Данная работа посвящена разработке методики кластеризации городов Российской Федерации для определения их функционального назначения (градообразующей функции). Задачи, которые решались в ходе исследования: 1) Анализ функционального назначения городских территорий и обзор нормативно-правовой документации в сфере градостроительства; 2) Анализ зарубежного и отечественного опыта функционального зонирования и кластеризации в градостроительстве; 3) Выбор параметров для разрабатываемой методики кластеризации городов; 4) Оценка практической применимости разработанной методики кластеризации городов. В работе использовался программный комплекс Deductor, основанный на применении алгоритмов нейросетевого моделирования. Способом визуализации и обобщения полученных данных послужили самоорганизующиеся карты Кохонена (SOM). Кластеризация городов была проведена в 4 вариантах: 1) Методом расчета среднего арифметического на основе данных о ВРП; 2) Методом параметрической кластеризации на основе данных о ВРП; 3) Методом расчета среднего арифметического на основе данных о функциональном зонировании; 4) Методом параметрической кластеризации на основе данных о функциональном зонировании. В качестве основной и наиболее достоверной была выбрана методика параметрической кластеризации городов на основе данных о ВРП. В результате была проведена кластеризация 42 городов Российской Федерации и определены кластеры городов по их функциональному назначению. На основании полученных данных был создан единый классификатор городов Российской Федерации по их градообразующим функциям.

This work is devoted to the development of clustering methods for cities of the Russian Federation to determine their functional purpose (city-forming function). The research set the following goals: 1) Analysis of the functional purpose of urban areas and a review of regulatory documents in the urban development; 2) Analysis of foreign and domestic experience of functional zoning and clustering in urban planning; 3) The choice of parameters for the developed methodology for clustering cities; 4) Assessment of the practical applicability of the developed methodology for clustering cities. The work was fulfilled on the Deductor software package, based on the use of neural network modeling algorithms. Self-organizing maps of Kohonen (SOM) served as a way to visualize and summarize the data. Clustering of cities was carried out in 4 options: 1) The method of calculating the arithmetic mean based on GRP data; 2) The parametric clustering method based on GRP data; 3) The method of calculating the arithmetic mean based on functional zoning data; 4) The method of parametric clustering based on functional zoning data. The methodology of parametric clustering of cities based on GRP data was chosen as the main and most reliable. As a result, 42 cities of the Russian Federation were clustered and clusters of cities were identified by their functional purpose. Based on the data obtained, a unified classifier of cities of the Russian Federation was created by their city-forming functions.