Аннотация
В статье рассматриваются методы машинного обучения, применяемые для анализа визуальных данных (фото-и видео-материалов), полученных с камер наблюдения, с целью построения трёхмерных моделей городской инфраструктуры. Обоснована актуальность автоматизации пространственного анализа в условиях роста объёмов визуальной информации. В исследовании приме-нены современные алгоритмы машинного обучения, включая логистическую регрессию, деревья решений, случайный лес, методы кластеризации и глубокие нейронные сети (U-Net, ResNet, ViT). Проведено количественное сравнение всех моделей по мет-рикам MAE, IoU и F1-score, что позволило объективно оценить их применимость для задач 3D-моделирования городской инфра-структуры. Научная новизна заключается в комплексной интегра-ции методов машинного обучения и компьютерного зрения для создания цифровых двойников городской среды. Практическая значимость подтверждается возможностью использования разра-ботанных решений в системах территориального планирования и мониторинга городскойинфраструктуры.