Ежегодно в дорожно-транспортных происшествиях в России гибнут десятки тысяч человек, получают увечья сотни тысяч. Всё равно, что маленькая война! Но больше удручает даже не сам дорожный травматизм, а то, что средства его профилактики остаются «дедовскими» (штрафы, страховки), тогда как уже есть возможность действовать инновационно с упреждением — буквально предвосхищая и предотвращая аварии. В Соединённых Штатах, например, подобная работа уже несколько лет ведётся и к настоящему моменту привела к созданию больших полезных компьютерных инструментов предупреждения ДТП. У нас тоже есть всё необходимое, осталось только собрать элементы воедино. И кстати, решить эту задачу по силам как отдельным муниципалитетам, так и энтузиастам.

В основе всего — статистика. Которая хороша своей предсказательной силой. Посчитайте, сколько людей заболело гриппом в регионе в прошлом году — и в новом неизбежно заболеют примерно столько же: они не собирались болеть и всё-таки заболеют! Причины за цифрами часто не видны, однако, строить прогноз это не мешает. Так же и с ДТП. Сведя данные по аварийности на каком-то участке дороги за много лет, можно с некоторой степенью уверенности посчитать риск для проезжающих там автомобилей попасть в аварию. Конечно, и тут речь лишь о вероятности, но посчитанная цифра всё же полезна: если она велика, либо если фактическая аварийность больше высчитанной среднестатистической, это требует обратить на данный участок повышенное внимание.

Важно понимать, что данные с дорог нельзя поглощать «сырыми», без обработки. Например, что проку от простого подсчёта числа аварий на конкретном участке трассы? Посчитали и получилось, что на N-ом километре разбилось много машин? Но много по сравнению с чем? Ведь если движение здесь активное, то и аварий естественно должно происходить больше, тогда как в пересчёте на средний пройденный километр или один автомобиль аварийность может оказаться и невысокой. И кстати говоря, зависимость между интенсивностью движения и аварийностью нелинейная, по-быстрому, «на пальцах» её не прикинешь.

Вот почему, чтобы извлечь из данных пользу, необходимо, во-первых, учитывать как можно больше сведений (не только интенсивность движения, но и состав потока, погоду, состояние покрытия, число рядов и полос, наличие пересечений и т.д. и т.п.), и, во-вторых, анализировать их, не поддаваясь искушению потреблять «как есть», без обработки. Иначе говоря, между данными, собранными на дороге, и потребителем должна стоять компьютерная программа.

Пример наглядной визуализации риска (здесь: работает приложение приложение предсказания ДТП полицейского управления Индианаполиса, США).
В США последние четыре года как раз были периодом расцвета таких программ. Начиналось всё с разрозненных экспериментов в масштабах отдельных штатов. Местные полицейские и транспортные управления, в поисках новых способов улучшения ситуации на дорогах, заказывали разработку программного обеспечения для предсказания ДТП на основании статистических данных. Подобная программа, учитывая всю имеющуюся информацию о конкретной трассе, прогнозирует вероятность возникновения транспортного происшествия на каждом участке протяжённостью в несколько километров с точностью в несколько часов.

Получив эти сведения, полиция направляет патрули в — потенциально! — наиболее опасные районы. Задача у патруля вовсе не зафиксировать ДТП, которое может здесь произойти, а самим своим присутствием помешать его возникновению. Поэтому занимаются они обычными делами: рутинные проверки на алкогольное опьянение, выявление непристёгнутых, вообще охлаждение пыла особо страстных гонщиков. Анализ же результатов показывает, что такое превентивное воздействие позволяет как минимум сдержать рост аварийности.

От разрозненных проектов американские транспортники доросли до создания большого универсального инструмента. Это разработанный по инициативе тамошнего Минтранса продукт Safety Analyst: набор компьютерных инструментов для предсказания и профилактики ДТП на автомагистралях. Принцип работы тот же: программе скармливают максимум имеющейся информации о конкретной дороге, после чего она указывает места, требующие повышенного внимания (прежде всего такие, где аварий случается больше, чем математически ожидается). Здесь же можно проанализировать, какой тип происшествий доминирует, какие меры могут быть приняты и даже оценить, насколько то или иное воздействие способно улучшить статистику аварийности.

Но ничто не мешает начать применение аналогичных инструментов и у нас. Сейчас в стране действует политика транспортной безопасности, опирающаяся на классические «реактивные» меры профилактики («случилось — среагировали»). А нужны меры превентивные, некоторые называют их ещё «проактивными»: действовать на упреждение, целенаправленно влияя там, где ДТП ещё не случилось, но вероятно случится!

Основа для такого механизма — информация по дорожно-транспортным происшествиям, раздаваемая централизованно и открыто — у нас уже есть: с прошлого года действует интернет-ресурс Безопасныедороги.РФ, поддерживаемый, в частности, усилиями Минсвязи, МВД и МЧС, Росавтодора. Все желающие могут черпать оттуда богатые исторические данные по аварийности (тип происшествия, время, сезон и пр.) и состоянию дорог. И значит, дело за малым: кто-то должен разработать инструменты для анализа этих данных.

Исторические сведения по ДТП из базы проекта БезопасныеДороги.РФ.
Мне видятся три варианта примерно равной сложности, которые без сомнения будут востребованы отечественным автодорожным сообществом. Все они требуют минимальных вложений и могут быть реализованы силами коллектива из нескольких человек, в состав которого входят студент-математик и два-три программиста. По своим возможностям такие продукты, конечно, не смогут конкурировать с тем же Safety Analyst, но и данных, необходимых для построения столь сложных компьютерных моделей, у нас пока не собирается. Поэтому вот с чего разумно начать.

Вариант первый: онлайновая интерактивная карта, размеров отдельного населённого пункта или области, наглядно изображающая наиболее опасные районы. Изюминка, повторюсь, не в том, чтобы показать, где и сколько людей разбилось, а в том, чтобы показать, где происходит аварий больше среднестатистической нормы. Самое интересное, что оценка опасности района может меняться в зависимости от времени суток, погодных условий, прочих факторов — поэтому полноценно заменить такую карту предупредительными щитами на дороге (мол, осторожно, опасный участок!) не всегда возможно. Пользователи: прежде всего рядовые автомобилисты.

Вариант второй: обязать пользоваться такой картой уже сотрудников ГИБДД. Превентивно выставляя патрули там, где констатируется аномально высокая аварийность, мы влияем на ситуацию, не допуская её развития по худшему из сценариев. Конечно, это не заменит классических мер профилактики, но классические меры себя уже показали, из них уже выжато всё возможное. Проактивные же меры только вводятся в оборот — и грех не попробовать применить их, раз уж необходимые данные у нас есть.

Вариант третий: разработать мобильное приложение для идентификации опасных зон, пользоваться которым будут как официальные службы, так и простые автомобилисты. Степень детализации в нём зависит от желаний пользователя. У одних такое приложение будет незаметно висеть в фоне, следить за координатами автомобиля и подавать сигнал только при подъезде к опасной зоне. Другим оно покажет карту и детальную оценку прогнозируемой ситуации впереди.

Насколько мне известно, для российских дорог таких инструментов ещё не создано. Так почему бы не попробовать? Вложения минимальны, всё необходимое есть, а положительный эффект измеряется в человеческих жизнях!

Если вам понравилась статья - порекомендуйте ее своим друзьям, знакомым или коллегам, имеющим отношение к муниципальной или государственной службе. Нам кажется, что им это будет и полезно, и приятно.
При перепечатке материалов обязательна ссылка на первоисточник.