Исследователи Санкт-Петербургского Федерального исследовательского центра РАН (СПб ФИЦ РАН) создали программное обеспечение, которое объединяет в единую информационную систему многолетние данные ГИБДД, картографических и метеорологических сервисов. Программа позволяет проводить аналитические исследования ДТП для выявления опасных участков городских дорог и обоснования причин повышенной концентрации ДТП.
Ежедневно тысячи человек по всему миру становятся жертвами дорожно-транспортных происшествий (ДТП). Кроме того, значительный ущерб наносится автомобилям и инфраструктуре. Для сокращения числа аварий особенно в крупных городах с высоким автомобильным трафиком сегодня активно применяются различные аналитические системы "Умного города". Это одно из направлений развития концепции интернета вещей, в задачи которого входит интеграция большого количества информационных потоков для мониторинга и поддержки принятия управленческих решений по развитию города. Такие потоки доступны в любом современном мегаполисе (например, в РФ основные элементы систем “Умного города” реализованы в Москве и Петербурге) – это могут быть как данные с различных погодных сенсоров, камер наблюдения, так и статистические сведения, информация из городских социальных сетей и многое другое.
Интеграция данных из различных источников является сложной исследовательской задачей, решение которой предлагается большим количеством ученых. Однако на сегодня в мире так и не разработано единого стандарта по созданию систем "Умного города". Также, помимо, собственно, интеграции данных, требуется разработка промежуточных сервисов, которые связали бы различные базы данных и программные продукты в единую систему и предоставили инструмент, обеспечивающий доступ к результату интеграции и визуальные инструменты аналитики.
"Мы предлагаем описать каждый из источников данных специальным образом с помощью, так называемого онтологического представления. При таком описании становится возможным поиск общих элементов в источниках данных, которые могут выступать как “якоря” для объединения. Этот подход позволит нам объединять данные от различных источников данных в одной системе. Для удобства проведения анализа разработан интерфейс для визуализации событий на карте города с возможностью фильтрации по типам ДТП и просмотру внутренней информации о ДТП, вместе с данными из других источников. В данной версии сервиса также возможно выполнение автоматического кластерного анализа на основе географической близости точек аварий с последующим анализом типов ДТП внутри пространственного кластера", - рассказывает старший научный сотрудник лаборатория интегрированных систем автоматизации СПб ФИЦ РАН Николай Тесля.
В последней версии сервис использует данные архива ГИБДД о ДТП по Санкт-Петербургу за период с 2015 по 2021 год. В этих карточках содержится обезличенная информация о различных обстоятельствах аварии: количество и типы транспортных средств, число пострадавших, состояние водителя, освещенность на участке, состояние дорожного покрытия и прочее. Эта информация была связана с источником данных об истории погоды, которые предоставляют сведения с точностью до координат. Также дополнительно можно получить информацию о типе дорог с различных профильных сайтов (в исследовании использовался сайт Openstreet map) и данные об освещенности на основе астрономических вычислений положения солнца на небе. Эти данные используются как для верификации данных в карточках ДТП, так и для их дополнения.
Применительно к улицам Петербурга такой анализ показал, что наиболее аварийные участки расположены на Невском, Лиговском и Каменноостровском (на пересечении с Большим проспектом Петроградской стороны) проспектах, а также на проспектах Энгельса и Большевиков. Кроме того, концентрации ДТП находятся на участках Московского, Заневского проспектов, а также на Васильевском острове в районе набережной реки Смоленка. Из наиболее распространенных причин ДТП выделяются столкновение транспортных средств и наезд на пешехода.
"Комплексный анализ событий на дорогах, который позволяет провести наш сервис, может использоваться городскими службами при принятии решений. Например, о том, как оптимально выстроить работу светофоров, поставить дополнительные дорожные знаки, нанести дополнительную разметку, организовать островки безопасности для пешеходов, оптимально расположить остановки общественного транспорта или задействовать любые другие инфраструктурные решения, повышающие безопасность дорожного движения. А предложенный подход обработки данных в дальнейшем может применяться для информационных систем самых разных городов", - поясняет Николай Тесля.
В перспективе в систему может привлекаться информация для динамического анализа различных сфер городского хозяйства, например, при планировании развития микрорайонов города, а также при строительстве и реконструкции парковых зон в соответствии с госнормативами.