущербом от роста туристического потока. Представленная в статье математическая модель дает основу научного расчета динамики этих разнонаправленных процессов, а также прогноза на горизонт планирования в несколько лет их ключевых параметров.
2. Применяемые сегодня статистические расчеты, отдельные решения на базе детерминированных моделей недостаточны для прогнозирования. Необходимо применение динамических моделей, расчетов на ЭВМ, основанных на более сложных математических методах.
ЛИТЕРАТУРА
1. Курочкина А.А. Стратегии развития предприятий туриндустрии на основе информационных технологий // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2012. № 1 (139). С. 323-327.
2. Sergeev S.M. Formation of commercial activity cross-models in innovative conditions // Modem methods of applied mathematics, control theory and computer sciences (AMCTCS -2014). Proceedings of the VII International Conference. Voronezh, 2014. P. 414-417.
3. Курочкина А.А., Яброва О.А. Стратегическое регулирование развития рекреационной зоны в регионе // Проблемы современной экономики. 2007. № 1. С. 181-187.
4. Сергеев С.М., Сидненко Т.И. Мультидисциплинарная конвергенция информационной образовательной среды // Известия Санкт-Петербургского государственного аграрного университета. 2015. № S. С. 88-95.
5. Петров А.Н., Курочкина А.А., Сергеев С.М. Кросс-системный подход в управлении гостиничным бизнесом // Известия Санкт-Петербургского государственного экономического университета. 2016. № 2 (98). С. 74-80.
6. Сергеев С.М. К вопросу моделирования рыночных стратегий при неполной информации // Современные методы прикладной математики, теории управления и компьютерных технологий (ПМТУКТ-2015). Сборник трудов VIII Международной конференции. 2015. С. 326-328.
7. Сергеев С.М. Моделирование клиентских потоков в узле ритейлера // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Экономические науки. 2012. № 3 (149). С. 129-133.
8. Cross-system way of looking to business with limited resources // Selected Papers of the International Scientific School "Paradigma" Winter-2016 (Varna, Bulgaria). Yelm, WA, USA, 2016. Р. 95-102.
9. Сергеев С.М., Сидненко Т.И., Сидненко Д.Б. Парадигма преподавания в интероперабельной среде (при подготовке специалистов АПК) // Известия Санкт-Петербургского государственного аграрного университета. 2016. № 43. С. 303-312.
10. Sergeev S.M. Cross-systems method of approach to energy economy higher educational institutions // Economics. Society: Selected Papers of the International Scientific School "Paradigma" (Summer-2015, Varna, Bulgaria). Yelm, WA, USA, 2015. Р. 38-41.
11. Sergeev S.M. Expansion of DEA methodology on the multimodal conception for the 3PL // Proceedings of the XXIII-th International Open Science Conference (Yelm, WA, USA, January 2018). Science Book Publishing House. Yelm, WA, USA, 2018. Р. 169-175.
12. Voronkova O.V., KurochkinaA.A., FirovaI.P., Bikezina T.V. Implementation of an information management system for industrial enterprise resource planning // Espacios. 2017. Vol. 38. № 49.
13. Provotorov V.E., Provotorova E.N. Optimal control of the linearized Navier-Stokes system in a netlike domain // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2017. Т. 13. № 4. С. 431-443.
14. Volkova A.S., Gnilitskaya Y.A., Provotorov V.V. On the solvability of boundary-value problems for parabolic and hyperbolic equations on geometrical graphs // Automation and Remote Control. 2014. Т. 75. № 2. С. 405-412.
15. Provotorov V.V., Ryazhskikh V.I., Gnilitskaya Yu.A. Unique weak solvability of a nonlinear initial boundary value problem with distributed parameters in a netlike domain // Вестник Санкт-Петербургского университета. Прикладная математика. Информатика. Процессы управления. 2017. Т. 13. № 3. С. 264-277.
16. Сергеев С.М., Борисоглебская Л.Н., Лебедева Я.О. Прогнозирование деятельности институциональных инвесторов на базе динамических моделей высокодоходных проектов // Анализ, моделирование, управление, развитие социально-экономических систем. Сборник научных трудов XI Международной школы-симпозиума АМУР-2017. 2017. С. 51-57.
17. Бабич Т.Н., Вертакова Ю.В. Обоснование методики согласования отраслевых и территориальных интересов при планировании регионального развития с целью реализации государственной экономической политики // Теория и практика сервиса: экономика, социальная сфера, технологии. 2017. № 2 (32). С. 5-11.
18. Булатова Н.Н., Тихонова П.В. Управленческие технологии развития транспортной инфраструктуры региона // Теория и практика сервиса: экономика, социальная сфера, технологии. 2016. № 1 (27). С. 47-50.
19. Карлик А., Платонов В. Аналитическая структура ресурсно-ориентированного подхода // Проблемы теории и практики управления. 2013. № 7. С. 49-53.
20. Костин К.Б. Драйверы роста мировой экономики // Известия Санкт-Петербургского государственного экономического университета. 2017. № 6 (108). С. 19-24.
21. Максимцев И.А., Межевич Н.М., Разумовский В.М. Мировая экономика перед вызовами "annus horribilis": на пороге новой регионализации // Известия Санкт-Петербургского государственного экономического университета. 2017. № 1-2 (103). С. 19-24.
22. Плотников П.В. Теоретические подходы к моделированию экономических явлений и процессов // Актуальные вопросы развития современного общества: сборник статей 4-ой Международной научно-практической конференции / Юго-Западный государственный университет. Курск, 2014. С. 297-301.
23. Положенцева Ю.С. Государственное регулирование социально-экономической дифференциации регионов // Теория и практика сервиса: экономика, социальная сфера, технологии. 2017. № 2 (32). С. 12-16.
24. Пролубников А.В. Анализ специфики социально-экономического развития российских регионов // Теория и практика сервиса: экономика, социальная сфера, технологии. 2016. № 2 (28). С. 27-30.
25. Рудакова О.В., Полянин А.В., Кузнецова Л.М. Основные проблемы инвестиционной привлекательности России // Среднерусский вестник общественных наук. 2016. Т. 11. № 2. С. 152-162.
26. Финансовые механизмы формирования благоприятного имиджа территории: монография / С.П. Сазонов, Г.В. Федотова, Е.Е. Харламова и др. Волгоград, 2016. 227 с.
27. Хорева Л.В., Голев М.С. Информационные технологии в системе продвижения услуг туристской дестинации на международный рынок // Теория и практика сервиса: экономика, социальная сфера, технологии. 2016. № 2 (28). С. 41-46.
28. Kurbanov A., Gurieva L.K., Novoselov S.N., Gorkusha O.A., Novoselova N.N., Kovalenko A.A. Features subregional localities in the structural-level organization of the economic system // International Review of Management and Marketing. 2016. Т. 6. № S1. С. 287-292.
