В Политехе зарегистрировали программу, которая прогнозирует тяжесть ДТП и показывает, какие факторы повлияли на исход

Ученые Санкт-Петербургского политехнического университета Петра Великого разработали программу, которая прогнозирует тяжесть исхода дорожно-транспортного происшествия и показывает, какие инфраструктурные и ситуативные факторы повлияли на результат. Для каждой аварии она рассчитывает, насколько отдельные условия, например освещение или погода, сдвинули прогноз в сторону более тяжелых или более легких последствий. Разработка адресована специалистам, которые отвечают за безопасность дорожного движения и городскую инфраструктуру.

По данным МВД, в 2025 году в России произошло 128 тысяч ДТП, в которых погибли почти 14 тысяч человек и около 158 тысяч получили ранения. Государство поставило цель сократить смертность на дорогах в полтора раза к 2030 году и вдвое к 2036 году по сравнению с 2023 годом. Для этого дорожным службам и городским властям нужно знать, при каких условиях авария чаще заканчивается тяжелыми травмами или гибелью людей и какие меры сработают на конкретном участке. Искать такие закономерности помогает машинное обучение, однако сложные модели обычно не показывают, из чего складывается их прогноз, и специалисту трудно на него опереться.

Ученые Политеха соединили в одной программе прогноз и его объяснение. За прогноз отвечает градиентный бустинг. Модель собирается из множества решающих деревьев, каждое из которых приходит к ответу через цепочку простых вопросов, например о том, было ли на участке освещение. Деревья добавляются по очереди, и каждое следующее исправляет ошибки предыдущих. Такой ансамбль улавливает нелинейные зависимости, которые трудно описать простой формулой. Объяснение дают значения Шепли, или SHAP-значения. Этот подход пришел из теории игр: в 1953 году американский математик Ллойд Шепли предложил способ справедливо разделить общий выигрыш между игроками в зависимости от вклада каждого. Здесь игроками становятся факторы ДТП, а выигрышем считается прогноз модели.

«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», — рассказал заведующий научно-исследовательской лабораторией «Системная динамика», доцент Высшей инженерно-экономической школы СПбПУ Анги Схведиани.

Работа с программой начинается с загрузки заранее подготовленных данных об авариях. На них обучаются ансамблевые модели на основе решающих деревьев, а качество классификации проверяется с помощью кросс-валидации. При такой проверке данные делят на несколько частей, модель по очереди обучают на одних и тестируют на других, чтобы понять, насколько точно она оценивает исход аварий, которых не видела при обучении. Затем для каждого ДТП рассчитываются SHAP-значения и строятся графики, на которых видны сила и направление влияния отдельных факторов. Код написан на Python и занимает 210 КБ.

Разработка продолжает исследования аварийности, которые в Политехе ведут несколько лет. В 2022 году ученые опубликовали в журнале Sustainability результаты анализа ДТП в Петербурге за 2015–2021 годы. Выяснилось, что сильнее всего летальность аварий повышает отсутствие освещения на дороге (на 10,3–13,9 процента). Дождь и снег увеличивают вероятность смертельной аварии на 1,3–1,7 процента, а с каждым пассажиром в салоне вероятность серьезных травм растет на 3,9 процента. Тогда расчеты опирались на порядковую пробит-модель. В таком регрессионном методе форму связи между факторами и исходом исследователь задает заранее, а градиентный бустинг находит эти связи в самих данных, в том числе те, что проявляются только при сочетании нескольких условий.

Другое направление исследований связано с городской средой. Проанализировав более 20 тысяч ДТП в Петербурге за пять лет, ученые Политеха выяснили, что больше всего аварий с пешеходами происходит у станций метро и остановок общественного транспорта, а торговые центры рядом с оживленными перекрестками повышают риск аварий на 30 процентов. Результаты опубликованы в International Journal of Technology.

Когда видно, что ухудшило прогноз в конкретной аварии, проще выбрать меры для этого участка дороги. Там, где главную роль играет темнота, поможет освещение, а у остановки с плотным пешеходным потоком может понадобиться новый переход или меры по успокоению движения. Такой анализ пригодится и при реконструкции улиц, и при проектировании новых районов, — отметила старший преподаватель Высшей школы промышленно-гражданского и дорожного строительства СПбПУ Лилия Талипова.

Помимо дорожных служб и городских властей, программой могут пользоваться исследователи аварийности и разработчики интеллектуальных транспортных систем.

Программа зарегистрирована в Федеральной службе по интеллектуальной собственности.

Фото: СПбПУ

Источник: Минобрнауки России