Основное назначение МИАС – представлять полную картину о ситуации на дорогах в масштабах страны в виде набора различных отчетов. Кроме этого, МИАС призвана решать следующие аналитические задачи:
-
оценка социально-экономического и демографического ущерба от аварийности;
-
составление оптимального комплекса мероприятий, направленных на повышение безопасности дорожного движения
в рамках федеральной и пула региональных целевых программ; -
многокритериальная оценка степени соответствия региональных целевых программ федеральной;
-
анализ и выявление проблемных точек возникновения аварийности в связке с показателями административной практики правонарушений в области БДД.
Информационно-аналитические системы
Типичная информационно-аналитическая система включает в себя следующий набор функций: агрегирование и фильтрация; иерархическая группировка; статистическая обработка; моделирование; прогнозирование; оптимизация; поддержка принятия решений; конструирование отчетов.
Агрегирование и фильтрация призваны осуществлять суммирование множества записей в базе данных по конкретному атрибуту, и при этом у пользователя всегда есть возможность фильтрации записей, подлежащих агрегированию. Фильтрация позволяет выделить интересующую совокупность записей по атрибуту, например по определенному интервалу времени или цене за единицу товара.
Статистическая обработка предусматривает выполнение таких операций, как: суммирование, нахождение среднего значения, определение стандартного отклонения и медианного значения, проведение тестов на критерий Стьюдента/Фишера, на соответствие заданному распределению и ряд других. В большинстве случаев статистическая обработка используется в качестве составного компонента другой, более развитой функциональности ИАС, например подсистемы поддержки принятия решений или прогнозирования.
Иерархическая группировка требуется для упорядочения записей базы данных в справочники по принципу иерархического отношения «родитель-зависимый объект». При наличии сложной предметной области, такой как управление дорожным движением, накопленная информация должна быть обязательно структурирована, например, в виде древовидной структуры.
Моделирование является незаменимым средством изучения свойств процесса или явления. Как видно из таблицы, выбор модели для построения должен основываться на полноте знания предметной области, полноте сведений о процессе и причинно-следственных связях, его образующих.
Прогнозирование рано или поздно начинает использоваться в любой модели для получения сведений о том, как поведет себя исследуемый процесс при такой совокупности влияющих факторов, которая ранее на практике не встречалась. Большинство стандартных подсистем прогнозирования содержат наиболее популярные прогнозные модели, такие как трендовая, сезонная, экспоненциальная, авторегрессионная, многофакторная и др. Кроме того, при прогнозировании одновременно нескольких показателей бывает необходимо учитывать взаимозависимости между ними. Например, прогнозирование роста населения интересующего административного района в составе субъекта РФ надо осуществлять с учетом динамики роста населения в целом по субъекту федерации, в который входит регион.
Оптимизация необходима для определения достижимого набора влияющих факторов, приводящего параметры изучаемого процесса к экстремальному значению. В подсистеме оптимизации используется заранее созданная и отработанная модель исследуемого процесса, поэтому функционал оптимизации не может существовать в отрыве от подсистемы моделирования. Значительная часть инструментария решения задач оптимизации относится к вариационному исчислению, нелинейному программированию, теории оптимального управления. В рамках проекта для ДОБДД МВД РФ инструментарий оптимизации был задействован весьма интенсивно, в частности при решении задачи составления оптимального комплекса мероприятий региональной целевой программы повышения безопасности дорожного движения в условиях ограниченного бюджета и дефицита времени.
Поддержка принятия решений – высшая точка использования всего арсенала вычислительных средств информационно-аналитической системы. Далеко не каждый руководитель обязан в полном объеме владеть дисциплиной экономико-математического моделирования, однако это не снимает с него обязанности обоснованно принимать те или иные управленческие решения. В простых случаях при принятии решений иногда достаточно здравого смысла, но в современных системах бывает затруднительно взглянуть на изучаемый процесс в целом и выявить все зависимости.
Конструирование отчeтов предполагает помимо обязательных формирование дополнительных отчетов для принятия управленческих решений. Дисциплина построения отчетов называется управленческим учетом, и, хотя формы отчетности управленческого учета законодательно не регламентируются, существует ограниченный набор форм, используемый в большинстве случаев, однако часто возникают ситуации, когда необходимо подготовить отчет нестандартного формата или сделать выборку записей из базы данных по сложному набору критериев.
Бизнес-аналитика для МИАС
Функциональная структура МИАС приведена на рисунке. Все функциональные модули системы обращаются к централизованному хранилищу, например, модуль «Мониторинг ситуации» содержит набор отчетов, часть из которых регламентирована (стандартные формы отчетности министерств и ведомств), а остальные были разработаны в результате обследования потребностей ДОБДД. Этот модуль является хорошим примером реализации функционала простого агрегирования, фильтрации и иерархической группировки.
Более сложные задачи позволяет решать «Аналитический блок» МИАС, в рамках которого пользователю предоставляется большое количество готовых фильтров и срезов данных по различным признакам, например:
-
ДТП по вине водителей (в динамике по годам);
-
количество ДТП, число погибших и раненых из-за нарушений ПДД водителями с разным стажем управления;
-
ДТП по возрасту участников и времени совершения;
-
административные правонарушения в области ПДД.
Все отчеты и срезы организованы в иерархический справочник, что ускоряет доступ к информации.
Раздел «Моделирование и прогнозирование» можно назвать, пожалуй, самой наукоемкой частью МИАС – здесь реализованы наиболее сложные и специфические аналитические приложения. Так, модуль «Оценка достижимости показателей», используя факты, хранящиеся в базе данных, оценивает достижимость целей, поставленных федеральной целевой программой. Стоит отметить, что целевые программы в сфере государственного управления очень похожи на бизнес-планы коммерческих компаний, поэтому технологии, отработанные в рамках МИАС, могут быть использованы и в бизнес-приложениях. В модуле «Оценка эффективности мероприятий» мероприятия, заложенные в целевую программу («бизнес-план»), подвергаются количественной оценке на предмет их потенциальной эффективности и вклада в достижение поставленных целей. В модуле «Формирование оптимального комплекса мероприятий» автоматизирована задача выбора из пула доступных тех мероприятий, которые окажутся оптимальными по критерию затраты/результат. Разумеется, перед тем как приступить к формированию комплекса мероприятий, специалисту необходимо осуществить предварительную работу по подготовке списка (пула) всех потенциально реализуемых мероприятий и выделения их количественных характеристик.
Реализованный в МИАС «Конструктор отчетов» является обобщенным инструментом доступа к информации, находящейся в централизованном хранилище данных. Это OLAP-средство позволяет сформировать отчет практически любого вида, используя принципы агрегирования, фильтрации и иерархической группировки. Развитые средства форматирования и экспорта в популярные файловые форматы позволяют оперативно создавать срезы по базе данных любой сложности. Конструктор отчетов также позволяет использовать инструментарий моделирования и прогнозирования, как правило, в форме мощного статистического и регрессионного анализа. Например, можно сформировать отчет со следующими показателями: ДТП в регионах А и Б; количество транспортных средств в регионах А и Б; количество установленных дорожных знаков в регионах А и Б; затраты на капитальный ремонт дорожного покрытия и на пропаганду соблюдения ПДД в регионах А и Б. Затем по каждому региону можно построить регрессионно-корреляционную модель зависимости количества ДТП от остальных показателей списка. Построенная модель, конечно, не обладает прогностическими способностями, поскольку для того, чтобы прогнозировать динамику аварийности, необходимо прогнозировать и каждый показатель, участвующий в модели, но в ряде случаев бывает вполне достаточно найти оптимальную точку приложения деятельности ГИБДД, которая даст максимальное улучшение показателей аварийности. Для этого из регрессионно-корреляционной модели аварийности выделяются коэффициенты чувствительности, показывающие, насколько изменяется аварийность при изменении каждого из остальных социально-экономических показателей модели. Затем, сопоставив степень чувствительности показателя аварийности на изменение других показателей со степенью возможного воздействия на эти показатели, специалист сможет более эффективно формировать состав мероприятий программы повышения безопасности дорожного движения индивидуально для каждого региона с учетом его специфики.
Итоги и перспективы
Высокая востребованность в обеспечении информационно-аналитической поддержки процессов в Департаменте ОБДД позволила быстро осуществить пилотное внедрение МИАС, а затем и полномасштабное развертывание – сегодня практически все отделы ДОБДД используют систему в ежедневной работе. Помимо внедрения в ДОБДД, проработан план по развертыванию МИАС в региональных управлениях ГИБДД.
Принятие решения о внедрении подобного класса систем, как и любая другая высокотехнологичная инновация, требует определенных затрат, однако при этом весь потенциал МИАС объективно повысит эффективность работы управления регионального УГИБДД. Повышение качества обоснованности привлечения бюджетных и внебюджетных средств, более грамотное распределение средств и выявление проблемных точек позволят обеспечить стабильное финансирование деятельности УГИБДД, что в рамках государственного управления является серьезным конкурентным преимуществом перед другими органами государственной власти в регионе.
Иван Новичок (novichokIV@rbsys.ru) – старший консультант департамента ИТ-консалтинга и системной интеграции ЗАО «АКГ «РБС» (Москва).
