В Санкт-Петербургском политехническом университете Петра Великого (СПбПУ) создали программу, которая по характеристикам аварии оценивает, насколько тяжёлыми будут её последствия. Главная особенность в том, что она не только выдаёт прогноз, но и объясняет его: для каждого ДТП показывает, какой вклад внесли освещение, погода и другие условия на дороге.
Задача серьёзная. По статистике МВД, за 2025 год на российских дорогах случилось 128 тысяч ДТП, их жертвами стали почти 14 тысяч человек, ещё около 158 тысяч получили ранения. Это около 38 погибших в день. Государство планирует к 2030 году снизить дорожную смертность в полтора раза, а к 2036-му — вдвое относительно уровня 2023-го.
В основе программы лежит градиентный бустинг. Это метод машинного обучения, в котором множество деревьев решений по очереди задают простые вопросы, например было ли на участке освещение. Каждое новое дерево уменьшает ошибки предыдущих. Так модель улавливает сложные зависимости между условиями аварии и её исходом.
Объяснять прогноз помогают SHAP-значения. Идею предложил математик Ллойд Шепли в 1953 году как способ честно поделить выигрыш между игроками по вкладу каждого. Здесь «игроки» — признаки аварии, и метод показывает, насколько каждый из них сдвигает оценку тяжести вверх или вниз.
Работа устроена так: в программу загружают подготовленные данные об авариях, на них обучаются модели. Затем точность проверяют кросс-валидацией (модель по очереди учат на одной части данных и проверяют на другой). В конце для каждого ДТП строятся графики силы и направления влияния факторов. Разработчики — заведующий лабораторией «Системная динамика» Анги Схведиани, доцент Высшей инженерно-экономической школы СПбПУ, и его соавтор.
Программа зарегистрирована в Роспатенте. Пользоваться ею могут дорожные службы, городские власти, специалисты, изучающие аварийность, и создатели интеллектуальных транспортных систем.
