Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения
Автор: Тютюнник В.М., Удаиб М.А.У.
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 2, 2026 года.
Бесплатный доступ
Приведён анализ набора данных из 254137 записей по 50828 дорожно-транспортным происшествиям, взятых с портала Seattle GeoData. После распознавания происшествий и предварительной очистки данных использовано три метода машинного обучения для классификации и последующего прогнозирования тяжести дорожно-транспортных происшествий: опорных векторов, случайного леса и логистической регрессии. Изучено пять вариантов тяжести дорожно-транспортных происшествий: 1) не удалось определить; 2) только материальный ущерб; 3) с травмами; 4) с серьёзными травмами; 5) со смертельным исходом. Полученные данные показали, что лёгкие дорожно-транспортные происшествия (только с материальным ущербом или с обычными травмами) достаточно надёжно распознаются, классифицируются и предсказываются всеми тремя методами. При меньшей ошибке лучшим оказывается метод случайного леса, дающий точность 0,98 в прогнозировании тяжести несчастного случая; метод опорных векторов даёт точность 0,96, а метод логистической регрессии – 0,94.
Распознавание образов, метод опорных векторов, метод случайного леса, метод логистической регрессии, SDOT, прогнозирование, дорожно-транспортные происшествия
Короткий адрес: https://sciup.org/148333887
IDR: 148333887 | УДК: 004.93 | DOI: 10.18137/RNU.V9187.26.02.P.137
Predicting the severity of accidents using pattern recognition and various machine learning methods
An analysis of a data set of 254,137 records for 50,828 road accidents taken from the Seattle GeoData portal is presented. After recognizing accidents and pre-cleaning the data, three machine learning methods were used to classify and subsequently predict the severity of road accidents: support vectors, random forest, and logistic regression. Five variants of the severity of traffic accidents have been studied: 1) could not be determined, 2) only material damage, 3) with injuries, 4) with serious injuries, 5) fatal. The data obtained showed that “light” road accidents (only with material damage or with ordinary injuries) are reliably recognized, classified and predicted by all three methods. With a lower error, the random forest method turns out to be the best, giving an accuracy of 0.98 in predicting the severity of an accident, the support vector method gives an accuracy of 0.96, and the logistic regression method gives an accuracy of 0.94.
Текст научной статьи Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения
Растущее количество дорожно-транспортных происшествий (далее – ДТП) практически во всех странах мира приводит к значительному росту гибели людей и серьёзных травм, сравнимых с крупными военными баталиями 1 [1]. Например, в США в 2024 году произошло около 2 млн ДТП, в которых травмировано 2,7 млн чел., а свыше 36 тыс. чел. погибли. В России за 2025 год произошло 128 тыс. ДТП, в которых 158 тыс. чел. ранено, а около 14 тыс. погибли. Автомобильные инспекции обычно борются с ДТП традиционными способами: контроль соблюдения правил дорожного движения и штрафы за их нарушение, внедрение безопасных перекрёстков, снижение скоростного режима и др. Эта проблема привлекает внимание и учёных – научный анализ дорожно-транспортных происшествий с помощью распознавания образов и привлечения искусственного интеллекта приобретает всё большее значение 2 [2].
Авторы данной статьи разработали несколько новых моделей прогнозирования тяжести аварий с помощью различных вариантов методов машинного обучения.
Для тестирования таких моделей и подтверждения их работоспособности требуется значительный массив данных. Таковым является портал Seattle GeoData 3 , который очень
Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения удобен для исследований в области Data Mining, KDD (Knowledge Discovery in Databases – обнаружение знаний в базах данных), Analysis Services, Web Mining и даже Text Mining, так как огромные массивы точных разноформатных данных, собранных на этом портале для города Сиэтл (штат Вашингтон, США), позволяют осуществлять интеграции данных, построение хранилищ данных, анализ данных и построение отчётов, то есть проверять любые модели, работающие с большими данными. Среди 374 наборов данных этого портала имеются SDOT Collisions Vehicles: данные о дорожно-транспортных происшествиях, зарегистрированных в Департаменте транспорта штата Вашингтон (Seattle Department of Transportation, SDOT). Они предоставлены Департаментом транспорта штата Вашингтон (WSDOT) и хранятся в системе Infor. Данные пополняются ежедневно и могут быть зафиксированы на любую конкретную дату, то есть являются предельно актуальными, что очень удобно, например, для проверки моделей распознавания образов. Именно для этой цели авторы использовали гетерогенный набор данных SDOT, загруженный из Seattle GeoData.
Необходимо отметить, что процесс распознавания образов автомобилей и людей, участвующих в ДТП, осуществлялся в два этапа:
-
1) из огромного количества данных в SDOT выбирали только те, в которых можно идентифицировать автомобиль и человека, а также выявить информацию о характере ДТП;
-
2) полученные образы классифицировали с помощью трёх методов машинного обучения, которые затем сравнивали и выявляли наиболее эффективный, способный спрогнозировать ДТП и классифицировать их по различным степеням тяжести.
Описание набора данных
Использованный набор данных SDOT содержит 254137 записей о дорожно-транспортных происшествиях, зарегистрированных в Сиэтле (США) с октября 2003 по март 2025 гг. Каждая запись соответствует одному официально зарегистрированному ДТП и включает 50 параметров, характеризующих обстоятельства происшествия. Этот набор данных объединяет несколько типов информации: числовую, категориальную, текстовую, геопространственную, временную, булевую, а также метаданные и идентификаторы. Информация собрана из различных источников, включая полицейскую документацию, дорожные сенсоры и геоинформационные системы.
Таким образом, набор представляет собой гетерогенные данные о ДТП, что полностью соответствует цели исследования, связанной с анализом гетерогенной информации и применением методов распознавания образов.
Предварительная обработка данных
Набор данных состоит из 50 переменных, но авторы использовали 23 переменные, которые в наибольшей степени влияют на тяжесть аварий: номер пострадавшего, количество лиц с тяжёлыми травмами и смертельным исходом, общее количество пострадавших в аварии, количество пешеходов, велосипедов и автомобилей, вовлечённых в ДТП, а также код серьезности и объяснения серьёзности столкновения. Сохранены контекстуальные и поведенческие параметры, включая тип перекрёстка, рассеянность водителя, наличие наркотиков или алкоголя, климатические условия, покрытие проезжей ча-
Вестник Российского нового университета
Серия «Сложные системы: модели, анализ и управление». 2026. № 2
сти и освещение, случаи превышения скорости и детали, касающиеся столкновения с неподвижным транспортным средством. Введены данные о времени: дата аварии (INCDATE) и время аварии (INCDTTM) – две переменные, преобразованные в формат даты и времени для дальнейшей идентификации по времени и шаблону. Время события означает конкретный день недели и двоичное обозначение, указывающее, произошло ли событие в выходные дни.
В категориальных переменных пропущенные значения заменены на unknown. Эти числовые переменные заменены средними значениями соответствующих переменных. Затем для масштабирования числовых характеристик использован стандартный метод Standard Scaler , обеспечивающий их уменьшение до аналогичного масштаба и повышающий точность последующего анализа данных приложений алгоритма.
Этот набор данных подготовлен для задач идентификации шаблонов путём преобразования столбца, содержащего код серьёзности аварии, в категориальный информационный тип. В контексте темы исследования преобразование позволило машинному обучению и статистическим методам определить серьёзность в виде отдельного, а не непрерывного числа (см. Таблицу 1).
Разведочный анализ данных (EDA)
Для получения более полного представления о наборе данных SDOT проведён исследовательский анализ данных (EDA); результаты представлены в графическом виде и в таблицах. Типы данных выбранных объектов приведены в Таблице 1, объекты из набора данных SDOT описаны в Таблице 2, а значения пропорций для данных, которые отсутствуют для каждого объекта, – в Таблице 3. На Рисунке 1 показаны количественные характеристики, на Рисунке 2 показаны графики характеристик категорий, в Таблице 4 представлена информация о методах описательной статистики для числовых характеристик. Наиболее важные категории, обладающие наибольшим влиянием среди характеристик категорий, представлены в Таблице 5.
Таблица 1
Типы данных – выбранные признаки набора данных SDOT
|
№ |
Наименование данных |
Значение |
Тип данных |
|
0 |
SEVERITYCODE |
254136 |
category |
|
1 |
SEVERITYDESC |
254137 |
object |
|
2 |
COLLISIONTYPE |
254137 |
object |
|
3 |
PERSONCOUNT |
254137 |
int64 |
|
4 |
PEDCOUNT |
254137 |
int64 |
|
5 |
PEDCYLCOUNT |
254137 |
int64 |
|
6 |
VEHCOUNT |
254137 |
int64 |
|
7 |
INJURIES |
254137 |
int64 |
|
8 |
SERIOUSINJURIES |
254137 |
int64 |
|
9 |
FATALITIES |
254137 |
int64 |
|
10 |
INCDATE |
254137 |
datetime64 |
|
11 |
INCDTTM |
193002 |
datetime64 |
|
12 |
JUNCTIONTYPE |
254137 |
object |
|
13 |
INATTENTIONIND |
254137 |
object |
Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения
Окончание таблицы 2
|
№ |
Наименование данных |
Значение |
Тип данных |
|
14 |
UNDERINFL |
254137 |
object |
|
15 |
WEATHER |
254137 |
object |
|
16 |
ROADCOND |
254137 |
object |
|
17 |
LIGHTCOND |
254137 |
object |
|
18 |
SPEEDING |
254137 |
object |
|
19 |
HITPARKEDCAR |
254137 |
object |
|
20 |
Hour |
193002 |
float64 |
|
21 |
Weekday |
193002 |
object |
|
22 |
IsWeekend |
254137 |
bool |
Источник: здесь и далее таблицы составлены авторами.
Таблица 2
Выделенные признаки набора данных SDOT и их категории
|
Наименование данных |
Описание типа данных |
|
SEVERITYCODE |
Числовое |
|
SEVERITYDESC |
0 – неизвестно, 1 – только материальный ущерб, 2 – столкновения с травмами, 2b – столкновения с серьёзными травмами, 3 – столкновения со смертельным исходом |
|
COLLISIONTYPE |
Столкновение сзади, лоб в лоб, под углом, с велосипедом, поворот, припаркованный автомобиль, пешеход, правый поворот, боковой удар, другое |
|
PERSONCOUNT |
Числовое |
|
PEDCOUNT |
Числовое |
|
PEDCYLCOUNT |
Числовое |
|
VEHCOUNT |
Числовое |
|
INJURIES |
Числовое |
|
SERIOUSINJURIES |
Числовое |
|
FATALITIES |
Числовое |
|
INCDATE |
Временнóе |
|
INCDTTM |
Временнóе |
|
JUNCTIONTYPE |
Тип перекрёстка: на перекрёстке, но не связанный с перекрестком; на перекрестке, связанный с перекрёстком; перекрёсток с подъездной дорожкой; перекрёсток в середине квартала, но не связанный с перекрёстком; перекрёсток в середине квартала, связанный с перекрёстком; перекрёсток с рампой |
|
INATTENTIONIND |
Логическое |
|
UNDERINFL |
Логическое |
|
WEATHER |
Ветер с песком/грязью, метель, ясно, туман/смог/дым, облачно, переменная облачность, дождь, сильный боковой ветер, мокрый снег/град/ледяной дождь, снегопад, другое, неизвестно |
|
ROADCOND |
Темно – уличных фонарей нет, темно – уличные фонари выключены, темно – уличные фонари включены, темно – неизвестное освещение, рассвет, дневной свет, сумерки, другое, неизвестно |
|
LIGHTCOND |
Темнота – уличные фонари горят, темнота – неизвестное освещение, рассвет, дневной свет, сумерки, другое, неизвестно |
|
SPEEDING |
Числовое |
|
HITPARKEDCAR |
Логическое |
Вестник Российского нового университета
Серия «Сложные системы: модели, анализ и управление». 2026. № 2
Таблица 3
Процент пропущенных значений по каждому признаку
|
SEVERITYCODE |
0.000393 |
SEVERITYDESC |
0.000000 |
|
COLLISIONTYPE |
0.000000 |
PERSONCOUNT |
0.000000 |
|
PEDCOUNT |
0.000000 |
PEDCOUNT |
0.000000 |
|
VEHCOUNT |
0.000000 |
INJURIES |
0.000000 |
|
SERIOUSINJURIES |
0.000000 |
FATALITIES |
0.000000 |
|
INC_DATE |
0.000000 |
INCDTTM |
24.055923 |
|
JUNCTIONTYPE |
0.000000 |
INATTENTIONIND |
0.000000 |
|
UNDERINFL |
0.000000 |
WEATHER |
0.000000 |
|
ROADCOND |
0.000000 |
LIGHTCOND |
0.000000 |
|
SPEEDING |
0.000000 |
HITPARKEDCAR |
0.000000 |
|
HOUR |
24.055923 |
WEEKDAY |
24.055923 |
|
IsWeekend |
0.000000 |
Рисунок 1 . Статистика числовых признаков Источник: здесь и далее рисунки выполнены авторами.
Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения
Рисунок 2 . Описательная статистика для категориальных признаков
Таблица 4
|
Statistic |
PERSONCOUNT |
PEDCOUNT |
PEDCYLCOUNT |
VEHCOUNT |
INJURIES |
SERIOUSINJURIES |
FATALITIES |
INCDATE |
INCDTTM |
Hour |
|
count |
254137.000000 |
254137.000 000 |
254137.000000 |
254137.0000 00 |
254137.0000 00 |
254137.000000 |
254137.0000 00 |
254137 |
193002 |
193002.0000 00 |
|
mean |
2.236125 |
0.039219 |
0.028087 |
1.690675 |
0.375144 |
0.017136 |
0.002023 |
2013-03-24 01:30:21.227133 184 |
2013-07-26 21:38:22.750023 168 |
13.229158 |
|
min |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
0.000000 |
2003-10-06 00:00:00 |
2004-01-10 01:27:00 |
0.000000 |
|
25% |
2.000000 |
0.000000 |
0.000000 |
1.000000 |
0.000000 |
0.000000 |
0.000000 |
2008-01-31 00:00:00 |
2008-10-24 22:44:30 |
9.000000 |
|
50% |
2.000000 |
0.000000 |
0.000000 |
2.000000 |
0.000000 |
0.000000 |
0.000000 |
2013-01-06 00:00:00 |
2013-08-16 16:04:30 |
14.000000 |
|
75% |
3.000000 |
0.000000 |
0.000000 |
2.000000 |
1.000000 |
0.000000 |
0.000000 |
2017-10-12 00:00:00 |
2017-10-25 00:01:15 |
17.000000 |
|
max |
93.000000 |
6.000000 |
3.000000 |
15.000000 |
78.000000 |
41.000000 |
5.000000 |
2025-03-26 00:00:00 |
2024-12-22 17:31:00 |
23.000000 |
|
std |
1.437553 |
0.204424 |
0.166716 |
0.866417 |
0.725315 |
0.162422 |
0.048222 |
NaN |
NaN |
5.702570 |
Вестник Российского нового университета
Серия «Сложные системы: модели, анализ и управление». 2026. № 2
Таблица 5
Наибольшее влияние среди категориальных признаков
|
№ |
Признак (наименование данных) |
Тип признака |
Количество ДТП |
|
1 |
COLLISIONTYPE |
Припаркованные машины |
52923 |
|
2 |
JUNCTIONTYPE |
Середина квартала (не связана с пересечением) |
118621 |
|
3 |
INATTENTIONIND |
Неизвестно |
223522 |
|
4 |
UNDERINFL |
Не под влиянием |
127764 |
|
5 |
WEATHER |
Ясная |
145915 |
|
6 |
ROADCOND |
Сухой |
145915 |
|
7 |
LIGHTCOND |
Дневной свет |
133790 |
|
8 |
SPEEDING |
Unknown |
242635 |
|
9 |
HITPARKEDCAR |
Нет |
235910 |
|
10 |
WEEKDAY |
Пятница |
31879 |
|
11 |
ISWEEKEND |
Ложь |
204791 |
Модель прогноза ДТП с помощью метода опорных векторов
Набор данных предварительно обработан стандартной операцией с помощью Python для удаления всех NaN-данных, которые проникли в списки из-за ошибок при сборе данных. Для классификации тяжести ДТП использовался метод опорных векторов (SVM, Support Vector Machine) – алгоритм машинного обучения, который строит гиперплоскость в n-мерном пространстве для разделения объектов двух или более классов. В простых случаях, например, для двумерных данных, гиперплоскость – прямая, но в более высоких измерениях – многомерный объект. Основная идея метода опорных векторов – построение гиперплоскости, которая разделяет объекты выборки оптимальным способом. Алгоритм работает в предположении, что чем больше расстояние (зазор) между разделяющей гиперплоскостью и объектами разделяемых классов, тем меньше средняя ошибка классификатора.
Набор данных, выбранных из SDOT, делится на три группы:
-
1) 60 % – обучающий набор;
-
2) 20 % – тестовый набор;
-
3) 20 % – валидационный набор для оценки модели.
Размер обучающей выборки – 152481, тестовой – 50827, валидационной – 50828. Результаты показывают, что модель метода опорных векторов полностью подтверждает свою эффективность (см. Таблицы 6, 7).
Таблица 6
Результаты работы метода опорных векторов в тестовом наборе
|
Степень тяжести ДТП |
Точность |
Полнота |
f1-score |
Объём выборки (количество ДТП) |
|
0 (неизвестна) |
1,00 |
0,88 |
0,93 |
5086 |
|
1 (только материальный ущерб) |
0,98 |
0,98 |
0,98 |
31338 |
|
2 (столкновение с травмами) |
0,95 |
0,99 |
0,97 |
13542 |
|
2а (столкновение с серьёзными травмами) |
0,76 |
0,62 |
0,68 |
766 |
|
3 (столкновение со смертельным исходом) |
0,74 |
0,66 |
0,70 |
95 |
Примечание: f1-score – гармоническое среднее между точностью и полнотой.
Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения
Таблица 7
Результаты использования метода опорных векторов в валидационном наборе
|
Степень тяжести ДТП |
Точность |
Полнота |
f1-score |
Объём выборки (количество ДТП) |
|
0 (неизвестна) |
1,00 |
0,87 |
0,93 |
5066 |
|
1 (только материальный ущерб) |
0,98 |
0,98 |
0,98 |
31266 |
|
2 (столкновение с травмами) |
0,94 |
0,99 |
0,97 |
13569 |
|
2а (столкновение с серьёзными травмами) |
0,80 |
0,59 |
0,68 |
839 |
|
3 (столкновение со смертельным исходом) |
0,76 |
0,62 |
0,69 |
88 |
Оценим полученные результаты, то есть качество классификационных моделей в результате машинного обучения. Общее количество предсказанных ДТП составило 50827 при f1-score = 0,97. Метрика макроусреднения (Macro avg) для оценки качества моделей классификации – среднее арифметическое подсчитанной метрики для каждого класса – соответственно, составила: точность 0,89; полнота 0,83; f1-score 0,85. Средневзвешенное арифметическое приняло одинаковые значения: точность 0,97; полнота 0,97; f1-score 0,97. Точность модели составляет 96 %.
Оценим полученные результаты, то есть качество классификационных моделей в результате машинного обучения. Общее количество предсказанных ДТП составило 50828 при f1-score = 0,97. Метрика макроусреднения (Macro avg) для оценки качества моделей классификации – среднее арифметическое подсчитанной метрики для каждого класса – соответственно, составила: точность 0,90; полнота 0,81; f1-score 0,85. Средневзвешенное арифметическое приняло одинаковые значения: точность 0,97; полнота 0,97; f1-score 0,97. Точность модели составляет 96 %.
Прогнозирование тяжести ДТП с использованием случайного леса
Модель случайного леса ( Random_Forest) использована на том же наборе данных SDOT, в котором обнаружено 254137 сведений о ДТП. Этот набор данных предварительно обработан и разделен на три группы по аналогии с предыдущим методом. В результате объём выборки составил те же 50827 ДТП за тестовый набор и 50828 за валидационный набор. Полученные результаты приведены в Таблицах 8, 9.
Таблица 8
Результаты работы метода случайного леса в тестовом наборе
|
Степень тяжести ДТП |
Точность |
Полнота |
f1-score |
Объём выборки (количество ДТП) |
|
0 (неизвестна) |
1,00 |
0,88 |
0,93 |
5086 |
|
1 (только материальный ущерб) |
0,98 |
1,00 |
0,99 |
31338 |
|
2 (столкновение с травмами) |
1,00 |
1,00 |
1,00 |
13542 |
|
2а (столкновение с серьёзными травмами) |
0,95 |
0,94 |
0,95 |
766 |
|
3 (столкновение со смертельным исходом) |
0,86 |
0,87 |
0,87 |
95 |
В данном случае метрика макроусреднения составила 0,96 по точности, 0,94 – по полноте и 0,95 – по f1-score; средневзвешенное арифметическое составило 0,99. Результаты показывают, что модель случайного леса лучше предсказывает практически все варианты ДТП.
Вестник Российского нового университета
Серия «Сложные системы: модели, анализ и управление». 2026. № 2
Таблица 9
Результаты работы метода случайного леса в валидационном наборе
|
Степень тяжести ДТП |
Точность |
Полнота |
f1-score |
Объём выборки (количество ДТП) |
|
0 (неизвестна) |
1,00 |
0,87 |
0,93 |
5066 |
|
1 (только материальный ущерб) |
0,98 |
1,00 |
0,99 |
31266 |
|
2 (столкновение с травмами) |
1,00 |
1,00 |
1,00 |
13569 |
|
2а (столкновение с серьёзными травмами) |
0,95 |
0,94 |
0,95 |
839 |
|
3 (столкновение со смертельным исходом) |
0,91 |
0,80 |
0,85 |
88 |
Оценим полученные результаты, то есть качество классификационных моделей в результате машинного обучения. Общее количество предсказанных ДТП составило 50828 при f1-score = 0,99. Метрика макроусреднения (Macro avg) для оценки качества моделей классификации – среднее арифметическое подсчитанной метрики для каждого класса – соответственно, составила: точность 0,97; полнота 0,92; f1-score 0,94. Средневзвешенное арифметическое приняло одинаковые значения: точность 0,99; полнота 0,99; f1-score 0,98. Точность модели составляет 98 %.
Модель прогноза ДТП с помощью метода логистической регрессии
Суть логит-модели состоит в сравнении вероятности прогнозируемого ДТП с логистической кривой, что позволяет также классифицировать большой объём анализируемых данных с помощью используемых показателей точности, полноты и их гармонической средней [3–6]. Мультиномиальная логистическая регрессия использована на том же наборе данных SDOT, который предварительно обработан и разделен на две группы по аналогии с предыдущими методами. Полученные данные сведены в Таблицы 10, 11.
Таблица 10
Результаты работы метода логистической регрессии в тестовом наборе
|
Степень тяжести ДТП |
Точность |
Полнота |
f1-score |
Объём выборки (количество ДТП) |
|
0 (неизвестна) |
0,92 |
0,90 |
0,91 |
5086 |
|
1 (только материальный ущерб) |
0,97 |
0,98 |
0,97 |
31338 |
|
2 (столкновение с травмами) |
0,92 |
0,97 |
0,94 |
13542 |
|
2а (столкновение с серьёзными травмами) |
0,00 |
0,00 |
0,00 |
766 |
|
3 (столкновение со смертельным исходом) |
0,00 |
0,00 |
0,00 |
95 |
Таблица 11
Результаты работы метода логистической регрессии в валидационном наборе
|
Степень тяжести ДТП |
Точность |
Полнота |
f1-score |
Объём выборки (количество ДТП) |
|
0 (неизвестна) |
0,92 |
0,89 |
0,91 |
5066 |
|
1 (только материальный ущерб) |
0,97 |
0,98 |
0,97 |
31266 |
|
2 (столкновение с травмами) |
0,91 |
0,97 |
0,94 |
13569 |
|
2а (столкновение с серьёзными травмами) |
0,00 |
0,00 |
0,00 |
839 |
|
3 (столкновение со смертельным исходом) |
0,00 |
0,00 |
0,00 |
88 |
Прогнозирование тяжести аварий с помощью распознавания образов и различных методов машинного обучения
Как видно из Таблицы 10, метрика макроусреднения составила 0,56 по точности, 0,57 по полноте и 0,56 по f1-score; средневзвешенное арифметическое составило 0,93. Значения 0,00 свидетельствуют о том, что модель логистической регрессии для прогнозирования ДТП практически не работает с малыми объёмами нелинейных данных. Ее можно использовать только для прогноза ДТП без серьёзных травм и смертельных исходов.
Оценим полученные результаты, то есть качество классификационных моделей в результате машинного обучения. Общее количество предсказанных ДТП составило 50828 при f1-score = 0,95. Метрика макроусреднения (Macro avg) для оценки качества моделей классификации – среднее арифметическое подсчитанной метрики для каждого класса – соответственно, составила: точность 0,56; полнота 0,57; f1-score 0,56. Средневзвешенное арифметическое приняло одинаковые значения: точность 0,93; полнота 0,95; f1-score 0,94. Точность модели составляет 94 %.
Заключение
На значительном массиве данных о 50828 ДТП проверена возможность прогнозирования ДТП различного вида тяжести с использованием трёх распространённых методов машинного обучения: опорных векторов, случайного леса и логистической регрессии. Цель такого исследования состояла в том, чтобы получить достоверные данные по поводу возможности передать искусственному интеллекту процесс прогнозирования и предотвращения ДТП. Набор данных предварительно обрабатывается, и удаляются пропущенные значения. Данные разделены на три набора: обучающий (60 %), тестовый (20 %) и валидационный (20 %). Полученные данные показали, что лёгкие ДТП (столкновения только с материальным ущербом или с обычными травмами) достаточно надёжно распознаются, классифицируются и предсказываются всеми тремя методами. При меньшей ошибке лучшим оказывается метод случайного леса, дающий точность 0,98 в прогнозировании тяжести несчастного случая.
Что касается ДТП с серьёзными травмами и со смертельным исходом, то для распознавания и прогнозирования таких происшествий метод логистической регрессии оказался неприменимым, а эффективность двух других методов требует дальнейших исследований на значительно больших массивах данных.
