Оценка результатов расчета индекса прикрытия 10-минутной зоны подразделений пожарной охраны в крупных городах Российской Федерации

ПОЖАРЫ И ЧРЕЗВЫЧАЙНЫЕ СИТУАЦИИ: ПРЕДОТВРАЩЕНИЕ, ЛИКВИДАЦИЯ. 2026. ¹ 2

FIRE AND EMERGENCIES: PREVENTION, ELIMINATION. 2026. No. 2

НАУЧНАЯ СТАТЬЯ / ORIGINAL ARTICLE

УДК 614.842.8 (047.3)

DOI 10.25257/FE.2026.2.126-133

Сибирская пожарно-спасательная академия ГПС МЧС России, Железногорск, Российская Федерация

Оценка результатов расчета индекса прикрытия
10-минутной зоны подразделений пожарной охраны
в крупных городах Российской Федерации
АННОТАЦИЯ
Тема. Статья посвящена оценке защищённости крупных                        инфраструктуры и дорожной нагрузки. Выявлена сильная об-
городов Российской Федерации от пожаров на основе резуль-                         ратная корреляция между ИП-10 и ожидаемым средним вре-
татов расчёта ожидаемого индекса прикрытия 10-минутной                            менем прибытия в условиях мегаполисов, что указывает на не-
зоны (далее ИП-10) подразделений пожарной охраны. Целью                           обходимость адаптации предложенных способов расчёта для
работы является совершенствование методов оценки уровня                           таких территорий.
защищённости населённых пунктов от пожаров на основе гео-                                 Область применения результатов. Результаты исследова-
пространственного и сетевого анализа. К задачам исследования                      ния могут быть использованы МЧС России, органами исполни-
относятся: разработка способов расчёта ожидаемых параме-                          тельной власти и местного самоуправления для оптимизации
тров реагирования подразделений пожарной охраны с исполь-                         дислокации пожарных частей, планирования маршрутов сле-
зованием алгоритма Дейкстры и графов улично-дорожной сети,                        дования пожарных подразделений, оценки достаточности сил
оценка адекватности предложенных методов путём сравнения                          и средств пожарной охраны, а также для разработки норма-
с фактическими статистическими данными, классификация го-                         тивных документов в области пожарной безопасности с учётом
родов по уровню защищённости на основе квартильного анали-                        пространственных характеристик городской среды.
за и выявление аномалий в функционировании пожарно-спаса-                                 Выводы. Предложенные способы расчёта ожидаемых
тельных гарнизонов.                                                               параметров реагирования подразделений пожарной охраны
Методы. В исследовании применяются методы гео-                            позволяют объективно оценить уровень защищённости городов
пространственного анализа, сетевого моделирования (графы                          от пожаров и выявить зоны с повышенным временем реагиро-
дорожной сети), алгоритм Дейкстры для расчёта кратчайших                          вания. Метод демонстрирует практическую значимость, однако
маршрутов и времени прибытия, статистический анализ данных                        требует адаптации под специфику крупнейших мегаполисов
о пожарах, квартильный анализ для классификации городов, а                        и уточнения скоростных параметров движения пожарной тех-
также инструментарий Python-библиотек (OSMnx, GeoPandas)                          ники. Дальнейшие исследования целесообразно направить на
для обработки пространственных данных и визуализации.                             разработку комплексного показателя защищённости и учёт ре-
Результаты. На примере 16 крупнейших городов Рос-                         альной дорожной обстановки.
сии апробированы способы расчёта ожидаемых параметров
реагирования подразделений пожарной охраны. Установлено,
что такие города, как Самара и Нижний Новгород демонстри-                                 Ключевые слова: индекс прикрытия, пожарная охрана,
руют высокие показатели защищённости исходя из ИП-10,                             геопространственный анализ, сетевой анализ, время прибытия,
тогда как в крупнейших мегаполисах (Москва, Санкт-Петер-                          алгоритм Дейкстры, граф дорожной сети, крупные города, МЧС
бург) наблюдаются аномалии, связанные с особенностями                             России, оперативное реагирование

Siberian Fire and Rescue Academy of the State Fire Service of EMERCOM of Russia, Zheleznogorsk, Russian Federation

Calculating a 10-minute fire protection index
for fire departments in major cities of the Russian Federation
ABSTRACT
Purpose. This article assesses fire protection of major                 analysis, and identifying anomalies in the functioning of fire and
cities in the Russian Federation based on the results of calculating              rescue garrisons.
the expected 10-minute fire protection index (IM-10) for fire                              Methods. The study utilizes geospatial analysis, network
departments. The aim of this study is to improve methods for                      modeling (road network graphs), Deykstra’s algorithm for
assessing the level of fire protection in populated areas using                   calculating the shortest routes and arrival times, statistical
geospatial and network analysis. The objectives of the study                      analysis of fire data, quartile analysis for city classification, and
include: developing methods for calculating expected parameters                   Python libraries (OSMnx, GeoPandas) for spatial data processing
of response for fire departments using Deykstra’s algorithm and                   and visualization.
street and road network graphs, assessing the adequacy of the                              Findings. Methods for calculating expected response
proposed methods by comparing them with the actual statistical                    parameters for fire departments were tested using 16 of Russia's
data, classifying cities by protection level based on quartile                    largest cities. It was found that cities such as Samara and Nizhny

УПРАВЛЕНИЕ В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

MANAGEMENT IN ORGANIZATIONAL SYSTEMS

Novgorod demonstrate high protection rates based on IP-10,                    Conclusions. The proposed methods for calculating
while major metropolitan areas (Moscow and St. Petersburg)            expected parameters of response for fire departments allow for
exhibit anomalies related to infrastructure and traffic congestion.   an objective assessment of the level of fire protection in cities
A strong inverse correlation was found between IP-10 and the          and the identification of areas with increased response time. The
expected average response time in metropolitan areas, indicating      method demonstrates practical value but requires adaptation to
the need to adapt the proposed calculation methods for these          the specific needs of major cities and clarification of the speed
areas.                                                                parameters for firefighting appliances. Further research should
Research application field. The results of this study can    be directed toward developing a comprehensive fire protection
be used by EMERCOM of Russia, executive authorities, and local        indicator that takes into account actual traffic conditions.
governments to optimize the deployment of fire departments, plan
fire department routes, assess the adequacy of fire protection                Key words: coverage index, fire protection, geospatial
resources, and develop fire safety regulations taking into account    analysis, network analysis, arrival time, Deykstra’s algorithm, road
the spatial characteristics of the urban environment.                 network graph, major cities, EMERCOM of Russia, rapid response

ВВЕДЕНИЕ В статье [4] рассматривается применение корреляционного анализа для выявления взаимос-

Р   ешение задачи оценки защищённости
населённых пунктов от пожаров пред-
ставляет большой интерес при проектировании
вязей между различными параметрами работы по-
жарно-спасательных подразделений.
В работе [5] представлен подход к оценке по-
гарнизонов пожарной охраны. Как правило, такая                        вседневной деятельности подразделений, обеспе-
оценка проводится на основе известных данных                          чивающих оперативное реагирование на происше-
о реагировании подразделений пожарной охраны                          ствия. Авторы анализируют выполнение основных
[1, 2]. Однако для качественного статистического                      оперативных задач и предлагают методы повыше-
анализа требуется достаточный набор данных (зна-                      ния эффективности работы подразделений.
чимая выборка). В тех же случаях, когда данных                               В статье [6] предложен метод косвенного
мало (например для небольших городов), они низ-                       оценивания эффективности применения внутрен-
кого качества или их вовсе нет, применение стати-                     них и внешних проверок готовности подразделе-
стического анализа становится затруднительным.                        ний Государственной противопожарной службы
Кроме того, затруднение вызывает и опре-                      (ГПС) к выполнению задач реагирования на вызовы.
деление критерия, при котором защищённость                            Потенциал повышения эффективности оценивает-
населённого пункта от пожаров можно признать                          ся по снижению различных видов ущерба за счёт
«плохой», «удовлетворительной» или «хорошей»                          улучшения показателей реагирования. Исходными
(при использовании деления на три группы). Статья                     данными для оценивания являются статистические
76 Федерального закона от 22.07.2008 № 123-ФЗ                         данные временных характеристик реагирования
«Технический регламент о требованиях пожарной                         пожарных подразделений на вызовы, которые ап-
безопасности» гласит, что «Здания пожарных депо                       проксимируются гамма-распределением.
на территориях населённых пунктов следует раз-                               В работе [7] рассматриваются факторы,
мещать исходя из условия, что время прибытия                          влияющие на временные показатели оперативного
первого подразделения к месту вызова в городских                      реагирования. Авторы анализируют причины за-
населённых пунктах не должно превышать 10 ми-                         держек и предлагают меры по их сокращению, что
нут, в сельских населённых пунктах – 20 минут».                       способствует повышению общей эффективности
Эту норму можно интерпретировать так: город,                          работы пожарно-спасательных подразделений.
время прибытия первого подразделения в котором                               Исследование [8] посвящено анализу осо-
не превышает 10 минут, защищён, в противном                           бенностей оперативного реагирования пожарных
случае – нет. Однако результаты исследований [3]                      подразделений в разное время суток. Авторы вы-
демонстрируют, что достижение данного требова-                        являют зависимости между временем суток и эф-
ния крайне затруднительно и, как правило, невоз-                      фективностью реагирования, а также предлагают
можно.                                                                рекомендации по оптимизации работы подразде-
В области оценки параметров реагирования                      лений в зависимости от временных факторов.
пожарных подразделений проведено множество                                   В статье [9] представлена концепция моде-
исследований, направленных на повышение эф-                           ли, направленной на обеспечение нормативного
фективности их работы.                                                времени прибытия аварийных служб в условиях

ПОЖАРЫ И ЧРЕЗВЫЧАЙНЫЕ СИТУАЦИИ: ПРЕДОТВРАЩЕНИЕ, ЛИКВИДАЦИЯ. 2026. ¹ 2

FIRE AND EMERGENCIES: PREVENTION, ELIMINATION. 2026. No. 2

крупного города. Авторы рассматривают факторы, ции пожарных подразделений, включая координа- влияющие на время прибытия, и предлагают под- ты пожарно-спасательных частей;

ходы к оптимизации маршрутов и распределению – графы улично-дорожной сети, получен- ресурсов для повышения оперативности реагиро- ные из открытой картографической платформы вания. OpenStreetMap (OSM), содержащие информацию

В статье [10] рассматривают эффективность об улицах, дорогах, перекрестках и других элемен- размещения пожарных депо. Авторы анализируют тах транспортной инфраструктуры;

соответствие их расположения нормативам, выяв- – административные границы городов ляют недостатки в обеспеченности отдельных рай- в векторном формате, используемые для опре- онов и предлагают пути оптимизации для сокраще- деления пространственных рамок исследования ния времени реагирования. (рис. 1);

В дополнение к ранее рассмотренным ис- следованиям, статистические сборники МЧС Рос- сии предоставляют обширные данные о состоянии пожарной безопасности в стране. В сборнике [11] представлены показатели, характеризующие со- стояние пожарной безопасности в Российской Фе- дерации в 2024 г.

Эти данные позволяют анализировать дина- мику пожаров, их причины и последствия, а также оценивать эффективность реагирования пожарных подразделений. Работы в данной области направ- лены на комплексный подход к оценке и улучше- нию параметров реагирования пожарных подраз- делений.

Существующие подходы зачастую опира- ются на агрегированную статистику и не позво- ляют провести детальную оценку защищённости территорий в условиях отсутствия достаточного для объективного анализа массива статистических данных. В данной работе предлагается восполнить этот пробел за счёт разработки и апробации подхо- да, основанного на методах сетевого анализа. Рисунок 1. Пример выгрузки графа дорожной сети

Figure 1. Example of a Road Network Graph Export

ИСХОДНЫЕ ДАННЫЕ

– полученные с помощью библиотеки

Д ля проведения исследования были ото-
браны города-мегаполисы (население
свыше 1 млн чел.). Такой выбор обусловлен харак-
OSMnx данные о зданиях и сооружениях, включая
их географические координаты и функциональное
назначение;
терной для таких городов максимальной концен-                              – скоростные характеристики движения
трацией антропогенной нагрузки и критической                       пожарных автомобилей по различным категориям
инфраструктуры. Высокая плотность населения,                       дорог, принятые на основе предыдущих исследова-
многоэтажная застройка, сосредоточение объектов                    ний [12] и составляющие:
экономики и социальной сферы создают повышен-                              48,9 км/ч для дорог федерального значения
ные риски возникновения пожаров с потенциально                     (trunk);
значительными социальными и экономическими                                 38,0 км/ч для дорог регионального значения
последствиями. Это делает задачу оценки их за-                     (primary);
щищённости наиболее актуальной с точки зрения                              36,4 км/ч для дорог областного значения
обеспечения национальной безопасности.                             (secondary);
Для геопространственного анализа были ис-                            36,6 км/ч для прочих дорог местного значе-
пользованы:                                                        ния (unclassified);
– предоставленные Главным управлением                                26,1 км/ч для дорог районного значения
пожарной охраны МЧС России данные о дислока-                       (tertiary);

УПРАВЛЕНИЕ В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

MANAGEMENT IN ORGANIZATIONAL SYSTEMS

25,3 км/ч для внутриквартальных проездов          индекс ожидаемого прикрытия 10-минутной зоны
(residential);                                           и среднее время прибытия [16].
16,0 км/ч для служебных проездов (service).              Индекс ожидаемого прикрытия 10-минут-
Комплексное использование перечисленных           ной зоны (далее ИП-10) рассчитывался как про-
данных позволило обеспечить полноту и достовер-          центное отношение количества зданий, ожидаемое
ность проводимого исследования, а также возмож-          время прибытия к которым не превышает 10 ми-
ность верификации полученных результатов.                нут к общему количеству зданий в городе (авторы
отмечают, что слово «ожидаемый» используется
в связи с невозможностью учесть все факторы. По-
МЕТОДЫ ИССЛЕДОВАНИЯ                           этому возможно только ожидать каких-то наибо-
лее вероятных усреднённых показателей):

Д    ля обработки пространственной инфор-
мации и построения графовых моделей
были использованы специализированные библио-
теки Python – OSMnx [13] и GeoPandas [14]. На их         где N≤ 10 – количество зданий, ожидаемое время
основе осуществлялось построение графов дорож-           прибытия к которым первого подразделения не
ной сети городов с присвоением весов ребрам в со-        превышает 10 мин; Nобщ.зд – общее количество зда-
ответствии с категориями дорог и установленными          ний в городе.
скоростными характеристиками движения пожар-                    Этот показатель позволяет оценить, на-
ной техники.                                             сколько здания города защищены с точки зрения
Для расчёта оптимальных маршрутов дви-            требований Федерального закона от 22.07.2008
жения пожарных подразделений от мест дисло-              № 123-ФЗ «Технический регламент о требованиях
кации до зданий города использовался алгоритм            пожарной безопасности».
Дейкстры [15], при этом в качестве весов ребер                  Параметр среднего ожидаемого времени
графа рассматривалось время следования, рассчи-          прибытия первого подразделения пожарной охра-
танное на основе скоростного режима для различ-          ны      вычислялся как среднее от полученных ре-
ных категорий дорог [12].                                зультатов ожидаемого времени прибытия первого
Основным оцениваемым параметром реаги-            подразделения пожарной охраны ко всем зданиям
рования в работе являлось ожидаемое время при-           в городе:
бытия первого подразделения пожарной охраны
tсл, складывающееся из суммы времен следования
пожарного автомобиля по всем участкам опти-
мального маршрута, полученного с использовани-           где Nобщ. под – общее количество подразделений;
ем алгоритма Дейкстры, и времени, необходимого           tприб, j – время прибытия j-го первого подразделения.
на сбор и выезд (1 минута):                                        Этот показатель позволяет оценить опера-
тивность реагирования пожарных подразделений
в различных районах города и выявить территории
с повышенным временем прибытия.

где N – количество участков дорожной сети                         РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
в маршруте, ед.; li – длина i-го участка, м; ui – ско-
рость следования по участку, м/мин.
Для каждого из рассмотренных в работе го-
родов с использованием алгоритма Дейкстры было
Н    а рисунке 2 представлен пример расчёта
и визуализации параметров прибытия
подразделений пожарной охраны для города Ом-
проведено моделирование параметров прибытия              ска. Исходя из полученных значений ожидаемого
подразделений пожарной охраны из всех мест дис-          времени прибытия первого подразделения по-
локации ко всем зданиям в районе выезда. Полу-           жарной охраны, количество зданий, для которых
ченные результаты были объединены в таблицу,             этот показатель не превышает 10 мин, составляет
содержащую записи о зданиях, каждому из кото-            223 874, то есть 69,19 % от общего их количества
рых соответствует название первого прибывающе-           (323 659).
го подразделения пожарной охраны и время его                   Полученные ожидаемые показатели ИП-10
прибытия.                                                и среднего времени прибытия первого пожарного
Полученная таблица послужила основой для           подразделения для всех рассмотренных в работе
вычисления результирующих показателей, включая           городов представлены в таблице 1.

ПОЖАРЫ И ЧРЕЗВЫЧАЙНЫЕ СИТУАЦИИ: ПРЕДОТВРАЩЕНИЕ, ЛИКВИДАЦИЯ. 2026. ¹ 2

FIRE AND EMERGENCIES: PREVENTION, ELIMINATION. 2026. No. 2

Для оценки защищённости населённых пун-                              охватывают города с приемлемым ИП-10, а четвёр-
ктов на основе времени прибытия подразделений                              тый квартиль (25 %) объединяет города с худшим
пожарной охраны предлагается использовать ме-                              ИП-10, что указывает на низкую защищённость.
тод классификации городов по квартилям. Этот                                     Первый квартиль: Нижний Новгород, Ростов-
подход предполагает упорядочивание городов                                 на-Дону, Москва, Волгоград. Эти города демон-
ИП-10 от наибольшего к наименьшему и после-                                стрируют минимальное среднее время прибытия
дующее разделение на четыре квартиля (табл. 2).                            первого подразделения (от 5,7 до 8,3 мин) в со-
Первый квартиль (25 %) включает города с макси-                            четании с самыми высокими значениями индекса
мальным ИП-10, что свидетельствует о высокой за-                           прикрытия (ИП-10 от 86,64 до 92,81 %). Например,
щищённости. Второй и третий квартили (25–75 %)                             Нижний Новгород обладает лучшим показателем

Таблица 1 (Table 1)

Результаты расчёта для крупных городов России

Calculation Results for major Russian cities

Среднее время прибытия Численность населения, чел.

Город ИП-10 Количество подразделений

(первого подразделения) (по состоянию на 2025 год)

Казань 55,54 9,9 1 205 651

Воронеж 65,04 10,6 1 054 111

Омск 69,19 9,2 1 178 391

Краснодар 69,24 9 1 138 654

Челябинск 71,57 8,7 1 134 643

Пермь 72,14 8,7 1 048 011

Новосибирск 72,86 8,1 1 618 039

Красноярск 74,1 7,9 1 066 934

Уфа 79,61 8 1 096 702

Санкт-Петербург 79,66 7,3 5 652 922

Екатеринбург 83,02 8,3 1 515 832

Самара 85,07 6,1 1 156 608

Волгоград 86,64 7,4 1 030 400

Москва 91,13 6,2 13 274 285

Ростов-на-Дону 92,55 8,3 1 125 299

Нижний Новгород 92,81 5,7 1 276 560

Таблица 2 (Table 2)

Разделение городов на квартили
Division of cities into quartiles
Среднее время прибытия
Город              ИП-10
(первого подразделения)
Нижний Новгород             92,81                 5,7
Ростов-на-Дону              92,55                 8,3
Москва                      91,13                 6,2
Волгоград                   86,64                 7,4
Самара                      85,07                 6,1
Екатеринбург                83,02                 8,3
Санкт-Петербург             79,66                 7,3
Уфа 79,61
Красноярск                  74,1                  7,9
Новосибирск                 72,86                 8,1
Пермь                       72,14                 8,7
Челябинск                   71,57                 8,7
Краснодар 69,24
Рисунок 2. Пример визуализации ИП-10                             Омск                        69,19                 9,2
и районов выезда ПСЧ г. Омск                                 Воронеж                     65,04                10,6
Figure 2. Example of a Visualization of IP-10
and Fire and Rescue Unit Outreach Areas in Omsk                   Казань                      55,54                 9,9

УПРАВЛЕНИЕ В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

MANAGEMENT IN ORGANIZATIONAL SYSTEMS

времени прибытия (5,7 мин) при одном из самых        стической связи. Это подтверждает адекватность
высоких значений ИП-10 – 92,81 %. Москва, несмо-     и внутреннюю согласованность предложенного
тря на статус мегаполиса, показывает выдающийся      способа оценки защищённости крупных городов
результат (6,2 мин) при высоком ИП-10 (91,13 %).     от пожаров. Однако такие мегаполисы, как Москва
Второй квартиль: Самара, Екатеринбург,        и Санкт-Петербург, несмотря на отличные резуль-
Санкт-Петербург, Уфа. В этой группе наблюдает-       таты в модели, требуют отдельного анализа, так как
ся дифференциация результатов. Города показы-        при их исключительных параметрах (плотность,
вают хорошие и очень хорошие значения ИП-10          масштаб, сложность дорожной сети) допущения
(от 79,61 до 85,07 %), однако время прибытия         модели о средних скоростях движения могут да-
варьируется в более широком диапазоне (от 6,1        вать наибольшую погрешность. Другие крупные
до 8,3 мин). Например, Самара имеет выдающее-        города, безусловно, также подвержены пиковым
ся время прибытия (6,1 мин) при высоком ИП-10        нагрузкам, но для данных двух мегаполисов этот
(85,07 %). Санкт-Петербург демонстрирует относи-     эффект наиболее выражен и важен для оценки.
тельно хорошую оперативность (7,3 мин), однако              Дальнейшее исследование способов оценки
его ИП-10 (79,66 %) является одним из наименьших     защищённости крупных городов Российской Фе-
в группе, что для мегаполиса может указывать на      дерации от пожаров подразумевает совершенство-
наличие локальных зон с затруднённым доступом.       вание способов расчёта ожидаемых параметров
Третий квартиль: Красноярск, Новосибирск,     реагирования подразделений пожарной охраны
Пермь, Челябинск. Города этой группы характе-        с учётом скорости движения пожарных автомо-
ризуются умеренными показателями. Значения           билей с поправкой на особенности городской ин-
ИП-10 находятся в диапазоне от 71,57 до 74,1 %,      фраструктуры, а также обязательной процедуры
а время прибытия варьируется от 7,9 до 8,7 мин.      очистки и верификации базы данных, исключающей
Показатели являются удовлетворительными, но          влияние дублирующих и малозначимых записей.
демонстрируют заметный потенциал для опти-
мизации, особенно в контексте достигнутых бо-                            ВЫВОДЫ
лее высоких результатов в городах первых двух
квартилей. Например, Красноярск имеет худшее
в группе время прибытия (7,9 мин), однако его ИП-
10 (74,1 %) является лучшим среди других городов
П     роведённое исследование показало
применимость разработанного подхо-
да, основанного на методах сетевого анализа, для
в группе, что может указывать на неравномерность     оценки уровня защищённости крупных городов от
покрытия территории.                                 пожаров. Предложенный способ оценки защищён-
Четвертый квартиль (от Краснодара до Ка-      ности крупных городов Российской Федерации от
зани): Краснодар, Омск, Воронеж, Казань. Среднее     пожаров по результатам расчёта ожидаемых па-
время прибытия в этих городах является наиболь-      раметров реагирования подразделений пожарной
шим (от 9,0 до 10,6 минут) среди всех исследуемых,   охраны на основе алгоритма Дейкстры и графов
формируя группу с наиболее низкой оперативно-        улично-дорожной сети показал свою практиче-
стью. При этом Казань демонстрирует наихудшее        скую значимость при анализе данных по 16 круп-
сочетание ключевых показателей: город имеет          нейшим городам России.
самый низкий индекс прикрытия (ИП-10 55,54 %)               Установлено, что наилучшие результаты,
и одно из самых высоких времён прибытия (9,9         характеризующиеся сочетанием высокого индек-
мин) среди всех 16 городов. Воронеж показывает       са прикрытия и минимального времени прибытия,
максимальное время прибытия (10,6 мин), но при       демонстрируют города с оптимальным соотноше-
более высоком, чем у Казани, ИП-10 (65,04 %). Это    нием дислокации пожарных частей и дорожной
прямо указывает на системные проблемы в обе-         инфраструктуры. В их числе – Нижний Новгород
спеченности территории пожарными подразделе-         (ИП-10 – 92,81 %, время прибытия 5,7 мин) и Са-
ниями относительно её планировочной структуры        мара (85,07 % и 6,1 мин). При этом для таких ме-
и дорожной сети.                                     гаполисов, как Москва и Санкт-Петербург, акту-
Полученные данные показывают сильную          альной остаётся задача адаптации предложенных
обратную корреляцию между ИП-10 и ожидаемым          способов оценки защищённости крупных городов
средним временем прибытия: города с высоким          от пожаров к реальным условиям, так как высокие
индексом прикрытия, как правило, имеют мень-         расчётные показатели могут нивелироваться в часы
шее время прибытия. Расчётный коэффициент            пиковых нагрузок на дорожную сеть, что требует
корреляции составил –0,8209, что согласно шка-       уточнения скоростных параметров движения по-
ле Чеддока соответствует высокой степени стати-      жарной техники с учётом фактической обстановки.

ПОЖАРЫ И ЧРЕЗВЫЧАЙНЫЕ СИТУАЦИИ: ПРЕДОТВРАЩЕНИЕ, ЛИКВИДАЦИЯ. 2026. ¹ 2

FIRE AND EMERGENCIES: PREVENTION, ELIMINATION. 2026. No. 2

Полученные результаты могут быть исполь-                           дальнейшего развития с учётом реальной дорож-
зованы для совершенствования системы оператив-                           ной обстановки и уточнения скоростных параме-
ного реагирования пожарной охраны и требуют                              тров движения пожарной техники.

СПИСОК ИСТОЧНИКОВ
1. Брушлинский Н. Н., Соколов С. В. О статистике пожаров           конференции, посвященной проведению в Российской Федера-
и о пожарных рисках // Пожаровзрывобезопасность. 2011. Т. 20,            ции Года науки и технологий в 2021 году и 55-летию учебного
№ 4. С. 40–48.                                                           заведения. Иваново: Ивановская пожарно-спасательная акаде-
2. Порошин А. А., Харин В. В., Бобринев Е. В. Оценка па-           мия ГПС МЧС России, 2021. С. 412–418.
раметров оперативного реагирования пожарно-спасательных                        9. Пряничников В. А., Сибиряков М. В. Концепция мо-
подразделений в зависимости от времени суток // Технологии               дели обеспечения нормативного времени прибытия аварий-
техносферной безопасности. 2021. Вып. 3(93). С. 126–136.                 ных служб в условиях мегаполиса // Пожары и чрезвычайные
DOI:10.25257/TTS.2021.3.93.126-136                                       ситуации: предотвращение, ликвидация. 2015. № 3. С. 37–40.
3. Брушлинский Н. Н., Соколов С. В. О нормировании вре-            DOI 10.25257/FE.2015.3.37-40
мени прибытия пожарных подразделений к месту пожара // По-                     10. Лобода, А. В. Анализ расположения подразделений по-
жаровзрывобезопасность. 2011. Т. 20, № 9. С. 42–48.                      жарной охраны в городах (на примере г. Воронежа) // Вестник Во-
4. Малютин О. С., Хабибулин Р. Ш. Корреляцион-                     ронежского института ГПС МЧС России. 2013. № 4(9). С. 29–34.
ный анализ параметров функционирования пожарно-спаса-                          11. Гончаренко В. С., Чечетина Т. А., Сибирко В. И. [и др.].
тельных подразделений // Инженерный вестник Дона. 2024.                  Пожары и пожарная безопасность в 2024 году. Статистика по-
№ 3(111). С. 118–138.                                                    жаров и их последствий: информационно-аналитический сбор-
5. Мартинович Н. В., Татаркин И. Н., Калач А. В. Оценка            ник // Информационно-аналитический сборник. Балашиха:
повседневной деятельность пожарно-спасательного подразде-                ВНИИПО МЧС России, 2025. 112 с.
ления с учётом решения основных оперативных задач // Мони-                     12. Малютин О. С., Хабибулин Р. Ш. Анализ скоростей
торинг, моделирование и прогнозирование опасных природных                движения пожарных автомобилей в зависимости от назначе-
явлений и чрезвычайных ситуаций: сборник материалов меж-                 ния дорог с использованием машинного обучения // Системы
дународной научно-практической конференции. Красноярск:                  безопасности: материалы международной научно-технической
Сибирская пожарно-спасательная академия ГПС МЧС России,                  конференции. 2023. № 32. С. 44–50.
2021. С. 81–90.                                                                13. Boeing G. OSMnx: New methods for acquiring,
6. Топольский Н. Г., Вилисов В. Я. Оценка потенциала               constructing, analyzing, and visualizing complex street networks //
повышения эффективности реагирования пожарных подразде-                  Computers, Environment and Urban Systems. 2017. №. 65.
лений за счет контроля их готовности // Инженерный вестник               С. 126–139. DOI:10.1016/j.compenvurbsys.2017.05.004
Дона. 2021. № 3(75). С. 215–224.                                               14. Galety M. G., Gedefa T. F., Lemma T. D., Natarajan A. K.
7. Журавлев А. А., Багажков И. В. Проблема уменьше-                Geospatial     Application      Development       Using     Python
ния временных показателей оперативного реагирования по-                  Programming // IGI Global Scientific Publ., 2024. С. 163–186.
жарно-спасательных подразделений // Пожарная и аварийная                 DOI:10.4018/979-8-3693-1754-9.ch006
безопасность: сборник материалов XIII международной науч-                      15. Dijkstra E. W. A note on two problems in connexion with
но-практической конференции, посвященной Году культуры                   graphs // Numerische Mathematik, 1959. Т. 1. Вып. 1. С. 269—271.
безопасности. Ч. 1. Иваново: Ивановская пожарно-спасательная             DOI:10.1007/BF0138639
академия ГПС МЧС России, 2018. С. 358–360.                                     16. Малютин О. С., Морозов В. В., Мироненко Р. В. Ана-
8. Харин В. В., Кондашов А. А., Шавырина Т. А. Опера-              лиз параметров функционирования пожарно-спасательных
тивное реагирование подразделений пожарной охраны в раз-                 подразделений в крупных городах // Пожары и чрезвычайные
личное время суток // Пожарная и аварийная безопасность:                 ситуации: предотвращение, ликвидация. 2024. № 4. С. 120–132.
сборник материалов XVI международной научно-практической                 DOI:10.25257/FE.2024.4.120-132

REFERENCES
1. Brushlinskij N.N., Sokolov S.V. About fire statistics and     modelirovanie i prognozirovanie opasnykh prirodnykh iavlenii
fire risks // Pozharovzryvobezopasnost – Fire and Explosion Safety.      i chrezvychainykh situatsii: sbornik materialov mezhdunarodnoi
2011, vol. 20, no. 4. pp. 40–48 (in Russ.).                              nauchno-prakticheskoi konferentsii [Monitoring, modeling and
2. Poroshin A.A., Kharin V.V., Bobrinev E.V., Udavtsova E.Iu.,   forecasting of natural hazards and emergencies: proceedings of
Kondashov A.A. Assessment of the parameters of the rapid                 the international scientific and practical conference]. Krasnoyarsk:
response of fire and rescue units depending on the time of               Siberian Fire and Rescue Academy of EMERCOM of Russia Publ.,
day. Tekhnologii tekhnosfernoi bezopasnosti – Technologies of            2021. pp. 81–90 (in Russ.).
Technosphere Safety. 2021, no. 3(93), pp. 126–136 (in Russ.).                  6. Topolsky N.G., Vilisov V.Ya. The problem of reducing the
DOI:10.25257/TTS.2021.3.93.126-136                                       temporal indicators of the operational response of the fire and
3. Brushlinskij N.N., Sokolov S.V. About regulations of          rescue divisions. Inzhenernyi vestnik Dona – Engineering Bulletin
response time of fire services // Pozharovzryvobezopasnost – Fire        of the Don. 2021, no. 3(75), pp. 215–224 (in Russ.).
and Explosion Safety. 2011, vol. 20, no. 9, pp. 42–48 (in Russ.)               7. Zhuravlev A.A., Bagazhkov I.V. The problem of reducing
4. Maljutin O.S., Habibulin R.Sh. Correlation analysis of        the temporal indicators of the operational response of the fire and
the fire and rescue units functioning parameters. Inzhenernyi            rescue divisions In: Pozharnaya i avariinaya bezopasnost: sbornik
vestnik Dona – Engineering bulletin of the Don. 2024, no. 3 (111),       materialov XIII Mezhdunarodnoi nauchnoprakticheskoi konferentsii,
pp. 118–138 (in Russ.).                                                  posviashchennoiGodukulturybezopasnosti[Fireandemergencysafety:
5. Martinovich N.V., Tatarkin I.N., Kalach A.V. Evaluation of    Proceedings of 13th International Scientific and Practical Conference].
the daily activities of the fire and rescue unit taking into account     Ivanovo: Ivanovo Fire and Rescue Academy of the State Fire Service of
the solution of the main operational tasks. In: Monitoring,              EMERCOM of Russia Publ., 2018. pp. 358–360 (in Russ.).

УПРАВЛЕНИЕ В ОРГАНИЗАЦИОННЫХ СИСТЕМАХ

MANAGEMENT IN ORGANIZATIONAL SYSTEMS

8. Harin V.V., Kondashov A.A., SHvyrina T.A. Rapid response         All-Russian Research Institute of Fire Defense of EMERCOM of
of fire protection units at different times of the day. In: Pozharnaia     Russia Publ., 2025. 112 p. (in Russ.).
i avariinaia bezopasnost': sbornik materialov XVI Mezhdunarodnoi                  12. Malyutin O. S., Habibulin R.SH. Analysis of fire truck
nauchno-prakticheskoi konferentsii, posviashchennoi provedeniiu v          speeds depending on the purpose of roads using machine learning
Rossiiskoi Federatsii Goda nauki i tekhnologii v 2021 godu i 55-letiiu     In: Sistemy bezopasnosti: materialy mezhdunarodnoi nauchno-
uchebnogo zavedeniia [Fire and Emergency safety: proceedings of            tekhnicheskoi konferentsii [Security systems: proceedings of the
the XVI International Scientific and Practical Conference dedicated        international scientific and technical conference]. 2023, no. 32.
to the Year of Science and Technology in the Russian Federation            pp. 44–50. (in Russ.)
in 2021 and the 55th anniversary of the educational institution].                 13. Boeing G. OSMnx: New methods for acquiring,
Ivanovo: Ivanovo Fire and Rescue Academy of EMERCOM of Russia              constructing, analyzing, and visualizing complex street networks.
Publ., 2021. pp. 412–418 (in Russ.).                                       Computers, Environment and Urban Systems. 2017, no. 65,
9. Pryanichnikov V.A., Sibiryakov M.V. Concept of                   pp. 126–139 (in Eng.). DOI:10.1016/j.compenvurbsys.2017.05.004
standard response time provision model for emergency services                     14. Galety M.G., Gedefa T.F., Lemma T.D., Natarajan A.K.
in a metropolitan area. Pozhary i chrezvychaynyye situatsii:               Geospatial      Application     Development       Using      Python
predotvrashcheniye, likvidatsiya – Fire and Emergencies:                   Programming. IGI Global Scientific Publ., 2024. С. 163–186.
Prevention, Elimination. 2015, no. (3), pp. 37–40 (in Russ.).              DOI:10.4018/979-8-3693-1754-9.ch006
10. Loboda A.V., Mukonina I.A. Analysis of the location                    15. Dijkstra E. W. A note on two problems in connexion with
of fire protection units in cities (by the example of Voronezh).           graphs // Numerische Mathematik, 1959, vol. 1, iss. 1, pp. 269—271.
Vestnik Voronezhskogo instituta GPS MChS Rossii – Bulletin of the          DOI:10.1007/BF0138639
Voronezh Institute of State Fire Service of EMERCOM of Russia.                    16. Malyutin O.S., Morozov V.V., Mironenko R.V. Analysis
2013, no. 4(9), pp. 29–34 (in Russ.).                                      of fire and rescue units functioning parameters in large cities of
11. Goncharenko V.S., Chechetina T.A., Sibirko V.I. [et al.].       Russia. Pozhary i chrezvychainye situatsii: predotvrashchenie,
Pozhary i pozharnaia bezopasnost' v 2024 godu: Statisticheskii             likvidatsiia – Fire and Emergencies: Prevention, Elimination. 2024,
sbornik [Fires and fire safety in 2024: Statistical collection]. Moscow,   no. 4, pp. 120–132 (in Russ.). DOI:10.25257/FE.2024.4.120-132

ИНФОРМАЦИЯ ОБ АВТОРАХ                                                  INFORMATION ABOUT THE AUTHORS
Вениамин Владимирович МОРОЗОВ                                              Veniamin V. MOROZOV
Курсант факультета инженеров пожарной безопасности,                        Cadet of fire safety engineers faculty,
Сибирская пожарно-спасательная академия ГПС МЧС России,                    Siberian Fire and Rescue Academy of State Fire Service
Железногорск, Российская Федерация                                         of EMERCOM of Russia, Zheleznogorsk, Russian Federation
SPIN-код: 5232-3522                                                        SPIN-code: 5232-3522
ORCID: https://orcid.org/0009-0001-5648-3780                               ORCID: https://orcid.org/0009-0001-5648-3780
 morozov.v_ob-122bt@mail.ru                                                morozov.v_ob-122bt@mail.ru

Олег Сергеевич МАЛЮТИН                                                     Oleg S. MALYUTIN
Кандидат технических наук                                                  PhD in Engineering
начальник отдела информационных технологий                                 Head of Information Technology and Computer Modeling
и компьютерного моделирования научно-технического центра,                  Department of the Scientific and Technical Center,
Сибирская пожарно-спасательная академия ГПС МЧС России,                    Siberian Fire and Rescue Academy of State Fire Service
Железногорск, Российская Федерация                                         of EMERCOM of Russia, Zheleznogorsk, Russian Federation
SPIN-кoд: 1702-3927                                                        SPIN-code: 1702-3927
ORCID: https://orcid.org/0000-0001-5543-1324                               ORCID: https://orcid.org/0000-0001-5543-1324
 obsidian-pb@mail.ru                                                       obsidian-pb@mail.ru

Глеб Юрьевич ШАМСУДИНОВ                                                   Gleb Yu. SHAMSUDINOV 
Курсант факультета инженеров пожарной безопасности,                        Cadet faculty of fire protection engineers,
Сибирская пожарно-спасательная академия ГПС МЧС России,                    Siberian Fire and Rescue Academy of State Fire Service
Железногорск, Российская Федерация                                         of EMERCOM of Russia, Zheleznogorsk, Russian Federation
SPIN-код: 9108-2708                                                        SPIN-код: 9108-2708
ORCID: https://orcid.org/0009-0005-5736-0327                               ORCID: https://orcid.org/0009-0005-5736-0327
 gleb.shamsudinov@mail.ru                                                  gleb.shamsudinov@mail.ru

Поступила в редакцию 15.12.2025                                                               Received 15.12.2025
Принята к публикации 12.01.2026                                                               Accepted 12.01.2026

Для цитирования:                                                           For citation:
Морозов В. В., Малютин О. С., Шамсудинов Г. Ю. Оценка результатов          Morozov V.V., Malyutin O.S., Shamsudinov G.Yu. Calculating a 10-minute fire
расчета индекса прикрытия 10-минутной зоны подразделений                   protection index for fire departments in major cities of the Russian Federation.
пожарной охраны в крупных городах Российской Федерации // Пожары           Pozhary i chrezvychaynyye situatsii: predotvrashcheniye, likvidatsiya –
и чрезвычайные ситуации: предотвращение, ликвидация. 2026. № 2.            Fire and emergencies: prevention, elimination. 2026, no. 2,
С. 126–133. DOI:10.25257/FE.2026.2.126-133                                 pp. 126–133 (in Russ.). DOI:10.25257/FE.2026.2.126-133