Использование систем класса гатлосэми для упреждения причин возникновения ДТП и неблагоприятных социальных исходов в «Умном городе»

Селиверстов Ярослав Александрович; Селиверстов Святослав Александрович

Интеллектуальные системы и технологии

DOI: 10.5862/JCSTCS.236.7

УДК 656, 007; 004.81, 614.8; 007; 51-7, 351; 351.81; 351.78

Я.А. Селиверстов, С.А. Селиверстов

ИСПОЛЬЗОВАНИЕ СИСТЕМ КЛАССА ГАТЛОСЭМИ ДЛЯ УПРЕЖДЕНИЯ ПРИЧИН ВОЗНИКНОВЕНИЯ ДТП И НЕБЛАГОПРИЯТНЫХ СОЦИАЛЬНЫХ ИСХОДОВ В «УМНОМ ГОРОДЕ»

Ya.A. Seliverstov, S.A. Seliverstov

USE OF GATLOSAMI TO PREVENT CAUSES OF TRAFFIC ACCIDENTS AND ADVERSE SOCIAL ACCIDENTS IN A 'SMART CITY'

Произведено формальное построение модели интеллектуального городского анализатора транспортно-логистической и социально-экономической мобильности, посредством которого осуществляется переход к персонифицированному рекомендательному управлению элементами городской системы. Введено понятие директивный элемент городской системы. Поставлена проблема построения интеллектуальных систем профилактики причин возникновения ДТП и неблагоприятных социальных исходов в городской среде. Поиск причин наступления неблагоприятных социальных исходов разрешен процедурой абдуктивного вывода. Формирование кодифицированных библиотек потенциально-опасных шаблонов произведено с помощью процедуры индуктивного вывода. Рассмотрены практические приложения и даны рекомендации по дальнейшему функциональному развитию системы.

ИНТЕЛЛЕКТУАЛЬНЫЕ ТРАНСПОРТНЫЕ СИСТЕМЫ; УМНАЯ ГОРОДСКАЯ ЛОГИСТИКА; МОНИТОРИНГ ГОРОДСКИХ ТРАНСПОРТНО-ЛОГИСТИЧЕСКИХ И СОЦИАЛЬНО-ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ; СИСТЕМЫ ПЕРСОНАЛЬНОГО РЕКОМЕНДАТЕЛЬНОГО УПРАВЛЕНИЯ; СИСТЕМЫ ПРОФИЛАКТИКИ ПРИЧИН ДТП.

The model of an intelligent data analyzer of city logistics, transportation, social and economic behavior of people and the state objects of urban systems has been developed in this paper. Personalized recommendation control elements of the urban system have been described. The concept of a directive element of the urban system was given and defined. The problem of prevention of causes of accidents has been detailed. Searching for causes of accidents was solved through an abductive inference process. The Codified Template Library of Potentially Dangerous Patterns of Behavior was created with an inductive inference process. Some examples and recommendations for improvement of the GATLOSEMI model were given.

INTELLIGENT TRANSPORT SYSTEMS; SMART URBAN LOGISTICS; MONITORING OF LOGISTICS AND SOCIO-ECONOMIC PROCESSES; PERSONAL RECOMMENDER SYSTEMS; ACCIDENT CAUSE PREVENTION SYSTEMS.

Постановка проблемы и анализ предметной области. Прогрессивное устойчивое развитие густонаселенных городских агломераций и мегаполисов [1] в существующих реалиях становится невозможным под

воздействием нарастающих факторов региональной логистической дестабилизации.

Традиционное городское и региональное управление требует ускоренного перехода к качественно новым системам класса

4

«умный город» или smart city, способным интеллектуализировать городскую среду [2].

Работа современных транспортных автоматизированных информационно-аналитических систем [3, 4] строится на вероятностных данных. как правило, такие системы выполняют функцию низковероятностного прогноза [5] и измерения реальной транспортной ситуации [6] в рамках существующих показателей [7, 8]. Они также в состоянии разглядеть результат неблагоприятных дорожно-транспортных исходов, но оперативно распознать и своевременно упредить процессы формирования городских социально-экономических, транспортных и логистических конфликтов в границах существующего программно-алгоритмического и технологического базисов для них является недостижимым шагом.

класс систем, способных производить интеллектуальный анализ городских транспортно-логистических процессов [9, 10] и упреждать возникновение неблагоприятных социальных исходов посредством информационного уведомления, будем называть городскими анализаторами транспортно-логистической и социально-экономической мобильности интеллектуальными (ГАТЯОСЭМИ).

Среди последних научно-исследовательских инициатив, направленных на конструирование систем анализа городских транспортно-логистических данных, можно выделить следующие: в работах [11, 12] решены задачи анализа городских данных применительно к транспортным системам; в [13] произведено построение формальной модели классификации межагентных отношений социально-экономического поведения городского населения, а в [14] формально раскрыта структурная схема системы городского транспортно-логистического мониторинга; в [15] рассмотрены существующие междисциплинарные подходы и предложена концепция «умных городов»; в [16] обозначены перспективы их будущего развития.

В настоящей статье рассматриваются следующие проблемы: создания модели ГАТЛОСЭМИ для рекомендательно -го управления городскими транспортно-

логистическими процессами; интеграции разобщенной информации городских ситуационных дата-центров: управления дорожным движением, сотовых операторов, информационных центров МЧС и др.; обеспечения координации городских ведомственных служб: МЧС, ГИБДД, Роспо-требнадзора, скорой медицинской помощи, информационной безопасности, федеральной безопасности, статистики, санитарно-эпидемиологического, налогового, миграционного надзоров и др.; профилактики неблагоприятных социальных исходов посредством информационного персонального упреждения населения.

классификация и анализ социально-экономического поведения элементов городской системы должны осуществляться в границах существующих систем уникальной идентификации [13], Единой системы классификации и кодирования технико-экономической и социальной информации [14], Единой адресной системы, Анатомо-терапевтическо-химической классификации, Медицинской классификации болезней десятого пересмотра (МкБ-10). Работа с данными должна осуществляться в рамках Федерального закона № 152-ФЗ «О персональных данных». эксплуатация системы предполагает использование вычислительной инфраструктуры ПАО «Ростелеком» и электронного правительства РФ, которая включает 78 серверов IBM, 29 серверов HP, девять серверов Sun, четыре сервера Kraftway, одиннадцать систем хранения данных (СХД) Hitachi, три СХД IBM и три СХД Sun.

Функциональное наполнение системы ГАТЛОСЭМИ опирается на аналитически выведенные ранее в [14] условия достоверной мобильности, обусловливающие наличие функций идентификации, аутентификации, местоопределения и распознавания состояний подвижных и стационарных объектов городской транспортной системы (ГТС).

условия достоверной мобильности применительно к городской системе (ГС) будем трактовать в следующей интерпретации: 1) каждый объект, входящий в ГС или находящийся внутри нее, должен иметь

идентификатор; 2) состояния объектов в ГС должны быть распознаваемы; 3) процесс идентификации объектов в ГС должен быть самоорганизован.

Выполнение условий достоверной мобильности в ГС реализуется процедурой директивизации в границах третьего условия (рис. 1).

Под директивизацией будем понимать процесс связывания совокупного множества элементов городской системы с директивными элементами (ДЭ) ГАХЛОСЭМИ, согласно выражению:

ft :®{э ^=э с,

(1)

где Э^ = Э, е = 1, ..., Nc} — множество элементов городской системы; Э° = {э^, d = 1, ..., Nd} — множество директивных элементов системы ГАТЛОСЭМИ; Эг = {эгс, с = 1, ..., Nc} — множество дирек-

тивизированных элементов ГС; Ф — опе-

/д

рация директивизации элементов ГТС.

Зададим формальную модель системы ГАТЛОСЭСМИ набором функционалов, согласно:

Фг = (Эг; Fn ; Fс; F т; FR ; F^;

(2)

F a ;F н; F;C.r';U г

где рN : ЭГ ^ N — функционал идентификации элементного множества ЭГ, который каждому объекту из ЭГ ставит в соответствие идентификатор/набор идентификаторов из множества N рс : ЭГ х IГ ^ СН — функционал характеристической параметризации элементного множества ЭГ, ко-

торый каждому объекту из Эг с уникальным номером из 1г ставит в соответствие наборы характеристик, присущих данному объекту, таких что CH = [chf, п = 1, ..., N} — множество характеристик элементов Эг, причем ch^ задается кортежем chэ = (name, {value}}, где name — имя п -й характеристики, {value} — область допустимых значений, которая задается перечислением этих значений, интервалом или функционально, с помощью правил вычисления и оценки; Fт : Эг ^ [тТ v (тт; тт+1)] — временной оператор, который каждому объекту из Эг ставит в соответствие момент или интервал времени из множества Т, на котором задано отношение стро-

хТг е Т — определенный момент времени, а (тТ ;тТ+1) еТ — определенный интервал времени; Ра : (Эг;/г) ^ А — агентное отображение, которое каждому ДЭ ГС э^ е ЭГ со множеством идентификаторов IЭг ставит в соответствие агента из а1 е А; рн — функционал интеллектуального анализа графов социально-экономического поведения элементов ГС Г'г (V- ;Т);

л эс Р С

р = ОСН ^ АСН ^ FCH — регламентирующая область социально-экономической и транспортно-логистической деятельности ДЭ ГС, включающая область оптимально-устойчивых ОСН, допустимо-устойчивых АСН и неустойчивых значений FCH характеристик ДЭ ГС СН и их поведение ЯДЭ1); сэг = (Са V Ср)v лСНЗБ - регулирующие воздействия ГАТЛОСЭМИ, состоящие из воздействий СА рекомендательного,

гого порядка, то есть т < т2, ..., тт < тт+1;

Рис. 1. Директивизация элементов городской системы

4

Ср принудительного и С^ девиантного* управлений; иГ = иГ(СН^) = {иг ({ск^})} -целевая функция управления ДЭ ГС (или функция полезности), зависящая от субъективных характеристик управления {иэ1 ({скпм})} каждого ДЭ ГС; Т — множество моментов или интервалов времени.

Тогда целевой функционал ГАТЯОСЭМИ ФС примет вид:

фс

ГАТЛОСЭМИ

lim Uг =

B, (ЭГ f (эГ) C Г : OCH<(CHГ )<ACH

(3)

= max UГ = Upr f,

где и1Гг ^ — функция оптимального или предпочтительного управления, максимизирующая полезность ДЭ ГС; Вре (Э^) — предпочтительное поведение ДЭ ГС.

Профилактика причин возникновения ДТП требует расширения существующих систем диагностики социально-экономической и потребительской деятельностей. Последнее делает необходимым введение в систему ГАТЛОСЭМИ новых информационных функционалов и операторов, позволяющих связать существующие и новые системы классификации.

Таковым является функционал контроля ДЭ ГС:

П = {п х}, (4)

где {п х} — множество операторов контроля характеристик ДЭ ГС.

функционал контроля множеству кодифицированных социальных и иных отклонений СЬаа, = {СЬа} и множеству кодифицированных объектов СЬи = {СЬЭ} ставит в соответствие множество кодифицированных причин отклонений или кодифицированных библиотек противопоказаний Ь = {Ьх}, в соответствии с выражением:

(5)

{пх}

П :{СЬЛ} п {СЬЭ} ^ {Ьх}.

Рассмотрим в составе функционала контроля ДЭ ГС два оператора, ответственных

* Информационное воздействие ГАТЛОСЭМИ, упреждающее приближение индивидуального поведения ДЭ ГС к потенциально-опасному шаблону.

за надлежащее физиологическое состояние городского населения. выражение (5) перепишем в следующем виде:

П = {пhX; ...;}, (6)

h

где ^ — оператор контроля товарного потребления, который множеству кодифицированных медицинских диагнозов международной классификации болезней десятого пересмотра [МКБ-10] = {dmj ставит в соответствие кодифицированную библиотеку товарных противопоказаний из множества существующих систем товарной и продуктовой классификации [ОКП, АТХ, ...] в соответствии с выражением:

пh : [МКБ-10] п [ОКП, АТХ, ...] ^ LGC, (7)

где LGC — кодифицированная библиотека товарных противопоказаний.

п — оператор контроля потребительской деятельности, который, сравнивая множество кодифицированных медицинских диагнозов [МКБ-10] = {dm J с системами классификации социально-экономической деятельности и социальных потребностей [ОКПД, ОКВЭД, LHN ...], выводит соответствующую кодифицированную библиотеку противопоказанных видов потребительской деятельности LNC в соответствии с выражением:

пh : [МКБ-10] п

(8)

п [ОКПД, ОКВЭД, ЫШ ...] ^ шс,

где ЬНП = {пеейа} — кодифицированная библиотека человеческих потребностей.

Введение новых систем потребительского контроля согласно (7), (8) потребует уточнений стандартов кодификации товаров, таких как ЕАМ-13.

Интеллектуальный анализ. Рассмотрим более подробно структуру функционала интеллектуального анализа:

Пн= {Ер; нЬ; Ер ...}, (9)

где Ер — процедура абдуктивного вывода; Ер — процедура индуктивного вывода; Ер — процедура вероятностного анализа.

Последовательно рассмотрим каждую из процедур (9).

Ер — процедура абдуктивного выво-

да [17, 18], каждому состоянию перехода (Ур ; Т) директивного элемента э]с из области оптимально-устойчивых состояний в область допустимо-устойчивых или неустойчивых состояний на интервале вре-

мени т

еТс

ставит в соответствие множе-

ство его порождающих временных гипотетических графов Гэс (Ур ; Т) на временном горизонте ТБ.

Состояние перехода (Ур ; Т) в общем случае будем называть ситуацией, а применительно к рассматриваемой проблеме — «неблагоприятным социальным исходом», вида:

—, %=(2%-1) (П=Щ \

¿Т(Уп ;Т)■

V

%=1

Л Г%'

%=1

(Урс ;Т)

= С,5, V ■■■ V С\ ,

Л=1 я=2Л-1'

(10)

где % = 1, ..., — число гипотез, квазипо-рождающих неблагоприятный социальный исход (Ур ;Т); % — количество наборов гипотетических графов С£, представляющих собой совместное сочетание выявленных причин; Б — индекс-указатель неблагоприятного социального исхода.

Процедуру Ер вероятностного анализа причин возникновения ДТП и неблагоприятных социальных исходов представим в виде:

¿тс (УПс ;Т)

-^(С^) > ... > р(С;=2%-1),(11)

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

где р(СБ=1), ..., (С55=2„-1) — вероятности совместных сочетаний гипотетических графов, на которых задан строгий порядок.

Процедура вероятностного анализа Ер строится на хорошо проработанном статистическом аппарате [19].

Пояснение процедуры абдуктивного вывода (10) в графовой интерпретации дано на рис. 2.

Гипотетические графы (10) формируются в процессе двух этапов.

Этап 1. Сравнение суточного социально-экономического поведения ДЭ ГС Гэ*е(Ур ;Т), предшествующего неблагоприятному социальному исходу (Ур ;Т), со следующими эталонными наборами графов социально-экономического поведения ДЭ ГС, находящихся в оптимально-устойчивой области:

• наиболее вероятным в интервале одного месяца социально-экономическим поведением ДЭ ГС с учетом дня недели:

% = 1: % г=1 = 1 Ут=1 = уГ \УГ пу:г) ^ г= ;Т),

(12)

где У* — множество ДЭ ГС (вершин), входящих в вершины У* графа Г*'е (Урс ;Т) и не входящих в вершины Уег1а'е графа Гэ*е(Урс ;Т); э'с

с • наиболее вероятным в интервале одного месяца социально-экономическим

Рис. 2. Графовое представление процедуры абдуктивного вывода

4

поведением ДЭ ГС:

h = 2 : h 2 = 2 V/= = V date \ (V т n V ) ^ fj 2(VF ; T ),

(13)

где V/ — множество ДЭ ГС (вершин), входящих в вершины Vэйate графа Г*е(V- ;Т) и не входящих в вершины КТ™"'4 графа (V- ;Т);

с • наиболее вероятным социально-экономическим поведением ДЭ ГС в интервале недели, предшествующей неблагоприятному социальному исходу:

h = 3 : hT=N = 3

v: = Vfe \ (Vda'e n V!- ) ^ гэ=3(V, ; T),

(14)

где V/ — множество ДЭ ГС (вершин), входящих в вершины Vйкate графа Г*е (V- ;Т)

и не входящих в вершины VsIweet графа Г^ V ;Т). э'с

с Параметр времени Т при этом определяет горизонт исследуемого события, регулирование которого позволяет включать и исключать из рассмотрения акты социально-экономического взаимодействия между ДЭ ГС. Наиболее вероятным для исследования является интервал времени Т = [т0;тя] от начала т0 до свершения события т8 исследуемого события.

Таким образом, на первом этапе в процессе выполнения процедур (12)—(14) вычленяются отличные от эталонных акты социально-экономической деятельности и формируются гипотетические графы, которые могли явиться причиной возникновения исследуемого неблагоприятного социального или иного исхода.

Этап 2. Проверка оператором СэГ состояний всех ДЭ ГС, входящих в граф

суточного

социально-экономического

поведения ДЭ ГС Г?'е V ;Т), предшествующего неблагоприятному социальному исходу (V- ;Т), через кодифицированные базы, сформированные операторами контроля характеристик ДЭ ГС П = {п^}.

В гипотетический граф включаются ДЭ ГС, чье социально-экономическое поведение протекает с нарушением кодифицированных баз операторов контроля, согласно условиям:

ГГ (V-Fc;T ) ^ (VF >эг;/е n L =

= ГЭс(VI ;T), x = п, ..., пх

{^ (VF;T )} ^ {(V^r } n{L } =

(15)

= {ГЭ;(VFc ;T)},

x = п, ..., пх

где эГс — ДЭ ГС, чей суточный граф социально-экономического поведения проверяется операторами функционала контроля; {э^} — множество ДЭ ГС, взаимодействующих с э г и входящими в его суточный граф социально-экономического поведения Гаte(VF ;T); 1% - кодифицированная библиотека для ДЭ ГС эг,, сформированная оператором контроля п{гэг(VFX ;T)} — множество гипотетических графов актов социально-экономического поведения ДЭ ГС, входящих в граф r^fe(VF1 ; T), в отношении которых выявлено нарушение кодифицированных библиотек, сформированных оператором контроля; {^fe(VFx ;T)} — социально-экономическое поведение множества ДЭ ГС {э cdate}, взаимодействующих с ДЭ ГС э г.

На втором этапе в процессе процедур (15) формируются гипотетические графы актов ДЭ ГС, в отношении которых выявлены нарушения кодифицированных баз, сформированных операторами контроля {п х}, и которые могли бы явиться причиной возникновения неблагоприятного социального исхода SJ; (V- ;T). Таким образом, число гипотетических графов (12)—(15) вычисляется в соответствии с выражением:

h = h + h, .

(16)

Процедура абдуктивного вывода (10) запускается в момент зарегистрированного перехода ДЭ из области оптимально-устойчивых состояний в область допустимо-устойчивых или неустойчивых состояний.

Так как ситуация БэТ (V-- ; Т) свидетельствует о переходе директивного элемента в допустимо-устойчивое или неустойчивое состояние, то гипотетический граф ее порождения Гэг(V- ;Т) будем называть потенциально-опасным шаблоном и обозначать Г^-(V- ;Т).

— процедура индуктивного вывода

с

Г

C

Г

[20], которая из множества межэлементных отношений {эгс ^ эг.с} = {г(V, )}, событий

ря

Г" (Урх ;Т) и фактов СНГ (ЭБ) за определенный период ГТЛ(УрХ ;Т), породивших согласно

неблагоприятный социальный исход (ситуацию) ¿эТ? (Урх ;Т), выводит правило порождения данной ситуации Гэг (УрХ ;Т),

СНХОГ) п (СЯхГ(ЭГ'), СНХ (ЭГ); 1х\¿РБР) ^ СНХ (ЭБ)

г э (Ур; Т) п {Г э (Ур; Т)} п ¿э (Ур; Т) ^ г эс (Ур; Т) {г(у; с с} е г э (Ур с Т), I = с = 1, щ, ; = 1, м?

¿Т V ;Т)

X : ¿Т (Ур; Т) ^ Г ? (Ур; Т), СНГ (Э*) И х = П

(17)

где СЩ(Эат*"е), СНхг(Э^') — характеристики множества ДЭ ГС графа ГЛа'е у ;Т) и эталонных графов {Г^ (Ур ;Т)} "на анализируемом интервале времени; ¿эТ? (V; грс) — множество зарегистрированных параметров функциональных отношений, предшеств о-вавших неблагоприятному социальному исходу; СН1(Э Г) — характеристики ДЭ ГС, ставших участниками неблагоприятного социального исхода; СНГ (Э5) — характеристики ДЭ ГС в гипотетических графах

порождения неблагоприятного социального исхода.

Пояснение процедуры индуктивного вывода (17) в графовой интерпретации дано на рис. 3.

В основу процедуры индуктивного вывода и формирования правила П^ порождения ситуаций положен принцип ситуационного подобия. Сформулируем его следующим образом:

Если в отношении ДЭ ГС э с характери-

Рис. 3. Процедура индуктивного вывода

стиками СНэ и социально-экономическим

поведением

^ (V, ;Т)

по причине

Г (V- ; Т) наступил неблагоприятный социальный исход 5ф = ^(К- ;Т), то ДЭ ГС э р, имеющий схожие параметры СНэ ~СНэ ; Гэ (V~ ; Т)~Гэ (К- ; Т) по той же причине Г (V- ^ Т) может попасть в схожий неблагоприятный социальный исход Бф, то есть:

Г^ (V-; Т) ©Цф =Г5ф (У-с';Т). (18)

Пояснение принципа ситуационного подобия (18) в графовой интерпретации дано на рис. 4.

Граф порождения ситуации (V- ; Т) при этом представляет собой потенциально опасный шаблон, то есть Г(¥Ь;Т) = Н^Вэ, (^;Т), который регистрируется в кодифицированной библиотеке потенциально-опасных шаблонов социально-экономической деятельности ДЭ ГС ЬРБР [21].

Рассмотрим работу ГАТЛОСЭМИ упрощенно на примере интеллектуального анализа причин возникновения ДТП с участием городского жителя.

Пример. Социально-экономическое поведение жителя Санкт-Петербурга Гй?'е^ ;Т) = Г0;,;11-2015^;[18:00 - 00:00]) с

ИНН = й, повлекшее 4 ноября 2015 года ДТП (V- ;Т), представлено на рис. 6. Эталонное социально-экономическое поведение жителя Санкт-Петербурга с ИНН = /й14 за октябрь 2015 года, день недели среда Г-^ ;Т) = Г1й°42015(и'еий)(^;[18:00 - 00:00]) в интервале времени с 18:00 по 00:00 представлено на рис. 5.

На рис. 5 и 6 нами использованы следующие обозначения:

ИНН (жителя) = ¡й?, друга жителя,

ИНН

= м,

2 '

Рис. 4. Графовое представление принципа ситуационного подобия

—ft

0IÍ

18:02— я¥

1 f 1 'isÉSs

МЕСТО РАБОТЫ СТОЯНКА УЧАСТОК УДС СТОЯНКА

АВТОМАШИН АВТОМАШИН

18:00

18:05 18:10 18:15

19:00

«i*

т 1

пц

20:50

БАР |

ЛН

г

КВИ ТАНЦИЯ НА ОПЛАТУ ШТРАФА II ОФОРМЛЕНИЕ ДТП

D

щ

20:55

21:00 р| ДИА1 HOÍ]

- iffl

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

ШЭ r+U

УЧАСТОК УДС СТОЯНКА

АВТОМАШИН

18:20 20:30

УЧАСТОК УДС

20:45

УЧАСТОК УДС 21:10

СТОЯНКА АВТОМАШИН

21:40

UJ

У <W

id I id

id i

i id5h

j УНИВЕРСАЛЬНАЯ

Х1ЕКТРОНПАЯ КАРТА

| IMSI

id°

id(p idГР id[tr idr2tr id$tr

idZ id\s id?

l n 3

idrS

'ЭЛЕКТРОННАЯ МЕДИЦИНСКАЯ КАРТА

0IÍ

id

te

id?

id'f

id

te

ПАСПОРТ ГРАЖДАНИНА РФ

i

id г

í idfd2

J?

ВОДИТЕЛЬСКОЕ УДОСТОВЕРЕНИЕ

С,

ví®

VV id2

ea

v

VW

ea

v

VW

id Ia

r

VW

id

ea

КВИТАНЦИЯ HA ОПЛАТУ ШТРАФА

ДИАГНОЗ

idf"

id{"ed

л

1

idr

БЛАНК jm

дтп ta i

Рис. 5. Социально-экономическое поведение жителя Санкт-Петербурга с ИНН = ¡ё?, повлекшее ДТП

л> i i

л> 7\

1<

tu i О" X tr л> п S п

—I

л>

О"

Л> X X

0

1 о -1

4

ИНН (потерпевшего) = id3,

ИНН

АсотрудникаЛ ГИБДД

= id,

4 '

ИНН (фельдшера) = ¡й\,

ИНН (бармена) = ; ¡й°°, /й20, /й30, /й40 -уникальные кадастровые номера (УКН) места жительства, работы, бара и больницы соответственно; ¡й^, /й^ — УКН пешеходных перегонов, примыкающих к работе и к бару соответственно; /й^, /й^, ¡йг/

дицинской карты; ¡й1 — уникальный номер погодной карты района в день ДТП; М2£ — уникальный номер погодной карты района в день, принятый за эталонный; 1й[а, ¡й21, ¡йе3а, 1йееа, 1йе5а, ¡йе6а — ИНН управляющей организации многоквартирным домом, в котором проживает житель; компании, в которой работает житель ¡й1?; бара; больницы; эксплуатационной службы, обслуживающей УДС; компании, которая владеет автопарковками соответственно; /й/с, ¡й%, 1й4 — уникальный сетевой адрес электрон-

УКН улично-дорожного перегона от ной проходной работы и парковок у рабо-

автостоянки у места работы до бара, улично-дорожного перегона, на котором произошло ДТП, улично-дорожного перегона на пути в больницу и улично-дорожного перегона от автостоянки у места работы до дома соответственно; id™, /d™, id3, id4 — УКН автостоянки у места работы, парковки у бара, парковочного пространства приемного отделения скорой помощи и дома соответственно; /'df, id2, id'3, id4 — государственные номерные знаки транспортных средств жителя, потерпевшего, сотрудника ГИБДД и скорой помощи; idf2 — уникальный идентификатор товаров (EAN-13) листового чая и курительного табака; idl"s — уникальный идентификатор бланка ДТП; idfn — уникальный идентификатор начисления штрафа ГИБДД; idmed — уникальный номер электронной ме-

ты и бара; ¡й^, ¡й'ес — уникальные номера элементов системы транспортного мониторинга соответственно; ¡й^ — идентификатор счета в баре (чек контрольно-кассовой машины).

Пусть также известны следующие данные о жителе с ИНН = ¡й? :

житель имеет нестабильную стенокардию (120.0 по МКБ) и хронический бронхит неуточненный (Д42 по МКБ); библиотека товарных противопоказаний для жителя и? имеет вид: ЮС (МКБ-10 о ОКП) = = ОКП 919316 (Табак соусированный и ароматизированный); а библиотека противопоказанных видов потребительской деятельности для него: ЬМС (МКБ-10 о ЬН^ = = «употребление табака»; процесс курения кальяна жителем /й1й осуществлялся

Рис. 6. Эталонное социально-экономическое поведение жителя с /d1

с 19:00-20:00.

Жители с ИНН = и ИНН = на момент ДТП зарегистрированных отклонений по здоровью не имеют.

Сотрудник ГИБДД , прибывший на место аварии, установил причину ДТП, классифицировав ее в соответствии с Кодексом административных правонарушений как 12.14-1 — «Невыполнение требований ПДД подать сигнал перед началом движения, перестроением, поворотом, разворотом или остановкой».

В результате ДТП фельдшером 12, были классифицированы по МКБ-10 следующие травмы: S00 (поверхностная травма головы), S80 (поверхностная травма голени), S20 (поверхностная травма грудной клетки). А также установлена причина травмы V43.4 (водитель, пострадавший в результате дорожного несчастного случая на автостраде).

со слов потерпевшего, фельдшером были установлены и другие неуточненные эффекты воздействия внешних причин, такие как Т65.2 отравление табаком и никотином.

Также известно, что эксплуатационное состояние транспортных средств, участков УДС и технического обеспечения УДС в момент ДТП находилось в пределах нормы.

Требуется произвести построение графа ДТП с указанием установленных ответственными лицами фактов в порядке следования и формально описать процесс выявления причин ДТП системой

ГАТЛОСЭМИ с использованием процедуры абдуктивного вывода на временном интервале 18:00—20:45.

Решение. На основе исходных данных построим граф ^ (КГ ; Т) ДТП с указанием установленных инспектором ГИБДД и фельдшером фактов.

Образное представление графа ДТП показано на рис. 7.

Далее перейдем к формализации процедуры абдуктивного вывода.

Гипотетические графы причин ДТП сформируем согласно процедуре (12) первого этапа.

Для этого выделим из графа суточного социально-экономического поведения пользователя Г°4Л112015К ;[18:00 -00:00]),

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

1<Л1 Г с

предшествующего неблагоприятному социальному исходу (К~ ;Т), отличные от эталонных акты социально-экономической деятельности, представляющие собой вершины и заданные графом г^2015^)(КГ ; [18:00 - 00:00]). В итоге, опираясь на рис. 8, получим:

1) для интервала времени с 18:00-00:00 (рис. 8)

КГ \(КГ -К2Т)

00:00 = 18:00 =

id^; idph; ¡2Г;1г; id!¡; ¡20ъ; id,¡; 12,; idgd2; ¡2?; ; ; ; 12,; ; 12р}1; 121п; ; idi^s; ¡2,; 123; К*2; ; /'24я ; 1\

Рис. 7. Формальное представление графа ДТП

V

date

idi1

МЕСТО РАБОТЫ СТОЯНКА УЧАСТОК УДС СТОЯНКА

АВТОМАШИН АВТОМАШИН

УЧАСТОК УК