Ученые Питерской Вышки научатся предсказывать ДТП методами машинного обучения
Два ученых Школы экономики и менеджмента НИУ ВШЭ — Санкт-Петербург выиграли грант Российского научного фонда. За два года исследователи проанализируют историю дорожно-транспортных происшествий в Петербурге и научатся предсказывать место, время и типы нарушений ПДД на карте города. Это поможет эффективнее распределять ресурсы экстренных служб.
Грантовую поддержку получили доценты департамента менеджмента Школы экономики и менеджмента Евгений Антипов и Елена Покрышевская. Сумма гранта составляет три миллиона рублей, выплата разделена на два года.
Цель исследования — повысить безопасность дорожного движения в Петербурге. Для этого ученые изучат собираемые государством данные о ДТП в Петербурге за последние три года, а именно: координаты, время и характер происшествия. Предсказать вероятность автокатастрофы с точностью до часа исследователям помогут алгоритмы машинного обучения, среди них XGBoost, Random Forest, CatBoost, нейронные сети и другие.
Результатом проекта станут регрессионные и классификационные модели. Первые помогут оценивать индекс тяжести ДТП, вторые — предсказывать вероятность происшествия в том или ином районе города с точностью до часа. Ученые также создадут дополнительные модели для прогнозирования аварий со смертельным исходом.
Выявление опасных зон на карте города и нарушений ПДД, приводящих к человеческим жертвам, позволит распределить нагрузку между постами ДПС и станциями скорой помощи. Помимо этого, дорожные и государственные службы смогут заранее принимать профилактические меры: размещать знаки и информационные табло, ремонтировать дороги, информировать водителей и так далее.
Евгений Антипов, доцент департамента менеджмента Школы экономики и менеджмента
Попытки предугадать, где и когда произойдет преступление или ДТП, были и раньше. Однако публикации на основе российских данных мне пока не встречались. В существующих исследованиях города произвольно делились на квадратные области, а точность моделей оставляла желать лучшего. Мы же будем делить город не только на условные квадраты, но и на зоны, выделенные по принципу близости тех или иных станций скорой помощи и постов ДПС. Тогда модель сможет сообщить, какие станции скорой помощи и посты ДПС будут особенно востребованы в разные часы и по каким поводам. Что касается конкретных математических методов, то мы не ограничиваем себя одним классом методов. Начав с простых регрессий, мы планируем попробовать весь спектр алгоритмов машинного обучения и оценить их эффективность. Надеемся, что удастся добиться результатов, которые принесут осязаемую пользу Петербургу и впоследствии другим российским городам.
В основу проекта лягут данные, собранные в ходе двух исследований ученых Питерской Вышки. Первое — проект Елены Покрышевской и Евгения Антипова, в ходе которого ученые проанализировали факторы тяжести ДТП. Исследователи выяснили, какие автомобили более безопасны при столкновениях, а также какие водители и на каких автомобилях чаще нарушают ПДД.
Второй проект — исследование сотрудников Международной лаборатории теории игр и принятия решений, получившее поддержку Российского научного фонда в 2022 году. За два года ученые изучили транспортное сообщение Петербурга, что напрямую связано с количеством дорожных происшествий.