Методи та алгоритми управління маркетингом інтелектуальних транспортних систем в умовах складного ризикового середовища

Abstract

UA: Об’єктом дослідження є маркетинг інтелектуальних транспортних систем (ІТС) в українських реаліях складного ризикового середовища, що характеризується військовими викликами, відсутністю авіасполучення, обмеженнями транспортної інфраструктури, і при цьому високими вимогами споживачів до якості послуг. Мета. Метою є розробка ефективних методів та алгоритмів управління маркетингом ІТС, здатних забезпечити адаптацію транспортних послуг до потреб пасажирів. Матеріали і методи. У дослідженні використано поєднання теоретичних і прикладних підходів. Методологічною основою слугували аналіз наукових джерел, системний підхід до виявлення актуальних викликів транспортної системи, методи машинного навчання (кластеризація K-Means), Big Data-аналітика та інструменти економічного прогнозування. Для емпіричної частини було зібрано первинну та вторинну інформацію щодо уподобань пасажирів, маршрутів, затримок та соціально-демографічних характеристик. Статистичні моделі оцінювали ефективність інтегрованого маркетингового підходу за показниками ROI, економії часу, залученості до програм лояльності та зростання пасажиропотоку. Для практичного впровадження використовувались інструменти Python, REST API, IoT-сенсори, GPS-моніторинг, а також розроблено цифрові рішення для реал-тайм інформування пасажирів. Результати. В результаті дослідження розроблено метод інтеграції маркетингових інструментів у діяльність ІТС, що включає персоналізацію послуг, динамічне ціноутворення, програми лояльності, інтеграцію цифрових платформ та реал-тайм інформування пасажирів. Запропоновано алгоритми сегментації (кластеризації) пасажирів за допомогою машинного навчання (метод k-середніх), побудовано моделі динамічного ціноутворення та адаптивних маркетингових рішень, що базуються на аналізі даних (Big Data). За прогнозними розрахунками, впровадження методу дозволяє: зменшити операційні витрати на 15–20% завдяки автоматизації процесів; скоротити середній час затримок на 12% завдяки оптимізації маршрутів та резервним рішенням; збільшити пасажиропотік на 8–12% через підвищення задоволеності клієнтів; підвищити рівень залученості до програм лояльності на 25%. Особливістю отриманих результатів дослідження є спрямованість на мінімізацію негативних наслідків від військових дії, енергетичні перебої та пошкодження транспортної інфраструктури. Перспективи. Запропонований метод дозволяє забезпечити безперервність транспортних операцій через інтеграцію різних видів транспорту, покращення інформаційної підтримки та адаптивне управління транспортними маршрутами. Практичне застосування результатів можливе у транспортних компаніях, які працюють у регіональних та міжнародних економічних системах, що функціонують в Україні в умовах підвищеного ризику.

EN: The research object is the marketing of intelligent transport systems (ITS) in the Ukrainian context of a challenging risk environment characterized by military challenges, the absence of air connectivity, constraints in transport infrastructure, and high consumer demands for service quality. Purpose. The research problem focuses on developing effective methods and algorithms for managing ITS marketing to adapt transport services to passenger needs. Materials and methods. The research applied a combination of theoretical and applied methods to investigate the marketing of intelligent transport systems (ITS) under the complex risk conditions of Ukraine. The methodological framework included literature analysis, a systems approach to identifying transport sector challenges, machine learning methods (K-Means clustering), Big Data analytics, and economic forecasting tools. Empirical data collection encompassed both primary and secondary sources, including passenger preferences, travel patterns, delays, and socio-demographic profiles. Statistical modeling was used to assess the effectiveness of the proposed integrated marketing method through indicators such as ROI, time savings, loyalty program engagement, and passenger flow growth. For practical implementation, the study utilized tools such as Python, REST APIs, IoT sensors, GPS tracking, and digital solutions for real-time passenger information. Results. The study resulted in the development of a method for integrating marketing tools into ITS operations, including service personalization, dynamic pricing, loyalty programs, digital platform integration, and real-time passenger information. Algorithms for passenger segmentation (clustering) using machine learning (the k-means method) were proposed, along with models for dynamic pricing and adaptive marketing solutions based on Big Data analysis. Forecast calculations show that implementing the proposed method can reduce operational costs by 15–20% through process automation, decrease average delays by 12% via route optimization and backup solutions, increase passenger flow by 8–12% through enhanced customer satisfaction, and improve loyalty program engagement by 25%. Discussion. The unique feature of the research findings lies in addressing the minimization of adverse effects caused by military actions, energy disruptions, and damage to transport infrastructure. The proposed method ensures the continuity of transport operations through the integration of different transport modes, enhanced informational support, and adaptive transport route management. Practical application of the results is feasible for transport companies operating in regional and international economic systems in Ukraine’s high-risk environment.