Te contaré sobre el proyecto "Mapa de accidentes": un mapa interactivo de accidentes en Rusia. El mapa simplifica el análisis de accidentes y ayuda a encontrar las causas reales de los accidentes. Cómo surgió la idea, dónde tomaron los datos y por qué abrieron el código fuente.
En 2018, 19088 personas murieron en accidentes de tráfico en carreteras rusas
La cifra disminuye cada año, pero sigue siendo mucho mayor que en los países desarrollados, donde se presta mucha más atención al problema de la mortalidad en las carreteras. Un gran ejemplo es el programa sueco de seguridad vial Vision Zero.
El principio básico del programa es la inadmisibilidad de los accidentes mortales. Este principio también se llama el principio de "tolerancia cero", según el cual es imposible tratar las muertes en el camino como un mal inevitable asociado con la motorización. - wikipediaEl año pasado, la Fundación de Proyectos Urbanos Ilya Varlamov y Maxim Katz lanzó la campaña
Zero Deaths en Moscú. La idea es que, en principio, nadie debería morir en un accidente. Y si la gente muere, no es culpa de la víctima, sino principalmente de los diseñadores, constructores o de la ciudad. Es necesario comprender cada accidente, encontrar las causas del sistema y eliminarlas gradualmente. Hasta ahora, los departamentos de la ciudad no están haciendo esto seriamente.
Por lo tanto, el verano pasado, junto con activistas de la ciudad y diputados municipales de Moscú, nos sorprendió crear una herramienta que nos permitiera realizar un análisis espacial detallado de los accidentes: encontrar intersecciones peligrosas, estudiar estadísticas locales en calles y ciudades e identificar los principales factores y causas de los accidentes. En ese momento, tal proyecto disponible públicamente no existía.
Datos abiertos de accidentes
Tuvimos mucha suerte con los datos abiertos. En un habr ya escribí
buenas publicaciones sobre el trabajo con ellos. Tal atención está totalmente justificada: este es uno de los datos más detallados e interesantes que el estado ahora está revelando. Coordenadas, clima, marca y año de producción del automóvil, violación de las reglas, género de los participantes y mucho más. Y esto es todo por cada uno de más de 600 mil accidentes.
En este caso, estábamos preocupados por el servicio
stat.gibdd.ru en sí . A pesar de los datos detallados bajo el capó, difiere en que es muy incómodo de usar. Se parece más a un sitio para funcionarios: una comparación con el APPG (el mismo período del año pasado), los detalles solo para las unidades administrativas, los accidentes se muestran en una lista.
Dicha interfaz y funcionalidad no son adecuadas para las personas, sino que se crean para informes oficiales.
Creación de portal
Las personas que realmente enfrentan estos problemas desempeñaron un papel importante en la creación de los términos de referencia: diputados, activistas, urbanistas. Fue gracias a ellos que logré entender lo que realmente se necesitaba. Acordamos un pequeño presupuesto inicial de 30 mil rublos y comenzamos a hacerlo.
El trabajo con los datos comenzó con el hecho de que escribí un simple analizador de regiones y accidentes desde el sitio web del portal de la policía de tránsito. Nos aferramos a su API, que proporcionó datos al servicio en sí y los descargó a nosotros mismos. Como escribí anteriormente, hay publicaciones sobre este tema en el centro, y el código fuente de nuestro analizador se puede encontrar en el
repositorio .
El principal problema era la geocodificación, ya que muchos de los accidentes tenían coordenadas incorrectas. Las coordenadas eran muy diferentes de las direcciones. Por ejemplo, en Makhachkala, el 90% de los accidentes de tráfico ocurrieron generalmente fuera de la ciudad, y en Barnaul, parte del accidente simplemente fue al bosque.
Al principio, utilizamos Yandex.Geocoder, pero sus limitaciones y su negativa a compartir el servicio incluso para un proyecto sin fines de lucro nos llevaron a encontrar otra solución. Como resultado, establecemos nuestra tarea en el hackathon de proyectos sociales PublicData, donde los chicos tomaron su decisión personalizada, que no solo encuentra la dirección más cercana, sino también la carretera más cercana.
Los chicos tomaron la dirección como la coordenada de prioridad, y si el punto geográfico está a más de 300 metros del protocolo, el algoritmo no lo tendrá en cuenta. El algoritmo es que tomamos el punto geográfico del edificio y lo proyectamos en la carretera, hacemos lo mismo con el punto geográfico del protocolo. Entre los dos puntos resultantes, dibuja un segmento. La mitad de este segmento será el punto que necesitamos.
A continuación, utilizamos la pila postgresql + django + djangorestframework. Los datos eran jerárquicos, por lo que tuvimos que crear tablas adicionales para aquellos valores para los que planificamos los filtros.
En la parte frontal, planeamos un mapa interactivo con filtros y estadísticas calculadas automáticamente. La tarea principal era asegurar que el mapa no colgara con tantos objetos (en Moscú son más de 30 mil). El resultado es una aplicación ReactJS con un complemento del folleto. Carga desde la API a la vez todo el accidente de una región o ciudad, pero muestra en el mapa solo aquellos que caen en la pantalla. Esto hizo que la página de inicio se cargara bastante, pero proporcionó estadísticas rápidas de filtrado y recuento, y no permite que el mapa se ralentice. Además, un poco más tarde agregamos una capa térmica que se activa a cierta escala y con demasiados accidentes. Al principio solo teníamos un mapa de Moscú.
En la primera etapa, rechazamos la versión móvil, porque será difícil poner las funciones principales allí, y las historias clave de los usuarios que trabajan con el mapa requieren una inmersión para el análisis, y no algo que la gente haga sobre la marcha.
Seleccionamos los filtros según su importancia para el análisis: tipos de accidentes, fechas, calles, infracciones de tráfico, infraestructura circundante.
También simplificamos significativamente la tarjeta de accidentes y la mejoramos con la ayuda de colores, íconos, panoramas.
Resultado
Durante seis meses, el proyecto fue visitado por poco más de
30 mil personas que vieron el sitio unas 100 mil veces. Ahora el mapa se está desarrollando junto con activistas en las regiones, quienes hablan sobre los problemas de un accidente utilizando el ejemplo de un mapa de su ciudad y región. Se comunican con los medios regionales y hablan sobre el problema en sus blogs:
Kirov en el "Mapa de Accidentes de Carretera". Las 7 calles principales de la ciudad en donde ocurrieron la mayoría de los accidentes ,
Vladimir en el mapa de accidentes de tráfico de las personas ,
"Es necesario guiarse por la seguridad de las personas": en la región de Nizhny Novgorod se creó un mapa de accidentes de tráfico .
También recibimos comentarios individuales sobre el proyecto. Por ejemplo, la Urban Projects Foundation utiliza activamente nuestro portal para realizar su investigación en intersecciones peligrosas. En el Foro Urbano de Kirov, nuestro proyecto fue mencionado como un argumento para revisar las políticas urbanas. Estamos muy contentos de que al menos podamos influir en el problema.
Código fuente
Si fue al sitio web del proyecto, debería haber notado que el proyecto todavía tiene muchos problemas, de los cuales:
- no todas las regiones agregadas
- sin versión móvil
- no puede compartir un sitio específico / contar estadísticas en un sitio específico
Para involucrar a más personas en el proyecto, abrimos el
código fuente del proyecto. Hay instrucciones sobre cómo plantear un proyecto, cómo descargar datos y tareas, resolviendo qué puede ayudar al proyecto.
En un futuro cercano, repararemos pequeños errores y finalizaremos el proyecto.
Actualmente en el mapa: Moscú, San Petersburgo, Kazán, Nizhny Novgorod, Krasnodar, Yaroslavl, Kirov, Vladimir, Cheboksary y sus regiones.
Si el proyecto ayuda a salvar al menos una vida de estos 20 mil, entonces todo esto no fue en vano. También tienes la oportunidad de salvar varias vidas. Estaremos muy contentos si usted:
Gracias a todos los que participaron en la creación del proyecto, y especialmente a Alexei Radchenko, Anastasia Romashkevich, Anton Chernykh c13 , Alexander Popovtsev, Anna Kirichenko, Konstantin Nabatchikov, Vladislav Prud, Maxim Nikityuk.