Коротко — что измерять и как анализировать, чтобы обоснованно снижать смертность и травматизм среди пешеходов и велосипедистов.
1) Ключевые показатели (что считать)
- События: число смертей, тяжёлых травм, лёгких травм, «KSI» = погибшие + серьёзно раненные.
- Частоты/нормализации: норма по населению, по движению, по экспозиции:
- по населению: ${\text{rate}}_{pop}=\frac{\text{KSI}}{\text{population}}\times 10^5$ (на $10^5$ жителей);
- по экспозиции: ${\text{rate}}_{exp}=\frac{\text{crashes}}{\text{pedestrian- or cyclist-km}}\times 10^6$ (на $10^6$ пешеходо-/велосипедо‑км) или на $10^3$ поездок;
- на пересечениях/перехожих: $\text{crash per crossing}=\frac{\text{crashes at crossing}}{\text{crossing counts}}$.
- Скорость: средняя скорость, 85-й процентиль, доля превышений — ключевой предиктор тяжести.
- Объём трафика: АДН/час авто, доля грузовиков, пешеходные/велосипедные потоки.
- Инфраструктура: длина/тип велодорожек, ширина тротуаров, наличие островков безопасности, тип пересечений, освещённость.
- Уязвимость/формализация ущерба: функции «скорость → вероятность смерти/тяжёлой травмы» (vulnerability curves).
- Сурогатные показатели: количество конфликтов/near-misses, время ожидания на переходе, видимость, освещённость.
2) Источники данных (обязательно комбинировать)
- Полицейские отчёты о ДТП.
- Больничная/экстренная медицинская статистика (чтобы учесть недоучтённые полицейскими травмы).
- Счётчики пешеходов/велосипедистов, опросы поездок, GPS/мобильные данные.
- Видеоаналитика и натуральные наблюдения (скорости, конфликты).
- GIS‑данные дорог и инфраструктуры.
3) Методы анализа
- Описательная статистика и нормализация (см. формулы выше) для ранжирования проблем.
- Простые сравнения «до‑после»: абсолютное и относительное изменение:
- $\Delta \%=\frac{\text{before}-\text{after}}{\text{before}}\times 100\%$.
- Моделирование счётных данных: Poisson / отрицательный биномиальный:
- $E[Y_i]={\lambda }_i,\log ({\lambda }_i)={\beta }_0+{\beta }_1{x}_{1i}+\dots$.
Используется для оценки факторов риска и прогнозирования.
- Empirical Bayes (EB) для оценки эффекта мер «до‑после», чтобы скорректировать регрессию к среднему и учесть регрессию к среднему и сезонность.
- Интерруптед time series / контролируемые «до‑после» и матчи контрольных участков (difference-in-differences) для причинно‑следственной оценки.
- Пространственный анализ: KDE (kernel density) для «hotspot»; автокорреляция (Moran's I), Getis‑Ord Gi* для кластеров.
- Регрессионный анализ тяжести травмы (логистическая регрессия: вероятность серьёзной травмы как функция скорости, возраста, типа столкновения).
- Модели экспозиции и риска: расчет относительного риска/odds ratio для групп.
- Микросимуляция и транспортное моделирование для оценки влияния изменений конфигурации и сигнализации.
- Анализ конфликтов и видеослэп‑анализ для оценки суррогатных эффектов при недостатке аварий.
- Экономическая оценка: cost‑benefit, cost per life saved, приоритизация.
4) Диагностическая последовательность (практически)
- Сбор: объединить полицию + медицину + счётчики + GIS.
- Нормализация: рассчитать показатели на экспозицию (пешеход‑км, поездки).
- Локализация: hotspot‑анализ и классификация мест по факторам (скорость, тип улицы, инфраструктура).
- Причинный анализ: регрессии, временные ряды, проверка корреляций (скорость, трафик, освещение).
- Выбор мер: опираясь на доказанную эффективность в литературе (снижение скорости, физическое разделение, улучшение переходов, освещение, сокращение грузового транзита).
- Оценка ожидаемого эффекта: применять коэффициенты эффективности (мета‑анализы) и модели для прогнозов.
- Приоритизация: по количеству предотвращённых KSI, BCR, политическим/социальным критериям.
- Мониторинг и оценка: Implement → Before‑after with control / EB / ITS.
5) Практические рекомендации по метрикам мониторинга
- Основной KPI: число KSI на $10^5$ жителей и KSI на $10^6$ пешеходо-/велосипедо‑км.
- Дополнительно: средняя скорость и доля поездок > скорость лимита; доля уличной сети с боковыми велополосами/безопасными тротуарами; число конфликтов/час на критических узлах.
- Для оценки вмешательства: отчёт по абсолютному числу аварий предотвращённых в год и относительному снижению $\Delta \%$ (см. формулу выше) плюс экономическая оценка.
6) Ошибки и подводные камни
- Не связываться только с полицейскими данными (недоучтённые травмы).
- Не проводить «простое до‑после» без контроля сезонности/тренда/регрессии к среднему — использовать EB или контрольные участки.
- Игнорирование экспозиции (увеличение велопотока может повысить абсолютное число событий, но снизить риск на поездку — важно смотреть нормализованные показатели).
7) Кратко по мерам с доказанной эффективностью
- Снижение скорости (физические меры, ограничение, принудительные неровности) — сильное снижение тяжести.
- Физическое разделение велосипедного движения/отделённые велодорожки.
- Улучшенные переходы (островки, сокращение пересечения ширины, подсветка).
- Пересмотр проездной/регулировочной логики на перекрёстках, приоритизация пешеходов.
Оценивать эффект через прогнозную модель и затем через контролируемое наблюдение.
Если нужно, могу предложить конкретный набор метрик и модель оценки (например, NB‑модель с переменными: скорость 85%, АДН, доля грузовиков, наличие велополос) для вашего города — укажите доступные данные.