Оценка пространственной справедливости и доступности цифровых услуг для населения и бизнеса на основе методов геоинформационного анализа и машинного обучения применительно к сельскохозяйственным и перерабатывающим предприятиям

Смыслова Ольга Юрьевна1, Макаров Иван Николаевич1, Жуков Роман Александрович1, Юрасов Игорь Алексеевич1
1 Финансовый университет при Правительстве РФ, ,

Купить PDF

Статья в журнале

Экономика сельскохозяйственных и перерабатывающих предприятий (РИНЦ, ВАК)
опубликовать статью | оформить подписку

Том 101, Номер 4 (Апрель 2026)

Цитировать эту статью:

Оценка пространственной справедливости и доступности цифровых услуг для населения и бизнеса на основе методов геоинформационного анализа и машинного обучения применительно к сельскохозяйственным и перерабатывающим предприятиям // Экономика сельскохозяйственных и перерабатывающих предприятий. – 2026. – Т. 101, № 4. – С. 132-140. – DOI 10.31442/0235-2494-2026-0-4-132-140
(2026). Assessment of spatial justice and accessibility of digital services for the population and business based on geoinformation analysis and machine learning methods applied to agricultural and processing enterprises. Economy of agricultural and processing enterprises, 101(4), 132-140. https://doi.org/10.31442/0235-2494-2026-0-4-132-140

Аннотация:
В статье предложен инструмент оценки пространственной справедливости и доступности цифровых услуг для сельского населения и для сельскохозяйственных и перерабатывающих предприятий на основе интеграции геоинформационного анализа и методов машинного обучения. Цифровая доступность трактуется как совокупность инфраструктурных параметров (покрытие, скорость, вероятность подключения), социальной включенности (доля домохозяйств без доступа) и остаточной зависимости от офлайн-сервисов (время до центров услуг), что позволяет перейти от усредненных региональных оценок к внутритерриториальной диагностике. На пилотных данных по 12 муниципалитетам и 250 предприятиям построен композитный индекс (0-100), выявивший выраженную неоднородность (20,46-79,65; среднее 52,57) и умеренно-высокую концентрацию преимуществ (взвешенный Джини около 0,185). Показана нелинейность экономических последствий цифрового дефицита: в кластере низкой доступности потери EBITDA достигают 9,07 млн руб. на предприятие в год (в 3,03 раза выше, чем при высокой доступности), одновременно увеличиваются дополнительные дни дебиторской задолженности (11,56 против 4,76). Прогнозирование риска регулярных цифровых ограничений с пространственной кросс-валидацией демонстрирует практическую пригодность моделей для риск-ориентированной приоритизации мер. Сценарное сравнение LTE/4G, FTTx и спутникового ШПД на 7-летнем горизонте подтверждает целесообразность портфельного выбора технологий при одновременной оптимизации инвестиционной эффективности и выравнивания доступа.

Ключевые слова: сеть Интернет, пространственная Справедливость, цифровая Доступность, геоинформационный Анализ, машинное Обучение, агропромышленный Комплекс, сельская Местность

JATS XML

Страница обновлена: 22.07.2026 в 00:12:13

 
 

BYU PDF

Assessment of spatial justice and accessibility of digital services for the population and business based on geoinformation analysis and machine learning methods applied to agricultural and processing enterprises

Smyslova Olga Yuryevna, Makarov Ivan Nikolaevich, Zhukov Roman Aleksandrovich, Yurasov Igor Alekseevich


Journal paper

Economy of agricultural and processing enterprises
Volume 101, Number 4 (April 2026)

Citation:

(2026). Assessment of spatial justice and accessibility of digital services for the population and business based on geoinformation analysis and machine learning methods applied to agricultural and processing enterprises. Economy of agricultural and processing enterprises, 101(4), 132-140. https://doi.org/10.31442/0235-2494-2026-0-4-132-140

Abstract:
The article proposes a tool for assessing spatial justice and accessibility of digital services for the population and agricultural and processing enterprises based on the integration of geoinformation analysis and machine learning methods. Digital accessibility is interpreted as a combination of infrastructure parameters (coverage, speed, probability of connection), social inclusion (share of households without access), and residual dependence on offline services (time to service centers), which allows transitioning from averaged regional assessments to intra-territorial diagnostics. Using pilot data from 12 municipalities and 250 enterprises, a composite index (0-100) was constructed, revealing pronounced heterogeneity (20.46-79.65; mean 52.57) and moderately high concentration of advantages (weighted Gini around 0.185). The nonlinearity of the economic consequences of digital deficit is demonstrated: in the low accessibility cluster, EBITDA losses reach 9.07 million rubles per enterprise per year (3.03 times higher than in high accessibility), with an increase in additional days of accounts receivable (11.56 versus 4.76). Forecasting the risk of regular digital restrictions with spatial cross-validation demonstrates the practical suitability of the models for risk-oriented prioritization of measures. Scenario comparison of LTE/4G, FTTx, and satellite broadband on a 7-year horizon confirms the feasibility of portfolio technology selection while simultaneously optimizing investment efficiency and leveling access.

Keywords: Internet Web, Spatial Justice, Digital Accessibility, Geoinformation Analysis, Machine Learning, Agro-Industrial Complex, Rural Area