Индекс транспортной доступности как маркетинговый индикатор привлекательности региона

Введение . Роль транспортной доступности как ключевого фактора конкурентоспособности и имиджа регионов . Транспортная доступность в последние годы рассматривается как один из системообразующих факторов территориального развития и конкурентоспособности регионов (Cheng, Chen, 2025; Sánchez-Rivero et al., 2024). Ее значение выходит далеко за пределы инженерных характеристик – плотности дорог, скорости передвижения или количества маршрутов. В современном территориальном маркетинге доступность становится частью имиджа региона, его бренда и восприятия как места, удобного для жизни, инвестиций и туризма (Митрохина, 2025).

Создание позитивного образа территории невозможно без качественной транспортной инфраструктуры и высокой мобильности населения. Регион с развитой сетью общественного транспорта, коротким временем доступа до центра и ключевых сервисов воспринимается как более связанный и открытый для деловой активности. Исследования показывают, что транспортная связанность напрямую коррелирует с экономическим ростом и привлекательностью для бизнеса и населения (Cheng, Chen, 2025; Sánchez-Rivero et al., 2024). Например, в Китае увеличивается интерес к оценке влияния высокоскоростных железных дорог, автомагистралей и авиации на городскую привлекательность: города с лучшей транспортной связанностью демонстрируют более высокие темпы развития и инвестиционную активность (Тархов, 2024).

Таким образом, транспортная доступность выполняет двойную функцию – инфраструктурную и имиджевую. С одной стороны, она обеспечивает реальную связанность территории, расширяя возможности доступа к рынкам труда, образованию и услугам; с другой – формирует восприятие региона как удобного и «достижимого» пространства, что становится важнейшим аргументом в конкурентной борьбе регионов за человеческий капитал и инвестиции. В стратегиях территориального маркетинга этот фактор все чаще используется как элемент позиционирования – регион «продает» себя через комфорт передвижений и доступность ключевых центров притяжения.

Связь доступности с удовлетворенностью и лояльностью: практические исследования . Транспортная доступность влияет не только на экономическую активность, но и на внутреннее восприятие территории ее жителями. В исследованиях территориального маркетинга и урбанистики мобильность рассматривается как важный элемент качества жизни и эмоциональной связанности человека с местом (Митрохина, 2025; Cheng, Chen, 2025). Чем выше удовлетворенность населения транспортной системой, тем выше уровень территориальной лояльности – готовности оставаться в данном регионе, инвестировать в жилье, бизнес или профессиональную деятельность.

Эмпирические данные подтверждают прямую зависимость между транспортной доступностью и демографическими показателями. Так, исследование 25 сельских районов Алтайского края выявило статистически значимую связь между уровнем автобусной доступности и миграционными процессами: в районах с лучшей транспортной обеспеченностью наблюдался больший миграционный и естественный прирост населения (Волкова, 2020). Это указывает на роль транспортной инфраструктуры как фактора удержания и привлечения жителей – своеобразного показателя привязанности к территории.

Проблема удовлетворенности мобильностью актуальна и для крупных городов. Согласно опросу по качеству общественного транспорта в регионах России, только 43 % опрошенных жителей Чувашии сообщили об удовлетворенности транспортным обслуживанием, тогда как 45 % выразили недовольство1. Низкая оценка транспортных сервисов снижает привлекательность региона в глазах жителей и потенциальных мигрантов, формируя негативное восприятие городской среды.

Таким образом, транспортная доступность выступает не только в роли логистического показателя, но и как социально-психологический индикатор – отражает уровень удовлетворенности жителей и их готовность ассоциировать себя с территорией (Митрохина, 2025; Cheng, Chen, 2025). В контексте маркетинга регионов данный аспект приобретает особую значимость: высокий уровень доступности и комфорта передвижений становится частью репутационного капитала региона, повышая его конкурентоспособность и имидж привлекательного места для жизни и инвестиций2.

Ключевые показатели эффективности (Key Performance Indicators, KPI) – метрики транспортной доступности . В последние годы подходы к измерению транспортной доступности значительно эволюционировали: от традиционных инженерных показателей к комплексным индексам, отражающим социальные, экономические и экологические аспекты мобильности (Sánchez-

Rivero et al., 2024). Если ранее основное внимание уделялось количественным параметрам – длине дорог, плотности сети, скорости движения, то современные методики стремятся учитывать пользовательский опыт и устойчивость транспортной системы1.

Среди KPI транспортной доступности выделяются три группы показателей.

Первая – пространственно-временные метрики, оценивающие среднее время в пути от места проживания до ключевых центров занятости, образования или услуг, а также плотность транспортных узлов и маршрутов. Эти индикаторы отражают фактическую связанность территории и служат основой для построения индекса транспортной доступности (Accessibility Index).

Вторая группа – инфраструктурные показатели, описывающие физическое состояние и протяженность транспортной сети: длина дорог на квадратный километр, количество маршрутов общественного транспорта, частота рейсов и охват населения транспортными услугами2. Такие данные традиционно используются при разработке региональных стратегий и инвестиционных программ (Карабаев, Бойков, 2021).

Третья группа – интегральные и качественные индикаторы, которые объединяют технические параметры с оценками восприятия мобильности населением. В их числе Urban Mobility Index (UMI), включающий четыре блока: Connectivity (покрытие и частота общественного транспорта), Affordability (соотношение стоимости проезда и дохода), Sustainability (экологическая устойчивость) и Innovation (использование современных технологий)3. В российской практике аналогичным инструментом является индекс качества городской среды (ИКГС), включающий критерии транспортной доступности, уровня аварийности и загруженности уличной сети4.

Интегральные KPI мобильности постепенно становятся инструментом стратегического управления и территориального маркетинга. Высокие значения подобных индексов используются в позиционировании городов и регионов как территорий с комфортной мобильностью и развитой инфра-структурой5. Таким образом, измерение транспортной доступности трансформируется из задачи транспортного планирования в элемент репутационного анализа территорий, формируя основу для последующего маркетингового индикатора привлекательности региона (Митрохина, 2025).

Transport Connectivity Index (TCI) . Одним из ключевых международных инструментов оценки транспортной доступности является TCI, отражающий степень связанности территорий и эффективность транспортной сети⁶. Этот индекс оценивает, насколько транспортные узлы – города, станции, порты или аэропорты – интегрированы в единую систему и обеспечивают бесперебойное сообщение между регионами⁷.

TCI используется для анализа пространственной связанности и выявления инфраструктурных дисбалансов как внутри страны, так и между регионами. В отчетах Всемирного банка и ООН TCI применяется для оценки физической доступности ключевых объектов – школ, больниц, административных центров – и позволяет отслеживать улучшения инфраструктуры. Например, в одном из проектов Всемирного банка Vietnam Central Highlands Poverty Reduction Project зафиксировано повышение индекса на 9,4 % за период реализации программы, что отражало повышение транспортной доступности и экономической активности8.

Методика расчета TCI не является унифицированной, однако в ее основу обычно включают показатели плотности и протяженности дорожной сети, количества маршрутов и рейсов, времени и стоимости поездок, а также наличия альтернативных транспортных связей9. Расчет может опираться как на физическую связанность (дорог, маршрутов), так и на временную доступность (среднее время в пути до ключевых пунктов). Часто используется графовый анализ транспортной сети, где оценивается число связей между узлами и коэффициенты надежности маршрутов (Sánchez-Rivero et al., 2024).

В региональной политике TCI служит инструментом стратегического планирования и мониторинга (Cheng, Chen, 2025). Низкие значения индекса указывают на изолированные или слабо обеспеченные транспортом территории, что помогает определить приоритеты для инвестиций в инф-раструктуру1. В территориальном маркетинге TCI имеет имиджевую значимость: высокий уровень транспортной связанности усиливает восприятие региона как удобного для бизнеса, логистики и туризма, а также демонстрирует интеграцию в национальные и международные экономические сети2.

В стратегиях Smart City индекс связанности все чаще рассматривается как один из KPI устойчивого развития: он отражает не только транспортную обеспеченность, но и социальное равенство, гарантируя равный доступ жителей к ресурсам и услугам3. Таким образом, Transport Connectivity Index можно рассматривать как основу для оценки инфраструктурного потенциала региона и первый шаг к построению более сложных маркетинговых индикаторов привлекательности территорий (Sánchez-Rivero et al., 2024).

Urban Mobility Index . Другим распространенным инструментом оценки транспортной доступности и качества городской среды является UMI – интегральный показатель, отражающий эффективность городской транспортной системы, удобство и устойчивость перемещений населения⁴. В отличие от TCI, ориентированного преимущественно на инфраструктурную связанность, UMI фокусируется на пользовательском опыте и качестве мобильности в пределах города⁵.

Индекс городской мобильности включает широкий набор параметров: среднее время поездки на работу, уровень дорожных заторов, плотность транспортной сети и остановок, долю населения, охваченную услугами общественного транспорта, а также инклюзивность и экологическую устойчивость транспортных решений6. Например, в международном рейтинге Arthur D. Little’s Urban Mobility Index 2018 г. города оценивались по 27 индикаторам, сгруппированным в три блока: зрелость транспортной системы, инновационность и эффективность7. Аналогичный подход применяется для Deloitte City Mobility Index, где анализируются три направления: производительность и устойчивость, видение и лидерство, а также инклюзивность транспортных сервисов8.

Международные рейтинги показывают, что высокие значения UMI коррелируют с общим качеством жизни и привлекательностью города. Так, исследование Arcadis Sustainable Cities Mobility Index 2017 г. выявило, что города-лидеры – Гонконг, Цюрих и Париж – отличаются сочетанием развитого общественного транспорта, экологичности и инвестиций в инновации9. В отчете Kantar Mobility Futures 2019 г. Москва заняла третье место в рейтинге (индекс 84 из 100), уступив лишь Берлину и Окленду, благодаря высокому охвату общественным транспортом и доступным тарифам10.

В России аналогичные подходы развиваются в рамках инициатив «умный город» и мониторингов качества общественного транспорта. Так, консалтинговая группа SIMETRA с 2019 г. публикует рейтинг российских городов по качеству транспортных систем на основе более чем 60 индикаторов, включая охват населения, скорость движения и интеграцию видов транспорта11. Эти рейтинги активно используются муниципалитетами для планирования транспортной политики и позиционирования городов на рынке инвестиций и туризма.

UMI выполняет сразу две функции: аналитическую – позволяя оценить эффективность транспортной системы, и маркетинговую – служа показателем конкурентоспособности и инновационного потенциала города1. Высокое место в международных индексах, как показывает практика Москвы, используется в пиар-стратегиях и формирует позитивный имидж территории в глазах инвесторов и жителей2. Таким образом, Urban Mobility Index становится не просто техническим рейтингом, а значимым маркетинговым индикатором качества городской среды и привлекательности региона.

Индекс качества городской среды . В российской практике оценка транспортной доступности и городской мобильности интегрируется в более широкий показатель – ИКГС, ежегодно рассчитываемый Министерством строительства и жилищно-коммунального хозяйства РФ³. Этот индекс является инструментом государственной оценки состояния городской инфраструктуры и комфортности среды, включая транспортные аспекты как одну из ключевых составляющих⁴.

Методика ИКГС охватывает шесть направлений: благоустройство, безопасность, экология, социальная инфраструктура, жилищная среда и эффективное управление5. В разделе, посвященном транспортной составляющей, учитываются такие показатели, как загруженность уличнодорожной сети, индекс пешеходной доступности, доля населения, обеспеченного остановками общественного транспорта, а также уровень безопасности дорожного движения (Митрохина, 2025). Таким образом, транспортные индикаторы вносят вклад в общую оценку качества городской среды и отражают уровень транспортной обеспеченности населения.

Несмотря на комплексный характер ИКГС, транспортные параметры в его структуре занимают относительно небольшой удельный вес (из 36 индикаторов лишь часть связана с мобильностью). Поэтому ИКГС не всегда позволяет детально оценить различия между городами именно по аспектам транспортной доступности6. Тем не менее результаты применения индекса активно используются муниципалитетами и инвесторами для анализа комфортности городской среды и позиционирования городов в региональных и федеральных рейтингах7.

Взаимосвязь между ИКГС и международными индексами мобильности прослеживается достаточно четко: города с высокими баллами по ИКГС, как правило, демонстрируют хорошие показатели по Urban Mobility Index и аналогичным рейтингам8. Так, Москва, набравшая в 2021 г. 276 баллов из 360 возможных, продемонстрировала высокий уровень транспортной доступности и комфорта, что выразилось и в ее сильных позициях в международных индексах мобильности9.

Таким образом, ИКГС можно рассматривать как национальный аналог международных индексов мобильности, ориентированный на комплексную оценку городской среды. Он играет роль системного инструмента для оценки привлекательности территорий, объединяя физическую инфраструктуру, транспортную связанность и качество городской жизни10. В сочетании с такими показателями, как Transport Connectivity Index и Urban Mobility Index, ИКГС формирует многомерное представление о транспортной привлекательности региона не только с инженерной, но и с маркетинговой точки зрения.

Актуальность нового индекса транспортной доступности (ИТД) . Несмотря на разнообразие существующих индексов и методик – от международных рейтингов мобильности (Transport Connectivity Index, Urban Mobility Index) до национальных интегральных показателей (ИКГС), все они имеют ограниченную применимость для анализа транспортной доступности пригородных территорий крупных агломераций¹¹. TCI ориентирован преимущественно на инфраструктурные показатели межрегионального уровня, а UMI – на качество транспортной системы внутри городов-миллионников¹². В свою очередь, ИКГС охватывает широкий спектр параметров городской среды, где транспорт играет лишь одну из ролей и не позволяет выделить его влияние на привлекательность конкретных пригородных зон¹³.

Однако именно пригороды и зоны маятниковой миграции становятся ключевыми пространствами роста крупных городских агломераций. По мере расширения мегаполисов увеличивается число жителей, ежедневно совершающих поездки между центром и периферией, а значит, время и комфорт транспортного сообщения становятся важнейшими факторами выбора места жительства и работы (Митрохина, 2025; Cheng, Chen, 2025; Sánchez-Rivero et al., 2024). Для таких территорий транспортная доступность не просто показатель инфраструктуры, а критический элемент конкурентоспособности и маркетинговой привлекательности региона (Cheng, Chen, 2025).

В связи с этим возникает необходимость в разработке индекса транспортной доступности – специализированного показателя, отражающего качество и эффективность транспортных связей между пригородом и центральной частью агломерации. В отличие от TCI и UMI ИТД фокусируется на временных потерях маятниковых поездок и доступности центров притяжения, выступая как маркетинговый индикатор территориальной привлекательности (Cheng, Chen, 2025; Sánchez-Rivero et al., 2024). Он позволяет оценить, насколько комфортно и быстро жители пригородных зон могут добраться до ключевых экономических, образовательных и культурных узлов, что напрямую влияет на восприятие региона как удобного для жизни и инвестиций (Митрохина, 2025; Cheng, Chen, 2025).

Разработка ИТД имеет прикладное значение для территориального маркетинга и управления развитием агломераций (Карабаев, Бойков, 2021). Во-первых, она создает инструмент для сравнительного анализа пригородов по уровню транспортной связанности. Во-вторых, ИТД может служить основой для стратегического позиционирования муниципалитетов: чем выше индекс, тем привлекательнее территория в глазах жителей и инвесторов. В-третьих, включение ИТД в систему KPI региональной политики позволит более точно оценивать результаты инфраструктурных проектов и корректировать направления инвестиций в транспортную сферу1.

Таким образом, введение индекса транспортной доступности восполняет существующий аналитический пробел между макроуровневыми и городскими индексами мобильности. Он сочетает инженерные характеристики сети, социальное восприятие мобильности и маркетинговую оценку привлекательности территории, формируя новый подход к измерению конкурентоспособности регионов в условиях пространственной поляризации и урбанизационного роста (Митрохина, 2025; Cheng, Chen, 2025; Sánchez-Rivero et al., 2024).

Методика . Эмпирической основой исследования послужил массив пространственно-временных данных о маятниковых автомобильных поездках в Московской агломерации за период 2020–2024 гг. Данные собраны с использованием авторской ГИС-методики мониторинга транспортной доступности, основанной на телематических данных платформы «Яндекс.Пробки». Метод сочетает пространственный анализ с автоматизированным сбором информации о фактических скоростях и времени в пути по маршрутам «город – Москва – город». Для каждого из более чем 60 городов Московской области ежечасно собирается информация о состоянии маршрутов, соединяющих центральную точку города с центром столицы в обоих направлениях. Она обеспечивает достоверные сведения о состоянии транспортной сети региона в плане транспортного сообщения между центром и пригородами.

Мониторинг осуществлялся по двум временным индикаторам:

• 1 . UT MIN – минимальное удельное время проезда, мин/км, характеризующее топологическую доступность, т. е. качество и протяженность транспортной сети без влияния перегрузок;

• 2 . UT PROB – удельное время поездки в часы пик, рассчитываемое для интервалов 6:00– 9:00 и 16:00–19:00 по рабочим дням, отражающее реальные задержки, вызванные пробками.

Для каждого города оба показателя усреднялись по направлению туда-обратно и по календарному году. Это позволило минимизировать сезонные и погодные колебания и обеспечить сопоставимость временных рядов. Методологически подход дает возможность объединить объективную (географию и топологию сети) и поведенческую (динамику перегрузок) компоненты, что делает его релевантным для задач маркетинговой аналитики. В отличие от традиционных инженерных измерений такая система сбора данных отражает функциональную доступность территории – то, как реально воспринимается транспортная связанность региона его жителями.

В результате сформирован единый набор исходных метрик, который лег в основу построения двух индексов транспортной доступности:

• –    ИТДтопо/ITATOPO (топологический) – на основе UT MIN , характеризует устойчивое качество инфраструктуры и географическую связанность;

• –    ИТДпроб/ITACONG (по пробкам) – на основе UT PROB , отражает динамическое поведение системы и уровень потерь времени в результате перегрузок.

Таким образом, исходные данные обеспечивают возможность комплексного анализа транспортной доступности и ее маркетинговой интерпретации – как устойчивого структурного параметра региона и как фактора, влияющего на его воспринимаемую привлекательность.

Построение индексов транспортной доступности. Радиальная модель. Для количественного анализа транспортной доступности и построения интегральных индексов использована радиальная модель зависимости удельного времени поездки UT от расстояния до центра Москвы. Основная гипотеза заключается в том, что расстояние r является главным пространственным фактором, определяющим транспортную связанность в рамках агломерации.

На первом этапе по каждому году строилась аппроксимация эмпирических зависимостей:

UT = F ( r ),                                               (1)

где UT – удельное время поездки, мин/км;

• r    – расстояние от центра Москвы до города.

Подбор модели . Были протестированы несколько аналитических форм:

• –    обратный полином a + b/r + c/r ²;

• –    экспоненциальное насыщение a + b exp(- cr) ;

• –    логарифмическая зависимость a + b ln( r );

• –    обобщенная рациональная форма a + b/r^k ;

• –    смешанная экспорациональная модель a + b/r + c exp( -dr ).

Сравнение моделей проводилось по коэффициенту детерминации R ², среднеквадратичному отклонению (RMSE) и информационным критериям Акаике (AIC) и Байеса (BIC). Результаты показали, что наиболее устойчивую и интерпретируемую аппроксимацию обеспечивает логарифмическая зависимость:

UT = a 0 + b 0 ln( r ) = a + b ln( r/r о ).                                  (2)

Эта форма отражает эмпирически наблюдаемый эффект затухания влияния центра: вблизи Москвы время поездки возрастает резко (но не экспоненциально), но по мере увеличения расстояния рост становится замедленным и выходит на насыщение. Основные параметры уравнения (2) и важные производные величины:

• –    a – базовый уровень удельного времени в центре агломерации, мин/км;

• –    b – пространственный градиент доступности (обычно отрицательный), характеризующий, насколько быстро возрастает время с увеличением расстояния;

• –    r о – опорный радиус, выбранный равным 17 км, что соответствует средней границе МКАД и обозначает внешнюю границу ядра Московской агломерации;

• –    UT ( r о ) – эталонное удельное время на этом радиусе, интерпретируемое как базовый уровень транспортной доступности региона, мин/км;

• –    T ( r о ) = r о UT ( r о ) – эталонное время поездки из опорного радиуса в центр агломерации (другой вариант оценки базового уровня транспортной доступности), мин.

Нормировка и расчет индексов . После фитирования параметров базовой модели (2) для каждого года и каждой группы показателей ( UT MIN и UT PROB ) рассчитывались индексы транспортной доступности, характеризующие отклонения фактических значений от базового тренда.

Для каждого I -го города вычислялась разность между реальным и модельным показателями:

ΔUT^I = UT^I M - UT^I R .                                       (3)

Для устранения зависимости индекса от радиуса при одновременном сохранении реальных единицы измерения, мин/км, мы использовали универсальную безразмерную нормировку на производную модели:

ITA ^I = Δ UT^I ∣ dUT M /dr ∣ rI / ∣ dUT M /dr ∣ r о = Δ UT^I × r I /r о .                         (4)

Расчет в формуле (4) сделан для логарифмической модели (2), для которой dUT/dr = b/r .

Соответственно, индекс ITA ^I представляет собой эквивалентное отклонение транспортной доступности, приведенное к единому опорному радиусу r о , равному 17 км. Отрицательные значения ITA ^I отвечают снижению доступности (реальное время поездки выше, чем по модели), положительные – повышению (реальное время поездки меньше, чем ожидалось).

Типология индексов . Построены два варианта индекса:

• 1.    ITA TOPO – на основе UT MIN , отражает топологическую доступность, определяемую географией сети и качеством инфраструктуры;

• 2.    ITA CONG – на основе UT PROB , показывает дополнительные потери времени из-за пробок, т. е. поведенческий, динамический компонент транспортной системы.

Таким образом, ITA TOPO характеризует устойчивую структурную часть доступности, а ITA CONG – ее изменчивую поведенческую составляющую. Совокупность двух индексов позволяет рассматривать транспортную систему одновременно и как инфраструктуру, и как маркетинговый ресурс региона, демонстрируя, насколько комфортно и предсказуемо функционирует городская мобильность.

Результаты . Динамика базовых моделей . На первом этапе анализа фитировались логарифмические модели (2) зависимости удельного времени поездки UT от расстояния до центра Москвы r по данным за 2020–2024 гг. отдельно для двух показателей – топологического времени UT MIN и времени с учетом пробок UT PROB (рисунок 1). Полученные результаты фитов базовой модели представлены на рисунке 2 и в таблице 1 и обсуждаются далее.

A 2021

• • 2020

▲ 2021

• ■ 2022

■ 2022

Рисунок 1 – Результаты фитов базовой модели (2) для топологического индекса ITA TOPO (слева) и индекса по пробкам ITA CONG (справа) по данным 2020–2024 гг. для Подмосковья¹

Figure 1 – Results of Fitting the Base Model (2) for the ITATOPO Topological Index (Left) and the ITACONG Traffic Jam Index (Right) Based on 2020–2024 Data for the Moscow Region

Таблица 1 – Параметры фита логарифмической модели (2) для Московской агломерации в 2020–2024 гг., r о = 17 км, мин/км

Рисунок 2 – Динамика параметров фита базовой модели (2) топологического индекса ITA TOPO (слева) и индекса по пробкам ITA CONG (справа) по данным 2020–2024 гг. для Подмосковья

Table 1 – Fit Parameters of the Logarithmic Model (2) for the Moscow Agglomeration in 2020–2024, r о = 17 km, min/km

Год	UT MIN (ITA TOPO )				UT PROB (ITA CONG )
	a	b	UT ( r о )	T ( r о )	a	b	UT ( r о )	T ( r о )
2020	1,69	–0,225	1,05	17,9	1,02	–0,156	0,57	9,8
2021	1,52	–0,175	1,03	17,5	1,53	–0,275	0,75	12,8
2022	1,53	–0,176	1,03	17,5	1,42	–0,253	0,70	12,0
2023	1,53	–0,173	1,04	17,6	1,38	–0,243	0,69	11,6
2024	1,47	–0,162	1,01	17,1	1,39	–0,256	0,66	11,3

Figure 2 – Dynamics of the Fit Parameters of the Base Model (2) of the ITATOPO Topological Index (Left) and the ITACONG Traffic Jam Index (Right) Based on 2020–2024 Data for the Moscow Region

Топологическая доступность ( UT MIN ). Значения параметра a (базового уровня) последовательно снижаются с 1,69 до 1,47 мин/км, что свидетельствует об общем улучшении транспортных условий в ядре агломерации. Параметр b (градиент пространственного ухудшения доступности) также по модулю уменьшается, отражая снижение контраста между центром и периферией. На опорном радиусе r о = 17 км (граница МКАД) значение UT ( r о ) снизилось с 1,05 до 1,01 мин/км, что подтверждает устойчивое повышение связности сети и выравнивание доступности по радиусу. Эти изменения демонстрируют структурные эффекты транспортного развития 2020–2024 гг. – введение новых скоростных трасс, развитие Московских центральных диаметров, завершение участков Центральной кольцевой автодороги. Таким образом, базовая топология сети выявляет тенденцию к изотропизации, т. е. к уменьшению зависимости транспортной эффективности от положения относительно центра.

Динамика по пробкам UT PROB отражает эволюцию реальных транспортных потерь из-за пробок. Аномально низкое значение в 2020 г. связано с COVID-ограничениями и снижением мобильности. Резкое увеличение параметра a в 2021 г. (+50 %) указывает на возвращение интенсивных потоков и перегрузку центральных зон. С 2022 г. наблюдается постепенное улучшение – значения UT ( r о ) уменьшаются с 0,75 до 0,66 мин/км, что соответствует сокращению средних потерь времени в часы пик на 12 %.

По модулю коэффициент b остается в пределах 0,24–0,27, подтверждая устойчивую зависимость пробочного эффекта от расстояния: влияние центра остается доминирующим, но постепенно ослабевает. Таким образом, динамическая часть доступности демонстрирует переход от резких колебаний (2020–2021 гг.) к стабилизации и умеренному снижению потерь (2022–2024 гг.). Это указывает на повышение адаптивности транспортной системы – улучшение синхронизации потоков и частичное перераспределение маятниковой мобильности.

В целом логарифмическая модель устойчиво и наилучшим образом из рассмотренных типов моделей описывает оба типа данных. Для топологической доступности она отражает стабильные структурные сдвиги транспортной сети, а для динамической доступности – адаптационные процессы, связанные с поведением пользователей и нагрузкой на радиальные магистрали. Совместно они образуют основу для расчета индексов транспортной доступности, представленных в следующих подразделах.

Анализ полученных индексов транспортной доступности . Топологический компонент транспортной доступности ITA TOPO отражает устойчивую структурную часть транспортной системы – качество дорожной сети, конфигурацию радиальных направлений и базовую связанность города с центральной зоной. Поскольку данный показатель основан на минимальном удельном времени поездки, он характеризует физико-географическую и инфраструктурную доступность без влияния временных перегрузок и поведенческих факторов.

Пространственная структура и распределение индекса ITA TOPO . Пространственное распределение значений ITA TOPO по городам Московской области показано на рисунке 3. Форма распределения и разброс значений изменяются во времени, что указывает на динамику равномерности транспортной инфраструктуры.

• –    2020 г. – распределение широкое и близкое к симметричному. Существенная дифференциация: часть городов имела значения ниже нуля (лучше базового тренда), часть – заметно выше. Это отражает неоднородность качества дорог и доступности в начале периода.

• –    2021–2022 гг. – сдвиг распределения вверх (в сторону положительных значений) и уменьшение разброса. Это свидетельствует о повышении общей доступности и сглаживании различий между территориями – инфраструктура стала более равномерной.

• –    2023 г. – стабилизация: среднее значение индекса близко к нулю, вариация минимальна. Наблюдается равновесие между улучшениями на периферии и локальными замедлениями в центральных зонах.

• –    2024 г. – распределение вновь слегка расширяется, появляется хвост отрицательных значений индекса, что указывает на небольшое ухудшение доступности отдельных направлений, вероятно связанных с временными ограничениями движения или перегрузкой вылетных магистралей.

Таким образом, по пространственной картине видно, что в 2022–2023 гг. зафиксирован пик сбалансированности транспортной системы, а в 2024 г. начались признаки вторичной дифференциации, типичной для насыщенных сетей, где дальнейшие улучшения требуют качественно новых решений.

Маркетинговая интерпретация показателя. С точки зрения маркетинга территорий ITA TOPO отражает структурный потенциал региона – насколько физически доступна территория, как быстро можно достичь ключевых центров занятости и услуг. Для муниципалитетов с низким (лучшим) значением индекса это означает:

• –    повышенную привлекательность для инвестиций благодаря хорошему транспортному положению;

• –    более высокий рейтинг комфортности проживания, особенно для маятниковых мигрантов;

• –    больший потенциал повышения стоимости недвижимости за счет удобной связности.

Рисунок 3 – Динамика ITA TOPO в Подмосковье в 2020–2024 гг.

Figure 3 – Dynamics of ITA TOPO in the Moscow Region in 2020–2024

В динамике 2020–2024 гг. наблюдается тенденция возрастания территориальной сбалансированности, что усиливает конкурентные позиции всей Московской области как единой агломерационной системы. Одновременно слабое ухудшение в 2024 г. в отдельных направлениях может сигнализировать о наступлении стадии структурного насыщения, когда дальнейшее повышение доступности требует не расширения пропускной способности, а перехода к мультимодальным решениям – интеграции автомобильного и рельсового транспорта, созданию перехватывающих узлов и развитию локальных субцентров.

В целом индекс ITA TOPO демонстрирует устойчивое снижение пространственного контраста и улучшение инфраструктурной связности, что подтверждает эффективность долгосрочной транспортной политики Московской агломерации и ее влияние на восприятие региона как связанного и удобного для жизни пространства.

Динамический компонент загрузок (пробок) ITA CONG . Отражает поведенческую составляющую мобильности – дополнительные временные потери, возникающие вследствие пробок, перегрузок и неравномерного распределения потоков в час пик. Если топологический компонент характеризует структурное качество сети, то ITA CONG показывает, насколько эффективно она функционирует в реальном режиме эксплуатации.

Общие закономерности и пространственная структура ITA CONG . Пространственное распределение ITA CONG отличается большей изменчивостью, чем у топологического индекса (рисунок 4). Если базовая геометрия сети остается относительно постоянной, то поведение пользователей и плотность трафика формируют динамическую, сезонно и социально обусловленную картину перегрузок.

• –    2020 г. – значения индекса минимальны. Это связано с COVID-ограничениями и резким снижением маятниковой мобильности. Распределение ITA CONG узкое, большинство городов имеют низкие (лучшие) значения – эффект пустых дорог.

• –    2021 г. – резкое расширение распределения и сдвиг в положительную зону: пробки возвращаются быстрее, чем восстанавливается структура потоков. Влияние центра усиливается, различия между городами возрастают.

• –    2022–2023 гг. – постепенное улучшение. Центр распределения смещается вверх, разброс уменьшается. Система адаптируется: появляются новые маршруты, часть мобильности перераспределяется за счет удаленной занятости.

• –    2024 г. – небольшое повышение дисперсии, появление отрицательного хвоста распределения. Это отражает увеличение локальных перегрузок на отдельных вылетных магистралях, вероятно связанных с возрастанием количества частных поездок и изменением маятниковых потоков.

Плотность распределения

Рисунок 4 – Динамика ITA CONG в Подмосковье в 2020–2024 гг.

Figure 4 – Dynamics of ITA CONG in the Moscow Region in 2020–2024

Таким образом, ITA CONG демонстрирует волнообразную динамику, в которой периоды перегрузки сменяются фазами стабилизации. Это естественный признак адаптации транспортной системы мегаполиса к меняющимся поведенческим паттернам.

С маркетинговой точки зрения ITA CONG представляет собой чувствительный индикатор качества городской жизни, отражающий восприятие доступности жителями и инвесторами. Если ITA TOPO описывает потенциал территории, то ITA CONG – ее ежедневный пользовательский опыт. Снижение ITA CONG означает следующее:

• –    жители тратят меньше времени на поездки в центр и обратно, повышая субъективную удовлетворенность мобильностью;

• –    бизнес получает более предсказуемую логистику и стабильность временных издержек;

• –    регион усиливает имидж территории с эффективной мобильностью – важный фактор привлекательности для инвесторов и мигрантов.

В динамике 2020–2024 гг. можно выделить три этапа:

• 1.    2020 г. – аномальный минимум: искусственное улучшение вследствие снижения мобильности;

• 2.    2021 г. – всплеск перегруженности: эффект отложенных перемещений;

• 3.    2022–2024 гг. – постепенная нормализация: повышение адаптивности транспортной системы и оптимизация потоков.

С точки зрения восприятия региона эта динамика означает переход от неустойчивой и стрессовой модели мобильности (2021 г.) к устойчивой и предсказуемой (2023–2024 гг.), что усиливает привлекательность Московской агломерации как места с повышенным качеством передвижений.

В отношении динамического показателя можно сделать следующие выводы:

• –    ITA CONG обладает высокой чувствительностью к изменениям поведения и плотности населения, что делает его инструментом мониторинга реального времени в маркетинге территорий;

• –    в отличие от ITA TOPO этот показатель фиксирует восприятие доступности, а не ее потенциал, и потому ближе к категориям качества жизни и лояльности жителей;

• –    устойчивое снижение индекса в 2022–2024 гг. говорит о повышении функциональной устойчивости транспортной системы и согласованности развития инфраструктуры с социальными и экономическими процессами.

Таким образом, динамический компонент ИТД не только описывает транспортную эффективность, но и служит маркетинговым индикатором эмоционального комфорта и предсказуемости среды, напрямую влияющим на репутацию и конкурентоспособность региона.

Сравнение с ИКГС . Для проверки маркетинговой интерпретации индекса транспортной доступности проведено сопоставление с индексом качества городской среды – официальным интегральным показателем комфортности городской среды, ежегодно рассчитываемым Минстроем РФ¹. ИКГС отражает совокупное качество городской инфраструктуры, включая благоустройство, безопасность, экологию, социальные объекты и транспортную обеспеченность. Поскольку транспортная доступность является частью восприятия территории и напрямую влияет на уровень комфортности, ожидается наличие статистической связи между ИТД и ИКГС. Для анализа использованы данные по всем городам Московской агломерации за 2020–2024 гг.

Корреляционный анализ проведен отдельно для двух компонент транспортной доступности – топологической ITA TOPO и динамической ITA CONG , результаты представлены в таблице 2.

Таблица 2 – Результаты корреляционного анализа ИТД и ИКГС в 2020–2024 гг.

Table 2 – Results of the Correlation Analysis of ITD and ICG in 2020–2024

Показатель	2020	2021	2022	2023	2024
ITA TOPO	0,095	0,093	0,129	0,078	0,047
ITA CONG	0,109	0,118	0,146	0,175	0,184

Интерпретация результатов . Топологический индекс ITA TOPO демонстрирует слабую корреляцию с ИКГС на всем временном интервале. Это говорит о высокой устойчивости инфраструктурной основы Московской агломерации: различия между городами в геометрии сети и качестве дорог меняются медленно и слабо зависят от текущего уровня благоустройства. Такой результат подтверждает, что топологическая часть доступности выступает структурным параметром, формирующим долгосрочный каркас транспортной привлекательности региона.

Индекс по пробкам ITA CONG показывает более выраженную корреляцию, возрастающую в рассматриваемом периоде от 11 до 18 %. Это отражает усиление согласованности между динамическими аспектами мобильности и качеством городской среды: города, где реализуются программы благоустройства и управления трафиком, демонстрируют меньшие транспортные потери. Таким образом, поведенческая компонента ИТД оказывается чувствительна к урбанистическим и социальным инициативам, что делает ее особенно ценной для маркетингового анализа.

Маркетинговая интерпретация . ИТД и ИКГС описывают разные, но взаимодополняющие стороны территориальной привлекательности. Если ИКГС фиксирует восприятие среды (комфорт, благоустройство, безопасность), то ИТД измеряет функциональную доступность – насколько легко жители и бизнес могут воспользоваться преимуществами этой среды. Для маркетинга территорий это имеет ключевое значение. Высокий ИКГС без сопоставимого уровня транспортной доступности снижает реальную привлекательность города, поскольку физическая связанность становится ограничением для потребления услуг и вовлеченности жителей. Напротив, сбалансированное сочетание высоких значений ИКГС и ИТД формирует синергетический эффект бренда территории – образ удобного, связанного и комфортного места для жизни и инвестиций.

Таким образом, результаты подтверждают концептуальную валидность ИТД как маркетингового индикатора привлекательности региона. Он не заменяет, а дополняет ИКГС, обеспечивая аналитическую глубину при стратегическом позиционировании муниципалитетов, разработке брендов и оценке инвестиционного климата территорий.

Совместный анализ индексов . Совместное рассмотрение двух компонент – топологической ITA TOPO и динамической ITA CONG – позволяет оценить транспортную доступность региона в целостном виде: как структурную основу мобильности и как поведенческую реакцию системы на нагрузку. Такой подход обеспечивает многомерное понимание транспортной привлекательности агломерации, объединяя технические и маркетинговые аспекты.

Сопоставление динамики показателей. С 2020 по 2024 г. оба индекса демонстрируют снижение средних значений, что указывает на общее повышение транспортной доступности Московской агломерации. Однако характер изменений различен:

• –    ITA TOPO снижается медленно и равномерно (–4 % за 4 года), отражая долгосрочное структурное совершенствование сети;

• –    ITA CONG изменяется волнообразно (–12 % за 3 года после пика 2021 г.), фиксируя адаптационные процессы транспортной системы и пользователей.

Разница в темпах и форме динамики подтверждает, что топологическая и поведенческая составляющие отражают разные стороны одной системы: первая задает потенциал, вторая реализует его в реальном времени.

Вопрос интеграции индексов. Для аналитических целей индексы могут рассматриваться по отдельности, что позволяет дифференцировать источники проблем: ITA TOPO – инфраструктурные (качество и геометрия сети), ITA CONG – эксплуатационные (перегрузки, организация движения). Однако для стратегической оценки восприятия региона как удобного и доступного пространства можно использовать взвешенную комбинацию двух индексов:

ITA TOT = w T × ITA TOPO + w C × ITA CONG .                              (5)

• В    зависимости от цели анализа можно предложить разные соотношения весов (таблица 3).

Таблица 3 – Предлагаемые значения весов для различных видов анализа

Table 3 – Suggested Weight Values for Different Types of Analysis

Цель анализа	w T	w C	Интерпретация
Стратегическое планирование инфраструктуры	0,7	0,3	Акцент на устойчивости и долгосрочном развитии
Оценка качества жизни и привлекательности	0,5	0,5	Баланс восприятия и функциональности
Мониторинг городской мобильности	0,4	0,6	Акцент на реальных поведенческих эффектах

Такая взвешенная интеграция позволяет создать универсальный индекс транспортной эффективности ITA TOT , который может использоваться как маркетинговый индикатор привлекательности региона в комплексных рейтингах и публичных коммуникациях.

Маркетинговое значение результатов. Совместный анализ двух индексов раскрывает многоуровневую структуру транспортной привлекательности региона:

• –    ITA TOPO задает базовый имидж связанного региона с развитой инфраструктурой;

• –    ITA CONG формирует восприятие комфортного и предсказуемого передвижения – ключевого фактора лояльности жителей и привлекательности для инвесторов.

Для территориального маркетинга важно, что оба показателя имеют комплементарный характер. Высокий уровень инфраструктурной связанности без снижения перегрузок воспринимается как нереализованный потенциал, а увеличение поведенческой доступности при слабой сети – как временный эффект. Только их сбалансированное сочетание создает устойчивый образ эффективной и комфортной агломерации.

Таким образом, интеграция ИТД в маркетинговую аналитику регионов позволяет перейти от оценки наличия инфраструктуры к оценке ее восприятия и функциональной результативности, что делает индекс инструментом не только транспортного планирования, но и управления репутацией территорий.

Заключение . Результаты исследования подтверждают, что транспортная доступность выступает не только функциональной характеристикой пространственной организации агломерации, но и ключевым маркетинговым индикатором ее привлекательности. Разработанный нами индекс транспортной доступности, основанный на двух взаимодополняющих компонентах – топологическом ITA TOPO и динамическом ITA CONG , позволяет комплексно оценивать как устойчивую инфраструктурную связанность региона, так и воспринимаемое качество мобильности населения.

Топологический индекс отражает долговременные свойства транспортной сети и демонстрирует устойчивое улучшение базовой связности Московской агломерации в 2020–2024 гг., сопровождающееся снижением контраста между центром и периферией (прил.). Это свидетельствует о выравнивании пространственной структуры и формировании более сбалансированной модели территориальной доступности. Динамический индекс, напротив, фиксирует поведенческие аспекты мобильности и чувствителен к социально-экономическим изменениям. Его волнообразная динамика – от постковидного пика перегрузок к последующей стабилизации – отражает адаптацию транспортной системы и повышение ее функциональной устойчивости.

Сопоставление ИТД с ИКГС подтвердило взаимосвязь между восприятием городской среды и фактической транспортной доступностью. Наиболее тесная корреляция выявлена по динамическому компоненту, что подчеркивает важность управления мобильностью и организацией движения как факторов имиджа и лояльности населения. В совокупности ИТД и ИКГС формируют многомерную систему оценки территориальной привлекательности, где инфраструктурная обеспеченность и субъективное восприятие комфорта взаимно усиливают друг друга.

С методологической точки зрения ИТД представляет собой универсальный инструмент маркетинговой аналитики регионов, применимый как для мониторинга транспортных реформ, так и для стратегического позиционирования муниципалитетов. Его использование позволяет перейти от оценки наличия инфраструктуры к анализу качества и предсказуемости передвижений, что делает показатель релевантным для задач территориального брендинга, инвестиционной привлекательности и устойчивого развития.

Таким образом, индекс транспортной доступности может рассматриваться как новый элемент репутационного капитала территории. Он отражает степень ее связанности – физической, поведенческой и эмоциональной – с ядром агломерации и внешним пространством, становясь важным ориентиром в маркетинговых стратегиях регионов, стремящихся к повышению конкурентоспособности и качества жизни населения.

Приложение:

Значения индекса ИТД (расчет по методике данной работы) для городов Подмосковья в 2020–2024 гг.

Values of the ITD Index (Calculated Using the Methodology of This Work) for Cities in the Moscow Region in 2020–2024

ID	Город	ИТД ТОПО /ITA TOPO					ИТД ПРОБ /ITA CONG
		2020	2021	2022	2023	2024	2020	2021	2022	2023	2024
0	Апрелевка	–0,29	–0,30	–0,31	–0,29	–0,23	–0,41	–0,45	–0,42	–0,52	–0,60
1	Балашиха	0,16	0,22	0,24	0,18	0,22	0,18	0,17	0,16	0,15	0,20
2	Бронницы	0,33	0,01	0,12	0,01	–0,31	0,07	0,47	0,22	0,50	0,68
3	Верея	–0,19	0,05	–0,08	–0,01	–0,01	–0,32	–0,60	–0,63	–0,74	–0,62
4	Видное	–0,13	–0,23	–0,19	–0,13	–0,11	0,24	0,41	0,40	0,42	0,36
5	Волоколамск	–0,53	–0,70	–0,72	–0,42	–0,61	–0,76	–0,61	–0,57	–0,74	–0,37
6	Воскресенск	0,19	0,15	0,15	–0,03	0,17	0,53	0,24	0,15	0,48	0,30
8	Голицыно	–0,35	–0,31	–0,35	–0,36	–0,32	–0,55	–0,67	–0,64	–0,67	–0,76
9	Дедовск	–0,03	–0,14	0,06	0,03	0,10	0,06	0,07	–0,11	0,03	0,01
10	Дмитров	0,04	0,02	0,07	0,14	0,18	–0,24	–0,24	–0,23	–0,30	–0,09
11	Долгопрудный	–0,03	–0,02	–0,01	–0,05	0,05	–0,16	–0,23	–0,22	–0,17	–0,20
12	Домодедово	–0,02	–0,19	–0,09	0,03	0,09	0,07	0,36	0,31	0,29	0,24
13	Дубна	0,03	0,07	0,00	0,13	0,33	0,13	0,19	0,44	0,36	0,43
14	Егорьевск	0,14	0,74	0,60	0,47	0,43	1,34	0,75	0,92	1,27	0,78
15	Жуковский	0,22	0,28	0,16	0,16	0,15	0,27	0,46	0,28	0,43	0,31
16	Зарайск	–0,02	0,18	–0,05	0,50	0,34	0,14	0,21	0,60	0,14	0,47
17	Звенигород	–0,31	–0,38	–0,37	–0,38	–0,30	–0,54	–0,64	–0,64	–0,53	–0,54
18	Ивантеевка	0,03	0,03	0,04	0,04	–0,07	0,01	–0,05	–0,12	–0,09	0,10
19	Истра	–0,31	–0,29	–0,28	–0,23	–0,19	–0,53	–0,66	–0,59	–0,57	–0,55
20	Кашира	–0,42	–0,12	–0,08	–0,01	–0,02	0,14	–0,04	0,00	0,01	0,25
21	Клин	–0,54	–0,54	–0,51	–0,40	–0,34	–0,47	–0,57	–0,57	–0,67	–0,44
22	Коломна	0,32	0,54	0,64	0,35	0,46	0,84	0,43	0,17	0,66	0,64
23	Королев	–0,05	–0,03	–0,12	–0,02	–0,02	0,07	0,10	0,16	0,07	0,13
24	Котельники	–0,01	0,02	–0,01	–0,05	–0,02	0,01	0,01	0,09	0,09	0,04
25	Красногорск	–0,09	–0,06	–0,02	–0,04	–0,01	0,04	–0,08	–0,12	–0,09	–0,10
26	Краснознаменск	–0,30	–0,31	–0,30	–0,34	–0,28	–0,53	–0,63	–0,59	–0,60	–0,71
27	Кубинка	–0,30	–0,43	–0,48	–0,34	–0,36	–0,68	–0,67	–0,63	–0,82	–0,83
28	Куровское	0,68	0,44	0,53	0,26	0,40	0.73	1,13	1,06	1,20	0,68
29	Лобня	–0,10	–0,11	–0,06	–0,05	0,02	–0,18	–0,17	–0,27	–0,20	–0,13
30	Луховицы	0,36	0,62	0,59	0,39	0,44	0,92	0,55	0,55	0,77	0,92
31	Люберцы	0,15	0,14	0,16	0,13	0,10	0,10	0,16	0,18	0,13	0,15
32	Можайск	–0,15	0,03	–0,07	0,03	0,05	–0,31	–0,48	–0,59	–0,72	–0,61
33	Мытищи	–0,12	–0,05	–0,15	–0,07	–0,04	0,16	0,18	0,17	0,05	0,09
34	Наро-Фоминск	–0,08	–0,13	–0,12	–0,20	–0,09	–0,18	–0,29	–0,41	–0,48	–0,56
35	Ногинск	0,40	0,06	0,00	–0,11	–0,10	0,38	0,72	0,79	0,64	0,09
36	Одинцово	–0,12	–0,07	–0,10	–0,11	–0,12	–0,29	–0,39	–0,33	–0,38	–0,46
37	Озеры	–0,28	0,22	0,40	0,52	0,38	0,40	0,07	–0,01	–0,03	0,21
38	Орехово-Зуево	0,28	–0,11	–0,28	–0,35	–0,24	0,43	0,73	0,92	0,42	–0,47
39	Павловский Посад	0,36	0,02	–0,14	–0,04	0,00	0,37	0,83	0,98	0,69	0,24
40	Подольск	0,03	–0,16	0,01	–0,17	–0,16	–0,02	0,18	0,01	0,19	0,27
41	Протвино	0,05	0,12	0,26	0,31	0,38	–0,09	–0,08	–0,20	–0,03	0,03
42	Пушкино	–0,08	–0,06	–0,16	–0,05	–0,13	–0,02	–0,02	0,02	–0,08	0,07
43	Пущино	–0,32	–0,30	–0,07	–0,07	–0,10	–0,13	–0,05	–0,23	–0,14	0,19
44	Раменское	0,51	0,44	0,51	0,34	0,23	0,26	0,52	0,36	0,50	0,50
45	Реутов	0,14	0,11	0,12	0,12	0,15	0,13	0,18	0,20	0,14	0,13
46	Руза	–0,26	–0,26	–0,29	–0,10	–0,08	–0,66	–0,65	–0,60	–0,82	–0,72
47	Сергиев Посад	0,28	0,04	–0,09	–0,11	–0,03	–0,04	0,10	0,19	0,17	0,34
48	Серпухов	–0,25	–0,31	–0,03	–0,19	–0,27	–0,23	–0,07	–0,31	–0,13	0,11
49	Солнечногорск	–0,31	–0,36	–0,44	–0,28	–0,26	–0,53	–0,59	–0,45	–0,66	–0,51
50	Старая Купавна	0,23	0,26	0,27	0,13	0,15	0,09	0,11	0,11	0,08	–0,01
51	Ступино	0,02	–0,14	0,00	–0,18	–0,15	–0,19	0,08	–0,09	0,09	0,27
52	Талдом	–0,13	0,30	0,43	0,48	0,45	0,10	–0,27	–0,17	–0,21	0,08
53	Фрязино	0,29	0,37	0,41	0,37	0,27	0,16	0,13	0,08	0,18	0,33
54	Химки	–0,21	–0,11	–0,11	–0,11	–0,06	0,03	–0,10	–0,10	–0,03	–0,08
55	Хотьково	–0,07	–0,30	–0,39	–0,27	–0,27	–0,14	–0,01	0,06	–0,02	0,13
57	Чехов	–0,08	–0,28	–0,09	–0,22	–0,23	–0,25	0,01	–0,18	0,00	0,16
58	Шатура	0,55	1,25	1,07	0,63	0,62	1,26	0,82	1,03	1,18	0,47
59	Щелково	0,27	0,65	0,74	0,80	0,24	–0,06	–0,71	–0,54	–0,34	–0,09
60	Электросталь	0,41	0,12	–0,31	–0,08	–0,15	0,20	0,54	0,98	0,52	0,17
61	Яхрома	–0,07	–0,03	–0,05	–0,03	0,06	–0,23	–0,32	–0,29	–0,36	–0,24