Проактивний аналіз дорожньо-транспортних пригод у Республіці Казахстан на основі моделей машинного навчання та геоінформаційних систем

Анотація

Проблема. Стаття присвячена розробці методології проактивного аналізу дорожньо-транспортних пригод (ДТП) у Республіці Казахстан (РК). Традиційні ретроспективні підходи не забезпечують достатню ефективність у запобіганні інцидентам за умов щорічного зростання кількості аварій та значних соціально-економічних втрат, що перевищують 7 мільярдів доларів США на рік. Мета. Метою цього дослідження є надання теоретичного обґрунтування методології проактивного аналізу на основі моделей машинного навчання (ML). Методологія. Запропонований підхід ґрунтується на інтеграції Big Data, отриманих із національної цифрової платформи TOR (Traffic Operational Response – Оперативне реагування на дорожній рух), та застосуванні прогнозних моделей ML, таких як Random Forest та XGBoost. Новизна. Наукова новизна полягає в синтезі моделей ML та аналізу на основі GIS для створення динамічної проактивної моделі оцінки ризику ДТП, вперше адаптованої до специфічного інформаційного середовища Казахстану. Розроблена структура дозволяє прогнозувати як ймовірність, так і тяжкість ДТП на конкретних ділянках доріг із врахуванням динамічних факторів впливу. Результати. Результати можуть бути використані агентствами дорожньої інфраструктури та правоохоронними органами Казахстану для цільового патрулювання та проактивних заходів втручання. Практична цінність. Рекомендується інтегрувати модуль ML безпосередньо в платформу TOR та встановити стандартизовані процедури міжвідомчого обміну даними.