Прогнозування і зниження ризику транспортних пригод

П. Г. Бєлов

Пропонується технологія кількісної оцінки міри можливості виникнення транспортних пригод (ТП), заснована на імітаційний моделюванні тих перевізних процесів, проведення яких може бути уподібнене функціонуванню конкретних систем «людина-машина-середовище» (ЧМС). При цьому під їх першим компонентом маються на увазі члени екіпажу конкретного транспортного засобу, другий - саме транспортний засіб (як складна технічна система), а під третім -- маршрут її переміщення.

Розглянутий спосіб і реалізує його комп'ютерний програмний комплекс дозволяють автоматизувати не тільки прогноз даного параметра ризику відповідних ТП, але й оптимізацію організаційно-технічних заходів, які пропонуються для його зниження. Найбільш переважним користувачем пропонованої автоматизованої технології є адміністрація транспортного підприємства, взаємодіє з розробником і виробником транспортних засобів, а сферою застосування - здійснюваний нею менеджмент техногенного ризику.

Розглянута технологія розвиває раніше опубліковані ідеї автора цієї статті. У даному випадку використовується найбільш складна модель, що враховує впливав ня великого числа тих важко формалiзуються, (нечітко визначених) чинників перевізних процесів, які найбільш істотно впливають на можливість виникнення в них ТП.

Особливе увагу приділено так званого «людського фактору», тобто помилкового виконання екіпажем таких тактів операторської діяльності, як:

-- сприйняття та дешифрування інформації про параметри перевізного процесу; структурування і зіставлення отриманих даних з вимогами його безпеки;

-- оцінка необхідності і варіантів реагування на виявлені при цьому відхилення; вироблення альтернативних дій і ранжування їх по ефективності;

-- прийняття та реалізація рішення на коректування здійснюваного процесу.

Вибір імітаційного (логіко-лінгвістичного) моделювання ТП при функціонуванні сучасних транспортних засобів зумовлений такими перевагами зазначеного методу, як можливість обліку практично всіх найбільш істотних факторів транспортного ризику, високі гнучкість і оперативність оцінки ефекту реакції ЧМС на передбачуване зміна окремих властивостей її компонентів або їх сукупностей.

Процедура логіко-лінгвістичного моделювання з метою прогнозування ризику виникнення ТП при функціонуванні ЧМС та оцінки вкладу в нього враховуються факторів може включати наступні основні етапи: а) опис процесу виникнення причинного ланцюга передумов (ПЦП) до техногенних інцидентів на вербально-якісному рівні, із застосуванням логічних умов і лінгвістичних змінних, б) подальшу формалізацію отриманої при цьому моделі, тобто її подання у вигляді відповідної діаграми причинно-наслідкових зв'язків типу «мережа стохастичної структури», в) розробку імітаційного алгоритму дослідження процесу виникнення ТП і відповідної йому комп'ютерної програми, г) проведення з їх допомогою серії машинних експериментів.

Як представляється, що враховуються при цьому факторами слід вважати психофізіологічні властивості екіпажу транспортного засобу і складність покладених на нього алгоритмів, а також і все те, що в основному визначає ергономічність і надійність використовуваної ним техніки, комфортність робочого середовища та якість технології перевезення пасажирів чи вантажів. Саме такий (системний) підхід застосований автором при розробці стохастичною мережі GERT і заснованого на ній імітаційного алгоритму, придатного для машинного моделювання в розглянутих тут ЧМС процесу виникнення передумов і переростання їх в ПЦП техногенного події. Першооснова такої мережі представлена на рис. 1.

В верхній частині зображеної вище полувербальной моделі знаходяться три типи різних ТП (події 79: а, б, в), що відрізняються тяжкістю можливих наслідків, а нижче - попередні їм особливі ситуації і передумови для них. Реалізація кожного з цих подій, позначених ромбиками або прямокутниками з текстом, має випадковий характер і може бути здійснена альтернативними способами. Заснування та інші елементи цієї моделі утворені властивостями конкретної ЧМС і можливими подіями в ній, які об'єднані зв'язками і вузлами, що означають логіко-імовірнісні умови: стохастичне розгалуження (символи каплеподібну форми), додавання і множення (кола зі знаками "+" і "•").

Особливо відзначимо, що в основу подібної інтерпретації процесу появи ТП покладено облік впливу властивостей конкретної ЧМС на якість виконання екіпажем транспортного кошти основних етапів операторської діяльності: а) сприйняття та дешифрування інформації про перевізному процесі; б) структурування отриманих даних у відповідно до завдань, які розв'язуються на конкретному етапі управління рухом; в) виявлення відхилень параметрів процесу від вимог безпеки і технології перевезення; г) оцінка необхідності і способів втручання екіпажу в даний процес; д) порівняльна оцінка альтернативних рішень і вибір з них конкурентоспроможних; е) прогнозування ступеня їх прийнятності і ефективності, е) реалізація рішення на коректування процесу при необхідності. Перераховані елементи алгоритму діяльності екіпажу транспортного засобу і процесу виникнення при цьому ПЦП до можливих пригод показані на рис. 1 в прямокутниках з подвійною рамкою.

Розглянемо взаємодія елементів запропонованої моделі в процесі виникнення ПЦП при функціонування будь-якої ЧМС розглянутого тут типу. Наприклад, -- інтерпретуючи умови появи дорожньо-транспортної аварії при перевезенні автомобілем аварійно хімічно небезпечної речовини (ахова). При цьому в якості «Машини» буде матися на увазі автомобіль, «людини» - керуючий їм водій, а «середовища» - видимий йому з кабіни ділянку дороги або вулиці з засобами розмітки і регулювання руху, а також з іншими нерухомими і рухомими об'єктами.

Послідовно пояснимо призначення елементів моделі, починаючи з її нижній лівій частині, де показано взаємодію компонентів даної ЧМС, результати якого (разом з можливими відмовами автомобіля і несприятливими впливами на нього з боку дороги) виявляються в реальної інформації про те, що відбувається. Там же показаний прямокутник, який вказує на ймовірні несправності тих коштів індикації параметрів руху (органів керування автомобілем та дорожніми умовами), якими користується водій. Цей елемент мережі може свідчити, наприклад, про виникнення невідповідності між інформаційною моделлю водія і дійсним станом справ. А от у протилежній частині цієї моделі відзначений той факт, що водій, як і будь-який інша людина-оператор, керуючись знанням технології робіт та наявним у нього досвідом, звичайно створює когнітивну модель виконуваної операції, що дозволяє йому після виконання одних дій очікувати певну інформацію і виготовити до наступних. При цьому дійсна інформація про виконуваної операції може відрізнятися від інформації, очікуваної людиною, що буде їм сприйматися або не сприйматися в подальшому.

Наприклад, при наближенні до перехрестя або необхідності вчинення іншого маневру, водій повинен зменшити обороти двигуна, натиснути на педаль привода зчеплення або гальма, а потім повернути рульове колесо. При цьому він очікує зниження шуму в одному місці (від двигуна) і його поява в іншому (у районі коліс), а також готується до сприйняття інерційної навантаження, зумовленої зміною вектора швидкості автомобілі. Проте цього може не відбутися через появу можливих помилок водія (припустимо, не сприйняв зміни рівня шуму і бічного прискорення), відмов задіяних при маневрі елементів автомобіля (акселератора або гальмового і рульового пристроїв), нерозраховану впливів дорожнього покриття (його низького тертя через зледеніння або наявності масляної плівки, наприклад).

Інакше кажучи, в результаті сприйняття і дешифрування інформації про стан розглянутого тут перевізного процесу і порівняння її з очікуваною, можливі наступні альтернативні виходи: а) дійсна ін-формація ідентична очікуваною і правильно сприйнята водієм (див. рис. 1 - стан ПІП); б) дійсна інформація не ідентична очікуваною, але правильно ним зрозуміла - стан моделі НИП; в) обидва види інформації в дійсності ідентичні, проте реальна інформація перекручена водієм (стан ДІВ); г) обидві інформації насправді виявилися не ідентичними, а реальна інформація ще була їм додатково перекручена при дешифрування або сприйнятті - стан НДІ.

Зазначені чотири випадки представляють собою пів-ву групу можливих результатів прийому та дешифрування інформації, а розташовуються вони над відповідним стохастичним вузлом-розгалуженням мережі. При цьому три останні події можна тлумачити як поява збурень, що призводять до втрати відповідної ЧМС рівноваги; тоді як перший результат можна вважати благополучним (в сенсі відсутності умов для зародження ПЦП до ТП), тобто в даному випадку має місце утримання динамічної рівноваги (подія 26 - гомеостазіс). Збереження подібного рівноваги свідчить як про успішне завершення етапу виконуваного перевізного процесу, так і про можливість переходу до наступного, на що вказує пунктирна лінія (логічний зв'язок), що виходить з цієї події і спрямована вниз.

Якщо в досліджуваній ЧМС порушується рівновага, то принципово можливі наступні три альтернативних виходи: повне або часткове відновлення рівноваги, або відсутність такої можливості і попередження внаслідок цього небезпечних наслідків (див. відповідні події в центральній частині мал. 1). Наприклад, у разі виявлення водієм факту або тенденції до втрати системою «водій автомобіль з ахова - дорога »динамічної рівноваги, у нього може виникнути потреба у прийнятті рішення про необхідність і спосіб втручання в виникла нестандартну ситуацію з метою її коригування.

Припустимо, що після виконання звичайних (перед забороняють знаком світлофора) дій, водій виявив недостатнє зниження швидкості автомобіля. Далі він міг діяти, наприклад, по одному з наступних трьох варіантів: а) усвідомивши неприпустимість в'їзду на перехрестя, і знаючи про можливість гальмування автомобіля гальмом стоянки, він міг спробувати зменшити швидкість з його допомогою; б) розуміючи неможливість зробити це через слизького покриття або ненадійною роботи гальма стоянки, він міг прийняти рішення на збільшення швидкості, в надії подолати перехрестя до в'їзду на нього автомобілів з поперечною дороги, або в) як побачив, що навперейми і зліва по відношенню до його вантажівці наближається легковий автомобіль, а справа, але трохи далі - вже вантажівку, водій міг не робити ніяких дій, розгубившись чи понадіявшись на щасливий результат ...

При прийнятті рішень про спосіб поведінки в подібних умовах будь-яка людина зазвичай керується суб'єктивно оціненої їм мірою небезпеки і власними можливостями, обумовленими психофізіологічними якостями - оперативністю мислення, знанням порядку дій у подібних нестандартних ситуаціях, здатністю прогнозувати очікувані наслідки і рівнем мотивації до їх зміни. З урахуванням цього він спочатку вибирає оптимальний для нього вихід з ситуації, що склалася, а потім і здійснює "найкращі" в його уявленні дії, які насправді можуть бути або точними, або помилковими. Відмова від них, внаслідок замішання або втрати самовладання в даних нестандартних умовах, враховано на рис. 1 у вигляді окремого результату «Бездіяльність людини», розташованого над відповідним (вже третій) стохастичним вузлом-розгалуженням.

Якщо прийняте рішення і дії водія вантажівки, що перевозить ахова, виявляться дійсно точними, то вони можуть повернути розглядається тут ЧМС в стан рівноваги - за рахунок адаптації до виник обурення (подія 44). А от у інших випадках там вже з'явиться небезпечна ситуація, що й показано на моделі подією 50. До її виникнення в системі будуть також приводити відмови інших відповідальних елементів автомобіля або небезпечні зовнішні впливи на нього або водія з боку навколишнього їхнього середовища.

що з'явилася в розглянутій системі небезпечна ситуація може перерости в критичну (подія 65), тобто призвести до взаємного суміщенням зони дії виник ших небезпечних факторів з незахищеними від них об'єктами, або завершитися адаптацією ЧМС до небезпечної ситуації (подія 64). Можливість такої адаптації буде залежати від особливостей що виникла дорожньо-транспортної ситуації: якості та взаємної сумісності конкретних компонентів досліджуваного транспортного засобу та його оточення - технічних засобів забезпечення безпеки дорожнього руху, навченості інших водіїв і що опинилися поблизу пішоходів точним дій у подібної позаштатної ситуації і т.п.

Подібно буде складуться справу і з виниклої потім критичною ситуацією. Вона може завершитися або адаптацією ЧМС (подія 78), або фактом прояву аварійності або травматизму, тобто виникненням будь-яка з подій, позначених на рис. 1 номерами 79а, 79б або 79в. Конкретний вид ТП (нещасний випадок, катастрофа, аварія або поломка) буде визначатися специфікою що виникла критичної ситуації - який потенціал випадково виникла небезпечного фактора, які з незахищених об'єктів опинилися в зоні його появи, якому руйнівної дії вони піддалися.

В Зокрема, при низькому потенціал небезпеки (малих масі й швидкості соударяющіхся тіл), а також її вплив на незахищені елементи транспортних засобів або оточуючих їх об'єктів, можливі поломки або аварії, іноді супроводжуються забрудненням природного середовища. При дії ж небезпечного фактора тільки на людей, можливі нещасні випадки, включаючи їх загибель. У тих випадках, коли вихід з ладу одних компонентів ЧМС (наприклад, загибель екіпажу літака) неминуче веде до знищення інших (повітряного судна разом з пасажирами і вантажем) - каскадний ефект, а також при дуже великих потенціалах аварійно вивільнилися енергії та шкідливої речовини, будуть виникати катастрофи.

Стосовно до розглянутої тут перевізної ситуації подібні результати можуть проявитися, наприклад, в наступному. При незначній відносної швидкості і масі зіткнулися автомобілів, вони самі і їхні водії можуть «відбутися» лише незначними ушкодженнями. У разі «в'їзду» на великій швидкості легкового автомобіля у вантажівку із ахова, раптово опинився на перехресті і «Підставили» свій лівий бік, крім неминучих при цьому поломок, можуть постраждати також і обидва водії.

Нарешті, якщо в результаті зіткнення на великій швидкості двох вантажних автомобілів стався витік, займання або вибух що знаходиться в одному з них ахова, то дане ТП може мати катастрофічні наслідки з причини загибелі що опинилися поблизу пішоходів, знищення зіткнулися транспортних засобів і наявних у них людей, заподіяння іншого великого матеріального збитку. Можливість одних техногенних пригод ініціювати інші ( «ефект доміно ») врахована в наведеної на рис. 1 моделі пунктирною лінією, що йде від верхніх подій зображеної там мережі до нижніх.

Як міг переконатися читач, тільки що розглянута (логіко-лінгвістична) модель техногенного пригоди при функціонуванні ЧМС (виникнення ТП при перевезення ахова автомобілем) цілком відповідає сучасним уявленням про закономірності прояву джерел транспортного ризику. Про це ж свідчать і результати аналізу обставин виникнення інших техногенних подій, які вказують, що їх появи завжди передують ПЦП, звичайно включають помилки людей, відмови техніки і несприятливі для них зовнішні впливи. Крім того, на виникнення окремих передумов кожного т?? па впливає величезне число реально діючих факторів, більшість з яких має нечітко визначену природу, а тому і є лінгвістичними змінними, тобто найчастіше придатними для вираження лише словами розмовної мови.

Дане обставина дозволяє використовувати запропоновану вище модель для розробки такого машинного алгоритму, який був би придатний для апріорної оцінки ризику транспортних пригод шляхом імітаційного моделювання процесу їх виникнення. Прийнятність такого (імітаційного) підходу може бути обгрунтована, щонайменше, двома міркуваннями. По-перше, виконання більшості перевізних процесів правомірно уявляти у вигляді функціонування відповідних ЧМС. При цьому успішне чи неуспішним завершення кожного з них буде еквівалентно відсутності або появи будь-якого транспортної пригоди. По-друге, якщо ж розглядати конкретний перевізний процес, багаторазово виконується із залученням однотипних транспортних засобів, то можна стверджувати і про його масовий характер перерахованих вище результатів. Отже, вимоги до масовості і стохастичності дотримуються, що дозволяє використовувати імітаційне моделювання для прогнозу транспортного ризику.

Пояснимо ідею подібного моделювання за допомогою моделі, що на рис. 2 і отриманої шляхом подальшої формалізації щойно розглянутої раніше (див. рис. 1). Вона отримана шляхом заміни 1) переважної більшості наявних там прямокутників на краплеподібні вузли стохастичного розгалуження, помічені зверху арабськими цифрами, 2) а всіх ромбоподібних фігур - на оцифровані в нижній частині кола, розміщені по контуру цієї моделі і обладнані такими, що виходять з них спіралеподібними стрілками з латинськими літерами.

До того, як охарактеризувати отриману таким чином GERT мережа, пояснимо, що в побудованому на її основі машинному алгоритмі (детально буде розглянутий трохи нижче - Див. рис. 3), всі вузли і дуги будуть генерувати, обробляти чи передавати цифрову інформацію, що вказує на внесок враховуються факторів (властивостей ЧМС) в умови зародження і розвитку ПЦП. Для зручності сприйняття модельованого цієї мережею процесу, першоджерела такої інформації (генератори випадкових чисел) помічені там хвилястими стрілками, що входять у відповідні стохастичні вузли з цифровими кодами (відповідають приватним властивостями конкретних компонентів ЧМС), а деякі її дуги і кожен вузол - цифрами, частина з яких вже використана в попередній моделі (див. рис. 1).

Уточнимо, що всі вузли стохастичного розгалуження мережі мають однакові (поодинокі) ступеня свободи для першого і наступних реалізацій вхідних дуг (предецессеров). Крім того, лише три її вузла (23, 33 і 35) мають там більше двох виходять дуг (саксессеров). У попередній моделі (див. рис. 1) вони відповідали виконання наступних етапів операторського алгоритму: 23 -- сприйняття та дешифрування інформації про стан ЧМС, 33 - прийняття рішення про необхідності і способі усунення порушеного в ній рівноваги, 35 -- практична реалізація оператором прийнятого рішення. Звернемо також увагу на події, закодовані одними й тими самими цифрами (26, 44, 50, 64, 65, 78 і 79) на обох малюнках. При моделюванні вони виконують роль вузлів-статистик, реєструють факт досягнення цифровим потоком будь-якого з цих результатів. На таку можливість у ході проведення імітаційних машинних експериментів вказують спіралевидні стрілки, що виходять із таких вузлів.

Відомості про які враховуються при цьому факторах: коди, найменування, номери відповідних вузлів (витік і сток) мережі GERT, а також змінні індекси значимості (символ «