Аннотация результатов, полученных в 2025 году
В рамках второго года реализации проекта выполнены работы по анализу и моделированию влияния инфраструктурных, социально-экономических и пространственных факторов на количество и тяжесть дорожно-транспортных происшествий (ДТП). А также разработана комплексная методика оценки социально-экономических эффектов развития транспортной инфраструктуры, учитывающих состояние городской инфраструктуры, паттерны концентрации ДТП, особенности организации дорожного движения. Так, вначале был проведен литературный обзор, в рамках которого рассмотрены основные подходы к оценке социально-экономических эффектов транспортных проектов, в том числе методы оценки выгод от снижения количества и тяжести ДТП. Выделены и систематизированы методы анализа затрат и выгод (CBA), эффективности затрат (CEA), экономических эффектов (EIA), а также подходы, основанные на стоимости статистической жизни (VoSL), стоимости времени (VoT), человеческом капитале (HC), реституционных затратах (RC) и «готовности платить» (WTP). Отмечено, что CBA является основным инструментом для обоснования инвестиционных решений, так как позволяет представлять выгоды и издержки в денежном выражении. При этом ключевыми компонентами анализа являются показатели VoT и VoSL, оценивающие нерыночные выгоды от повышения транспортной доступности и снижения смертности на дорогах. Также обоснована необходимость применения многокритериального анализа (MCA) в случаях, когда часть эффектов невозможно выразить в денежной форме. Далее была разработана комплексная методика оценки социально-экономических эффектов мероприятий по совершенствованию транспортной инфраструктуры, включающая четыре взаимосвязанных компонента: (1) пространственный анализ ДТП на уровне субъектов РФ; (2) пространственный анализ ДТП по конкретному региону/агломерации; (3) имитационное моделирование отдельных узлов улично-дорожной сети; (4) оценка социально-экономических эффектов на основе результатов предыдущих этапов и результатов литературного обзора. Пространственный анализ на уровне субъектов РФ позволил выявить значимую автокорреляцию показателей аварийности, отражающую тенденцию кластеризации ДТП в пространстве. В рамках построения пространственных эконометрических моделей (SAR, SEM, SDM, SAC) доказано влияние уровня экономического развития, протяженности дорог, количества автобусов и инновационной активности региона на частоту ДТП. Особенно важно, что модели выявили эффект «перелива» между регионами. На уровне конкретной агломерации (на примере Санкт-Петербурга) проведен пространственный анализ ДТП и проанализировано влияние городской инфраструктуры на появление очагов ДТП. Анализ показал, что высокая концентрация ДТП наблюдается в центральных районах города, особенно вблизи автобусных остановок. Применение методов машинного обучения (Random Forest, SHAP-анализ) позволило количественно оценить вклад каждого типа инфраструктуры в уровень аварийности. Также выявлены комплексные и нелинейные взаимодействия между различными элементами транспортной сети. Например, комбинация трамвайных остановок и станций метро способствует снижению аварийности, тогда как наличие автобусных остановок рядом с метро, наоборот, увеличивает риск ДТП. Также было проведено имитационное моделирование транспортных потоков с использованием программного обеспечения PTV. Модели охватывают как базовые условия движения, так и сценарии с типичными ДТП, что позволило оценить влияние аварий на пропускную способность, временные задержки и характеристики потока. Полученные данные легли в основу количественной оценки экономических выгод от устранения или предотвращения подобных аварийных ситуаций. Отдельное направление проекта связано с анализом и прогнозированием тяжести ДТП. С помощью методов машинного обучения были построены модели, предсказывающие вероятность тяжелых последствий. Наиболее эффективными оказались модели случайного леса и дерева решений. Выявлены ключевые факторы тяжести: тип ДТП, освещенность, нарушения ПДД. С целью оценки влияния социально-экономических факторов, а также показателей транспортной инфраструктуры на динамику и структуру ДТП был произведен сбор и обработка данных по 100 крупнейшим городам России за 2013–2024 гг. В базу вошли показатели экономики, транспортной инфраструктуры и структуры ДТП. Это позволило интегрировать статистические, пространственные и моделирующие подходы для построения единой цифровой модели, отражающей связи между инфраструктурой и дорожной безопасностью. Завершающий этап включал разработку и тестирование цифровой модели в среде Rhinoceros и Grasshopper для оценки риска возникновения ДТП при изменении параметров городской инфраструктуры. Модель протестирована на кейсах, отражающих типовые сценарии: столкновение ТС на магистралях, наезд на пешехода вблизи остановок, ДТП с участием общественного транспорта. Показано, что корректная организация дорожного движения, информирование водителей и грамотно спроектированные остановочные пункты существенно снижают вероятность аварий. Результаты исследования имеют как теоретическую значимость для совершенствования методик оценки социально-экономических эффектов транспортных проектов, так и прикладное значение для регионального и муниципального планирования.