Розробка AI-системи прогнозування ДТП та аварійних ситуацій

Розробка AI-системи прогнозування ДТП та аварійних ситуацій

Щороку на дорогах України трапляється понад 150 тисяч ДТП з постраждалими. Ми розробляємо ML-системи, які прогнозують аварійні ділянки з точністю до 80% за 15 хвилин до події. Це дозволяє службам реагувати превентивно: посилювати патрулювання, вводити тимчасові обмеження швидкості, планувати ремонт. Наш досвід у транспортній аналітиці — понад 5 років і 30 проєктів, гарантуємо якість та сертифіковані рішення.

Підхід базується на комбінації історичних даних ДАІ, дорожньої інфраструктури та погодних умов. Ми використовуємо градієнтний бустинг (XGBoost) і комп'ютерний зір (YOLOv8) для детекції near-miss. Система працює в real-time та інтегрується з динамічними знаками і міськими сервісами. Оцінимо ваш проєкт за 2 дні — зв'яжіться з нами.

Як AI прогнозує ДТП?

Пайплайн складається зі збору даних, feature engineering, навчання моделі та деплою. Порівняння основних моделей для hotspot prediction:

XGBoost швидший за нейромережі в 3 рази при порівнянній точності, тому ми обираємо його для production.

Дані для прогнозування ДТП

Використовуємо історичні дані ДАІ (геокоординати, час, тип, тяжкість), дорожню інфраструктуру (схема дороги, знаки, освітленість), ситуаційні фактори (погода, трафік, час доби) та відеопотік з камер для near-miss детекції. Feature engineering включає просторові (щільність ДТП, перехрестя, кривизна), часові (циклічні кодування, пікові періоди) та середовищні (погода, темрява) ознаки.

Feature Engineering

Spatial features

def spatial_accident_features(segment_id, historical_accidents):
    return {
        'accident_count_1year': count(accidents_last_year),
        'accident_severity_mean': mean(injury_severity_scores),
        'accident_rate_per_mvkt': accidents / (aadt * segment_length_km / 1000),
        'nearby_accidents_500m': count(accidents_within_500m),
        'ped_crossings_per_km': pedestrian_crossings / segment_length,
        'intersection_density': intersections / segment_length,
        'curvature_index': mean_curvature,
        'speed_limit': posted_speed_limit
    }

Temporal features

• Циклічні кодування часу (sin/cos години та дня)
• Пікові періоди: ранковий, вечірній, нічні години
• Вихідні та свята

Environmental features

• Ф'ючерс погоди: за годину до прогнозу
• Темрява: астрономічні розрахунки sunrise/sunset
• Дорожні умови: мокра дорога, ожеледиця (NWP дані)

Моделі прогнозування

Hotspot prediction — ймовірність ДТП на сегменті в наступні X годин (XGBoost). Severity prediction — класифікація тяжкості наслідків (CatBoost). Near-miss detection — детекція небезпечних ситуацій по відео (YOLOv8 + трекінг + TTC). Детальніше:

# XGBoost classifier
model = XGBClassifier(
    max_depth=6,
    n_estimators=300,
    learning_rate=0.05,
    scale_pos_weight=neg_count/pos_count
)

Порівняння моделей для severity prediction:

Real-time система попередження

При високому ризику на ділянці:

• Динамічні знаки VMS: обмеження швидкості -20 км/год
• Світлофорне керування: збільшення червоної фази
• Повідомлення ДАІ та диспетчерів міського транспорту
• Відображення зон ризику в Яндекс.Картах та 2ГІС
• Push-повідомлення водіям (за згодою)

Аналіз причин та заходи безпеки

Black Spot Analysis

def identify_black_spots(accidents_gdf, grid_size=100, threshold_accidents=3):
    """
    Стандарт ЄС: ділянка = black spot якщо ≥3 ДТП з постраждалими
    за 3 роки на 300 м дороги
    """
    grid = create_grid(city_boundary, grid_size)
    for cell in grid:
        cell.accident_count = count(accidents_in_cell)
        if cell.accident_count >= threshold_accidents:
            cell.is_black_spot = True
    return grid

Counterfactual analysis через SHAP пояснює причини аварійності. ROI-driven prioritisation ранжує заходи за економічною ефективністю.

Чому XGBoost кращий за нейромережі для hotspot prediction?

XGBoost забезпечує точність 0.82 за 10 хвилин навчання, тоді як багатошаровий перцептрон (MLP) дає 0.85 за 2 години. В production важлива швидкість перенавчання при появі нових даних. XGBoost легко інтерпретується через SHAP, а нейромережі — чорний ящик. Тому для просторово-часового прогнозу ми обираємо XGBoost як основний алгоритм.

Що входить в розробку під ключ

• Аналіз даних ДАІ та зовнішніх джерел
• Навчання та валідація моделі hotspot/severity/near-miss
• Інтеграція з real-time API (динамічні знаки, Яндекс.Карти)
• Документація та інтерактивний дашборд для моніторингу
• Підтримка 3 місяці після запуску

Процес впровадження: покроковий план

1. Аудит даних: збір історичних ДТП, інфраструктури, погоди. Оцінка якості та повноти.
2. Прототипування: швидка модель на XGBoost за 2 тижні. Перевірка точності на історичних даних.
3. Розгортання MVP: інтеграція з картами та динамічними знаками. Тест у пілотному районі.
4. Ітеративне покращення: додавання near-miss, уточнення black spot, налаштування real-time.
5. Повний запуск: масштабування на все місто, інтеграція з ДАІ та диспетчерськими.

Строки: базова hotspot модель на історичних даних ДАІ — 3-4 тижні. Система real-time з динамічними знаками та інтеграцією ДАІ — 3-4 місяці. Наші рішення дозволяють запобігти до 20% таких інцидентів, що окупає проект за рік. Замовте консультацію інженера та отримайте детальний розрахунок.

Які проблеми прогнозування часових рядів зустрічаються найчастіше?

Фінансовий директор запитує прогнозування часових рядів продажів на квартал. Аналітик будує SARIMA, досягає MAPE 8.3% на тестовій вибірці — і з гордістю деплоїть. Через два місяці в production метрика падає до 23%. Причина класична: модель навчалася на даних до COVID, тестувалася на стабільному періоді, а production потрапив на промо-акцію та збій поставок. Data leakage + distribution shift = гарні цифри в ноутбуці та непрацюючий прогноз в реальності. Ми стикалися з цим десятки разів. Наш досвід — 5+ років у прогнозуванні часових рядів для рітейлу, фінтеху та IoT, більше 50 завершених проєктів.

Неправильна крос-валідація. Стандартний train_test_split для часових рядів — помилка. Випадкове розбиття створює data leakage: модель бачить «майбутні» значення в навчанні. Правильно — TimeSeriesSplit або walk-forward validation з expanding window.

Множинна сезонність. Погодинні дані споживання електроенергії мають три сезонності: добову (24 год), тижневу (168 год), річну (8760 год). SARIMA справляється лише з однією. Prophet обробляє кілька, але повільно масштабується на тисячі рядів.

Пропуски та аномалії в даних. Пропуск у сенсорних даних — це інформація (датчик відключився), а не просто NaN. Лінійна інтерполяція вбиває цей сигнал. Правильна обробка залежить від природи пропуску.

Cold start при ієрархічному прогнозуванні. Новий SKU в асортименті з 50 000 позицій: історичних даних немає, потрібен прогноз. Стандартні підходи тут не працюють — потрібні cross-learning підходи або feature-based методи.

Які інструменти і коли застосовувати?

Prophet (Meta) — чудовий старт для бізнес-даних із зрозумілою сезонністю та святами. Швидко налаштовується, інтерпретований, вбудована обробка викидів і пропусків. Падає в точності при нерегулярних патернах і не масштабується на десятки тисяч рядів без паралелізації. Prophet (Facebook) — офіційна документація.

Gradient boosting на фічах (LightGBM, XGBoost) — часто недооцінений підхід. Створюєте фічі вручну: лаги (t-1, t-7, t-28), ковзні середні, категоріальні ознаки (день тижня, місяць), екзогенні змінні. Модель навчається на всіх рядах одночасно — вирішує cold start через схожі ряди. MAPE на рітейл-прогнозуванні часто кращий за нейронні мережі при правильній feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, спеціально розроблений для інтерпретованого прогнозування з коваріатами. Вбудовані механізми: variable selection (які ознаки важливі), temporal self-attention (які часові точки впливають на прогноз), квантильні передбачення. Доступний у pytorch-forecasting. Вимагає ~10 000+ записів на ряд для стабільного навчання. Temporal Fusion Transformer — академічна публікація.

PatchTST — трансформер, який ділить часовий ряд на патчі (аналогічно ViT для зображень). Краще захоплює локальні патерни, ніж класичні трансформери. Добре працює для long-horizon forecasting (прогноз на 96–720 кроків). Реалізація в neuralforecast від Nixtla.

N-HiTS, N-BEATS — нейронні архітектури без attention, швидші за TFT, конкурентна точність. N-BEATS виграє на M4/M5 benchmark для задач без коваріат.

Як ми розгортаємо TFT в production?

TFT потребує ретельної підготовки даних. Типовий пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 днів
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 днів
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Часта помилка: target_normalizer за замовчуванням (StandardScaler) ламає передбачення для рядів з нульовими значеннями (немає продажів у вихідні). GroupNormalizer з transformation="softplus" — правильний вибір для count-даних.

Покрокова інструкція з налаштування TFT

1. Збір та підготовка даних. Обробити пропуски (маркувати NaN, інтерполювати лише якщо це технічний збій), агрегувати до потрібної частоти, сформувати коваріати (свята, промо, ціни).
2. Створення TimeSeriesDataSet. Вказати group_ids (наприклад, магазин+SKU), часовий індекс, горизонт прогнозу. Налаштувати target_normalizer з урахуванням розподілу таргета.
3. Навчання baseline. Спочатку Prophet або LightGBM — щоб зрозуміти, наскільки складніше завдання.
4. Тренування TFT. Запустити TemporalFusionTransformer з loss=QuantileLoss(), підібрати learning rate та розміри hidden шарів. Використовувати pytorch_forecasting або neuralforecast.
5. Валідація та інтерпретація. Перевірити walk-forward, проаналізувати variable selection, побудувати attention heatmap.

Кейс: прогноз попиту в рітейлі. Мережа з 120 магазинів, 8000 SKU, горизонт прогнозу 28 днів. Вихідна система: SARIMA окремо для кожного ряду, MAPE 18.4%, повний цикл перенавчання — 6 годин. TFT на PyTorch + pytorch-forecasting: одна модель на всі ряди, MAPE 11.2%, перенавчання — 40 хв на A10G. Додатковий бонус: feature importance через variable selection — з'ясувалося, що day_before_holiday впливає сильніше, ніж сама дата свята. Середня економія бюджету на інференсі для клієнта склала значну суму.

Як правильно оцінювати якість прогнозів?

Не використовуйте RMSE як єдину метрику — вона сильно штрафує за великі помилки на великих значеннях. Наш набір метрик для рітейл-прогнозування:

• MAPE — інтерпретована, але нестабільна при значеннях близьких до нуля
• sMAPE — симетрична версія, уникає ділення на маленькі числа
• MASE (Mean Absolute Scaled Error) — нормалізована відносно наївного сезонного прогнозу, чудово підходить для порівняння між рядами з різними масштабами
• Quantile loss / Pinball loss — для ймовірнісного прогнозування, оцінка покриття інтервалів

Гарантуємо: ми надаємо model card з цими метриками на валідаційній вибірці та результати walk-forward тесту на історії не менше 6 місяців.

Що входить в роботу

• Документація щодо обраної архітектури, обґрунтування вибору гіперпараметрів.
• Відтворюваний пайплайн навчання та інференсу (Docker + CI/CD + Airflow/Prefect).
• Код з коментарями та модульними тестами на ключові компоненти.
• Навчання вашої команди: як перенавчати модель, як інтерпретувати виходи, як деплоїти нові версії.
• Підтримка протягом 3 місяців після здачі: консультації, виправлення багів, доналаштування.

Процес роботи

Починаємо з EDA: візуалізація, тест ADF на стаціонарність, STL-декомпозиція, аналіз пропусків та викидів. Це 2–3 дні, але часто виявляє системні проблеми даних, які блокують прогнозування.

Потім: baseline (наївний seasonal, Prophet), feature engineering для LGBM, вибір архітектури нейронної мережі якщо потрібно. Walk-forward validation з реалістичним горизонтом. Деплой через API з автоматичним перенавчанням за розкладом через Airflow або Prefect.

Строки орієнтовно: MVP-прогноз на одному типі даних — 3–6 тижнів. Ієрархічна система прогнозування з автоматизацією — 2–5 місяців. Вартість розраховується індивідуально.

Наша команда — сертифіковані ML-інженери (AWS ML Specialty, GCP Professional ML Engineer). За 5 років на ринку реалізували понад 50 проєктів з прогнозування. Зв'яжіться з нами для безкоштовного аналізу ваших даних — ми оцінимо завдання та дамо перші рекомендації за 1–2 дні. Замовте консультацію і переконайтеся, що ваші прогнози працюють в production, а не тільки в ноутбуці.