Учёные СПбПУ разработали программу, которая прогнозирует тяжесть дорожно-транспортных происшествий и показывает, какие инфраструктурные и ситуативные факторы на это повлияли. Для каждой аварии она рассчитывает, насколько отдельные условия, например освещение или погода, сдвинули прогноз в сторону более тяжёлых или более лёгких последствий ДТП. Разработка адресована специалистам, которые отвечают за безопасность дорожного движения и городскую инфраструктуру. Программа зарегистрирована в Федеральной службе по интеллектуальной собственности.
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. Для этого дорожным службам и городским властям нужно знать, при каких условиях авария чаще заканчивается тяжёлыми 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.
Учёные 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 пришёл 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 усреднённые оценки того, насколько тот или иной фактор повышает вероятность тяжёлого исхода. Для практических решений этого мало. Нужно понимать, почему прогноз для конкретной аварии получился именно таким: из-за неосвещённой 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 поочерёдно обучают на одних и тестируют на других, чтобы понять, насколько точно она оценивает исход аварий, которые 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 учёные 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 серьёзных травм растёт на 3,9 процента. Тогда расчёты опирались на порядковую пробит-модель. В таком регрессионном методе форму связи между факторами и исходом исследователь задаёт 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, учёные Политеха выяснили, что больше всего аварий с пешеходами происходит у станций метро и остановок общественного транспорта, а торговые центры рядом с оживленными перекрёстками 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.
