CC BY
38
/160 Civil Securitiy Technology, Vol. 7, 2010, No. 1-2 (23-24)
УДК 339.18
Предложения по представлению данных о статистике чрезвычайных ситуаций
Л. Р. Борисова Аннотация
Выполнен количественный анализ структуры статистических данных о чрезвычайных ситуациях, представленных на сайтах МЧС России, с точки зрения установления статистически значимых связей между разными факторами.
Ключевые слова: чрезвычайные ситуации, статистические данные, прогноз, нормальное распределение, непараметрические критерии, распознавания образов.
Emergency situations statistic Data submission Proposals
L. Borisova Abstract
A quantitative analysis of structure of extraordinary situations statistic data which is presented on sites of MCHS is curried out for the establishment of statistic significant relations between different factors.
Key words: emergency situations, statistic data, forecast, normal distribution, nonparametric tests, objects detection
Статистические данные о чрезвычайных ситуациях (ЧС), произошедших на территории России (ежедневные сводки, данные по месяцам и годам), можно найти на сайте МЧС РФ. В частности, известно, что в 2009 г. было зарегистрировано 270 ЧС техногенного характера, при которых погибло 723 чел., пострадало 1873 человек. Количество ЧС природного характера составило 133. В них погибло 11 человек, пострадало 555 человек. В течение 2009 г. также произошла 21 биолого-социальная ЧС. К спасению людей и ликвидации последствий чрезвычайных ситуаций, техногенных пожаров, происшествий на водных бассейнах, дорожно-транспортных происшествий от МЧС России привлекалось около 2,0 млн человек и 600,0 тыс. единиц техники.
Если сравнить эти данные с аналогичными за 2008 год, то очевидно снижение зарегистрированных ЧС. В 2008 году было зарегистрировано 2146 ЧС. Из них 1596 техногенных, 1161 природных и 37 ЧС биолого-социального характера. В этих ЧС погиб 4441 человек, пострадало 7484 и было спасено 3033 человека.
Результаты приведенной статистики свидетельствуют о добросовестной работе территориальных подразделений МЧС России. Несмотря на обилие цифр, подобная стати-
стика не может быть предложена математикам для дальнейшей обработки на предмет установления достоверных количественных взаимосвязей между признаками, влияющими на возникновение ЧС. Интернет заполнен сайтами, информирующими о прогнозах возникновения чрезвычайных ситуаций на территории России (в основном — прогнозами ВЦМП МЧС России). Однако невозможно оценить достоверность таких прогнозов, так как не указаны методы прогнозирования. В частности, в прогнозе на 2009 год сказано, что «количество природных ЧС прогнозируется в пределах 200—235 ЧС, что на 25—35 % выше показателей 2008 года и связано с трендом роста опасных природных явлений, которые будут происходить в 2009 году на фоне аномальных параметров температуры и твердых осадков начала зимы практически на всей территории страны», хотя фактические данные, представленные выше, противоречат такому прогнозу.
Стоит отметить, что данные, полученные о предметной области, как любые статистические данные, не могут рассматриваться как абсолютно точные. Реалистично считать, что мы имеем дело с данными, не только зашум-ленными и неточными, но еще и косвенными, а, возможно, и неполными. Кроме того, эти данные касаются
Технологии гражданской безопасности, том 7, 2010, № 1-2 (23-24)
/161
не всей исследуемой (генеральной) совокупности, а лишь определенного ее подмножества, о котором мы смогли фактически собрать данные, однако при этом мы хотим сделать выводы о всей совокупности, причем хотим еще и знать достоверность этих выводов. В этих условиях используется теория статистических решений. В этой теории существует два основных источника неопределенности. Во-первых, неизвестно, какому распределению подчиняются исходные данные. Во-вторых, неизвестно, какое распределение имеет то множество (генеральная совокупность), о котором мы хотим сделать выводы по его подмножеству, образующему исходные данные.
Статистические процедуры — это и есть процедуры принятия решений, снимающих обе эти неопределенности. Необходимо отметить /1/, что существуют следующие причины, которые приводят к некорректному применению статистических методов:
1) статистические выводы, как и любые другие, всегда имеют некоторую определенную надежность или достоверность. Но, в отличие от многих других случаев, достоверность статистических выводов известна и определяется в ходе статистического исследования;
2) качество решения, полученного в результате применения статистической процедуры, зависит от качества исходных данных;
3) не следует подвергать статистической обработке данные, не имеющие статистической природы;
4) необходимо использовать статистические процедуры, соответствующие уровню априорной информации об исследуемой совокупности (например, не следует применять методы дисперсионного анализа к негауссовым данным). Если распределение исходных данных неизвестно, то надо либо его установить, либо использовать несколько различных методов и сравнить результаты. Если они сильно отличаются — это говорит о неприменимости некоторых из использованных процедур.
Поскольку на возникновение чрезвычайных ситуаций влияют как временные (год, месяц, день, время суток), так и системные факторы (состояние жилищного фонда, число предприятий в регионе, плотность населения, погодные условия и т. д.), надо располагать информацией о них. Для выявления признаков, оказавших самое существенное влияние на возникновение ЧС, можно использовать традиционные статистические методы сравнения групп, такие как критерий Стьюдента (если данные, представленные для обработки, имеют нормальное распределение), и непараметрический критерий Вилконсона-Манна-Уитни в случае другого распределения. Кроме того, существуют разные методы распознавания образов, в том числе линейный дискриминант Фишера, позволяющие выявить достоверную статистически значимую связь между признаками, если невозможно использовать традиционные статистические методы.
В качестве примера можно привести поиск зависимости между обстоятельствами дорожно-транспортного происшествия (ДТП) и анализ статистических данных, собранных при ДТП /2/. В качестве зависимого фактора для проведения такого анализа используется само количество ДТП. Входные данные представляют собой итоговую таблицу, в которой содержится информация о 10 600 авариях, произошедших в разных регионах
страны на различных дорогах при разных обстоятельствах. Учитывались категория улицы, вид происшествия (столкновение, наезд), количество транспортных средств, число пострадавших, время суток и день недели. Были сделаны следующие выводы:
1. Для числа аварий в единицу времени есть четкая и сильная временная зависимость. Число аварий больше в апреле — мае, меньше — в зимние месяцы. Пик аварийности каждый день приходится на вечерние часы, когда люди возвращаются с работы. Наибольшее количество ДТП происходит в конце рабочей недели, наименьшее — в выходные дни.
2. На аварийность сильно влияют систематические факторы — погодные условия, наличие сооружений, состояние покрытия. Влияет и освещенность (работа световых приборов), причем включенные фары снижают аварийность и в сумеречное/светлое время.
3. Наиболее часто регистрируются наезды на пешеходов и мелкие столкновения с 1—2 пострадавшими. Столкновения в основном происходят на перекрестках, а наезды — на пешеходных переходах.
4. Аварии на крупных магистралях происходят реже, чем на некрупных дорогах, но характеризуются большим числом пострадавших.
5. Есть четкие и сильные временные факторы в зависимости числа пострадавших от характеристик аварии, причем периоды, характеризующиеся спадом аварийности, имеют высокое среднее число пострадавших.
6. Наибольшим числом пострадавших характеризуются аварии с большим числом участников (людей), но небольшим количеством машин.
7. Число пострадавших почти не подчиняется систематическим факторам, таким как состояние дороги, или погодным условиям.
8. Аварии на небольших дорогах характеризуются небольшим числом пострадавших, на крупных же автострадах число жертв растет.
Для проведения подобных статистических исследований, посвященных установлению статистически достоверных взаимосвязей между признаками, влияющими на возникновение ЧС, следует использовать данные Госкомстата России по численности и плотности населения в регионах, коэффициенту прироста населения и его доходах; уровню безработицы, числу предприятий и жилищному фонду, состоянию системы жилищно-коммунального хозяйства в целом, а также о погодных условиях, в частности, о температуре и скорости ветра. Наличие подобных баз данных позволит использовать для анализа и прогноза ЧС методы многомерной статистики и распознавания образов.
Литература
1. Журавлев Ю. И., Рязанов В. В., Сенько О. В.. Распознавание.
Математические методы. Программная система. Практические
рекомендации./ Издательство «Фазис». Москва. 2005 г.
2. http/:www.statsoft.ru.
Сведения об авторе
Борисова Людмила Робертовна: к.ф.-м.н., доцент, с.н.с., ФГУ ВНИИ ГОЧС (ФЦ).
