Россия
Воронежская область, Россия
В данной работе представлена комплексная методика разработки прогностической модели дорожно-транспортных происшествий (ДТП). Основное внимание уделено этапам формирования многомерного признакового пространства, обоснованию выбора архитектуры на базе алгоритма XGBoost и разработке методики верификации модели. В статье детально описан системный подход к интеграции разнородных данных (инфраструктурных, метеорологических, временных) для создания высоконадежной системы поддержки принятия решений. Предложенная методика кластеризации позволяет формализовать процесс выявления латентных очагов аварийности, что является важным шагом в цифровизации управления безопасностью дорожного движения.
машинное обучение, дорожно-транспортные происшествия, градиентный бустинг, XGBoost, системный анализ, прогнозирование аварийности
1. О безопасности дорожного движения : Федеральный закон от 10.12.1995 № 196-ФЗ // КонсультантПлюс: [сайт]. – URL: https://www.consultant.ru/document/cons_doc_LAW_8585/ (дата обращения: 05.02.2026).
2. ГОСТ Р 50597-2017. Дороги автомобильные и улицы. Требования к эксплуатационному состоянию, допустимому по условиям обеспечения безопасности дорожного движения. Методы контроля. – Москва : Стандартинформ, 2017. – 24 с.
3. Chen, T. XGBoost: A Scalable Tree Boosting System / T. Chen, C. Guestrin // Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. – 2016. – P. 785–794. DOI: https://doi.org/10.1145/2939672.2939785
4. Hastie, T. The Elements of Statistical Learning : Data Mining, Inference, and Prediction / T. Hastie, R. Tibshirani, J. Friedman. – 2nd ed. – New York : Springer, 2009. – 745 p. DOI: https://doi.org/10.1007/978-0-387-84858-7
5. Показатели состояния безопасности дорожного движения : сайт. – URL: http://stat.gibdd.ru (дата обращения: 09.02.2026).
6. Петров, А. И. Дорожно-транспортная аварийность в России / А. И. Петров, В. И. Колесов // Экономические и социальные перемены: факты, тенденции, прогноз. – 2021. – Т. 14, № 1. – С. 199–220.
7. Сазонова, С. А. Моделирование процесса диагностики утечек на основе двухальтернативной гипотезы с учетом помех от стохастичности потребления в гидравлической системе / С. А. Сазонова // Моделирование систем и процессов. – 2024. – Т. 17, № 1. – С. 111–120.
8. Викулин, И. А. Имитационное моделирование деформативных показателей ведомственных автомобильных дорог / И. А. Викулин // Моделирование систем и процессов. – 2024. – Т. 17, № 2. – С. 24–31.
9. Коробова, Л. А. Системный подход при решении прикладных медицинских диагностических задач / Л. А. Коробова // Моделирование систем и процессов. – 2024. – Т. 17, № 3. – С. 52–61.
