СИСТЕМЫ БЕЗОПАСНОСТИ – 2018·Секция 1 - Информационные, методические, технические и организационные проблемы безопасностиУДК 614.862

К вопросу решения проблемы обеспечения безопасности на дорогах России

ABOUT SOLVING THE PROBLEM OF SECURITY ON THE ROADS OF RUSSIA

Трофимец Елена Николаевна1,Сошников Максим Вячеславович2
  1. 1 Санкт-Петербургский университет ГПС МЧС России
  2. 2 ФГБОУ ВО Санкт-Петербургский университет ГПС МЧС России
27 февраля 2019 5 просмотров 4 мин чтения
Аннотация

Используя нейросетевые технологии были проведены исследования, позволившие выделить ряд факторов, существенно влияющих на общее количество чрезвычайных ситуаций на федеральных автомобильных трассах и на количество пострадавших.

#дорожно-транспортные происшествия#анализ#прогнозирование#нейросетевые технологии.
Abstract

Using neural network technologies, studies were conducted to identify a number of factors that significantly affect the total number of emergencies on Federal highways and the number of victims.

#road accidents#analysis#forecasting#neural network technologies.
Полный текст630 слов

Ежедневно на территории нашей страны происходят сотни дорожно-транспортных происшествий (ДТП). Их причиной может стать как часто встречающееся незнание правил дорожного движения или невнимательность водителей и иных участников движения, так и случайное стечение обстоятельств. В наше время, к сожалению, полностью избежать ДТП невозможно, но в рамках реализации основных задач МЧС (Указ Президента РФ от 2 августа 1999 г. № 953 "Вопросы Министерства Российской Федерации по делам гражданской обороны, чрезвычайным ситуациям и ликвидации последствий стихийных бедствий") необходимо спрогнозировать и не допустить автомобильные катастрофы и стремиться к снижению количества погибших и пострадавших в ДТП.

Согласно приказу МЧС России № 329 от 8 июля 2002 г. "Об утверждении критериев информации о чрезвычайных ситуациях", аварии (катастрофы) на автодорогах (крупные дорожно-транспортные аварии и катастрофы) делятся на несколько видов, самым распространённым из которых является ДТП с тяжкими последствиями (погибли 5 и более человек или пострадали 10 и более человек) [1].

Применение методов искусственного интеллекта может существенно помочь в решении этих проблем. Построение нейросетевых моделей во многом схоже с построением регрессионных моделей. Используя нейросетевые технологии можно обеспечить достаточно высокое качество прогнозов и решений по сравнению с традиционными методами математической статистики, классификации и аппроксимации. Это позволит специалистам МЧС России дать прогноз числа жертв аварии, руководящему составу принять решения, которые снизят человеческие и материальные потери.

Для реализации неросетевой модели необходимо выявить значимые корреляции, образцы и тенденции в статистических данных ДТП. Эта задача требует использование большой выборки статистической информации для получения серьезных выводов. В качестве основного источника информации использовались данные сравнительной характеристики чрезвычайных ситуаций, происшедших на территории Российской Федерации, размещенной на официальном сайте МЧС России и программно-аппаратный комплекс автоматизированной базы данных участия пожарно-спасательных подразделений в ликвидации последствий ДТП. Практика сокращения объёма выборки применима при работе с масштабными источниками, не скажется на значимости результата, но приведёт к экономии времени [2]. Используя компьютерную систему для работы с таблицами Microsoft Excel [3] и статистическую систему STATISTICA, для рассмотрения были взяты 15 параметров, которые можно условно разделить на "случайные" и "сторонние" факторы. Использование нейросетевых технологий предполагает самостоятельную расшифровку результатов, поэтому, на данный момент можно отметить выполнение статистического анализа влияния погоды и состояния проезжей части на ДТП, исходя, из которых можно сделать выводы, что большинство аварий происходило в ясную или пасмурную погоду (рис. 1).

Рис. 1. Круговая диаграмма влияния погоды на ДТП

Самостоятельная интерпретация результатов исследования показывает, что небольшое число аварий в снежную или дождливую погоду говорит о незначительном влиянии этого фактора на аварийность. Можно предположить, что в плохую погоду, опытные водители внимательнее относятся к соблюдению скоростного режима, либо вообще отказываются от длительных поездок.

В то же время, фактор, отвечающий за состояние проезжей части выглядит более уместным (рис. 2).

Рис. 2. Диаграмма влияния состояния проезжей части на ДТП

График, характеризующий зависимость различных видов ДТП
от времени суток представлен на рис. 3.

Рис. 3. Зависимость различных видов ДТП от времени суток

График наглядно демонстрирует, что для различных типов происшествий среднее число пострадавших различается в зависимости от времени суток. Столкновения в ночное время гораздо более жестоки, количество жертв увеличивается в 1,5 раза.

Также существенно повышается смертельность наездов на препятствия. Очевидно, что ночью либо при плохом освещении дальность видимости снижается и водитель попросту не успевает сбросить скорость автотранспорта, соответственно, кинетическая энергия удара повышается, что носит разрушительный характер для взаимодействующих тел.

Так как нейросети являются сложным инструментом для анализа, интерпретация результатов которого требует проверки, а требования к входным данным очень высоки, ещё рано говорить о конкретных результатах. Влияние рассмотренных факторов ДТП, как правило, проявляется в комплексе, при этом важен контекст конкретных ситуаций, но использование данных методов определенно можно назвать большим шагом на пути к обеспечению безопасности дорожного движения.

Литература

1. Приложение к приказу МЧС России от 8 июля 2002 г. № 329 "Об утверждении критериев информации о чрезвычайных ситуациях".

2. Сведения о показателях состояния безопасности дорожного движения. http://www.gibdd.ru/stat/

3. Трофимец Е.Н., Трофимец В.Я. Оптимизационные модели в управлении организационными системами: учеб. пособие. СПб.: Санкт-Петерб. ун-т ГПС МЧС России, 2016. 87 с.

Есть что обсудить?
Оставьте комментарий — автор и читатели увидят его в обсуждении.