
Специалисты Санкт-Петербургского политехнического университета Петра Великого создали программу для прогноза тяжести последствий ДТП, сообщила пресс-служба Минобрнауки РФ порталу Наука Mail. Она оценивает, как факторы вроде погоды или освещения повлияли на исход аварии — и в какую сторону. Решение пригодится тем, кто отвечает за дорожную безопасность и городскую инфраструктуру. Программа зарегистрирована в Федеральной службе по интеллектуальной собственности.
По данным МВД, в 2025 году в России зафиксировали 128 тысяч ДТП: погибли почти 14 тысяч человек, около 158 тысяч получили ранения. Государство планирует сократить смертность на дорогах в 1,5 раза к 2030 году и вдвое — к 2036 году (относительно 2023 года). Чтобы достичь цели, дорожным службам важно понимать, при каких условиях аварии приводят к тяжелым последствиям и какие меры помогут на конкретных участках.

Ученые Политеха создали программу, которая не только прогнозирует тяжесть ДТП, но и объясняет прогноз. За предсказание отвечает градиентный бустинг — ансамбль решающих деревьев, улавливающий сложные зависимости (например, влияние освещения). Объяснение дают SHAP‑значения (по методу Ллойда Шепли): они показывают вклад каждого фактора — как «долю» в общем прогнозе.
В прошлых работах мы получали усредненные оценки того, насколько тот или иной фактор повышает вероятность тяжелого исхода. Для практических решений этого мало. Нужно понимать, почему прогноз для конкретной аварии получился именно таким: из-за неосвещенной дороги, осадков, числа людей в салоне или из-за сочетания этих условий. Теперь программа показывает, какие факторы и насколько повлияли на результат в каждом отдельном случае.
Программа запускается с загрузки данных об авариях. На них обучают ансамблевые модели из решающих деревьев, а точность проверяют кросс‑валидацией: данные делят на части и поочередно используют для обучения и тестирования. Затем для каждого ДТП рассчитывают SHAP‑значения и строят графики влияния факторов. Код на Python весит 210 КБ.
Разработка — часть многолетних исследований аварийности в Политехе. Так, в 2022 году в журнале Sustainability опубликовали анализ ДТП в Петербурге (2015−2021): отсутствие освещения повышает летальность на 10,3−13,9%, дождь и снег — на 1,3−1,7%, а каждый пассажир в салоне увеличивает риск серьезных травм на 3,9%. Раньше использовали пробит‑модель, где связь факторов с исходом задают заранее; градиентный бустинг же сам находит зависимости, в том числе при сочетании условий.
Еще одним направлением стало изучение городской среды. Анализ более 20 тысяч ДТП в Петербурге за пять лет показал, что чаще всего аварии с пешеходами случаются у станций метро и остановок, а торговые центры рядом с оживленными перекрестками повышают риск ДТП на 30%. Результаты опубликованы в International Journal of Technology.
Когда видно, что ухудшило прогноз в конкретной аварии, проще выбрать меры для этого участка дороги. Там, где главную роль играет темнота, поможет освещение, а у остановки с плотным пешеходным потоком может понадобиться новый переход или меры по успокоению движения. Такой анализ пригодится и при реконструкции улиц, и при проектировании новых районов.
Помимо дорожных служб и городских властей, программой могут пользоваться исследователи аварийности и разработчики интеллектуальных транспортных систем.
Ранее Наука Mail рассказывала о том, что системы оповещения о ДТП должны быть бесплатными для водителей: мнение экспертов.

