3.5.3 Факторы модификации аварийности

Такие факторы отражают относительное изменение в частоте ДТП из-за изменения одного из условий функционирования объекта при постоянных значениях остальных условий. Факторы модификации аварийности являются отношением частот ДТП в одном и том же месте для двух разных условий. Поэтому такие факторы могут выступать в качестве критерия оценки эффективности мероприятий по повышению БДД. Также такие факторы могут оценивать влияние на аварийность географических, демографических и других характеристик.

Следующая формула показывает расчет фактора модификации аварийности на примере ожидаемой частоты ДТП при смене условий на объекте с «а» на «в»:

(3.5)

AFM определенный таким образом для ожидаемой частоты ДТП также может быть использован для оценки прогнозного числа ДТП при смене условий с «а» на «в».

Пример 1. Используя функцию SPF для загородной двухполосной дороги было установлено, что ожидаемая частота ДТП составляет 10 ДТП/год (предполагается, что статистики данных о ДТП нет). В базовых условиях функционирования объекта отсутствуют средства автоматической фиксации нарушения скоростного режима. При установке таких средств AFM является 0,83. Поэтому, если планируется установка средств автоматической фиксации нарушений скорости и не планируется изменение остальных условий функционирования объекта, тогда тормозное значение аварийности составит 10 × 0,83 = 8,3 ДТП/год.

Пример 2. Ожидаемое число ДТП на регулируемом перекрестке, рассчитанное эмпирическим методом Байеса (с использованием SPF и данных об аварийности за предыдущий период) составляет 20 ДТП/год. Предлагается заменить регулируемый перекресток на кольцевой. Фактор модификации ДТП при этом составит 0,52. Поскольку функция SPF для кольцевых перекрестков неизвестна, можно использовать AMF. Поэтому, после реконструкции перекрестка в кольцевой ожидаемый уровень аварийности составит 0,52 × 20 = 10,4 ДТП/год.

Значение AMF в HSM зависит от базовых условий на объекте. Такие базовые условия отражают совокупность условий «а» в формуле (3.5). Это позволяет оценивать эффект от мероприятий по сравнению с исходным состоянием. Для базовых условий AFM = 1. Значения AFM меньше 1 показывают, что данные мероприятия уменьшают среднюю частоту ДТП по сравнению с базовыми условиями, а больше 1 – увеличивают аварийность. Взаимосвязь между AFM и ожидаемым условием снижения частоты ДТП показаны в формуле 3.6.

Процент снижения ДТП = 100 × (1 – AMF) (3.6)

Например:

– если AMF= 0,9, то ожидаемый процент снижения составит 100 % × (1 – 0,9) = = 10 % и покажет снижение ожидаемого числа ДТП;

– если AMF= 1,2, то ожидаемый процент снижения составит 100 % × (1 – 1,2) = = 20 % и покажет увеличение ожидаемого числа ДТП.

Применение AMF может подразумевать:

– умножение AMF на частоту ДТП при базовых (начальных) условиях, определенных функцией SPF показывает среднее прогнозное значение аварийности для определенного объекта при существующих условиях или альтернативных условиях. AMF используется для оценки разницы между существующими и новыми условиями работы объекта;

– умножение AMF на прогнозную среднюю частоту ДТП при существующих условиях применяется для оценки мероприятий, когда функция SPF недоступна для данного объекта. Это будет прогнозное значение ДТП для такого объекта. Например, AMF может использоваться в случае изменения типа объекта или условий на нем (например, реконструкция регулируемого перекрестка в кольцевой), когда вид функции SPF для данного объекта неизвестен;

– умножение AMF на существующую частоту ДТП при существующих условиях применяется для оценки изменения ожидаемого среднего значения ДТП из-за применения мероприятия, когда применение SPF функции для данного места невозможно вследствие ее отсутствия.

AMF будет применяться для оценки изменений в количестве ДТП вследствие того или иного мероприятия. При этом будут различия в результатах для некоторых мест.

Применение произведения факторов AMF.

Метод прогнозирования предполагает, что факторы AMF могут быть перемножены для оценки общего эффекта от применения нескольких мероприятий. Этот подход предполагает, что каждое из таких мероприятий не зависит друг от друга. При этом следует учесть, что проведено не много исследований, показывающих независимость мероприятий друг от друга.

Факторы AFM перемножаются, даже когда мероприятия могут быть реализованы в различной степени при каждом применении. Например, уклон в 4 % может быть снижен до 3 %, 2 % и т.д., или 3,5 м обочина может быть сужена на 10, 20 и т.д. см. Когда последовательные приращения дают одинаковую степень эффекта, суммарный кумулятивный эффект определяется по формуле:

AMF (для n приращений) = [AMF (для одного приращения)]ⁿ (3.7)

Формула (3.7) верна также в случае, когда n является не целым числом.

Пример 1. Мероприятие «х» заключается в том, что вводятся левоповоротные полосы на обоих входах главной дороги четырехстороннего регулируемого перекрестка в населенном пункте. Мероприятие «у» заключается в разрешении правого поворота на запрещающий сигнал светофора. Предполагается, что эффект от одного мероприятия не влияет на эффект от другого. Предполагается, что прогнозная аварийность на таком перекрестке составляет 7,9 ДТП/год. Для мероприятия «х» фактор AMF равен 0,81, для «у» – 1,07. Необходимо найти прогнозное значение аварийности после введения этих мероприятий. По формуле (3.7) ожидаемое число ДТП составит 7,9 · 0,81 · 1,07 = 6,8 ДТП/год.

Пример 2. AMF для ДТП вида «съезд с проезжей части» при увеличении продольного уклона на 1 % составляет 1,04 независимо от начальной величины уклона. Каков будет эффект при увеличении уклона с 2 до 4 %? По формуле (3.7) прогнозное значение ДТП такого вида будет увеличиваться со значением фактора (1,04)^(4-2) = 1,04² = 1,08 =8 % роста.

Стоит еще раз отметить, что указанные вычисления проводились исходя из предложения о том, что отсутствует взаимное влияние мероприятий на конечный эффект.

Мерой точности оценки эффективности мероприятий является стандартная ошибка. Чем меньше значение стандартной ошибки, тем выше точность оценки реализуемых мероприятий. При помощи стандартной ошибки можно оценить доверительный интервал прогнозного значения ДТП:

(3.8)

где - доверительный интервал для y%-ной вероятности, что значение фактора AMF будет расположено внутри данного интервала;

- фактор AMF для условий Х;

- стандартная ошибка для ;

- множественность стандартной ошибки (таблица 3.10).

Таблица 3.10 – Оценка детерминированности доверительного интервала с использованием стандартной ошибки.

Описание уровня доверительности	Доверительный интервал (вероятность того, что значение попадет в доверительный интервал)	Множественность стандартной ошибки (формула 3.8)
низкий	65-70 %	1
средний	95 %	2
высокий	99,9 %	3

Пример. Предполагается реконструкция нерегулируемого перекрестка в кольцо. Установлено, что фактор AMF для такого мероприятия составляет 0,22 со стандартной ошибкой 0,07. При помощи AMF можно получить, что снижение прогнозируемого уровня аварийности при этом составит 100 · (1 – 0,22) = 78%. Используя низкий уровень достоверности (65 – 70 % в табл. 3.10), снижение аварийности будет находиться в интервале 78 ± 1·100·0,07 или от 71% до 85%. При высоком уровне достоверности (99,9%) доверительный интервал снижения аварийности составит 78% ± 3·100·0,07% или от 57% до 99%.

В главе 3 приложения С показано как AMF и его стандартная ошибка влияют на результаты оценки.

Значения факторов AMF в HSM представлены либо в тексте (обычно где ограниченный уровень вариантов для конкретных мероприятий), в формулах (обычно когда варианты мероприятий являются непрерывными величинами) или в форме таблиц (в случаях, когда АМF зависит от типа объекта или является дискретной величиной). Когда AMF представлена в виде непрерывной величины (с помощью графика или формулы) ее также следует округлять до двух значений после запятой.

Часть «Д» содержит все AMF, а Руководство по использованию числа «Д» совместно с комбинацией следующей информации:

- базовые условия – условия, при которых AMF = 1;

- условия и тип дорог, для которых AMF применимы;

- уровень среднесуточной интенсивности, при которой AMF можно применять;

- вид ДТП и тяжесть последствий, при которых AMF применим;

- количественное значение AMF;

- стандартная ошибка AMF;

- источники или исследования, показывающие, как получено AMF.

Такая информация представлена для каждого AMF в части «Д» и является необходимой для правильного применения AMF. Факторы AMF, представленные в части «С», являются подмножеством факторов AMF, представленных в части «Д».

3.5.4 Калибровка

Частота ДТП даже для номинально схожих участков дороги или перекрестков может значительно отличаться для различных регионов. Калибровка – процесс регулирования функции SPF для учета различий в частоте ДТП на объектах, находящихся в разных регионах. Калибровка может проводиться по региональной принадлежности или по географическому признаку.

Географические регионы могут отличаться климатом, численностью населения, автомобилизацией и т.д. Методы калькуляции калибровочных факторов для участков дорог С_r и для перекрестков C_i приведены в приложении части «С», что позволяет регулировать функцию SPF для большинства условий. При этом, для регионов, где аварийность хуже, чем в регионах, для которых разрабатывалась функция SPF калибровочный фактор будет больше 1. Процедура калибровки также представлена в приложении к разделу «С».

3.5.5 Взвешивание с использованием эмпирического метода Байеса.

Оценка ожидаемой средней частоты ДТП с использованием только данных о случившихся ДТП или с использованием только статистической модели (также как функция SPF) может привести к разумной оценке аварийности. Однако, как обсуждалось в разделе 3.4.3, статистическая точность (вероятность того, что оценка корректна) увеличивается путем совмещения наблюдаемой частоты ДТП и средней прогнозной частоты ДТП, полученной при помощи прогнозной модели. Для этого используется эмпирический метод Байеса. Этот метод использует весовой фактор, который зависит от сверхдисперсионного параметра функции SPF, для преобразования двух оценок в средневзвешенное значение.

Весовое регулирование поэтому зависит только от вариации функции SPF и не зависит от объема выборки.

Эмпирический метод Байеса работает только в случае, когда частота ДТП предсказанная и наблюдаемая имеются для объекта с одинаковыми характеристиками, для которых и производится оценка. Он может быть использован для оценки ожидаемого среднего числа ДТП для прошедшего и будущего периода. Эмпирический метод Байеса может применяться, если недоступны данные о предсказанном или наблюдаемом числе ДТП.

Для конкретного места эмпирический метод Байеса сочетает наблюдаемое значение ДТП с его статистической моделью следующей формулой:

, (3.9)

где – ожидаемая средняя частота ДТП за исследуемый период;

– предсказанная частота ДТП за тот же период при данных условиях (формула 3.3 -?);

W – корректированный коэффициент функции SPF;

– наблюдаемая частота ДТП на объекте за весь период исследований.

Корректированный коэффициент (W) зависит от параметра сверхдисперсионности функции SPF (К) и рассчитывается по формуле 3.10. Параметр сверхдисперсионности для каждой функции SPF определяется методом, описанным в части «С»

, (3.10)

где K – параметр сверхдисперсионности функции SPF.

Из формулы 3.10 видно, что с ростом коэффициента K значение корректированного коэффициента W снижается. Т.е. растет вклад наблюдаемого числа ДТП и снижается вклад предсказанного числа ДТП в ожидаемом числе ДТП (см. формулу 3.9). Большее описание эмпирического метода Байеса дано в приложении к части «С».

3.5.6 Ограничение метода предсказания части «С»

Эти ограничения аналогичны ограничениям методологий, которые включают регрессионную модель: качество предсказания зависит от качества регрессионной модели. Регрессионные модели не всегда представлены причинно-следственной связью между частотой ДТП и переменными, входящими в модель. Поэтому переменные, используемые в функциях SPF, ограничены величиной среднесуточной интенсивности (ААРТ) и длиной участка, т.к. влияние этих параметров на частоту ДТП велико. Функции SPF разработаны со значениями наблюдаемого числа ДТП, которое, как описано выше, имеет свои собственные ограничения. SPF функции различны по степени точности предсказания частоты ДТП. Это связано с тем, что они разработаны на основе данных о ДТП в конкретных местах. Тем не менее, такие функции могут применяться для прогнозирования ДТП в других местах. В части «С» представлен процесс калибровки, который позволяет учесть особенности других мест, где также функции будут применяться. Конечно же, для таких других мест, вместо калибровки можно разработать свои функции SPF. Руководство по их разработке приведено в части «С» «Руководство по использованию».

3.6 Применение HSM

HSM содержит методы оценки аварийности для принятия решений в части организации и управления работой улично-дорожной сети.

Эти методы фокусируются на использовании статистических методов обработки данных с большим разбросом. Пользователю необязательно знать статистические методы, чтобы использовать HSM. Однако необходимо понимать следующие основные принципы:

– наблюдаемая частота ДТП – это служебная величина и невозможно предсказать ее значение на какой-то период. Оценка в HSM дается на основании величины ожидаемой средней частоты ДТП, которая будет иметь место, если на данном объекте сохраняется условие его функционирования, что естественно редко возможно;

– важным шагом в использовании данного метода прогнозирования является калибровка функции SPF к текущим условиям. Это делается при помощи калибровочных факторов;

– пользователям необходимо использовать все процедуры и методы HSM, в частности: выбор SPF функции и факторов AMF для учета особенностей исследуемых объектов;

– разработка SPF и AMF требует понимания регрессионного моделирования и анализа данных. В HSM нет информации о деталях и методологии разработки пользователями собственных функций SPF и факторов AMF.

3.7 Эффективность оценки.

3.7.1 Обзор оценки эффективности.

Оценка эффективности – это процесс качественной оценки эффекта от мероприятия (группы мероприятий), влияющих на ожидаемый уровень аварийности. Оценка эффективности является важной частью информации, необходимой для принятия решения.

Оценка эффективности может включать:

– оценку эффективности одного проекта, с целью фиксации его эффективности;

– оценку эффективности группы одинаковых проектов, с целью фиксации его эффективности;

– оценку эффективности группы одинаковых проектов для целей определения факторов AMF;

– оценку общей эффективности расходов конкретных типов проектов или мероприятий по сравнению с расходами на реализацию.

Эффективность может оцениваться различными показателями: процент снижения частоты ДТП, снижение доли ДТП различного вида, фактор AMF для мероприятия, отношение экономии к затратам и т.д.

Как описано в разделе 3.3, различные факторы могут влиять на ожиданию среднюю частоту ДТП в данном месте от конкретного мероприятия. Эффект смещения к среднему, как описано в разделе 3.3.3 может влиять на реальную эффективность мероприятия, если исследование неадекватно учитывало изменчивость наблюдаемых данных. Эта изменчивость обуславливает необходимость исследования репрезентативного объема исходных данных для оценки эффективности реализованного мероприятия.

Методика оценки эффективности приведена в главе 9. В этой же главе представлен статистический метод, который позволяет улучшить оценку снижения числа ДТП путем проведения двух исследований – до и после реализации мероприятия. Этот метод предполагает, что остальные условия (погодные, водителей, ТС) остаются постоянными, а также не учитывает смещение к среднему. Преимущества и недостатки этого метода приведены в главе 9.

3.7.2 Типы исследований для оценки эффективности.

Разработано 3 основных типа оценки эффективности:

– наблюдения до/после;

– наблюдения поперечного сечения;

– эксперимент до/после.

В наблюдательных исследованиях умозаключения делаются путем наблюдения за данными о мероприятиях, которые были реализованы в нормальном ходе усилий по повышению БДД, т.е. мероприятия не реализуются специально для их оценки, а реализуются для повышения БДД. В экспериментальных исследованиях напротив мероприятия реализуются для их оценки. В экспериментальных исследованиях местам, являющимися потенциальными для улучшения случайным образом назначаются мероприятия части таких мест, а в остальной части эти мероприятия не реализуются. Разница в аварийности между местами первой и второй групп показывает эффективность мероприятий. Очевидно, что в дорожном движении наибольшее распространение получили наблюдательные способы, а не экспериментальные. Ниже приводится более детальное описание двух методов наблюдения.

Сфера наблюдений методом до/после является оценка мероприятия, кроме оцениваемых, не реализованы. Например, замена дорожного покрытия не является изменением в геометрии или других условиях. Аналогично, введение закона о ремнях безопасности не оказывает влияния на условия функционирования объекта. Для проведения исследований методом до/после данные для анализа берутся с различных объектов со схожими характеристиками, где мероприятия были реализованы. С этих же объектов берутся данные об аварийности до реализации мероприятий. Однако, некоторые данные (например, интенсивность движения) должны собираться как до, так и после реализации мероприятий, если это необходимо.

Оценка аварийности базируется на периоде «до». Оценка ожидаемого среднего уровня аварийности базируется на периоде «до», будет потом использована после регулировки ля ожидаемого уровня аварийности, который был бы, если бы мероприятие не было реализовано.

Сфера применения метода исследования «наблюдение в сечении» является оценка мероприятий, когда несколько участков подверглись внедрению мероприятия и есть много остальных участков, где подобное мероприятие не реализовано. Так, например, есть ряд кривых в плане, где радиус был увеличен. В то же время много кривых осталось с малым радиусом. В этом случае рассматриваются различия в аварийности внутри этих двух групп кривых. Разница в аварийности и будет представлять собой эффект от реализации мероприятия. Очевидно, что в данном случае трудно учесть остальные условия движения на таких объектах.

3.8 Выводы

Глава суммирует ключевые концепции, описания и методики, представленные в HSM. Само руководство HSM сфокусировано на аварийности как на индикаторе безопасности. При этом применяется параметр частоты ДТП при данных условиях в данном месте за определенный период времени.

ДТП является редким и случайно появляющимся событием, результатом которого является наличие пострадавших (погибших) или материальный ущерб. На возникновение ДТП и тяжесть последствий влияет определенное количество независимых событий (факторов), которые влияют на то, что происходит до, во время и после ДТП.

Методы оценки предполагают точный обзор данных об аварийности за предшествующий период. Также имеется ряд ограничений на применение описанных методов оценки.

Поскольку ДТП редкое и случайное событие, наблюдаемое число ДТП может колебаться из года в год по двум причинам: в силу случайности и в силу изменения условий функционирования объекта. Предположение, что наблюдений за небольшой период времени о частоте ДТП для оценки числа ДТП на долгосрочный период является ошибочным. Это обусловлено нелинейностью в зависимости между числом ДТП и интенсивностью. Также такое предположение не учитывает эффект от смещения к среднему, который необходимо иметь в виду при оценке эффективности мероприятий по повышению БДД, т.к. финансирование, как правило, ограничено.

С учетом необходимости учета эффективности смещения к среднему и ограничений методов оценки аварийности (обсуждалось в разделе 3.4), HSM предлагает метод прогнозирования аварийности для оценки ожидаемой средней частоты ДТП в конкретном месте при заданных условиях функционирования в определенный период времени для определенного уровня среднесуточной интенсивности движения.

Ожидаемая средняя частота ДТП – это средняя частота ДТП, которая будет иметь место, если долгосрочная средняя частота ДТП в этом месте будет определяться для частного сегмента дороги или перекрестка при неизменных условиях их функционирования. Метод прогнозирования, представленный в части «С», использует статистическую модель, известную как функция SPFи факторы модификации ДТП (AMF) для оценки предсказываемой частоты ДТП. Такая модель должна быть откалибрована к местным условиям, характеризующимися различными особенностями одинаковых объектов (например, геометрическими). Когда необходимо, статистическая оценка является комбинированием с наблюдаемой частотой ДТП при помощи эмпирического метода Байеса для повышения точности прогноза. Метод предсказания пригоден также для оценки только при помощи функции SPF или только наблюдаемых ДТП в случае, если всех этих данных нет.

Оценка эффективности мероприятий по повышению БДД представлена двумя методами: наблюдение до/после и наблюдение в сечении. Оценка эффективности мероприятий подразумевает сравнение средней ожидаемой частоты ДТП участка с такими же мероприятиями с аналогичным показателем аварийности участка, где такое мероприятие не реализовано.