Динамика пространственно-временных особенностей формирования риска дорожно-транспортной аварийности в крупных городах России (2015–2023)

Полный текст

Введение

Дорожно-транспортная аварийность – феномен, имеющий почти 130-летнюю историю, начиная с весны 1896 г., когда был зафиксирован факт первого дорожно-транспортного происшествия (ДТП) с участием автомобиля. В последние годы (2015–2023) в мире в ДТП погибают до 1,1…1,2 млн чел. в год ¹. Гибель в ДТП среди множества других является сегодня первой по значимости причиной потери жизни для людей в возрасте от 5 до 29 лет [1; 9; 10].

Россия не является исключением среди других стран и для нее также во всей полноте характерна серьезность проблемы низкого уровня безопасности дорожного движения (БДД) [1]. По данным Научного Центра БДД МВД РФ ² в течение последних 9 лет (2015–2023) в РФ зафиксировано 1397158 ДТП, в которых погибло 157407 чел. и получили ранения 1770472 чел. Известно, что ежегодный ущерб от дорожно-транспортной аварийности в разных странах мира варьируется в диапазоне от 0,4 % до 4,1 % ВВП. Для России, по разным оценкам ³, социально-экономический ущерб, связанный с дорожно-транспортной аварийностью, в разные годы последних двух десятилетий варьировался в диапазоне от 0,5 % до 2,5 % ВВП. И это достаточно серьезные потери для экономики страны. В этой связи поиск научно-методических решений, практическая реализация которых могла бы повлиять на снижение этих неблагоприятных последствий дорожной аварийности, является важным и востребованным как руководством страны, так и всем российским народом.

Силами Научного центра БДД МВД РФ, начиная с 2015 г., ведется детализированный учет и анализ абсолютно всех ДТП, фиксируемых на территории Российской Федерации с указанием локализации и конкретной фактологии. И эта информация позволяет исследовать специфику дорожно-транспортной аварийности. Специфика дорожно-транспортной аварийности в данной статье рассматривается с позиций оценки риска, а само понятие «Риск дорожно-транспортной аварийности» может быть дифференцирован на две составляющие: «Риск участия в абстрактном ДТП» и «Риск гибели в конкретном ДТП» [9; 10]. Под риском участия в ДТП понимается, прежде всего, вероятность активного и пассивного участия в абстрактном ДТП, а под риском гибели в конкретном ДТП – совместный учет масштабности ДТП и тяжести последствий ДТП. С целью минимизации лингвистического разночтения понятия «Риск гибели в ДТП» укажем, что это понятие идентично понятию «Совокупность последствий ДТП».

В данной статье эта проблематика рассмотрена с позиций диалектического противопоставления этих двух составляющих дорожно-транспортной аварийности на примере конкретной фактологии (2015–2023) для крупных городов РФ.

Постановка задачи

Необходимо оценить динамику пространственно-временных особенностей формирования рисков дорожно-транспортной аварийности в крупных городах России в течение 9 лет (2015–2023 гг.). Выбор временного периода определяется наличием информации об аварийности в некотором, ограниченном числе городов РФ, представленной на сайте ГИБДД МВД России ⁴.

Риск дорожно-транспортной аварийности – довольно широкое по смысловой нагрузке понятие. Поэтому важно оговорить, что далее речь пойдет о риске гибели в ДТП в течение конкретного года Risk_{RTA died год}.

Термин «специфика» идентифицирует какие-либо особенности изучаемого феномена, его отличительные признаки. Под спецификой рисков дорожно-транспортной аварийности в рамках данной статьи будут пониматься три обстоятельства, первое из которых связано непосредственно с расчетом величины риска Risk_{RTA died год}, а два других относятся к атрибутам «Пространство – Время» [7; 8].

Итак, первое – величина расчетного значения риска гибели в ДТП в течение конкретного года Risk _{RTA died год} – позволяет ранжировать крупные российские города по степени опасности транспортной системы города для его жителей.

Второе (пространственное) [7; 8] – соотношение для конкретной группы городов (крупных, к числу которых относятся города с численностью населения от 501 до 1000 тыс. чел.) двух удельных показателей – «Вероятность участия в ДТП для отдельного жителя города в течение года P_{RTA год}» и «Совокупность последствий ДТП Cons_{RTA год}». Это соотношение можно оценивать посредством учета специфики моделей Cons_RTA = f(P_RTA), построенных для данных конкретного года, в частности – через соотношения между координатами пространственного расположения крайних точек зависимости Cons_RTA = f(P_RTA) на координатной плоскости.

Третье (учитывающее временной аспект) [7; 8] – оценка динамики во времени изменений характеристик P_RTA и Cons_RTA. Имея набор таких моделей (для данных 2015–2023 гг.), можно оценивать как изменение параметров моделей, так и статистическую значимость самих моделей.

Идея и методика аналитических расчетов характеристик рисков дорожно-транспортной аварийности

Прежде всего, необходимо представить процесс формирования дорожно-транспортной аварийности в виде причинно-следственной цепочки [7; 8] (рисунок 1) и связать блоки этой цепочки с характеристиками дорожно-транспортной аварийности (Социальный риск; масштабность ДТП; тяжесть ДТП) и частными характеристик рисков аварийности (вероятность ДТП P_RTA и Совокупность последствий ДТП Cons_RTA).

 

Рисунок 1. Причинно-следственная цепочка дорожно-транспортной аварийности и место и роль в формировании риска гибели людей в ДТП вероятности участия в ДТП и совокупности последствий ДТП

Источник: разработано авторами

 

Представим принципиальные идеи разложения процесса формирования дорожно-транспортной аварийности в форме причинно-следственной цепочки (рисунок 1) и ее связь с рисками аварийности в форме следующих формул (1)–(5).

Риск дорожно-транспортной аварийности можно представить в форме риска гибели в ДТП в течение конкретного года Risk_{RTA died год} (1):

Risk_{RTA died год} = P_{RTA год} ∙ Cons_{RTA год} , (1)

где

P_{RTA год} – вероятность (по отношению к отдельной персоне) участия в ДТП в течение года;

Cons_{RTA год} – совокупность последствий ДТП.

Вероятность участия в абстрактном ДТП в течение года P_{RTA год} для отдельного жителя города определяется по формуле (2):

P_{RTA год} = N_{RTA year} / P, (2)

где

N_{RTA год} – годовое число ДТП в городе, ед.;

P – население города, чел.

Совокупность последствий ДТП Cons_{RTA год} (или риск гибели в конкретном ДТП) рассчитывается по формуле (3):

Cons_{RTA год} = Sc_RTA ∙ Sv_RTA, (3)

где

Sc_RTA – масштабность ДТП, число пострадавших / 1 ДТП, чел./ДТП;

Sv_RTA – тяжесть ДТП, доля погибших среди пострадавших в ДТП.

Масштабность ДТП Sc_RTA и Тяжесть ДТП Sv_RTA определяются по формулам (4) и (5):

Sc_RTA = N_Victim / N_RTA, (4)

где

N_Victim – число пострадавших в ДТП (сумма погибших и травмированных), чел;

N_RTA – число ДТП.

Sv _RTA = N _died / N _Victim, (5)

где

N_died – число погибших в ДТП, чел.

Характеристика «Совокупность последствий ДТП Cons_{RTA год}» по смысловой нагрузке идентична риску гибели в конкретном ДТП.

Используя представленные методы и анализируя официальную статистику ГИБДД МВД России, необходимо сначала рассчитать численные значения показателей «Вероятность участия в ДТП в течение года P_{RTA год} для отдельного жителя города» и Совокупность последствий ДТП Cons_{RTA год}, а затем на основании соответствующих данных построить зависимости Cons_{RTA год} = f(P_RTA ).

Методика сбора и обработки необходимых экспериментальных данных

С учетом рисунка 1 для расчетов Risk_{RTA died год}, P_{RTA год} и Cons_{RTA год} необходимы данные о численности населения городов, годовом числе ДТП, количестве пострадавших и погибших в ДТП. Для соответствующего анализа [7; 8], с учетом цели и задач исследования, использовалась статистика аварийности в городах с численностью населения Н_гор = 501–1000 тыс. чел. Список городов в совокупностях данных незначительно, но менялся в связи с динамикой численности населения в этих городах. Так, среди данных 2015–2019 гг. присутствуют Астрахань и Липецк и отсутствует Балашиха. Начиная с 2019 г., напротив, Балашиха вошла в экспериментальный список, а Астрахань и Липецк из него выбыли. Все необходимые для построения зависимостей Cons_{RTA год} = f(P_RTA ) данные были сведены в годовые таблицы (2015–2023) число которых насчитывает 9, по числу лет, для которых есть соответствующая статистика.

В таблице 1 представлен пример данных, которые были использованы для расчета вероятности участия в ДТП в течение года P_{RTA год} для отдельного жителя города, величины совокупности последствий ДТП Cons_{RTA год} по формулам (2) и (3). Пример такого расчета для г. Тюмени и Балашихи представлен в таблице 1. Выбор для сравнения именно этих городов определяется именно спецификой дорожно-транспортной аварийности в этих городах.

 

Таблица 1. Пример исходных данных (2023) для расчета рисков аварийности в городах России

Город	Значение показателей (2023)
	население, чел.	ДТП, ед.	число раненых в ДТП, чел.	число погибших в ДТП, чел.	число пострадавших в ДТП, чел.
Тюмень	855618	1825	2260	34	2294
……………………………………………………………..
Балашиха	526851	94	111	11	122

Источник: разработано авторами на основе официальных данных ГИБДД МВД России

 

Легко увидеть, что вероятность участия в ДТП в Тюмени в 12 раз выше, чем в Балашихе, зато по совокупности последствий (риску гибели в конкретном ДТП) показатель Балашихи выше тюменского аналога в 6,3 раза. В целом, риск гибели в ДТП для среднестатистического тюменца почти в 2 раза выше, чем для жителя Балашихи.

 

Таблица 2. Результат расчета (2023) для двух городов России показателей P_{RTA год}, Cons_{RTA год} и Risk_{RTA died год}

Город	Значение показателей (2023)
	вероятность участия в ДТП PRTA 2023	масштабность ДТП ScRTA 2023, пострадавших / ДТП	тяжесть ДТП Sv RTA 2023, доля погибших среди пострадавших	совокупность последствий ДТП ConsRTA 2023, погибших / ДТП	риск гибели в ДТП для жителя города в течение года RiskRTA died 2023
Тюмень	0,002133	1,256986	0,014821	0,018630	0,0000397
……………………………………………………………..
Балашиха	0,000178	1,297872	0,090164	0,117021	0,0000208
Примечание. Понятие «Совокупность последствий ДТП ConsRTA» по смысловой нагрузке идентично понятию «Риск гибели в конкретном ДТП».

Источник: разработано авторами на основе официальных данных ГИБДД МВД России

 

В соответствии с представленной методикой были собраны 9 (2015–2023) наборов данных по вероятности участия в ДТП в течение года P_{RTA год} для отдельного жителя города и по величине совокупности последствий ДТП Cons_{RTA год} для 19–20 (это число для различных лет изменялось) городов России с населением Н_гор = 501–1000 тыс. чел. На основании этих данных были построены зависимости Cons_{RTA год} = f(P_RTA ).

Оценка риска гибели в ДТП Risk_{RTA died 2023} для среднестатистического жителя крупных российских городов (2015 / 2023)

В данном разделе представлены ранжированные по величине данные (таблица 3), характеризующие риск гибели в ДТП Risk_{RTA died} для среднестатистического жителя крупных российских городов в 2015 и 2023 гг.

 

Таблица 3. Величина риска гибели в ДТП Risk_{RTA died} для жителей крупных городов России (2015 / 2023)

№ № ранга	Город	Величина RiskRTA died 2015	№ № ранга	Город	Величина RiskRTA died 2023
2015			2023
1	Махачкала	0,0001089	1	Хабаровск	0,0000599
2	Липецк	0,0000962	2	Оренбург	0,0000560
3	Кемерово	0,0000827	3	Кемерово	0,0000491
4	Барнаул	0,0000805	4	Махачкала	0,0000467
5	Иркутск	0,0000783	5	Рязань	0,0000458
6	Хабаровск	0,0000765	6	Владивосток	0,0000418
7	Ярославль	0,0000730	7	Тольятти	0,0000417
8	Рязань	0,0000697	8	Ярославль	0,0000403
9	Оренбург	0,0000678	9	Барнаул	0,0000401
10	Пенза	0,0000671	10	Тюмень	0,0000397
11	Томск	0,0000664	11	Саратов	0,0000392
12	Саратов	0,0000654	12	Новокузнецк	0,0000356
13	Тюмень	0,0000603	13	Иркутск	0,0000343
14	Новокузнецк	0,0000599	14	Ижевск	0,0000322
15	Ульяновск	0,0000567	15	Ульяновск	0,0000319
16	Владивосток	0,0000547	16	Ставрополь	0,0000291
17	Тольятти	0,0000459	17	Томск	0,0000272
18	Набережные Челны	0,0000440	18	Набережные Челны	0,0000238
19	Астрахань	0,0000433	19	Балашиха	0,0000208
20	Ижевск	0,0000329
Примечания. 1. Ранжирование городов по степени риска гибели горожан в ДТП проведено по убыванию величины Risk RTA died. 2. В совокупности 2015 – 20 крупных городов; в совокупности 2023 – 19 крупных городов.

Источник: разработано авторами на основе официальных данных ГИБДД МВД России

 

Анализ данных таблицы 3 позволяет сделать три важных вывода:

• с позиций пространственных особенностей какой-либо специфики риска гибели в ДТП не выявлено;
• с позиции динамики во времени (2023 / 2015) риски гибели в ДТП Risk_{RTA died} снижаются для жителей всех крупных городов. Степень этого снижения варьируется и может достигать как весьма значительных значений (в Махачкале – более чем двукратное), так и относительно невысоких величин (для Ижевска – 2 %; Тольятти – 10 %);
• сравнение для каждой совокупности (2015 / 2023) городов максимальной Risk_{RTA died max} и минимальной Risk_{RTA died min} величины риска гибели в ДТП позволило установить практически трехкратную разницу между этими величинами:

Risk_{RTA died 2015 max} / Risk_{RTA died 2015 min} = 3,31

Risk_{RTA died 2023 max} / Risk_{RTA died 2023 min} = 2,87.

Это позволяет сделать вывод о наличии значительных резервов повышения БДД в городах с высокими значениями риска гибели в ДТП Risk_{RTA died}.

Зависимости Cons_{RTA год} = f(P_RTA )

На рисунках 2–10 представлены соответствующие графические изображения зависимостей Cons_{RTA год} = f(P_RTA ), характерных для 2015–2023 гг.

 

Рисунок 2. Графическое изображение зависимости Cons_{RTA 2015} = f(P _{RTA 2015} ) для данных 2015 г.

Источник: разработано авторами

 

Рисунок 3. Графическое изображение зависимости Cons_{RTA 2016} = f(P _{RTA 2016} ) для данных 2016 г.

Источник: разработано авторами

 

Рисунок 4. Графическое изображение зависимости Cons_{RTA 2017} = f(P _{RTA 2017} ) для данных 2017 г.

Источник: разработано авторами

 

Рисунок 5. Графическое изображение зависимости Cons_{RTA 2018} = f(P _{RTA 2018} ) для данных 2018 г.

Источник: разработано авторами

 

Рисунок 6. Графическое изображение зависимости Cons_{RTA 2019} = f(P _{RTA 2019} ) для данных 2019 г.

Источник: разработано авторами

 

Рисунок 7. Графическое изображение зависимости Cons_{RTA 2020} = f(P _{RTA 2020} ) для данных 2020 г.

Источник: разработано авторами

 

Рисунок 8. Графическое изображение зависимости Cons_{RTA 2021} = f(P _{RTA 2021} ) для данных 2021 г.

Источник: разработано авторами

 

Рисунок 9. Графическое изображение зависимости Cons _{RTA 2022} = f(P _{RTA 2022}) для данных 2022 г.

Источник: разработано авторами

 

Рисунок 10. Графическое изображение зависимости Cons _{RTA 2023} = f(P _{RTA 2023}) для данных 2023 г.

Источник: разработано авторами

 

В таблице 4 представлены модели, описывающие эти зависимости.

 

Таблица 4. Набор моделей зависимости Cons_{RTA год} = f(P_{RTA год})

Год	Модель	R2
2015	ConsRTA 2015 = -0,060ln(PRTA) – 0,3429 + ε	0,5427
2016	ConsRTA 2016 = -0,041ln(PRTA) – 0,2297 + ε	0,6086
2017	ConsRTA 2017 = -0,035ln(PRTA) – 0,1898 + ε	0,3954
2018	ConsRTA 2018 = -0,037ln(PRTA) – 0,2069 + ε	0,3605
2019	ConsRTA 2019 = -0,046ln(PRTA) – 0,2604 + ε	0,6282
2020	ConsRTA 2020 = -0,049ln(PRTA) – 0,2866 + ε	0,7345
2021	ConsRTA 2021 = -0,017ln(PRTA) – 0,0785 + ε	0,1860
2022	ConsRTA 2022 = -0,044ln(PRTA) – 0,2599 + ε	0,7153
2023	ConsRTA 2023 = -0,041ln(PRTA) – 0,2386 + ε	0,8147
Примечание. Примем, что при значениях коэффициента детерминации R2 < 0,36 (или при rxy < 0,6) степень тесноты связи между X и Y не позволяет признать зависимость статистически объективной.

Источник: разработано авторами

 

Главное, что представляют эти зависимости [5] – наличие диалектического противопоставления между вероятностью участия в ДТП P_RTA и величиной совокупности последствий ДТП Cons_RTA. При повышении вероятности участия в ДТП P_RTA снижается риск гибели в ДТП Cons_RTA и наоборот.

Рассмотрим этот феномен детально на примере зависимости Cons_{RTA год} = f(P _{RTA год}), построенной для данных 2023 г.

Первое, что нужно отметить – крайняя левая точка (по оси абцисс) зависимости (идентифицирующая г. Балашиха) и крайняя правая точка (идентифицирующая г. Тюмень) – примеры диалектических антиподов в сфере обеспечения БДД.

В таблице 4 приведены данные о координатах этих точек на координатной плоскости. Очевидно, что организация и управление БДД в этих городах построены на основе абсолютно противоположных принципов.

Для Тюмени вероятность попасть в ДТП P_RTA находится на самом высоком уровне, однако совокупность последствий ДТП Cons_RTA относительно незначительна. Для участников дорожного движения в Балашихе, напротив, обеспечивается относительно низкая вероятность попасть в ДТП P_RTA, однако по совокупности последствий ДТП Cons_RTA факт участия в ДТП будет иметь отрицательные последствия [2; 3; 4].

Второе – это диалектическое противопоставление различных вариантов комбинаций составляющих риска аварийности, определяющее непосредственно специфику аварийности [6; 9; 10], присуще всем 9 версиям (2015–2023 гг.) зависимости Cons_{RTA год} = f(P_{RTA год} ).

Третье – для описания зависимостей выбран вариант логарифмической модели [11], а это значит, что присутствует некоторая нелинейность между диалектической парой Показателя 1 и Показателя 2.

Модели, вид которых представлен на рисунках 2–10 и в таблице 4 позволяют представить специфику изменения дорожно-транспортной аварийности в крупных городах в пространстве и времени.

Оценка специфики рисков дорожно-транспортной аварийности, характерной для разных городов

При оценке специфики рисков аварийности [6; 11; 12; 13; 14; 15] анализировать нужно как общий вид зависимостей таблицы 3, так и их динамику во времени, причем с учетом пространственных изменений. Попробуем провести этот анализ.

Пространственная специфика. Оценим пространственную специфику рисков аварийности посредством расчета количественного соотношения между минимальными и максимальными значениями Cons_RTA и P_RTA, характерными для оцениваемых систем обеспечения БДД сравниваемых городов (таблица 5).

 

Таблица 5. Оценка пространственного расположения крайних (с позиций максимизации значений Cons_RTA и P_RTA) точек зависимости Cons_{RTA год} = f(P_RTA ) на координатной плоскости

Год	Значения PRTA (Показатель 1)			Значения ConsRTA (Показатель 2)
	Max	Min	Соотношение Max / Min	Max	Min	Соотношение Max / Min
2015	0,002544	0,000727	3,50	0,147196	0,022633	6,50
2016	0,002158	0,000595	3,62	0,091429	0,013025	7,02
2017	0,002203	0,000675	3,26	0,098196	0,022201	4,42
2018	0,002150	0,000756	2,84	0,095344	0,018765	5,08
2019	0,002134	0,000379	5,63	0,107769	0,016807	6,41
2020	0,001680	0,000281	5,97	0,116438	0,021041	5,53
2021	Без оценки, т. к. R2 = 0,1860 – возможна ошибка в исходных данных
2022	0,001808	0,000196	9,22	0,127451	0,022222	5,73
2023	0,002133	0,000178	11,98	0,117021	0,018630	6,28

Источник: разработано авторами

 

Анализ Соотношений Max / Min для значений Cons_RTA и P_RTA (таблица 5) говорит о том, что пространственная форма зависимости постоянно изменяется, становясь то более компактной, то более растянутой на координатной плоскости.

Важно отметить, что в течение последних 9 лет иерархический порядок расположения городов в списке по критерию величины показателей 1 и 2 изменялся крайне незначительно. Так, в период 2015–2019 гг. лидером среди городов РФ с населением 501–1000 тыс. чел. по рискам гибели в конкретном ДТП был г. Махачкала, а начиная с 2020 г. это лидерство перехватил г. Балашиха, однако г. Махачкала продолжает удерживать по данному показателю вторую позицию. В свою очередь, по риску участия в абстрактном ДТП все 9 лет (2015–2023 гг.) первое-второе места делят г. Барнаул и г. Тюмень. Этот факт свидетельствует о некоторой устойчивости распределения позиций городов в системе «Вероятность ДТП – Риск гибели в ДТП» и способствует формулированию вывода о существовании устойчивых, привычных для конкретного города формах и методах управления БДД, следствием чего являются весьма специфические результаты этой деятельности ^{5,  6}.

Специфика изменения значений P_RTA и Cons_RTA во времени. Рассматривать этот аспект применительно к системам обеспечения БДД [13] всех исследуемых городов – достаточно объемная работа, поэтому ограничимся анализом такого рода лишь применительно к городам, для которых значения Cons_RTA и P_RTA являются экстремальными (самыми высокими и самыми низкими) для группы. В частности, построим временные ряды изменения Cons_RTA и P_RTA для городов-антиподов – Махачкалы и Тюмени.

В таблицах 6 и 7 представлены все необходимые для этого данные.

 

Таблица 6. Динамика (2015–2023) показателей Cons_RTA и P_RTA для системы обеспечения БДД в г. Махачкала

Характеристика	Значения по годам
	2015	2016	2017	2018
PRTA	0.000740	0.000595	0.000842	0.000756
Cons RTA	0.147196	0.091429	0.098196	0.095344

Источник: разработано авторами

 

Характеристика	Значения по годам
	2019	2020	2021	2022	2023
PRTA	0.000664	0.000679	0.000534	0.000565	0.000601
ConsRTA	0.107769	0.100000	0.099099	0.076705	0.077889

Источник: разработано авторами

 

Таблица 7. Динамика (2015–2023) показателей Cons_RTA и P_RTA для системы обеспечения БДД в г. Тюмень

Характеристика	Значения по годам
	2015	2016	2017	2018
PRTA	0.002181	0.001957	0.002203	0.002150
ConsRTA	0.027647	0.035461	0.028049	0.018765

Источник: разработано авторами

 

Характеристика	Значения по годам
	2019	2020	2021	2022	2023
PRTA	0.002134	0.001680	0.001713	0.001808	0.002133
Cons RTA	0.020796	0.026549	0.035124	0.026762	0.018630

Источник: разработано авторами

 

На рисунках 11 и 12 представлены временные ряды изменения в Махачкале и Тюмени, соответственно, показателей P_RTA (рисунок 11) и Cons_RTA (рисунок 12).

 

Рисунок 11. Временной ряд (2015–2023) значений P_RTA

Источник: разработано авторами

 

Рисунок 12. Временной ряд (2015–2023) значений Cons_RTA

Источник: разработано авторами

 

Можно отметить, что значения характеристик P_RTA и Cons_RTA, характерные для систем обеспечения БДД сравниваемых городов, изменяются в определенных диапазонах. При этом сложно утверждать, что в течение последних 9 лет сформировалась какая-то устойчивая тенденция изменения трендов этих показателей.

Заключение

Резюмируя материалы, представленные в статье, сформулируем следующие основные выводы.

1. Риск дорожно-транспортной аварийности – сложно построенная характеристика, идентифицированная как «Риск гибели в ДТП Risk_{RTA died}» объединяет две составляющие: «Риск участия в абстрактном ДТП P_RTA» и «Риск гибели в конкретном ДТП Cons_RTA».
2. Сравнение расчетных данных о Риске гибели в ДТП Risk_{RTA died} для совокупностей данных (2015 / 2023) позволил установить, что в целом риски аварийности снижаются во всех крупных российских городах. Однако темпы этого снижения значительно варьируются (от 2 до 233 %).
3. Специфика рисков дорожно-транспортной аварийности в данном исследовании рассматривается с позиций диалектического противопоставления «Риска участия в абстрактном ДТП P_RTA» и «Риска гибели в конкретном ДТП Cons_RTA». Установлено, что для группы однотипных (с позиций учета признака «Население») городов характерно определенное диалектическое противопоставление этих двух видов риска – с ростом одного признака риска другой признак показывает деградацию.
4. Тезис о диалектически дуальной сущности характеристик «Риск участия в абстрактном ДТП P_RTA» и «Риск гибели в конкретном ДТП Cons_RTA» доказывает вид экспериментальных зависимостей Cons_{RTA год} = f(P_{RTA год} ), описываемых логарифмическими моделями.
5. Оценка пространственно-временной специфики рисков дорожно-транспортной аварийности показала, что пространственная форма зависимости постоянно изменяется, становясь то более компактной, то более растянутой на координатной плоскости. Оценка изменения характеристик показателей 1 и 2 во времени показывает, что эти показатели, характерные для конкретного города, варьируют во времени в определенном диапазоне значений, не изменяясь качественно.
6. Важным выводом по результатам исследований может быть замечание о необходимости использования в обеспечении БДД в различных городах в управленческой практике не однотипных, а принципиально различных подходов. В частности, для Махачкалы важными с позиции обеспечения БДД управленческими приемами должны стать те действия, которые резко снизят смертность в результате ДТП. Очевидно, это: улучшение скорости и качества оказания скорой медицинской помощи; снижение тяжести последствий ДТП, на которое должно оказать влияние совершенствование парка автомобилей. Для Тюмени же актуальны другие моменты. Главное, чем должны руководствоваться специалисты по обеспечению БДД в Тюмени – идея о необходимости снижения вероятности ДТП. А для этого необходимо, во-первых, совершенствовать инфраструктуру системы обеспечения БДД, схемы светофорного регулирования и т. п. Очевидно, это различие между необходимостью использования различных подходов к обеспечению БДД в разных городах формируется под воздействием социально-экономической, демографической, организационно-транспортной специфики, характерной для разных городов. Данный вывод подразумевает, что эта специфика должна учитываться при выборе методов управления БДД в разных городах России.
7. В плане развития рассматриваемой темы авторы планируют в дальнейшем рассмотреть влияние на значения рассматриваемых вероятностных параметров риска дорожно-транспортной аварийности физических параметров транспортной системы (средняя эксплуатационная скорость, уровень автомобилизации и т. д.).

 

¹ Стратегия безопасности дорожного движения в Российской Федерации на 2018 - 2024 годы. Распоряжение Правительства РФ от 8 января 2018 г. № 1-р. – URL: http://static.government.ru/media/files/g6BXGgDI4fCEiD4xDdJUwlxudPATBC12.pdf (дата обращения: 15.03.2024).

² Дорожно-транспортная аварийность в Российской Федерации за 2022 год. Информационно-аналитический обзор / К. С. Баканов [и др.]. – М.: ФКУ «НЦ БДД МВД России». – 2023. – 150 с.

³ Доклад о состоянии безопасности дорожного движения в Европейском регионе ВОЗ // Всемирная организация здравоохранения. – 2019. – URL: https://гибдд.рф/upload/site1000/news/link/Doklad_VOZ.pdf (дата обращения: 15.03.2024).

⁴ Сайт ГИБДД МВД // Показатели состояния БДД. – 2024. – URL: http://stat.gibdd.ru/ (дата обращения: 03.03.2024).

⁵ Клявин В. Э. Разработка научных методов повышения уровня системной безопасности дорожного движения: дис. … д-ра. техн. наук. – Липецк, 2017. – 331 с.

⁶ Куракина Е. В. Методология обеспечения безопасности дорожного движения по критерию «нулевой смертности» в дорожно-транспортных происшествиях: дис. …д-ра. техн. наук. – Санкт-Петербург, 2022. – 424 с.

Об авторах

Артур Игоревич Петров

Тюменский индустриальный университет

Автор, ответственный за переписку.
Email: ArtIgPetrov@yandex.ru
ORCID iD: 0000-0003-2634-0567
Scopus Author ID: 57191265004
ResearcherId: AAD-1846-2020

кандидат технических наук, доцент, доцент кафедры эксплуатации автомобильного транспорта

Россия, Тюмень

Евгения Владимировна Лихайрова

Тюменский индустриальный университет

Email: lihajrovaev@tyuiu.ru
ORCID iD: 0009-0007-8043-0295
Scopus Author ID: 59247083100

аспирант, научная специальность 2.9.5 Эксплуатация автомобильного транспорта

Россия, Тюмень

Список литературы

Дополнительные файлы