АНАЛІТИКА BIG DATA ДЛЯ KPI ТРАНСПОРТНИХ МЕРЕЖ: МЕТОДИ ЗБОРУ, ОЧИЩЕННЯ, ВІЗУАЛІЗАЦІЇ ТА GOVERNANCE

Автор(и)

  • Оксана Дмитрієва Харківський національний автомобільно-дорожній університет, Україна https://orcid.org/0000-0001-9314-350X
  • Дмитро Пресич Харківський національний автомобільно-дорожній університет, Україна

DOI:

https://doi.org/10.30977/PPB.2226-8820.2025.35.63

Ключові слова:

Big Data, транспортна аналітика, KPI, data governance, транспортні мережі, очищення даних, ETL, візуалізація, інтелектуальні транспортні системи, цифрова інфраструктура

Анотація

УДК 004.65:656; JEL Classification: L91, O33, C55, R41

Дмитрієва О.І., Пресич Д.І. АНАЛІТИКА BIG DATA ДЛЯ KPI ТРАНСПОРТНИХ МЕРЕЖ: МЕТОДИ ЗБОРУ, ОЧИЩЕННЯ, ВІЗУАЛІЗАЦІЇ ТА GOVERNANCE

Мета. Дослідження спрямоване на формування цілісної моделі використання аналітики великих даних (Big Data) для оцінювання ключових показників ефективності (KPI) транспортних мереж. У роботі визначено методи збору, очищення, інтеграції та візуалізації транспортних даних, а також принципи управління ними відповідно до сучасних вимог data governance. Методика дослідження. У процесі дослідження застосовано системний та аналітико-узагальнювальний методи для визначення структури транспортних даних і джерел їх надходження. Використано методи порівняльного аналізу — для зіставлення європейських і національних підходів до управління даними; метод логічного моделювання — для побудови схеми аналітичного циклу Big Data у транспортних мережах; статистико-аналітичний метод — для узагальнення результатів досліджень з оцінки впливу аналітики даних на показники ефективності перевезень. Емпіричною базою стали публікації Європейської комісії, наукові праці з питань Big Data у транспорті та українські практики цифровізації галузі. Результати. Визначено основні джерела транспортних даних — сенсорні системи, GPS-трекери, білінгові платформи та корпоративні облікові системи. Систематизовано методи очищення даних (ETL, Data Lake) і виявлено типові проблеми їх якості — дублювання, відсутність часових міток, розбіжності форматів. Розроблено типологічну схему структури транспортних даних і запропоновано підхід до оцінювання їхньої надійності для розрахунку KPI. Наведено приклад візуалізації динаміки транспортної ефективності, що демонструє зниження середнього часу поїздки на 18 % після впровадження Big Data аналітики. Обґрунтовано, що впровадження принципів data governance підвищує рівень інтеграції транспортних даних і сприяє створенню єдиної аналітичної інфраструктури. Наукова новизна. Полягає у системному підході до використання аналітики Big Data для моніторингу KPI транспортних мереж, що поєднує технічні, аналітичні та управлінські аспекти. Запропоновано структурну модель інтеграції процесів збору, очищення, візуалізації та управління транспортними даними в єдиному аналітичному контурі, адаптовану до українських умов. Практична значущість. Результати дослідження можуть бути використані органами державного управління, міськими транспортними службами, операторами перевезень і ІТ-компаніями для побудови аналітичних систем управління транспортними потоками. Запровадження комплексної аналітики Big Data дозволяє підвищити точність прогнозів, ефективність планування маршрутів, знизити витрати ресурсів і забезпечити прозорість управлінських рішень у транспортній галузі України.

Посилання

Regulation (EU) 2022/868 of the European Parliament and of the Council of 30 May 2022 on European data governance and amending Regulation (EU) 2018/1724 (Data Governance Act). Official Journal of the European Union. 2022. L 152. P. 1–44. URL: https://eur-lex.europa.eu/eli/reg/2022/868/oj (дата звернення: 23.10.2025).

Regulation (EU) 2023/2854 of the European Parliament and of the Council of 13 December 2023 on harmonised rules on fair access to and use of data (Data Act). Official Journal of the European Union. 2023. URL: https://eur-lex.europa.eu/eli/reg/2023/2854/oj/eng (дата звернення: 23.10.2025).

Regulation (EU) 2020/1056 of the European Parliament and of the Council of 15 July 2020 on electronic freight transport information. Official Journal of the European Union. 2020. URL: https://eur-lex.europa.eu/eli/reg/2020/1056/oj/eng (дата звернення: 23.10.2025).

European Commission. Creating a common European mobility data space. URL: https://transport.ec.europa.eu/transport-themes/smart-mobility/creating-common-european-mobility-data-space_en (дата звернення: 23.10.2025).

European Commission. Mobility data policy page “Unlocking the potential of mobility data”. URL: https://digital-strategy.ec.europa.eu/en/policies/mobility-data (дата звернення: 23.10.2025).

Zannat K. E., Choudhury C. F. Emerging Big Data Sources for Public Transport Planning: A Systematic Review on Current State of Art and Future Research Directions. Smart and Sustainable Built Environment. 2019. DOI: 10.1007/s41745-019-00125-9. URL: https://link.springer.com/article/10.1007/s41745-019-00125-9 (дата звернення: 23.10.2025).

Ge L., Fukuda D., Nakamura T., Kurauchi F. Review of Transit Data Sources: Potentials, Challenges, and Opportunities. Sustainability. 2021. 13(20):11450. DOI: 10.3390/su132011450. URL: https://www.mdpi.com/2071-1050/13/20/11450 (дата звернення: 23.10.2025).

Tzika-Kostopoulou D., Mitroglou K., Polydoropoulou A. Big data in transportation: a systematic literature analysis and topic classification. Knowledge and Information Systems. 2024. DOI: 10.1007/s10115-024-02112-8. URL: https://link.springer.com/article/10.1007/s10115-024-02112-8 (дата звернення: 23.10.2025).

Nesmachnow S., et al. Big Data Analysis for Travel Time Characterization in Public Transportation Systems. Sustainability. 2023. 15(19):14561. DOI: 10.3390/su151914561. URL: https://www.mdpi.com/2071-1050/15/19/14561 (дата звернення: 23.10.2025).

Myronenko S., et al. A Case Study of Public Transport in Ukraine. Applied Sciences. 2023. 13(3):67. DOI: 10.3390/app13030067. URL: https://www.mdpi.com/2624-6511/6/3/67 (дата звернення: 23.10.2025).

ISO 8000-1:2022. Data quality. Part 1: Overview. URL: https://www.iso.org/standard/81745.html (дата звернення: 23.10.2025).

Дмитрієва О. І. Оцінювання інноваційного розвитку транспортної інфраструктури. Вісник Київського національного університету технологій та дизайну. Серія: Економічні науки. 2019. № 5(139). С. 8–20. URL: https://er.knutd.edu.ua/handle/123456789/15465 (дата звернення: 23.10.2025).

Дмитрієва О. І. Державне регулювання інноваційного розвитку транспортної інфраструктури. Дисертація д-ра екон. наук. Харківський національний автомобільно-дорожній університет. Харків. 2020. URL: https://kart.edu.ua/wp-content/uploads/2020/11/dmytriieva_dis.pdf (дата звернення: 23.10.2025).

Саяпіна І. І. Оптимізація роботи реляційної бази даних інформаційної системи на транспорті. Transport Systems and Technologies. 2022. № 40. С. 23–31. DOI: 10.32703/2617-9040-2022-40-23. УДК 004.65. URL: https://tst.duit.in.ua/index.php/tst/article/view/359 (дата звернення: 23.10.2025).

Клюєв С. О., Цимбал С. В., Сігонін А. Є. Розвиток інтелектуальних транспортних систем. Вісник машинобудування та транспорту. 2023. № 2(18). С. 80–86. DOI: 10.31649/2413-4503-2023-18-2-80-86. URL: https://doi.org/10.31649/2413-4503-2023-18-2-80-86 (дата звернення: 23.10.2025).

Марків О., Ришковець Ю. Використання технологій Big Data в галузі електротранспорту. Вісник Національного університету «Львівська політехніка». 2024. С. 423–433. URL: https://science.lpnu.ua/sites/default/files/journal-paper/2024/aug/35692/maket2402951-423-433.pdf (дата звернення: 23.10.2025).

ISO/IEC 38505-1:2017. Information technology — Governance of data — Part 1: Application of ISO/IEC 38500 to the governance of data. URL: https://www.iso.org/standard/56639.html (дата звернення: 23.10.2025).

##submission.downloads##

Опубліковано

2025-12-18

Номер

Розділ

Статті