Разработка математической модели оценки аварийности объектов на городской улично-дорожной сети

Введение. На сегодняшний день на улично-дорожной сети (УДС) крупных городов и административных центров появился новый быстроразвивающийся вид транспорта, а именно средства индивидуальной мобильности (СИМ). Существует большое количество положительных факторов использования данных средств, таких как экологичность, маневренность, экономичность, социальная дистанцированность, гибкость маршрута и т.д. Однако из-за отсутствия адаптированной инфраструктуры для их передвижения можно наблюдать стремительный рост дорожно-транспортных происшествий (ДТП) с их участием. Для снижения количества ДТП в рамках исследования предлагается разработать математическую модель для оценки вероятности наступления аварийного события на каждом из выделенных типов объектов.
Материалы и методы. В данной статье представлены результаты математического моделирования, основанного на анализе аварийности объектов на городской улично-дорожной сети. Для достижения результатов были применены эмпирический анализ официальной статистики количества дорожно-транспортных происшествий с участием СИМ, классификационный подход, вероятностное моделирование и регрессионный прогноз. В исследовании в качестве материалов выступали данные по числу ДТП с участием СИМ на отдельных объектах улично-дорожной сети. Основной акцент сделан на количественном описании и предсказании аварийности с участием СИМ в смешанной городской среде, особенно в зонах, не предназначенных изначально для транспортных средств.
Результаты. Получена математическая модель оценки аварийности объектов городской УДС с учетом нового вида транспорта – средства индивидуальной мобильности. Адекватность и предсказательная надёжность построенных моделей подтверждаются значениями коэффициента детерминации , находящимися в пределах от 0,64 до 0,92.
Обсуждение и заключение. Использование данной модели позволяет не только оценить текущий уровень аварийности на объектах УДС, но и выявить тенденции её изменения во времени. Благодаря высокой достоверности аппроксимации, модель обеспечивает надёжный прогноз количества числа ДТП с участием СИМ на различных объектах УДС.

1. Шевцова А.Г. Динамика реализации программы VISION ZERO в мировых странах // Мир транспорта и технологических машин. 2021. № 3 (74). С. 35–42. DOI: 10.33979/2073-7432-2021-74-3-35-42

2. Семикопенко Ю.В., Шевцова А.Г., Дмитриев Д.В., Бахарев Г.А. Основные виды дорожно-транспортных происшествий в Российской Федерации // Успехи современной науки и образования. 2016. Т. 5, № 7. С. 76–79.

3. Новиков А.Н., Еремин С.В., Шевцова А.Г. Пути повышения безопасности функционирования общественного транспорта в условиях перспективного развития города // Белгородский государственный технологический университет им. В. Г. Шухова, 2023. 239 с. ISBN 978-5-361-01180-3.

4. Купавцев В.А., Донченко В.В. Разработка модели оценки риска наезда средства индивидуальной мобильности на пешехода // Вестник МГУ. Серия 6: Экономика. 2025. № 3. С. 45–58.

5. Юнг А.А., Шевцова А.Г., Васильева В.В., Долиненко А.А. Разработка математической модели прогнозирования аварийности с участием средств индивидуальной мобильности // Мир транспорта и технологических машин. 2025. № 1–3 (88). С. 90–96.

6. Докукин В.М., Цыганков Ю.А. Сравнительный анализ эффективности методов линейной регрессии для решения задачи прогнозирования значений временного ряда // Современные проблемы горно-металлургического комплекса. Наука и производство : материалы XX Всерос. науч.-практ. конф. 2024. С. 396–401.

7. OECD/ITF. Micromobility Safety: Managing the Integration of E-Scooters and Other Devices into Urban Transport Systems. Paris : International Transport Forum, . 2024. № 1–5 (54). С. 81–85.

8. Купавцев В.А., Донченко В.В. Определение основных препятствий городских дорог и городских улиц при движении средств индивидуальной мобильности // Транспорт и логистика: Развитие в условиях глобальных изменений потоков : сб. науч. тр. VII Междунар. науч.-практ. конф. Ростов-на-Дону, 2023. С. 184–187.

9. Zhang Y., Wang J, Chen X. Crash risk analysis of e-scooter riders in urban environments using mixed logit models // Accident Analysis & Prevention. 2021. Vol. 159. P. 106253. DOI: 10.1016/j.aap.2021.106253

10. Юнг А.А. Разработка математической модели прогнозирования количества дорожно-транспортных происшествий с участием средств индивидуальной мобильности // Вестник СибАДИ. 2025. Т. 22, № 1 (101). С. 112–122.

11. Юнг А.А., Трошин А.С., Ван Я., Романенко А.О. Оценка скоростных особенностей движения средств индивидуальной мобильности при интеллектуализации городских транспортных систем // Мир транспорта и технологических машин. 2024. № 4-2 (87). С. 135–140.

12. Козлов В.И. Применение регрессионных моделей для прогнозирования ДТП с участием СИМ // Информационные технологии в транспортной системе. 2023. № 3. С. 62–70.

13. Litman T. Evaluating Micromobility Impacts and Best Practices // Transport Policy Institute. 2023. № 1–6 (14). С. 79–85.

14. 14. Смирнов Н.Н., Петров И.О. Безопасность смешанного движения в условиях роста популярности СИМ // Городские технологии. 2024. № 1. С. 22–30.

15. Шелмаков П.С., Шелмаков С.В. Развитие велосипедного движения в Российской Федерации // Успехи современного естествознания. 2012. № 6. С. 183–184.

16. Сойников С.А. Особенности определения административно-правового статуса участников дорожного движения, использующих современные технические средства передвижения (средства индивидуальной мобильности) // Вестник экономической безопасности. 2020. № 1. С. 216–219. 17. Волков П.А., Кемяш Ю.В. Средства индивидуальной мобильности: вопросы теории и практики использования // Вестник Белгородского юридического института МВД России им. И. Д. Путилина. 2021. № 1. С. 51–55.

17. Мишина Ю.В. Проблемы определения административно-правового статуса лиц, использующих для передвижения электросамокаты, сегвеи и иные современные технические средства // Проблемы экономики и юридической практики. 2020. № 4. С. 321–325.

18. Smith J.A., Patel R.K, Chen L.M. A machine learning approach to urban traffic congestion prediction // Transportation Research Part C: Emerging Technologies. 2021. Vol. 124. P. 102987. DOI: 10.1016/j.trc.2021.102987

19. Trofimenko Y.V., Komkov V.I., Potapchenko T.D, Donchenko V.V. Model for the assessment greenhouse gas emissions from road transport // Periodicals of Engineering and Natural Sciences. 2019. Vol. 7, No 1. P. 465–473.