Пандан ЕУСпБ, 2022

Исследование нацпроекта

«Безопасные и качественные дороги»

в четырех городах России

В период 2017—2019 гг. смертность на дорогах снизилась на 20%.
Вызвано ли это национальным проектом?
О проекте «Безопасные и качественные дороги»
Проект «Безопасные и качественные дороги» был запущен 2017 г. в 32 регионах России. С тех пор, незначительно изменяя название, он несколько раз расширялся — как структурно и содержательно, так и географически. Хотя формально речь идет об отдельных проектах, в этом исследовании мы будем рассматривать их как единое целое.
Транспортная неделя — 2017, фото с сайта проекта БКД
Среди основных целей проекта:
  • приведение дорожной сети в нормативное состояние;
  • снижение числа мест концентрации ДТП;
  • снижение смертности в ДТП.
Финансирование
Проект финансируется из федерального и региональных бюджетов, а также внебюджетных источников.
В 2017—2018 гг. на него было потрачено
129,5 млрд руб., в 2019 г. — 486,1 млрд руб.
Сейчас невозможно понять, какой приоритет при планировании работ в рамках национального проекта имеют соображения безопасности
Мониторинг Счетной палаты в 2019 году показал, что «критерии по оценке достижения регионами плановых показателей по повышению нормативного состояния автодорог, заложенные в национальном проекте, не в полной мере отвечают требованиям по обеспечению безопасности дорожного движения».
В нашем исследовании мы выясняем, как связаны проект БКД и дорожная безопасность

Гипотезы

1
При планировании мероприятий БКД отсутствует системный подход. В частности, местные власти в разных городах могут давать больший или меньший приоритет безопасности.
2
Мероприятия БКД не приводят к снижению смертности или числа пострадавших на дорогах.
Выбор периода и городов для анализа

Мы ограничили наше исследование периодом с 2017 года, когда был запущен проект БКД, по 2019 год — последний до пандемии COVID-19.


Число городов тоже пришлось ограничить: подготовка данных для исследования требовала большого объема ручной работы. Для проверки гипотез выбрали похожие города из разных регионов.

Этапы выбора городов
1
Отобрали города, которые участвуют в проекте с 2017 года и общее число объектов БКД в которых за три года превысило 100 единиц.
2
Кластеризовали города по ключевым показателям: население, автомобилизация, число ДТП в регионе, климатические условия и бюджетное финансирование региона.
3
Оставили только те города, которые хорошо покрыты панорамами на картах Яндекса или Google и по которым в открытом доступе существует подробная документация о работах в рамках БКД.
Сравнение ключевых показателей выбранных городов
ДТП и мероприятия БКД за 2017−2019 гг. по выбранным городам
ремонт полотна
разметка
установка бордюра
пешеходный переход
освещение
ограждение на пешеходном переходе
автобусная остановка
камера
лежачий полицейский
островок безопасности
усиление видимости перехода
ремонт моста
На карте отмечены участки, на которых проводились работы в рамках БКД с 2017 по 2019 год в каждом городе. На одном и том же участке могли проводиться разные типы работ, полный список работ для каждого участка можно посмотреть по клику на объект. График плотности отражает суммарное число ДТП с погибшими и пострадавшими на участке за выбранный период времени. Можно визуально оценить, насколько работы БКД и ДТП с пострадавшими соотносятся друг с другом.
В результате мы получили данные о работах БКД, количестве ДТП с пострадавшими и об окружении для каждого 50-метрового участка дорог в четырех городах за каждый месяц на протяжении трех лет. Эти данные в дальнейшем были использованы для проверки гипотез.
I. Моделирование политики планирования работ
в разных городах
Есть ли системный подход к планированию мероприятий БКД в разных городах? Насколько важную роль в планировании работ играют данные о погибших и пострадавших в ДТП?

Далее мы построили предсказательную модель: как окружение участка дороги и количество погибших и пострадавших на ней связано с вероятностью включения дороги в программу БКД.



Важнейшими результатами данного этапа стали: получение нами значений shap values и shap feature importance для каждого из городов, а также метрик кросс-предсказаний других городов моделями обученными на конкретном городе. Обучение моделей производилось при помощи CatBoostClassifier из библиотеки CatBoost, со спецификацией модели можно ознакомиться по ссылке.

Интерпретация shap values позволяет судить о наличии множества общих моментов в политике ремонтов БКД. Для всех городов общим стало то, что наличие в пространственном контексте участка таких переменных, как «Детские сады», «Детские площадки», «Спортивные сооружения» снижает шансы участка быть включенным в программу БКД.


В то время как большое количество пострадавших в авариях на участке увеличивает шансы для участка быть включенным в программу.

Также интересным для исследования является то, что переменная, отражающая количество погибших, ни в одном городе не вошла даже в топ-20 по feature importance.


Большую разницу в политиках городов делают три переменные: «Парки и скверы» (переменная топ-1 по общему и положительному влиянию в Кемерово и Барнауле, топ-1, но с отрицательным влиянием, в Ярославле, и отрицательное влияние в Ульяновске), «Школы» (нейтральное влияние в Кемерово и Барнауле, отрицательное в Ярославле и Ульяновске), «Продуктовые магазины» (разный эффект по городам).


Со значениями shap values и shap feature importance для городов, а также усредненными общими значениями можно ознакомиться в дашборде ниже.

Косинусное расстояние кросс-предсказаний в таблице ниже показывает высокую степень схожести политик в данных городах (чем ближе к 1, тем меньше различий). Максимальное — в паре Кемерово-Барнаул (также эта пара имеет максимальные значения метрик ROC_AUC и F1); минимальное — в паре Кемерово-Ульяновск (аналогично и по ROC_AUC и F1). Что подтверждает наши эмпирические гипотезы о разности/схожести политики городов, основанные на разметке данных городов.

Косинусное расстояние кросс-предсказаний Барнаул Кемерово Ульяновск Ярославль
Модель: Барнаул - 0,941 0,915 0,941
Модель: Кемерово 0,954 - 0,904 0,944
Модель: Ульяновск 0,862 0,831 - 0,852
Модель: Ярославль 0,904 0,899 0,873 -

Выводы

1
Исходя из полученных данных, в рамках пространственного контекста мы не можем подтвердить, что программа таргетирована на создание безопасности в местах массового скопления пешеходов, как самой уязвимой в ДТП части населения.
2
При этом сильное положительное влияние переменной «Травмы в ДТП» говорит, скорее, не об ориентации на создание безопасности, а о значительной ориентации на ремонт в рамках БКД самых загруженных в транспортном плане улиц, что также подтверждают высокие значения переменных «Трамвайные остановки» для центра городов и «АЗС» для окраин.
3
В свете данных выводов, повышается для нас важность следующего этапа: оценки эффектов БКД, которая должна показать, как влияет на безопасность программа на тех загруженных участках, где ремонты проходили.

II. Оценка эффектов программы

Как мероприятия БКД влияют на дорожную безопасность? Снижается ли аварийность на дорогах после ремонта?
Воздействие разных типов работ на безопасность мы оценивали с помощью регрессионого моделирования методом наименьших квадратов. Зависимая переменная — факт ДТП с погибшими или пострадавшими на данном 50-метровом участке дороги в данный месяц. Объясняющая переменная — наличие воздействия: теоретически эффект от работ может быть краткосрочным или, наоборот, накапливаться со временем, поэтому в модели учитывалось наличие воздействия в каждый из шести месяцев до и после данного наблюдения (при этом из анализа исключались месяцы, в которые на участке шли работы). Также мы использовали контроль на уникальный номер участка дороги — чтобы снять влияние факторов, индивидуальных для каждого участка, и год-месяц наблюдения — чтобы снять влияние исторических особенностей периода.

Результаты оценки эффектов представлены на графиках. Для каждого значения указан его доверительный интервал.

Эффект воздействия на вероятность ДТП

с погибшими или пострадавшими

OLS-регрессия на статус воздействия за 6 до и 6 месяцев после наблюдения.
Фиксированные эффекты: номер участка и год-месяц наблюдения.
(Графики показаны для городов, где было больше 10 объектов БКД данного типа.)

Выводы

1
Нет оснований утверждать, что работы в рамках БКД значимо снижают риск ДТП с пострадавшими или погибшими. Даже в случаях, когда отрицательное влияние наблюдается, доверительный интервал захватывает область положительных значений.
2
Эффекты воздействий отличаются от города к городу. Отчасти это может быть связано с тем, что в разных городах к ним прибегали с разной частотой. Однако помимо этого отличия могут объясняться разницей в местных принципах планирования работ.
Результаты нашего исследования
По итогам нашего исследования реализации проекта «Безопасные и качественные дороги» в четырех городах России в 2017—2019 гг. можно сделать следующие выводы:
  • В рамках исследования контекста БКД в разных городах мы нашли как существенные сходства, так и существенные различия в проводимых работах, единый подход к планированию работ, с большой степенью вероятности отсутствует
  • Не находит подтверждения гипотеза о том, что приоритеты безопасности играют существенную роль в таргетировании работ в рамках БКД
  • Мы не нашли существенных причин утверждать, что какие-либо мероприятия в рамках БКД на участке дороги снижают вероятность возникновения там ДТП
Участники проекта
Дмитрий Кузнецов
студент ПАНДАНа
Светлана Бардина
студентка ПАНДАНа
Сергей Бондарьков
студент ПАНДАНа
Кураторы проекта
Дмитрий Скугаревский
Ассоциированный профессор по эмпирико-правовым исследованиям ЕУСПб
Карен Валитов
Преподаватель магистерской программы «Управление пространственным развитием городов» НИУ ВШЭ
https://pandan.eusp.org/
Made on
Tilda