Многокритериальный метод оценки уровня безопасности дорожного движения на участке улично-дорожной сети

Введение. Аварийность в Российской Федерации, не смотря на общее снижение данного показателя за последние годы, все еще находится на достаточно высоком уровне. Смертность в результате дорожно-транспортных происшествий в нашей стране находится также на достаточно высоком уровне. Между тем возникновение дорожно-транспортного происшествия (ДТП) как явления зависит от наличия фактора или совокупности факторов, которые в своем состоянии выходят за пределы нормы, инициируя тем самым опасную совокупность событий, приводящих к ДТП. В связи с этим оценка влияния различных факторов на аварийность, их выявление и профилактика является актуальной научной задачей.

Материалы и методы. В данной статье сформулированы основные положения по формированию интеллектуальной информационной системы, основанной на интегральном учете весов взаимосвязанного массива критериев и подкритериев, получаемого путем нормализованной экспертно-экспериментальной оценки основных конечных весовых элементов подсистем, образующих общую систему, на различных уровнях формирования общей оценки безопасности дорожного движения на отдельном участке улично-дорожной сети. В качестве объекта оценки выступает дорожно-транспортное происшествие как явление на участке улично-дорожной сети, сформированное из совокупности предикторов (конечных элементов) оценки, составляющих на разных уровнях оценки подкритерии, критерии и подсистемы общей системы оценки, один или несколько из которых имеет отклонение от нормального состояния, что приводит к аварийной ситуации и возникновению дорожно-транспортного происшествия как явления.

Выводы. В результате исследования сформирован многокритериальный метод оценки уровня безопасности дорожного движения на участке улично-дорожной сети с использованием конечных предикторов оценки отдельных подсистем в рамках системы «Водитель – Транспортное средство – Дорога – Окружающая среда (ВАДС)», ранжирование и взаимовлияние которых реализовано в виде программного продукта, включающего в себя расчетные методы на основе правил нечеткого вывода. Оценка предикторов состояния системы оценивается исключительно экспертно-экспериментальными методами мест концентрации дорожно-транспортных происшествий на участках улично-дорожной сети. Указанный метод универсален, имеет несколько уровней оценки различных факторов влияния, а также может быть дополнен при необходимости дополнительными предикторами оценки.

Рамки исследования/возможность последующего использования результатов научной работы. Предложенный метод может служить основой к формированию аналитической базы состояния транспортной среды в нашей стране на предмет ее безопасности, а также выступать в качестве основы для дальнейшего трансформирования системы ВАДС в более продвинутые системные формы.

Практическое значение. Результаты исследования могут использоваться при комплексной оценке безопасности дорожного движения с целью выявления факторов, влияющих на возникновение аварийной ситуации для проведения профилактических мероприятий по устранению данных факторов, как причины происшествий.

Оригинальность. Впервые к оценке безопасности дорожного движения на участке улично-дорожной сети применяется комплексный подход с использованием декомпозиции взаимодействующих подсистем системы ВАДС на предикторы оценки, состояние которых определяется не прогнозными или статистическими методами, а путем экспертно-экспериментального исследования с установлением критериев, выходящих за пределы нормы.

1. Рубцова М.В. Безопасность дорожного движения в России: проблемы и пути их решения // Безопасность дорожного движения. 2021. № 3. 4–7 с.

2. Пирогов Я.Е., Евтюков С.С., Терентьев А.В. Концепция информационно-аналитической платформы в дорожно-транспортной системе мегаполиса // Вестник гражданских инженеров. 2022. №5 (94). С. 123–129.

3. Новиков А.Н., Еремин С.В., Ломакин Д.О. Оценка уровня безопасности дорожного движения на региональном уровне // Мир транспорта и технологических машин. 2020. № 3 (70). С. 72–79. Https://doi.org/10.33979/2073-7432-2020-70-3-72-79

4. Лопарев Е.А., Сергунова А.С. Влияние внешних факторов на уровень дорожно-транспортных происшествий, связанных с наездами на пешеходов // Безопасность дорожного движения. 2022. № 1. 28–34 с.

5. Петров А.И., Евтюков С.А. Специфика использования информационно-энтропийного подхода при организации и управлении городскими системами обеспечения безопасности дорожного движения // Вестник гражданских инженеров. 2022. № 4 (105): 80–88.

6. Подопригора Н.В. Структура и функционирование системы «Водитель – Автомобиль – Дорога – Внешняя среда» // Вестник гражданских инженеров. 2022. № 2 (91): 154–159.

7. Новиков И.А., Лазарев Д.А., Зиборова Е.И., Жихарев А.Г. Совершенствование дорожно-транспортной экспертизы в сфере безопасности дорожного движения путем внедрения методологии комплексного определения составляющих механизма дорожно-транспортных происшествий // Мир транспорта и технологических машин. 2024. № 1-3 (84): 71–81. Https://doi.org/10.33979/2073-7432-2024-1-3(84)-71-81

8. Зеликов В.А., Шаталов Е.В., Еркнапешян Е.Н. [и др.]. Управление безопасностью движения в сфере автотранспортного обслуживания населения // Международный научно-исследовательский журнал. 2015. № 8 (39).

9. Евтюков С.С., Васильев Я.В., Голубев Д.С. Модель прогнозирования аварийности на основе адаптивного нейро-нечеткого вывода // Мир транспорта и технологических машин. 2025. № 2-2 (89): 126–133. Https://doi.org/10.33979/2073-7432-2025-2-2(89)-126-133

10. Гавриленко А.А. О перспективах использования нейросетей в аналитике безопасности дорожного движения // Современная наука. 2024. № 4: 8–11.

11. Аникеев Е.А. Применение нечёткой логики для управления дорожным движением // Актуальные направления научных исследований XXI века: теория и практика.2014. Том 2, № 4, ч. 3: 315–318.

12. Клюшин А.Ю., Кузнецов В.Н., Кучерявых В.В. Задачи построения интеллектуальной информационной системы управления безопасностью дорожного движения // Программные продукты и системы. 2010. № 4.

13. Мосин К.К. Использование методов автоматизированного машинного обучения для классификации дорожно-транспортных происшествий // Интеллектуальные технологии на транспорте. 2023. № 2.

14. Xueqiu, Wang. BL-YOLOv8: An Improved Road Defect Detection Model Based on YOLOv8 / Xueqiu Wang, Huanbing Gao, Zemeng Jia, Zijian Li // Sensors 2023, 23, 8361. https://doi.org/10.3390/s23208361

15. Лазарев Д.А., Гринякин Р.В., Стрекалов Д.П., Шаталов Е.В. Применение цифровых алгоритмов при оптимизации процесса расследования дорожно-транспортных происшествий // Воронежский научно-технический вестник. № 4(46) декабрь 2023 г. Https://doi.org/10.34220/2311-8873-2023-107-119

16. Лазарев Д.А., Иващук О.Д., Бекетов Я.М., Новиков И.А. Интеллектуальная система оценки уровня безопасности дорожного движения на участке улично-дорожной сети // Грузовик. 2025. № 8. С. 44–53. Https://doi.org/10.36652/1684-1298-2025-8-44-53

17. Иващук О.Д., Бекетов Я.М., Новиков И.А., Лазарев Д.А. Интеллектуальная система оценки уровня безопасности дорожного движения на участке улично-дорожной сети: свидетельство о государственной регистрации программы для ЭВМ №2025660188 // правообладатель ФГАОУ ВО БелГНИУ; дата гос. рег.: 22.04.2025 г.