Просторово-часова модель вагової маршрутизації для підтримки економічного планування сільськогосподарського землекористування у приміській зоні Київської агломерації
DOI:
https://doi.org/10.31548/zemleustriy2026.02.05Ключові слова:
цифрове сільське господарство, маршрутизація на основі питомих коефіцієнтів, проміжне програмне забезпечення, інтеграція UAV–IoT–супутникового забезпечення, приміські зони Києва, логістичні витрати, зміна використання земель, сумісність FAIR/OGC, підтримка прийняття рішень, метрики сталого розвиткуАнотація
Аграрний сектор України стикається з комплексним економічним і просторовим тиском: змінами у передміському землекористуванні, ускладненою та порушеною логістикою, нестабільними цінами на паливо та обмеженою мобільністю в умовах воєнного стану. Ці виклики особливо помітні в Київській агломерації, де аграрне виробництво дедалі більше залежить від швидкого перепланування в умовах змінних обмежень. У цьому дослідженні представлена та оцінена платформа маршрутизації на основі коефіцієнтів для цифрового аграрного виробництва в Україні, інтегрована в архітектуру проміжного програмного забезпечення, узгоджена з FAIR/OGC, яка консолідує потоки даних отримані із великої кількості джерел (супутникові EO, зображення БПЛА за дозволом, телеметрія IoT, завантаженість доріг і затори, а також адміністративно-економічні реєстри тощо). Платформа функціонує як інструмент безперервної підтримки прийняття рішень. Вона дозволяє користувачам гнучко налаштовувати маршрути за чотирма критеріями (час, прямі витрати, викиди CO₂e та операційні ризики), тоді як алгоритм автоматично враховує просторові та безпекові обмеження за допомогою жорстких заборонених зон та змінних коефіцієнтів для правильного налаштування модуля обробки даних.
Проведено імітаційне сценарне моделювання роботи алгоритму відбувалося на основі часових даних чотирьох тижнів у приміській зоні Києва з використанням контрольованого сценарію з трьома тижневими шаблонами: базовим (A), стресовим (B): високі ціни на паливо та вищий транспортний ризик) та скоригованим на сталий розвиток (C). Проміжне програмне забезпечення (ПЗ) підтримувало безперервне генерування рекомендацій під час періодичної доступності БПЛА та короткочасної недоступності мережі, застосовуючи перевірку заповнення баз даних та пересилання, асинхронне оновлення та опрацювання часових рядів даних; експортовані повідомлення про маршрути можна було відтворити як CSV/GeoJSON з повним походженням. Аналіз змодельованих сценаріїв показав високу залежність логістичних витрат за тиждень від зміни цін на пальне. Зокрема, порівняно з базовим сценарієм А, прямі витрати зросли на 12,44% у сценарії B та на 6,22% у сценарії C. Водночас гнучке налаштування коефіцієнтів дозволило зберегти стабільний час проходження маршрутів (загальний час у дорозі для B і C навіть зменшився на 1,15%). Крім того, система забезпечила високу точність планування (понад 95% завдань виконано у задані часові вікна) та повністю уникнула маршрутизації через заборонені зони завдяки застосуванню жорстких просторових обмежень. Загальні показники CO₂e фіксувалися стабільними у різних сценаріях за уніфікованих коефіцієнтів викидів, що підкреслює необхідність диференційованих низьковуглецевих діапазонів або баз даних у майбутніх пілотних симуляціях.
Результати свідчать, що стандартизоване проміжне ПЗ та маршрутизація на основі вагових коефіцієнтів може слугувати практичним інструментом управління просторовими даними та аграрною економікою, поєднуючи просторові обмеження, динаміку витрат та індикатори контролю сталості у межах одного операційного робочого процесу.
Отримано: 27.03.2026;
Прийнято: 07.04.2026;
Посилання
1. Agrawal, J., & Arafat, M. Y. (2024). Transforming farming: A review of AI-powered UAV technologies in precision agriculture. Drones, 8(11), Article 664. https://doi.org/10.3390/drones8110664
2. Aich, S., Chakraborty, S., Lee, Y.-K., & Kim, H.-C. (2022). Digital twins in agriculture: A state-of-the-art review. ICT Express, 8(3), 300–312. https://doi.org/10.1016/j.icte.2021.11.006
3. Arz von Straussenburg, S., Aldenhoff, T., & Riehle, D. (2024). Improving OGC SensorThings API for industrial IoT use cases: Lessons from real-world scenarios. In Proceedings of the 27th AGILE Conference on Geographic Information Science. CEUR-WS. http://ceur-ws.org/Vol-3849/forum1.pdf
4. Awais, M., Wang, X., Hussain, S., Aziz, F., & Mahmood, M. Q. (2025). Advancing precision agriculture through digital twins and smart farming technologies: A review. AgriEngineering, 7(5), Article 137. https://doi.org/10.3390/agriengineering7050137
5. Banerjee, S., Mukherjee, A., & Kamboj, S. (2025). Precision agriculture revolution: Integrating digital twins and advanced crop recommendation for optimal yield [Preprint]. arXiv. https://arxiv.org/abs/2502.04054
6. Falcão, L., Matar, S., Rauch, E., Elberzhager, F., & Koch, K. (2023). Next-generation interoperability: A framework for data spaces and OPC UA-based automations. Information, 14(8), Article 440. https://doi.org/10.3390/info14080440
7. Guebsi, R., Mami, S., & Chokmani, K. (2024). Drones in precision agriculture: A comprehensive review of applications, technologies, and challenges. Drones, 8(11), Article 686. https://doi.org/10.3390/drones8110686
8. Lin, C., Choy, K. L., Ho, G. T. S., Chung, S. H., & Lam, H. Y. (2020). Green vehicle routing problem: A state-of-the-art review. International Journal of Production Economics, 228, Article 107749. https://doi.org/10.1016/j.ijpe.2020.107749
9. Liu, J., Zhang, D., Li, X., & Wang, L. (2024). Distribution path optimization of carbon emission-reducing agricultural cold chain logistics based on improved GA. Cleaner Logistics and Supply Chain, 12, Article 100164. https://doi.org/10.1016/j.clscn.2024.100164
10. Miller, T., Mikiciuk, G., Durlik, I., Mikiciuk, M., Łobodzińska, A., & Śnieg, M. (2025). The IoT and AI in agriculture: The time is now—A systematic review of smart sensing technologies. Sensors, 25(12), Article 3583. https://doi.org/10.3390/s25123583
11. Nazarenko, V., & Martyn, A. (2025). Urban growth and agrarian dynamics: Evaluating the Kyiv agglomeration’s economic landscape. Economics and Business Management, 2(16), 24–41. https://doi.org/10.31548/economics/2.2025.24
12. Nazarenko, V., & Ostroushko, B. (2024). Smart city management system utilizing micro-services and IoT-based systems. Energiya, 1(71), 29–38. https://doi.org/10.31548/energiya1(71).2024.029
13. Obayi, R., Choudhary, S., Nayak, R., & Ramanjaneyulu, G. V. (2025). Pragmatic interoperability for human–machine value creation in agri-food supply chains. Information Systems Frontiers. Advance online publication. https://doi.org/10.1007/s10796-024-10567-x
14. Qiao, Y., Ren, P., Tang, H., & Li, Z. (2023). An interoperable and service-oriented approach for real-time environmental modeling by coupling OGC WPS and SensorThings API. Environmental Modelling & Software, 162, Article 105651. https://doi.org/10.1016/j.envsoft.2023.105651
15. Roccatello, E., Pagano, A., Levorato, N., & Rumor, M. (2025). State of the art in Internet of Things standards and protocols for precision agriculture with an approach to semantic interoperability. Network, 5(2), Article 14. https://doi.org/10.3390/network5020014
16. Urdu, D., Berre, A. J., Sundmaeker, H., Rilling, S., Roussaki, I., Marguglio, A., & Wolfert, S. (2024). Aligning interoperability architectures for digital agri-food platforms. Computers and Electronics in Agriculture, 224, Article 109194. https://doi.org/10.1016/j.compag.2024.109194
17. Yousaf, H., Kayvanfar, V., Mazzoni, S., & Elomri, A. (2023). From decision support to Agriculture 4.0: A systematic review of data-driven systems and adoption challenges. Frontiers in Sustainable Food Systems, 7, Article 1107026. https://doi.org/10.3389/fsufs.2023.1107026
18. Zhai, Z., Martínez, J. F., Beltran, V., & Martínez, N. L. (2020). Decision support systems for Agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture, 170, Article 105256. https://doi.org/10.1016/j.compag.2020.105256
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2026 Землеустрій, кадастр і моніторинг земель
TЦя робота ліцензується відповідно до ліцензії Creative Commons Attribution-ShareAlike 4.0 International License.
Стосунки між правовласниками і користувачами регулюються на умовах ліцензії Creative Commons Із Зазначенням Авторства – Некомерційна – Поширення На Тих Самих Умовах 4.0 Міжнародна (CC BY-NC-SA 4.0):https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див.The Effect of Open Access).
