Статья посвящена анализу комплексного воздействия множества факторов на безопасность дорожного движения. В качестве перспективного инструмента для такого анализа рассматриваются методы нечеткой логики, применение которых способствует развитию исследований в области управления транспортными системами и повышения их безопасности. Авторами предложен подход к автоматизированной интеграции указанных факторов для выявления рисков. Целью исследования является разработка прототипа интеллектуальной экспертной системы, предназначенной для автоматизированного объединения разнородных факторов и идентификации потенциальных рисков. Разработанная интеллектуальная экспертная система демонстрирует способность оперативно анализировать широкий диапазон разнородных данных, применяя адаптивные алгоритмы нечеткой логики, что позволяет достигать высокого уровня надежности результатов анализа. В процессе научного исследования был создан и реализован программный прототип интеллектуальной экспертной системы, включающий специализированный инструментарий для оценки как локальных характеристик отдельных составляющих подсистем (таких, как компонент «водитель»), так и совокупной характеристики безопасности дорожного движения в двух режимах: первый учитывает взаимодействие и взаимовлияние всех подсистем, второй предполагает оценку каждого элемента независимо друг от друга. Предоставлена возможность визуализации функций принадлежности для факторов в различных сценариях. Разработанные методики формирования частных оценок и механизм их обобщения основаны на аппарате нечеткой логики и позволяют проводить анализ межуровневых взаимодействий в системе дорожного движения.
This article investigates the problem of the interaction of multiple factors that have a critical impact on road traffic safety. The analysis of road safety indicators using fuzzy logic algorithms represents a promising research direction in the field of transport safety and traffic management. The authors propose an approach for the automated integration of these factors to identify risks. The study aims to develop a prototype of an intelligent expert system designed for the automated combination of heterogeneous factors and the identification of potential risks. The proposed intelligent expert system is capable of processing a wide range of diverse indicators using adaptive fuzzy logic algorithms, ensuring high reliability of the obtained assessments. As part of the work, a prototype system was developed and implemented in software, enabling the calculation of numerical values of partial quality assessments for subsystems (e.g., the “driver” subsystem); determination of an integral road safety assessment both with and without considering the mutual influence of subsystems; and visualization of factor membership functions under various conditions. Thus, the study presents methodologies for forming integral assessments of subsystem states and develops a mechanism for determining a generalized safety assessment based on fuzzy logic algorithms, which were implemented in the system to analyze inter-level interactions within the road traffic system.
1. Лопарев Е.А., Сергунова А.С. Влияние внешних факторов на уровень дорожно-транспортных происшествий, связанных с наездами на пешеходов // Безопасность дорожного движения. 2022. № 1. С. 28–34. URL: https://xn--90aga7a7b.xn--b1aew.xn--p1ai/upload/site1097/document_journal/polnaya_versiya_1-2022.pdf (дата обращения: 12.09.2025).
2. Навой Д.В., Капский Д.В., Филиппова Н.А., Пугачев И.Н. Анализ мирового опыта в применении искусственного интеллекта в системах управления дорожным движением различного уровня // Системный анализ и прикладная информатика. 2024. № 1. С. 26–36. URL: https://sapi.bntu.by/jour/issue/view/50/showToc (дата обращения: 12.09.2025). DOI: 10.21122/2309-4923-2024-1-26-36. EDN: YFVQAE.
3. Раптанова П.А., Михеева Е.В., Чекина Т.И. Системный анализ проблем моделирования и оптимизации интеллектуальных транспортных систем // Научно-технический вестник Поволжья. 2022. № 12. С. 174–176. URL: https://www.elibrary.ru/download/elibrary_50076337_94834725.pdf (дата обращения: 24.09.2025).
4. Солодкий А.И. Развитие интеллектуальных транспортных систем в России: проблемы и пути их решения. Новый этап // Интеллект. Инновации. Инвестиции. 2020. № 6. C. 10–19. URL: https://cyberleninka.ru/article/n/razvitie-intellektualnyh-transportnyh-sistem-v-rossii-problemy-i-puti-ih-resheniya-novyy-etap (дата обращения: 24.09.2025). DOI: 10.25198/2077-7175-2020-6-10.
5. Жбанова С.А. Основные направления совершенствования дорожной безопасности в условиях обеспечения национальной безопасности государства // Современная наука. 2021. № 5. C. 34–37. URL: https://search.rads-doi.org/showfile/ru/19376 (дата обращения: 24.09.2025). DOI: 10.53039/2079-4401.2021.7.5.007.
6. Короткова Е.А., Королева Е.В. Анализ показателей дорожно-транспортных происшествий в России средствами эконометрического моделирования // Kant. 2023. № 2 (47). C. 38–44. URL: https://stavrolit.ru/kant/2696/ (дата обращения: 24.09.2025). DOI: 10.24923/2222-243X.2023-47.7. EDN: DKAQQN.
7. Иващук О.Д., Иващук О.О., Лазарев С.А., Пузырев Н.С. Проведение оценки эффективности проведенных профилактических мероприятий на предприятии с использованием методов нечеткой логики // Информационные системы и технологии. 2023. № 1. С. 20–28. URL: https://oreluniver.ru/public/file/archive/isit_ISiT_1-23_kratkiy.pdf (дата обращения: 12.09.2025). EDN: XKVEDE.
8. Четвергов М.А. Моделирование дорожно-транспортного происшествия как эффективный инструмент расследования преступлений // Безопасность дорожного движения. 2024. № 1. URL: https://cyberleninka.ru/article/n/modelirovanie-dorozhno-transportnogo-proisshestviya-kak-effektivnyy-instrument-rassledovaniya-prestupleniy (дата обращения: 12.09.2025).
9. Шохирев Е.В., Володькин П.П., Лазарев В.А., Константинов А.В. Разработка авторегрессионной нейросетевой модели для прогнозирования аварийности на территории Хабаровского края // Интеллект. Инновации. Инвестиции. 2025. № 3. С. 107–120. URL: http://intellekt-izdanie.osu.ru/arch/2025/2025_3_107.pdf (дата обращения: 12.09.2025). DOI: https://doi.org/10.25198/2077-7175-2025-3-107. EDN: ZAJFEZ.
10. Конончук Э.В., Ермоленко Т.В., Шишунов Т.О. Модели машинного обучения для оценки вероятности появления ДТП и его серьезности // Проблемы искусственного интеллекта. 2022. № 1 (24). C. 4–12. URL: https://cyberleninka.ru/article/n/modeli-mashinnogo-obucheniya-dlya-otsenki-veroyatnosti-poyavleniya-dtp-i-ego-serieznosti (дата обращения: 12.09.2025). EDN: ACSQVE.
11. Басов О.О., Офицеров А.И. Автоматический разбор дорожно-транспортных происшествий на основе мультимодального анализа данных с использованием технологий искусственного интеллекта // Научный результат. Информационные технологии. 2025. № 10 (2). C. 69–83. URL: https://rrinformation.ru/media/information/2025/2/%D0%9D%D0%A0.%D0%98%D0%A2_10.2_7.pdf (дата обращения: 24.09.2025). DOI: 10.18413/2518-1092-2025-10-2-0-7.
12. Новиков А.Н., Хуан Л., Феофилова А.А., Любимый Н.С. Интеллектуальный транспорт в повышении безопасности дорожного движения // Мир транспорта и технологических машин. 2024. № 4–2 (87). C. 101–108. URL: https://www.elibrary.ru/item.asp?id=75993617 (дата обращения: 24.09.2025). DOI: 10.33979/2073-7432-2024-4-2(87)-101-108. EDN: DYHJJK.
13. Лазарев Д.А., Иващук О.Д., Бекетов Я.М., Новиков И.А. Интеллектуальная система оценки уровня безопасности дорожного движения на участке улично-дорожной сети // Грузовик: транспортный комплекс, спецтехника. 2025. № 8. С. 44–53. URL: https://www.mashin.ru/eshop/journals/gruzovik_stroitel_no-dorozhnye_mashiny_avtobus_trollejbus_tramvaj/ (дата обращения: 24.09.2025). DOI: 10.36652/1684-1298-2025-8-44-53.
14. Кадырова Г.М., Красюкова Н.Л., Рождественская И.А., Токмурзин Т.М., Воронова Е.И. Адаптивная оптимизация транспортных потоков внутри подземных выработок на базе методов искусственного интеллекта // Горная промышленность. 2025. № 1. С. 137–146. URL: https://mining-media.ru/images/2025/01_2025/137-146.pdf (дата обращения: 12.09.2025). DOI: 10.30686/1609-9192-2025-1-137-146.
15. Капский Д.В., Богданович С.В. Интеграция методов когнитивного анализа в систему оценки безопасности дорожной инфраструктуры. // Вестник Полоцкого государственного университета. Серия B. Промышленность. Прикладные науки. 2024. № 2. С. 36–49. URL: https://elib.psu.by/bitstream/123456789/45205/1/36-49.pdf (дата обращения: 12.09.2025). DOI: 10.52928/2070-1616-2024-50-2-36-49.