Разработка системы переменных аналитического набора данных в соответствии с их функциональной ролью при построении прогностической модели вероятности возникновения ДТП
Журнал: Технико-технологические проблемы сервиса @ttps
Рубрика: Организационно-экономические аспекты сервиса
Статья в выпуске: 4 (78), 2026 года.
Бесплатный доступ
Исследование направлено на описание процесса построения системы переменных аналитического набора данных с учётом функциональной роли каждого из них в рамках создания прогностической модели вероятности возникновения дорожно-транспортных происшествий на автомобильных дорогах. В результате сформирована классификация переменных аналитического набора данных по функциональной роли.
Короткий адрес: https://sciup.org/148334441
IDS: 148334441 | УДК: 656.08
Formation of a system of variables of an analytical dataset in accordance with their functional role in constructing a predictive model of the probability of a traffic accident
The study aims to describe the process of constructing a system of variables for an analytical dataset, taking into account the functional role of each of them within the framework of creating a predictive model of the probability of traffic accidents occurring on highways. As a result, a classification of the variables in the analytical dataset has been formed based on their functional role.
Текст научной статьи Разработка системы переменных аналитического набора данных в соответствии с их функциональной ролью при построении прогностической модели вероятности возникновения ДТП
Дорожно‑транспортные происшествия (ДТП) остаются одной из причин травматизма и смертности. Снижение числа ДТП – приоритетная задача национальной политики и проектов в области безопасности дорожного движения [1-4]. Современные подходы к организации дорожного движения и содержанию дорог требуют не просто учёта статистики ДТП, а количественной оценки вероятности происше- ствий на конкретных участках [5-7]. При построении прогнозных моделей критически важно разделять переменные по функциональной роли (предикторы, контрольные и вспомогательные признаки).
В рамках исследования анализ целесообразно провести на материалах регионов, для которых сформированы сопоставимые аналитические массивы, содержащие сведения об участках до-
EDN CWJFPE рог, параметрах покрытия, интенсивности движения, погодных условиях и фактах совершения ДТП на рассматриваемых участках. Такая постановка задачи позволяет не только оценить значимость отдельных факторов риска внутри каждого региона, но и сопоставить устойчивость выявленных закономерностей между регионами, определить их общие и специфические особенности, а также оценить границы применимости единой универсальной модели риска ДТП.
Предметом исследования выступают статистические и прогностические закономерности связи между вероятностью ДТП и такими факторами, как интенсивность движения, параметры состояния дорожного покрытия, тип покрытия, погодные условия, временные характеристики и структура наблюдений в исследуемых регионах.
Обработка данных, формирование признаков, статистический анализ, построение прогностических моделей и визуализация результатов выполняются с помощью языка программирования Python в среде Jupyter Notebook / Google Colab. Выбор данного инструментария обусловлен его возможностями для предобработки данных, статистического анализа, машинного обучения и графического представления результатов.
Эмпирическую основу исследования составляют исходные массивы данных, сформированные по двум регионам и содержащие сведения о дорожной обстановке, характеристиках дорожного покрытия, погодных условиях, температуре воздуха и факте наличия либо отсутствия дорожно-транспортного происшествия (переменные x1 – фактическая приведенная интенсивность движения транспортных потоков, x2 – продольная ровность покрытия, x3 – дефектность покрытия, x4 – поперечная ровность покрытия (колейность), x5 – погодные явления).
На первом этапе исследования выполняется пространственная привязка координат мест совершения ДТП к сети метеорологических наблюдений. Посредством геоинформационного анализа адресов исследуемых участков, на которых регистрировались дорожно-транспортные происшествия, формируется перечень метеостанций, пространственно ближайших к каждому из рассматриваемых инцидентов. Данный подход обеспечивает минимизацию погрешности при экстраполяции метеорологических параметров на локальные участки дорожной сети [8,9].
На втором этапе осуществлено формирование репрезентативного массива метеорологических данных, охватывающего временные периоды, непосредственно предшествовавшие и совпадающие с моментами фиксации ДТП. В результате обработки запроса формируется комплексный набор параметров, включающий:
-
- значения температуры воздуха (с дискретностью измерений, соответствующей регламенту наблюдений метеостанции);
-
- количественные и качественные характеристики атмосферных осадков (интенсивность, продолжительность, фазовое состояние);
-
- показатели горизонтальной видимости (в том числе с учётом явлений, ограничивающих видимость – туман, осадки);
-
- описание текущих и сопутствующих погодных явлений (гроза, метель, гололёд, шквалистое усиление ветра и пр.).
Полученные данные проходят предварительную валидацию на соответствие временным меткам ДТП и пространственной привязке, что позволяет исключить случаи некорректного сопоставления метеорологических условий с конкретными инцидентами. Итоговый массив информации представляет собой структурированную базу, пригодную для статистического анализа взаимосвязей между метеорологическими факторами и вероятностью возникновения дорожно-транспортных происшествий.
После подготовки и структурирования исходных массивов выполняется этап формирования производных признаков, направленный на повышение информативности данных и обеспечение возможности последующего статистического анализа и моделирования. Необходимость данного этапа обусловлена тем, что исходные переменные не в полной мере отражают возможные нелинейные зависимости, взаимодействия факторов и обобщённые характеристики дорожной обстановки.
Исходная переменная x5_weather имела текстовый формат и могла содержать несколько погодных явлений одновременно. Для обеспечения возможности количественного анализа она была преобразована в набор бинарных признаков. Так сформированы следующие переменные:
-
- rain – наличие дождя;
-
- snow – наличие снега;
-
- fog – наличие тумана или дымки;
-
- drizzle – наличие мороси;
-
- storm – наличие грозы;
-
- no_precip – отсутствие осадков;
-
- mixed_precip – наличие смешанных осадков.
Каждая переменная принимает значение 1 при наличии соответствующего условия и 0 – при его отсутствии.
Дополнительно сформирован агрегированный признак bad_weather, объединяющий неблагоприятные погодные условия. Использование данного признака позволяет учитывать совокупный эффект погодных факторов.
На основе переменной datetime_event, представляющей собой объединённое значение даты и времени наблюдения, сформированы временные характеристики путём выделения отдельных компонентов времени. В частности, были получены следующие признаки:
-
- weekday – день недели, извлечённый из даты наблюдения;
-
- is_weekend – индикатор выходного дня, сформированный на основе значения дня недели (суббота и воскресенье);
-
- season – сезон года, определённый по календарной дате;
-
- hour – час наблюдения (от 0 до 23);
-
- time_of_day – категория времени суток, сформированная на основе значения часа (ночь: 0:00–5:59; утро: 6:00–11:59; день: 12:00–17:59; вечер: 18:00–23:59).
Дополнительно введён признак is_peak_hour, отражающий периоды повышенной транспортной нагрузки (утренние часы: 7:00– 10:00; вечерние часы: 16:00–19:00), выделенные на основе типичной суточной динамики транспортных потоков.
Формирование временных признаков обусловлено тем, что интенсивность движения и поведение участников дорожного движения существенно изменяются в зависимости от времени суток, дня недели и сезона. Например, в утренние и вечерние часы наблюдаются пики транспортной нагрузки, а в выходные дни и ночное время – иная структура и плотность движения.
Переменная интенсивности движения x1_intensity характеризуется асимметричным распределением и наличием экстремальных значений, что подтверждается результатами предварительного анализа данных. Для стабилизации распределения переменной x1_intensity применено логарифмическое преобразование, в результате чего сформирована переменная log_intensity – натуральный логарифм интенсивности движения. Данное преобразование позволяет снизить влияние выбросов и повысить устойчивость моделей. Дополнительно интенсивность категорифициро-вана на основе квартильного разбиения распределения intensity_level – категории интенсивности движения:
-
- низкая – значения ниже 25-го перцентиля;
-
- средняя – от 25-го до 50-го перцентиля;
-
- высокая – от 50-го до 75-го перцентиля;
-
- очень высокая – выше 75-го перцентиля.
Такой подход позволяет учитывать нелинейные зависимости между интенсивностью движения и вероятностью ДТП.
Для учёта нелинейного влияния температуры сформирована категориальная переменная temp_category. Разбиение выполнялось по фиксир В результате выполненное исследование в рамках этапа предобработки и формирования признаков позволяет расширить набор аналитических переменных и структурировать исходные данные, подготовить их к дальнейшему анализу и моделированию. ованным температурным диапазонам:
-
- below_zero – температура ниже 0 °C;
-
- cold – температура от 0 до 10 °C;
-
- mild – температура от 10 до 20 °C;
-
- warm – температура 20 °C и выше;
-
- unknown – отсутствие информации о температуре.
Такое разбиение позволяет перейти от непрерывной температурной шкалы к интерпретируемым диапазонам, соответствующим различным условиям эксплуатации дорожной сети.
Параметры дорожного полотна (x2_roughness, x3_defects, x4_rut) отражают различные аспекты качества дороги. Для перехода от анализа отдельных показателей к их обобщённой оценке сформирован интегральный показатель road_quality_index, который определяется как взвешенная сумма исходных параметров x2-x4.
Использование взвешенной агрегации позволяет перейти от анализа отдельных параметров к комплексной оценке состояния дороги, учесть различную значимость факторов и повысить интерпретируемость результатов моделирования [10].
Дополнительно введён бинарный признак bad_road, предназначенный для выделения участков с неблагоприятными характеристиками дорожного покрытия. Значение, равное 1 присваивалось в случаях, когда хотя бы один из показателей (x2_roughness, x3_defects, x4_rut) превышал 75-й перцентиль распределения. В противном случае признаку присваивалось значение 0. Такой подход позволяет фиксировать наличие выраженно неблагоприятного состояния дороги хотя бы по одному из ключевых параметров.
Для учета возможного совместного влияния факторов сформированы признаки взаимодействия, отражающие нелинейные эффекты и усиление воздействия одного фактора при изменении другого. В частности, построены следующие переменные intensity_x_defects и intensity_x_roughness – произведение интенсивности движения с уровнем дефектности покрытия и произведение интенсивности движения с показателем ровности покрытия соответственно. Для систематизации сформированных переменных и уточнения их роли в исследовании разработана их классификация по функциональному назначению (таблица 1).
Представленная классификация отражает различную роль переменных в рамках исследования и позволяет разграничить задачи описательного анализа, отбора факторов и построения прогностических моделей.
При этом в методологию предобработки интегрирован учёт специфических ограничений, обусловленных архитектурой массивов данных и особенностями выборки, в том числе сегментом
-
Е.В. Сорокина наблюдений, не содержащих фактов дорожно‑транспортных происшествий.
Таблица 1 – Классификация переменных аналитического датасета по функциональной роли
|
Переменная |
Тип признака |
Описание |
|
1. Признаки, используемые при построении моделей |
||
|
x2_roughness |
числовая |
продольная ровность покрытия |
|
x3_defects |
числовая |
дефектность покрытия |
|
x4_rut |
числовая |
глубина колеи (для асфальтовых дорог) |
|
log_intensity |
числовая (производная) |
логарифм интенсивности движения |
|
2. Признаки, используемые для предварительного анализа и отбора факторов |
||
|
x1_intensity |
числовая |
фактическая интенсивность движения |
|
road_quality_index |
числовая (производная) |
интегральный показатель состояния дороги |
|
intensity_x_defects |
числовая (производная) |
взаимодействие интенсивности и дефектности |
|
intensity_x_roughness |
числовая (производная) |
взаимодействие интенсивности и ровности |
|
3. Признаки, используемые для описательного анализа структуры ДТП |
||
|
x5_weather |
текстовая |
исходное описание погодных условий |
|
rain |
бинарная (производная) |
наличие дождя |
|
snow |
бинарная (производная) |
наличие снега |
|
fog |
бинарная (производная) |
туман или дымка |
|
drizzle |
бинарная (производная) |
морось |
|
storm |
бинарная (производная) |
гроза |
|
no_precip |
бинарная (производная) |
отсутствие осадков |
|
mixed_precip |
бинарная (производная) |
смешанные осадки |
|
bad_weather |
бинарная (производная) |
агрегированный признак неблагоприятной погоды |
|
datetime_event |
временная |
дата и время наблюдения |
|
weekday |
категориальная (производная) |
день недели |
|
is_weekend |
бинарная (производная) |
признак выходного дня |
|
season |
категориальная (производная) |
сезон года |
|
hour |
числовая (производная) |
час наблюдения |
|
time_of_day |
категориальная (производная) |
категория времени суток |
|
is_peak_hour |
бинарная (производная) |
признак часа пик |
|
temperature |
числовая |
температура воздуха |
|
temp_category |
категориальная (производная) |
температурные категории |
|
intensity_level |
категориальная (производная) |
уровень интенсивности движения |
|
bad_road |
бинарная (производная) |
признак неблагоприятного состояния дороги |
|
4. Признаки, используемые для форми |
рования сопоставимых подвыборок |
|
|
section_name |
категориальная |
идентификатор участка дороги |
|
surface_group |
категориальная |
укрупнённый тип покрытия |
|
season |
категориальная (производная) |
сезон (используется для ограничения выборки) |
Сформированный комплекс признаков выступает фундаментальной основой для дальнейшей процедуры отбора значимых факторов и разработки моделей оценки вероятности возникновения ДТП, обеспечивая репрезентативность и аналитическую ценность последующего моделирования рисков.