Факторы формирования аварийно-опасных участков на автомобильных дорогах федерального значения

Введение. Безопасность дорожного движения является одним из целевых государственных ориентиров. Одним из индикаторов состояния дорожно-транспортной аварийности в государственных программах является число аварийно-опасных участков. Снижение их числа приведет к значительному подъему уровня безопасности в связи с тем, что на этих участках концентрируется большое число ДТП, погибших и раненых. Поэтому задача по определению факторов формирования аварийно-опасных участков является актуальной.
Материалы и методы. Исследование основано на данных о ДТП, которые были зафиксированы на федеральных автомобильных дорогах Алтайского края в период с 2018 по 2021 г. Порядок выполнения работы включал три этапа. На первом определены аварийно-опасные участки на основе данных за 2021 год. На втором этапе определялись особенности аварийности на этих участках в предыдущие годы. На третьем определялись основные факторы формирования каждого из выделенных участков с помощью анализа схем расстановки средств организации дорожного движения и архивного видеоматериала по дорогам (съемки дорог).
Выводы. Комплексный анализ аварийно-опасных участков федеральных дорог Алтайского края позволил выделить ряд типичных условий, которые способствуют формированию повышенной аварийности. Среди них: значительное изменение скоростного режима, близость к городу, наличие большого числа конфликтных точек, проведение дорожных работ.
Рамки исследования/возможность последующего использования результатов научной работы.
Результаты работы могут быть использованы в работах по комплексному изучению факторов возникновения аварийно-опасных участков на автомобильных дорогах федерального значения, моделированию различных дорожных условий и условий внешней среды на степень аварийность участка дороги.
Практическое значение. Новые знания об основных факторах и условиях формирования аварийно-опасного участка позволят ответственным службам снижать степень опасности аналогичных участков за счет предупреждения одновременного действия всех выделенных условий.
Оригинальность. В исследовании впервые определены и обоснованы конкретные условия, которые в своей совокупности способствуют формированию аварийно-опасного участка на федеральных автомобильных дорогах.

1. Fazle Subhan, Shengchuan Zhao, El Bachir Diop, Yasir Ali, Hongmei Zhou. Public intention to pay for road safety improvement: A case study of Pakistan // Accident Analysis & Prevention.2021. V160. 106315. doi: 10.1016/j.aap.2021.106315.

2. Heather E Rosen, Imran Bari, Nino Paichadze, Margaret Peden, Meleckidzedeck Khayesi, Jesús Monclús, Adnan A Hyder. Global Road Safety 2010-18: An Analysis of Global Status Reports // Injury.2022. S0020-1383(22)00504-6. doi: 10.1016/j.injury.2022.07.030.

3. Vladimir Pajković, Mirjana Grdinić-Rakonjac Age-related differences in attitudes and perception on road safety issues in Montenegro // Transportation Research Procedia. 2022. Volume 60.pp. 584-591, doi: 10.1016/j.trpro.2021.12.075.

4. Akinori Morimoto, Ailin Wang, Naohiro Kitano, A conceptual framework for road traffic safety considering differences in traffic culture through international comparison,// IATSS Research. 2022. Volume 46, Issue 1. P. 3-13. doi: 10.1016/j.iatssr.2021.11.012.

5. Grushetsky, S., Brylev, I., Evtukov, S., Pushkarev, A. Road accident prevention model involving two-wheeled vehicles // Transportation Research Procedia.2020. 50. pp. 201–210. doi: 10.1016/j.trpro.2020.10.025.

6. Lobanova Y., Evtiukov S. Role and methods of accident ability diagnosis in ensuring traffic safety // Transportation Research Procedia. 14. Сер. “14th International Conference on Organization and Traffic Safety Management in Large Cities, OTS 2020” 2020. pp. 363-372.

7. Печатнова Е. В., Кузнецов В. Н. Факторы возникновения дорожно-транспортных происшествий с особо тяжкими последствиями // Вестник СибАДИ. 2022. Т. 19, № 2 (84). С. 224-235.doi: 10.26518/2071-7296-2022-19-2-224-235.

8. Гатиятуллин М. Х., Шихалеева А. В. Прогнозирование мероприятий по ликвидации и профилактике мест концентрации дорожно-транспортных происшествий // Техника и технология транспорта. 2021. № 4 (23). 8 с.

9. Hongjun Cui, Jianguo Dong, Minqing Zhu, Xia Li, Qingzhou Wang Identifying accident black spots based on the accident spacing distribution // Journal of Traffic and Transportation Engineering (English Edition). 2022 doi: 10.1016/j.jtte.2021.02.006.

10. Pechatnova E., Kuznetsov V. Assessment of the conditions for allocating independent road safety ITS subsystem // Advances in Intelligent Systems and Computing. 2021. Т. 1258. pp. 136-145.DOI: 10.1007/978-3-030-57450-5_13

11. Nikhil T.R, Harish J Kulkarni, Sarvada H. Identification of Black Spots and Improvements to Junctions in Bangalore City // International Journal of Scientific Research. 2013. 2(8). pp.136-139.

12. Osman Lindov, Fadila Kiso, Adnan Omerhodžić, Muhamed Begović. BSM-black spot management as methodology approach in increasing safety of road traffic // 7th International Maritime Science Conference (IMSC) April 20th-21st, 2017, Solin, Croatia. 2017. pp. 445 – 451.

13. Nešić, M., Lipovac, K., Vujanić, M., Jovanović, D. Roadside public survey approach in black spot identification on rural roads: case study // Transport. 2016. vol. 31(2). pp. 271–281. doi:10.3846/16484142.2016.1193055.

14. De Pauw, E., Daniels, S., Brijs, T., Hermans, E., Wets, G. Safety effects of an extensive black spot treatment programme in Flanders-Belgium // Accident Analysis & Prevention. 2014. V66. pp. 72–79. doi: 10.1016/j.aap.2014.01.019.

15. Szénási S. Analysis of historical road accident data supporting autonomous vehicle control strategies // PeerJ Computer Science. 2021. 7: e399. doi:10.7717/peerj-cs.399.

16. Bolla M E,Djahi B S The development of road databases and analysis of traffic accident-prone section (blacksite) based on Geographic Information System (GIS) // IOP Conf. Ser.: Mater. Sci. Eng. 2018. 403. 012062.doi: 10.1088/1757-899X/403/1/012062.

17. Saran M.S. Evaluation of accident black spots on roads using geoinformatics tools in Kozhikode district, Kerala // Journal of Geomatics. 2017. Vol 11. No. 2. pp.218 – 223.

18. Prof.Jessy Paul, Anu Jo Mariya, Gopika Viswanath, Jyothish Kumar K,Punyo Robin Identification of Black Spots and Analysis Using GIS: Case study from Kothamanagalam, Kerala // International Research Journal of Engineering and Technology (IRJET). 2017.Volume04. Issue 03. pp.2037 – 2041.

19. Mehmet Ali Dereli, Saffet Erdogan A new model for determining the traffic accident black spots using GIS-aided spatial statistical methods // Transportation Research Part A: Policy and Practice. 2017. Volume 103. pp 106-117. doi: 10.1016/j.tra.2017.05.031.

20. Erdoğan, S., Dereli, M.A. &Şenol, H.İ. A GIS-based assessment of long-term traffic accidents using spatiotemporal and empirical Bayes analysis in Turkey //ApplGeomat. 2022. 14. pp. 147–162 doi: 10.1007/s12518-022-00419-1.

21. Ma, Q., Huang, G. Tang, X. GIS-based analysis of spatial–temporal correlations of urban traffic accidents // Eur. Transp. Res. Rev. 2021. 13. 50. doi:10.1186/s12544-021-00509-y.

22. Amin Mirza Boroujerdian, Mahmoud Saffarzadeh, Hassan Yousefi, Hassan Ghassemian, A model to identify high crash road segments with the dynamic segmentation method // Accident Analysis & Prevention. 2014. Volume 73. pp. 274-287. doi: 10.1016/j.aap.2014.09.014.

23. Ni Dong, Helai Huang, Jaeyoung Lee, Mingyun Gao, Mohamed Abdel-Aty Macroscopic hotspots identification: A Bayesian spatio-temporal interaction approach // Accident Analysis & Prevention. 2016. Volume 92. pp. 256-264. doi:10.1016/j.aap.2016.04.001.

24. A. Y. Omari-Sasu,Adjei Mensah Isaac, R. K. Boadi Statistical Models for Count Data with Applications to Road Accidents in Ghana // International Journal of Statistics and Applications. 2016. 6(3). pp.123-137 doi: 10.5923/j.statistics.20160603.05.

25. Preethi S, Manjunatha M, Ranjitha B Tangadagi Bharath A, N Sunil. Road Safety Performance Audit for National Highway-44 // International Journal of Advanced Science and Technology. 2020. Vol. 29(06), No. 6, pp. 7808-7819.

26. FeritYakar Identification of accident-prone road sections by using relative frequency method // Traffic& Transportation. 2015. Vol. 27. No. 6. pp. 539-547. doi:10.7307/PTT.V27I6.1609

27. Yakar, F. A multicriteria decision making–based methodology to identify accident-prone road sections // Journal of Transportation Safety & Security. 2019. 13. pp.143 - 157.

28. Eyob Mekonnen, Emer Tucay Quezon, Murad Mohammed. Investigation of traffic accident prone areas related to existing road condition and driver’s behavior along Menagesha-Ambo road section // World Journal of Engineering Research and Technology. 2018. Vol. 4. Issue 2. pp. 64-81.

29. Xue, Gang and Huiying Wen. Crash-Prone Section Identification for Mountainous Highways Considering Multi-Risk Factors Coupling Effect // Journal of Advanced Transportation.2019. 1-9. doi: 10.1155/2019/9873832.

30. Куракина Е.В. Об эффективности проведения исследований мест концентрации ДТП // Вестник гражданских инженеров. 2018. № 2 (67). С. 231-237. doi: 10.23968/1999-5571-2018-15-2-231-237

31. Kurakina E., Kravchenko P., Brylev I., Rajczyk J. Systemic approach to auditing road traffic accident black spots // Transportation Research Procedia. 14. Сер. “14th International Conference on Organization and Traffic Safety Management in Large Cities, OTS 2020” 2020. pp. 330-336. DOI: 10.1016/j.trpro.2020.10.039.