Япония известна своими живописными горными пейзажами, а также сложностями, которые она представляет для любителей альпинизма. Однако эти горы могут быть настолько коварными, что в Японии регистрируется одно из самых высоких чисел горных аварий в мире. В 2023 году в Японии произошло 3126 горных аварий — это самый высокий годовой показатель с 1961 года.
В частности, префектура Нагано, где расположено множество популярных среди альпинистов гор, является одним из регионов с высоким числом аварий из-за пересечённой местности и суровых погодных условий.
Поэтому крайне важно точно прогнозировать горные аварии и оценивать риски заранее. Это могло бы помочь альпинистам и спасательным командам лучше подготовиться, снизив вероятность будущих происшествий.
Хотя традиционное машинное обучение доказало свою эффективность в прогнозировании дорожно-транспортных происшествий и стихийных бедствий, его применение для прогнозирования горных аварий ограничено несколькими факторами: небольшими наборами данных, сложным характером аварий и отсутствием данных о погодных условиях и демографических характеристиках.
Чтобы решить эту проблему, доцент Юсуке Фукадзава вместе с аспиранткой Таэко Сато — оба из Высшей программы прикладных наук о данных в Софийском университете в Японии — разработали прогностическую модель для оценки рисков альпинистских аварий на этапе планирования экспедиции.
«Горные аварии делятся на четыре основные категории: падения с высоты, падения на уровне земли, усталость и дезориентация. Однако они происходят не в одинаковых условиях; они тесно связаны с такими факторами, как время суток, местность, погодные условия и демографические характеристики альпинистов», — объясняет доктор Фукадзава.
Соответственно, они обучили BERT, модель глубокого обучения, на таких контекстуальных данных, чтобы она могла классифицировать риски аварий на четыре ключевые категории, используя информацию о восхождении во время планирования. Набор данных состоял из 2596 альпинистских аварий, произошедших в период с 2014 по 2023 год в префектуре Нагано.
Кроме того, исследователи использовали SHAP-анализ, метод объяснимого ИИ, чтобы визуализировать взаимосвязи между входными характеристиками и прогнозируемыми рисками для каждой из четырёх категорий аварий. Результаты этого исследования были опубликованы в International Journal of Data Science and Analytics 16 июня 2025 года.
Набор данных имел стабильное количество ежегодных аварий, с заметным снижением только в 2020 году из-за пандемии COVID-19. Однако были выявлены чёткие сезонные, временные и демографические закономерности. Например, больше аварий регистрировалось в летние месяцы, по выходным и днём. Аналогичным образом, падения на уровне земли в основном происходили среди женщин, тогда как более высокие показатели падений с высоты и дезориентации наблюдались у мужчин.
Модель BERT точно идентифицировала и спрогнозировала четыре категории аварий с точностью более 60%, достигнутой для двух типов: падения с высоты и дезориентация. SHAP-анализ также помог в интерпретации прогноза модели для успешной классификации ключевых предикторов, влияющих на риск каждой категории.
Время суток, местоположение в горах, погодные условия и демографические факторы были признаны критическими предикторами для всех четырёх категорий. Например, «утро» и «Хотэка» были определены как сильные предикторы падений с высоты, а «полдень» и «диапазон Яцугатакэ» — для падений на уровне земли. Усталость была связана с пожилыми альпинистами и дневным периодом, а дезориентация — с такими условиями, как снег и туман, а также одиночные походы. Это соответствовало закономерностям, наблюдаемым во входном наборе данных, что подтвердило надёжность модели.
«Наша высокоточная многоклассовая прогностическая модель даёт альпинистам лучшее понимание конкретных рисков, связанных с их запланированными действиями и условиями, что позволяет принимать более безопасные решения и подготовиться. Адаптируя оценку рисков к уникальной ситуации каждого альпиниста, наша модель предлагает персонализированные рекомендации по безопасности, более практичную и эффективную форму поддержки альпинизма вместо традиционных универсальных предупреждений», — говорит доктор Фукадзава.
«Мы также считаем, что наши исследования могут быть использованы для разработки мобильных приложений и веб-сервисов, которые предлагают решения для планирования и обеспечения безопасности у людей под рукой. Таким образом, мы надеемся улучшить управление рисками не только для альпинизма, но и для других видов активного отдыха и побудить больше людей выйти на улицу и безопасно наслаждаться природой», — добавляет он.
Интересно, что эти результаты подчёркивают возможности глубокого обучения и объяснимого ИИ в повышении надёжности оценки рисков. Фактически, этот подход имеет потенциал не только для альпинизма, но и для других областей, где поддержка принятия решений на основе ИИ может помочь в прогнозировании рисков и планировании безопасности.
Предоставлено Софийским университетом.