3.5 Описание методов прогнозирования части «с» hsm

3.5.1 Обзор методов прогнозирования части «с»

Этот раздел предназначен для предоставления базовой информации о методах прогнозирования, содержащихся в части «С» «введение и руководство по использованию». Детально описание методов для специфических типов объектов приведено в главах 10-12, а эмпирический метод Байеса полностью объяснен в приложении к части «С».

Метод прогнозирования, представленный в части «С», представляет собой структурированную методологию для оценки ожидаемой средней частоты ДТП (в количестве аварий, степени их тяжести или по типу ДТП) на объекте за определенный период времени при определенных условиях дорожного движения (геометрических параметрах, ТСОДД, интенсивности). Данный метод также применим для оценки аварийности в случаях, когда нет данных о ДТП или нет прогнозной модели.

Ожидаемая средняя частота ДТП (Nexpected) зависит от прогнозной частоты ДТП (Npredicted) и данных о зафиксированном числе ДТП (Nobseved). Базовые элементы метода прогнозирования:

- прогнозная модель оценивает среднюю частоту ДТП для определенных условий. Это возможно за счет использования данных с большого числа объектов со схожими условиями. Модель может быть отрегулирована для применения как на типовых объектах, так и на каком-то конкретном объекте.

- использование эмпирического метода Байеса комбинирует оценку с помощью статистической модели, полученной при заданном значении наблюдаемой частоты ДТП в заданных условиях. Весовой фактор применен к двум оценкам для придания модели большей надежности. Этот метод не применим в тех случаях, когда неизвестны данные о ДТП за предшествующий период.

Базовые элементы моделей прогнозирования части «С».

Модели прогнозирования части «С» различаются в зависимости от типа объекта и условий, но все они имеют одинаковые базовые элементы:

- Функции описания безопасности (SPFs) – статистическая «база» для описания средней частоты ДТП на определенном объекте, при определенных условиях;

- Факторы модификации аварийности (AMFs) – представляют собой уровень эффективности одних условий функционирования по сравнению с другими;

- Коэффициент калибровки (С) – применяется для учета различий между подведомственностью и периодом времени, для которых были разработаны модели прогнозирования, и подведомственностью и периодом времени, для которых прогнозная модель будет применяться пользователями.

В зависимости от вида функции SPFs, модель прогнозирования ожидаемой средней частоты ДТП в общем виде записывается так:

Npredicted = N_SPFx x (AMF_1x x AMF_2x x…x AMF_yx) x C_x (3.3)

где Npredicted – прогнозируемое число ДТП на определенный год при условиях X (ДТП/год);

N_SPFx – спрогнозированная средняя частота ДТП, определенное на основе условий, описываемых функцией SPFx, которая характеризует место X$

AMF_yx – факторы модификации аварийности к месту Х;

Сх – калибровочный фактор для регулирования местных условий для места типа Х.

Преимущества такого метода прогнозирования:

- эффект стремления к среднему позволяет получать прогнозы на долгий период времени;

- недостаток данных о ДТП в некоторых местах компенсируется данными о ДТП с других мест;

- учитывает нелинейность влияния интенсивности движения на частоту ДТП;

- функция описания безопасности (SPFs) в HSM базируется на обратной биноминальности распределения, которое лучше подходит для моделирования, чем традиционные техники моделирования, использующие нормальное распределение.

Для лучшего понимания такого метода прогнозирования необходимо прочитать раздел 3.5.3, затем часть «С», «Руководство по использованию», а затем выбирать необходимый тип объекта из глав 10-12.