Ученые Санкт-Петербургского политехнического университета Петра Великого разработали программу, которая прогнозирует тяжесть последствий ДТП и объясняет, какие факторы повлияли на результат. Она не только оценивает вероятность тяжелого исхода, но и показывает вклад отдельных условий — например, освещения, погоды и числа пассажиров. Программа зарегистрирована в Федеральной службе по интеллектуальной собственности.
Разработка предназначена для специалистов по безопасности дорожного движения, городских властей и дорожных служб. С ее помощью можно выяснять, какие условия сильнее связаны с тяжелыми последствиями аварий, и определять, какие меры стоит рассмотреть для конкретного участка дороги.
Для прогноза программа использует метод машинного обучения — градиентный бустинг на основе решающих деревьев. Такая модель анализирует данные об авариях и выявляет зависимости между условиями происшествия и его исходом. Однако сам по себе прогноз не объясняет, почему модель пришла именно к такому результату.
Для этого разработчики добавили SHAP-анализ. Он рассчитывает вклад каждого фактора в прогноз для отдельного ДТП. Например, система может показать, насколько отсутствие освещения или неблагоприятная погода сдвинули оценку в сторону более тяжелых последствий. Это помогает специалистам не только получать прогноз, но и понимать, на какие условия стоит обратить внимание.
«В прошлых работах мы получали усредненные оценки того, насколько тот или иной фактор повышает вероятность тяжелого исхода. Для практических решений этого мало. Нужно понимать, почему прогноз для конкретной аварии получился именно таким: из-за неосвещенной дороги, осадков, числа людей в салоне или из-за сочетания этих условий. Теперь программа показывает, какие факторы и насколько повлияли на результат в каждом отдельном случае».
Анги Схведиани, заведующий научно-исследовательской лабораторией «Системная динамика», доцент Высшей инженерно-экономической школы СПбПУ
Чтобы проверить качество модели, исследователи применяют кросс-валидацию: алгоритм обучают на одних частях набора данных и проверяют на других. После этого программа рассчитывает SHAP-значения и строит графики, показывающие направление и силу влияния факторов. Код написан на Python и занимает 210 КБ.
Разработка продолжает исследования аварийности, которые ученые Политеха ведут несколько лет. В работе 2022 года, посвященной ДТП в Санкт-Петербурге за 2015–2021 годы, исследователи связывали отсутствие освещения с ростом вероятности смертельных последствий на 10,3–13,9%. Дождь и снег, согласно их расчетам, повышали этот показатель на 1,3–1,7%.
В других исследованиях команда анализировала влияние городской среды на аварии с пешеходами. Такие данные помогают выявлять участки, где стоит проверить организацию движения, освещение и безопасность переходов.
Программа может пригодиться при планировании реконструкции улиц, проектировании новых районов и разработке интеллектуальных транспортных систем. При этом она пока остается инструментом анализа: сама по себе модель не доказывает, что конкретный фактор стал причиной аварии, и не заменяет инженерную оценку дорожной обстановки.
Источник: Минобрнауки России
Читайте также:
МВФ предупредил о рисках для мировой экономики из-за ИИ, долгов и кибератак
В МАИ разработали турбовальный двигатель мощностью до 300 кВт для малой авиации