Details
| Title | Регрессионное моделирование для прогнозирования тяжести дорожно-транспортных происшествий = Regression modeling for predicting the severity of road traffic accidents // Современные подходы в системном инжиниринге и цифровом моделировании сложных производственных систем: сборник трудов Всероссийской научно-практической конференции, 27–28 февраля 2025 года |
|---|---|
| Creators | Алексеева Мария Сергеевна ; Кудрявцева Татьяна Юрьевна ; Родионова Мария Александровна ; Савченко Наталья Алексеевна |
| Organization | Санкт-Петербургский политехнический университет Петра Великого |
| Imprint | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2026 |
| Collection | Общая коллекция |
| Document type | Article, report |
| Language | Russian |
| DOI | 10.18720/SPBPU/2/id25-198 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
| Additionally | New arrival |
| Record key | RU\SPSTU\edoc\79466 |
| Record create date | 7/10/2026 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В данной работе представлены результаты регрессионного моделирования для прогнозирования тяжести дорожно-транспортных происшествий (ДТП) на основе данных по Санкт-Петербургу, взятых с ресурса «Карта ДТП». В ходе исследования были проанализированы ключевые факторы, влияющие на тяжесть ДТП, такие как тип происшествия, погодные условия, освещенность, нарушения правил дорожного движения и состояние дорожного покрытия. Для построения модели использовались методы логистической регрессии, а также алгоритмы машинного обучения, включая метод k-ближайших соседей (KNN), метод опорных векторов (SVM), дерево решений и случайный лес. Результаты показали, что наиболее эффективной моделью для прогнозирования тяжести ДТП является случайный лес (Random Forest), который достиг точности 63.1%. Полученные результаты могут быть использованы для принятия решений по снижению тяжести последствий дорожно-транспортных происшествий.
This paper presents the results of regression modeling for predicting the severity of road traffic accidents (RTAs) based on data provided by the SPB Map of Accidents. The study analyzed key factors influencing the severity of RTAs, such as the type of accident, weather conditions, lighting, traffic violations, and road surface conditions. Logistic regression methods and machine learning algorithms, including k-nearest neighbors (KNN), support vector machines (SVM), decision trees, and random forests, were used to build the model. The results showed that the most effective model for predicting the severity of RTAs is the Random Forest, which achieved an accuracy of 63.1%. The results obtained can be used to make decisions to reduce the severity of the consequences of road accidents.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
