Разработка системы переменных аналитического набора данных в соответствии с их функциональной ролью при построении прогностической модели вероятности возникновения ДТП

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.

автомобильная дорога \ безопасность дорожного движения \ дорожно-транспортное происшествие \ дорожные условия \ прогнозирование \ вероятность ДТП

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.